你用 Stable Diffusion 生成了一张人像。构图很稳，光线也很戏剧化，但脸部就是不对。皮肤没有毛孔，表面像人体模型一样反光。每个细节都精致得过了头：这种一眼就能看出是机器生成的“AI 塑料感”。
本指南会拆解塑料感为何出现、哪些 Stable Diffusion 真实感模型确实能解决问题，以及哪些具体设置和后期处理技巧，能把照片级输出与塑料感图像区分开来。
为什么你的 Stable Diffusion 图片会有塑料感
塑料感不是单一故障，而是三个相互叠加的因素共同造成的。
训练数据偏差。 SDXL 和 SD 1.5 这样的基础模型使用数百万张图片训练，其中有不少是经过数字修图的图库照片、磨皮插画，或被重新放回训练集的 AI 图片。由于平滑无瑕的皮肤在训练分布中占主导，模型便学会把它当成默认效果。真实感微调 checkpoint 会专门使用能看到皮肤纹理、毛孔和自然瑕疵的未修图照片训练，从而抵消这种偏差。
采样器与 CFG 的相互作用。 CFG scale 高于 7 时，模型会被迫严格遵循提示词，往往会激进地生成每个概念的理想化版本，包括皮肤。人像提示词使用 8 以上的 CFG，会主动压制最终表现为毛孔、瑕疵和微观纹理的高频噪声。再加上优先保证整体连贯而非细节的采样器，就会得到近看很不自然的玻璃般光滑表面。
缺少负面提示词。 如果你没有明确告诉模型要避开什么，它就不知道塑料感、磨皮、光滑皮肤和娃娃脸是不受欢迎的。负面提示词不只是用来去掉多余手指，也是控制皮肤真实感的直接手段。
当前最佳 Stable Diffusion 真实感模型
不是所有 checkpoint 都为照片级效果而生。下面这些模型凭借稳定的输出质量、活跃社区验证和 Civitai 上可量化的下载量建立了口碑。每一个模型都擅长真实感的不同侧面。
| 模型 | 架构 | 最低显存 | 最适合 | 主要优势 |
|---|---|---|---|---|
| RealVisXL V5.0 | SDXL 1.0 | 8 GB | 人像、特写 | 自然胶片感、皮肤纹理 |
| Juggernaut XL v10 | SDXL 1.0 | 8 GB | 通用照片级效果 | 电影感光线、提示词适用范围广 |
| Realistic Vision V6.0 | SD 1.5 | 4 GB | 低硬件真实感 | 4 GB 即可运行，LoRA 生态庞大 |
| CyberRealistic XL v10 | SDXL 1.0 | 8 GB | 干净的照片级效果、快速迭代 | 支持 LCM/Lightning，输出锐利 |
| EpicRealism | SD 1.5 / SDXL | 4-8 GB | 精细细节、自然光线 | 避免过度锐化，色调逼真 |
RealVisXL V5.0 仍是社区人像创作的首选，生成的皮肤经得起近看，带有类似 35mm 胶片的自然颗粒结构。Juggernaut XL v10 是最全能的 SDXL checkpoint。如果不知道从哪里开始，它可以稳定处理从人像到产品摄影的各种任务，累计下载量已经超过 1800 万。
Realistic Vision V6.0 是不肯退休的 SD 1.5 传奇：只要 4 GB GPU 就能运行，在较低分辨率下依然能生成足以媲美 SDXL 的肤色和光线。CyberRealistic XL 提供 LCM 和 Lightning 版本，适合希望快速迭代、又不想牺牲照片级效果的用户。EpicRealism 则以刻意克制的处理收尾，避免其他模型容易出现的过度锐化和 AI 打磨感。
根据硬件选择合适模型
如果 GPU 跑不动，模型选择就没有意义。实际决策很简单：先把显存档位匹配到正确架构，再在这个档位内优化真实感。
| 显存档位 | 推荐架构 | 最佳真实感模型 | 预期效果 |
|---|---|---|---|
| 4-6 GB | SD 1.5 | Realistic Vision V6.0 | 原生 512x512，生成快，肤色出色，分辨率有限 |
| 8 GB | SDXL | Juggernaut XL v10 或 RealVisXL V5.0 | 原生 1024x1024，细节强，叠加 LoRA 时可能需要管理显存 |
| 12 GB+ | 轻松运行 SDXL 或 Flux | 任意带完整 LoRA 堆栈的 SDXL checkpoint | 可同时运行多 LoRA、ControlNet、ADetailer |
| 16 GB+ | Flux 或 SDXL | Flux Dev GGUF Q8 | 本地可用的最佳照片级效果，解剖结构和提示词遵循能力更强 |
SDXL 仅加载就需要 8 GB，想不频繁折腾显存则需要 12 GB。如果只有 6 GB 或更少，不要硬撑。Realistic Vision 这样的 SD 1.5 模型针对低显存优化，在 512x512 下仍能生成出色的照片级效果，之后再放大即可。从 SD 1.5 升级到 SDXL 后，解剖结构、细节和提示词理解会立刻提升，但显存成本也同样明显增加。
照片级输出的关键设置
选对 checkpoint 只是第一步。与它搭配的采样器、CFG scale、步数和负面提示词，才决定输出像照片还是像渲染图。
采样器。 DPM++ 2M SDE Karras 和 DPM++ 3M SDE Karras 是社区公认最适合皮肤纹理的选择。它们能保留高频细节，也就是最终表现为毛孔、颗粒和表面不规则感的微小噪声。Euler a 和 DDIM 往往会生成更光滑的结果，这正好与照片级效果的目标相反。
CFG scale。 SDXL 人像通常使用 4 到 7 的 CFG，皮肤最自然。超过 7 会把模型推向理想化、过分干净的输出。一些实践者配合精心调校的负面提示词，在 CFG 2-3 下也能得到优秀结果；代价是提示词遵循更宽松，但模型有更多空间生成自然纹理。
步数。 25-30 步是 SDXL 的标准范围。想要最大化皮肤细节，可以用 DPM++ 3M SDE Karras 推到 40-60 步，毛孔定义和头发渲染会有明显改善。超过 60 步后收益会快速下降。Lightning 和 LCM 版本在 4-8 步就能产生可用结果，但更适合迭代，不适合最终输出。
负面提示词。 这是消灭塑料感最有效的环节。真实人像可以使用以下负面提示词：
plastic, smooth skin, airbrushed, poreless, doll-like, flawless, perfect skin3d render, cgi, digital painting, illustration, cartoon, animeblurry, low quality, deformed, bad anatomy, extra fingers, mutated handswax, retouched, photoshop, overexposed
第一行直接针对塑料感，第二行去除非摄影风格，第三行处理结构错误，第四行消除即使底层生成不错、仍会让画面显得不自然的过度后期质感。
超越 Checkpoint：LoRA、ADetailer 与提示词工程
即使模型和设置都正确，标准分辨率下的人脸仍然经常丢失细节。社区已经形成了一套分层后期处理方法，可以系统地解决这个问题。
真实感 LoRA。 Polyhedron 的 Skin & Hand、add-details-xl 这类轻量 LoRA，在 0.3 到 0.8 的低权重下就能注入皮肤纹理和精细细节。权重为 1.0 时，add-details-xl 会强制模型在整张图上渲染高频细节，对皮肤可能很有效，但也可能给背景引入伪影。先从 0.5 开始，再根据结果调整。
ADetailer（After Detailer）。 这是修复人脸最有效的工具。ADetailer 会在生成图上运行检测模型，识别人脸，再用专用提示词以更高分辨率自动重绘人脸。推荐配置如下：
- Detection model:
face_yolov8n.pt - Confidence threshold: 0.3
- Denoising strength: 0.22-0.28，低于标准值，因为目标是细化而不是替换
- Steps: 18-22
- CFG: 4-4.5
- Inpaint only masked: ON
- ADetailer prompt:
natural skin texture, visible pores, subtle imperfections, soft skin transitions, realistic eyes, natural lips
低去噪强度非常关键。达到 0.5+ 时，ADetailer 基本会替换整张脸，可能引入新伪影或丢失主体身份；在 0.22-0.28 时，它会细化已有细节，增加毛孔结构、锐化眼睛并修正轻微解剖问题，而不会丢弃原始生成结果。
真实感提示词技巧。 你使用的词会塑造模型生成的纹理。有效的真实感触发词包括：
natural skin texture, visible pores, subtle blemishes, frecklescandid iphone camera portrait, raw photo, unretouched85mm portrait lens, shallow depth of field, natural lightingoily skin, sun-damaged skin, aged 35 years old, flyaway hair strands
最后一行看似反直觉，却很有效。真实的人会有油性皮肤、日晒损伤、年龄斑和翘起的碎发。要求加入这些不完美，会把模型从理想化默认效果拉向真正的照片级质感。明确相机镜头和光线设置，也能进一步把输出锚定在摄影现实中，而不是数字渲染上。
本地部署不可行时：云端替代方案
本地 Stable Diffusion 的现实门槛是硬件要求很高。一个同时运行 LoRA、ADetailer 和 ControlNet 的 SDXL 工作流需要 12-16 GB 显存；全精度 Flux 工作流则需要 24 GB。不是每个人都愿意投资这样的硬件，而从安装 ComfyUI 或 AUTOMATIC1111，到下载数 GB 的 checkpoint、配置采样器和扩展，整个过程可能要花几小时，甚至还没生成第一张图。
这正是云端 AI 图像生成工具成为实用替代方案的地方。Seavid AI 的文生图平台 无需本地部署，通过浏览器即可使用包括 Seedream 5.0、Nano Banana Pro 和 GPT Image 在内的多种先进模型。你只需用文本提示词描述想法，选择风格和分辨率，就能快速生成。需要细化或转换现有图像时，图生图工具 可以在保留构图的同时完成风格迁移和增强，SeedEdit 则支持保留身份的指令式编辑。
代价是控制力。本地 Stable Diffusion 允许你细调每一个参数：采样器、CFG、步数、LoRA 权重、负面提示词和重绘蒙版。云端工具把这些决定抽象到更简单的界面后面，这对速度和易用性是好事，但如果你需要微调皮肤纹理或面部细节，就会少一些控制。对于快速原型、社交媒体内容，或没有专用 GPU 的用户，云端方案可以完全移除硬件门槛；但对于每个毛孔都很重要的生产级照片人像，本地工作流仍然占优。
常见错误与避免方法
- 用基础 SDXL 模型生成肖像。 基础 SDXL 已知容易生成塑料皮肤。人像创作应始终换成 RealVisXL 或 Juggernaut XL 这样的真实感微调 checkpoint。
- 在人像上使用高于 7 的 CFG。 高 CFG 会压制自然纹理。降到 4-6，让负面提示词负责质量控制。
- 跳过 ADetailer。 角色只占 1024x1024 画面一小部分时，生成的人脸会丢失细节。ADetailer 可以自动修复，没有理由跳过。
- 叠加太多 LoRA。 每增加一个 LoRA，出现色偏和伪影的概率都会上升。先用一个权重 0.5 的真实感 LoRA 测试，只有结果确实需要时再增加。
- 忘记指定不完美。 如果提示词只有“beautiful woman, perfect skin”，模型就会照做，结果看起来很假。加入毛孔、瑕疵和自然光线提示。
- 不使用 Hi-Res Fix 就直接放大。 普通放大会均匀锐化所有内容，让皮肤显得像蜡。使用低去噪强度 0.3-0.4 的 Hi-Res Fix，才能受控地增强细节。
常见问题
SD 1.5 能生成照片级效果吗，还是必须使用 SDXL？
可以。SD 1.5 上的 Realistic Vision V6.0 依然能生成出色的肤色和真实光线。代价在于分辨率和解剖结构一致性：原生 512x512，而 SDXL 是 1024x1024。如果 GPU 只有 4-6 GB 显存，SD 1.5 是最佳选择，之后还可以放大结果。
解决塑料感最有效的单一改动是什么？
加入明确针对塑料感的负面提示词：plastic, smooth skin, airbrushed, poreless, doll-like, flawless。即使还没调整采样器或 CFG，这一项也能让大多数真实感 checkpoint 明显改善。
我需要专用 GPU，还是可以使用云端工具？
本地 SDXL 工作流建议使用至少 8 GB 显存的专用 NVIDIA GPU。如果没有，Seavid AI 等云端工具可以通过浏览器提供高质量模型，但参数级控制会少于本地部署。
照片级效果选 Stable Diffusion 还是 Flux 更好？
Flux 通常能提供更高质量的照片级效果，在解剖结构和提示词遵循方面更强，但量化后仍需要 12+ GB 显存，LoRA 生态也更小。SDXL 拥有庞大的社区模型库、成熟工具和更低硬件要求，因此仍是大多数用户的实际选择。在高端硬件上追求最佳结果时，GGUF Q8 的 Flux Dev 目前是本地方案中的首选。
采样器对皮肤真实感有多重要？
非常重要。DPM++ 2M SDE Karras 和 DPM++ 3M SDE Karras 能保留最终表现为皮肤纹理的高频噪声。从 Euler a 切换到 DPM++ SDE Karras，带来的皮肤真实感提升可能比换模型更明显，尤其是在 SDXL checkpoint 上。
