PhotoMaker

一、PhotoMaker 是什么

PhotoMaker 是由腾讯 ARC Lab、南开大学、东京大学联合研发，收录于 CVPR 2024 的高效个性化文生图 AI 模型，核心技术为堆叠 ID 嵌入（Stacked ID Embedding），已发布性能更强的 V2 版本，可在几秒内完成高保真人像定制，兼顾身份保真、文本可控与生成效率PhotoMaker。

二、核心功能

1. 堆叠 ID 编码：将任意数量同身份人像编码为统一 ID 表征，完整保留面部特征
2. 写实人像生成：基于文本提示生成不同场景、服饰、姿态的逼真人像
3. 艺术风格化：支持吉卜力、梵高、浮世绘、漫画、素描等多种风格转换
4. 年龄 / 性别转换：保留核心 ID，快速切换人物年龄与性别
5. 多身份融合：输入不同 ID 图像，按比例融合生成全新身份
6. 复古 / 艺术形象真人化：将老照片、绘画、雕塑转为现代写实人像
7. 文本精准可控：通过提示词自由控制场景、服饰、光影等细节PhotoMaker

三、能帮我们做什么

• 快速生成个人专属写真、社交头像、游戏形象
• 把老照片 / 复古画像还原为高清现代真人照
• 融合多人面部特征创作虚拟角色
• 为影视、游戏快速生成高一致性 NPC / 角色形象
• 无需影楼拍摄，一键生成多种风格艺术肖像
• 秒级完成人像换场景、换服饰、换风格

四、是否免费

PhotoMaker 为开源免费项目，采用 Apache-2.0 开源协议：

1. GitHub 源码、官方模型、Hugging Face 在线 Demo 永久免费
2. 个人非商用、科研学习完全免费
3. 第三方封装的商用付费服务不属于官方范畴，个人使用无需付费

五、使用方法

方式 1：在线 Demo（零门槛，推荐新手）

1. 打开官方 Hugging Face Demo（写实 / 风格化 / V2 三版本）
2. 上传 1-5 张清晰人像（正脸、无遮挡、多角度更佳）
3. 输入提示词，必须加触发词 img（例：a photo of an asian woman img wearing a red dress）
4. 选择风格模板，设置负面提示词、生成步数
5. 点击生成，等待秒级出图

方式 2：本地部署

1. 克隆 GitHub 仓库：git clone https://github.com/TencentARC/PhotoMaker.git
2. 进入目录，安装依赖：pip install -r requirements.txt
3. 启动 Gradio 界面：python gradio_demo/app.py
4. 浏览器访问 localhost:7860，操作同在线 Demo

六、适合人群

• AI 绘画爱好者、自媒体创作者、平面设计师
• 影视 / 游戏美术、虚拟形象设计师
• 需修复老照片的个人用户
• 计算机视觉科研人员、AIGC 从业者
• 追求低成本高效人像创作的小型团队

七、适用场景

1. 个人创作：社交头像、个人写真、艺术肖像
2. 文创设计：品牌形象、艺术插画、周边人设
3. 影视游戏：角色设定、NPC 生成、定妆照预演
4. 影像修复：老照片真人化、历史形象还原
5. 创意融合：多人特征融合、虚拟偶像创作

八、与同行对比核心优势

对比 DreamBooth、Textual Inversion、FastComposer、IP-Adapter：

1. 速度极致：无需微调，比 DreamBooth 快约 130 倍，秒级生成
2. ID 保真拉满：堆叠编码保留完整身份特征，相似度业内领先
3. 零训练门槛：上传图片即可用，无需训练 LoRA / 模型
4. 多 ID 兼容：支持同 ID 多图增强、多 ID 比例融合
5. 文本可控强：精准响应提示词，兼顾风格与身份
6. 兼容性广：可适配 SDXL 等主流文生图模型，支持 ComfyUI 插件PhotoMaker

九、使用教程与评测

极简使用教程

1. 图片规范：正脸、清晰、无遮挡，1-5 张多角度图提升保真
2. 提示词技巧：亚洲人脸加 asian，必带 img 触发词，细化场景 / 服饰
3. 参数调节：风格强度 30-50 平衡风格与 ID，采样步数 20-30 兼顾速度质量
4. 显存优化：低显存设 torch_dtype=float16，提速明显

效果评测

• ID 保真：输入单人像，多场景 / 风格下身份一致性极高
• 生成速度：单图 10-20 秒（普通 GPU）
• 风格覆盖：写实、动漫、油画、素描等全场景适配
• V2 升级：亚洲人脸优化、单图输入更稳、兼容 ControlNet 更可控

十、使用注意事项

1. 版权合规：仅使用拥有肖像权的图像，禁止生成违法 / 侵权内容
2. 图像质量：模糊、遮挡、侧脸过多会降低 ID 保真
3. 提示词规范：必须加 img 触发词，否则无法识别 ID
4. 风格平衡：风格强度过高会丢失 ID 特征，建议 30-50
5. 硬件建议：建议显存≥4GB，低显存可调整精度提速

十一、常见问题 FAQ

1. Q：需要训练模型吗？A：完全不用，上传图片 + 提示词直接生成
2. Q：最多支持上传几张人像？A：建议 1-5 张，越多 ID 越稳
3. Q：可以商用吗？A：开源协议允许商用，需遵守肖像权法规
4. Q：V2 比 V1 好在哪？A：ID 保真更高、亚洲人脸优化、支持更多插件
5. Q：手机能用吗？A：可通过浏览器访问在线 Demo 使用
6. Q：生成分辨率多大？A：默认 1024×1024，可自定义调整