生成一致角色 – Replicate 博客
生成一致角色
直到最近，生成一致角色图像的最佳方式还是训练一个lora。你需要准备一组图片数据集，然后用它们训练FLUX lora。
如果再往前追溯，你可能还记得必须用ComfyUI工作流，结合SDXL、controlnet、IPAdapter和一些非商用的人脸关键点模型。现在一切都变得简单多了。
如今我们有多种最先进的图像模型，可以仅凭一张参考图就准确生成一致角色。本文将介绍哪些模型能做到这一点，以及根据你的需求如何选择最合适的模型。
她穿着一件印有“Replicate”字样的粉色T恤
原图
“她穿着一件印有‘Replicate’字样的粉色T恤”
一致角色的最佳模型
截至2025年7月，Replicate上有4个模型可以仅凭一张参考图生成真实且准确的结果，按发布时间排序：
FLUX.1 Kontext 有多个版本：pro、max 和 dev。Dev 是开源版，更可控、可微调，但不如 pro 强大。
为写这篇博客，我还做了个小工具，方便对比输出。它会并行运行 FLUX.1 Kontext、SeedEdit 3.0、gpt-image-1 和 Runway Gen-4：fofr/compare-character-consistency。
（你知道任何人都可以在 Replicate 上创建和推送模型吗？）
价格与速度对比
先看最基本的：速度和价格。下表展示了各模型的价格和速度。gpt-image-1 的价格取决于输出质量（低、中、高），Gen-4 Image 则取决于分辨率（720p/1080p）。
总的来说，gpt-image-1 最慢也最贵，Kontext Dev 最快最便宜。质量则各有取舍，后文详述。
| 模型 | 单张价格 | 速度 | 日期 |
|---|---|---|---|
| OpenAI gpt-image-1 | $0.04–$0.17 | 16s–59s | 2025年4月 |
| Runway Gen-4 Image | $0.05–$0.08 | 20s–27s | 2025年4月 |
| Black Forest Labs FLUX.1 Kontext Pro | $0.04 | 5s | 2025年5月 |
| Black Forest Labs FLUX.1 Kontext Max | $0.08 | 7s | 2025年5月 |
| Black Forest Labs FLUX.1 Kontext Dev | $0.025 | 4s | 2025年5月 |
| 字节跳动 SeedEdit 3 | $0.03 | 13s | 2025年7月 |
角色一致性对比
下面对比各模型保持角色一致性的能力。
本节对比中，gpt-image-1 采用高质量高保真设置，FLUX.1 Kontext 选用 Pro 版（质量与速度最佳平衡），Gen-4 Image 选用 1080p。
照片级准确性
以下是多组例子，展示各模型在照片输出上的优劣。
新活动场景
这两组例子中，Gen-4 的优势明显，构图最吸引人，角色最准确。
她在弹钢琴
原图
“她在弹钢琴”
他在弹吉他
原图
“他在弹吉他”
场景微调
如果只想改动场景中的小部分，所有模型都能很好应对。
移除饮料杯
.png)
原图
“移除饮料杯”
半身像（异色瞳、双色发、面部特征）
更具挑战性的对比：角色有异色瞳、双色发和面部标记。
所有模型都能处理头发和眼睛（有的需要多试几次）。
夏日森林中的她，半身像照片
原图
“夏日森林中的她，半身像照片”
剃须、雨衣与下雨
这次尝试让同一人剃须、穿雨衣、下雨。
结果有好有坏，只有 SeedEdit 3 和 gpt-image-1 能处理“剃须”请求，但 gpt-image-1 结果完全变成了另一个人。
移除胡须，穿雨衣，下雨
.png)
原图
“移除胡须，穿雨衣，下雨”
纹身挑战
本例角色有大量独特纹身，考察各模型表现。没有哪个模型完美，Gen-4 和 gpt-image-1 颈部纹身保持得最好。
他是餐厅厨房里做饭的厨师
原图
“他是餐厅厨房里做饭的厨师”
创意任务与风格变换
本节尝试将角色变成其他风格或形象。好的模型能在变换风格的同时保持角色一致性。
风格变换
简单风格变换下，Gen-4 不适合做风格化任务。
将此人变为动漫风
原图
“将此人变为动漫风”
水彩画风格
原图
“水彩画风格”
变身其他形象
万圣节到了。我们把她变成女巫，把他变成食人魔，还有人变成潘多拉的蓝色纳美人。Gen-4 的女巫效果最好，但食人魔最不真实。
让她变成女巫
原图
“让她变成女巫”
让他变成绿色皮肤的食人魔
原图
“让他变成绿色皮肤的食人魔”
本例中，Kontext Pro 不支持生成潘多拉蓝色纳美人，展示的是 Kontext Dev。
让他变成潘多拉的蓝色纳美人（阿凡达）
原图
“让他变成潘多拉的蓝色纳美人（阿凡达）”
总结
总体来看：
- Kontext Pro 多才多艺，效果出色，但人脸周围常有伪影，严重时会导致图片不可用（Kontext Dev 没有这些伪影，但整体质量略低）
- gpt-image-1 总会带有明显的黄色调，即使开启高质量高保真，角色一致性也经常丢失。价格最高、速度最慢，仅推荐复杂任务时使用。
- SeedEdit 3 通常会严格保持原始构图，难以提示新角度或场景。输出偏柔和，AI感较强，复杂场景下一致性也有问题。
- Runway Gen-4 在照片类任务中最适合，角色还原度最高。缺点是复杂场景下容易出现多余的手臂、肢体，有时多试几次能修复，有时不能。Gen-4 不支持风格化任务。
推荐
照片类建议优先用 Runway Gen-4 Image。如需更快或更便宜的结果，Kontext Pro 是次优选择。如果 Gen-4 输出不连贯，可以用 Kontext Pro 修复。
创意和变身类任务建议先试 Kontext Pro。如任务复杂且预算充足，也可试 gpt-image-1。SeedEdit 3 是 gpt-image-1 和 kontext 不理想时的廉价备选。风格化任务不建议用 Gen-4。
更多模型、对比和实验敬请期待。现在就去 replicate.com/explore 试试新东西，或关注我们的 X 账号。