1. 为什么眼镜试戴图这么难做
1.1 电商眼镜类目的真实痛点
做眼镜电商的朋友应该都有同感：每上新一款镜架，最费钱、最费时的不是产品本身，而是试戴图。以前我们团队的做法是两种，要么找真人模特到摄影棚实拍，按半天场地费和模特费算，一组镜架拍下来成本轻松破千；要么买一个头模拍照后再用PS换眼镜，但头模的光影、肤色和真人有差距，买家看着总觉得"假"，转化率上不去。
后来大家开始用VTON（虚拟试穿）工具，但市面在线的VTON平台对衣服处理得还行，一碰到眼镜就露馅。眼镜这个品类跟衣服有个本质区别：它是半透明、带反光、又有精密五金结构的物体。镜片有折射、镜腿有夹角、鼻托要贴合鼻梁，logo还往往印在镜腿或镜片边缘这种极细的位置。在线工具跑出来的图经常是眼镜形状对了，但logo糊成一团，镜腿跟头发融为一体，镜片反光直接把眼睛盖住。
这就是我这次想解决的问题：用ComfyUI搭一套本地工作流，把眼镜试戴图的精度做到"logo还能看清"的程度，单张成本控制在1元以内。这套方案我从模型选型到节点排布踩了不少坑，今天把能直接复用的部分整理出来。
1.2 拿AI方案硬上的三个坎
先说结论，用AI做眼镜试戴图，最大的难点不是"让眼镜出现"，而是"让眼镜以正确的方式出现"。我拆成三个坎，后面所有的节点设计都是围绕这三个坎展开的。
第一个坎是结构保真。镜架是有明确几何结构的，镜框的椭圆比例、镜腿的长度、鼻梁的高低，差一点都不像同一副眼镜。AI生成时如果只靠自然语言描述，很容易把圆框变方框、把细腿变粗腿。所以必须用参考图条件控制，而不是纯文生图。
第二个坎是细节精度。品牌眼镜的logo通常是镭射雕刻或金属贴片，在图上只占几十个像素。常规的局部重绘模型（Inpainting）在重绘小面积区域时很容易直接把logo当成噪点抹掉。要保住logo，就得在重绘时把logo区域单独切割出来放大处理，做完再贴回去。
第三个坎是光影融合。眼镜在脸上不是简简单单P上去的，它跟皮肤之间有接触阴影，镜片上有环境反光，额头和脸颊还会有一些透射光。如果只做"贴图式"合成，出来的图总有一层明显的"塑料感"。这个没有捷径，只能靠多层节点叠加，把反射高光、接触阴影、色温匹配一层层补进去。
这三点叠在一起，就决定了这套工作流不能只依赖单一个大模型，而是要像流水线一样分工：一个节点负责结构定位，一个节点负责细节精修，一个节点负责光影融合。ComfyUI的最大优势恰好就在这——它能把不同模型和节点串起来协同工作。
1.3 这次方案的整体思路
先给大家一个整体视角。基于上面三个坎，我把整套流程分成了四个阶段：素材准备 → 首次试戴生成 → logo与细节精修 → 光影融合输出。
素材准备阶段，需要一张干净的模特正脸照和一张眼镜白底产品图。首次试戴生成阶段，使用类似CatVTON这样的虚拟试穿模型完成第一轮的"眼镜上身"，这一步的目标不是完美，而是结构准确。logo精修阶段，我会用分段切割的方式单独处理品牌标识区域，再用放大模型补细节。最后光影融合阶段，用ControlNet和图像编辑节点把所有元素合成到一张自然的人像上。
整体跑完，一张图从输入到输出在本地4090上大约40秒到1分钟，云端API成本折算下来一张不到1元，直接对标外包修图师几十元一张的报价。下面我按阶段展开讲。
2. 技术选型：ComfyUI + 分层修复的底气
2.1 为什么不用在线VTON平台
我一开始其实先试了市面上的在线VTON工具，毕竟是拿来就能用。测试了大概七八个平台，问题集中在三个方面。
第一，眼镜数据在训练集里的占比太少了。大部分VTON模型的训练数据以衣物为主，眼镜相关的样本可能只有个位数百分比，导致模型一碰到镜架就"自由发挥"，要么把镜片画成实心的，要么给镜框加上不存在的花纹。第二，在线平台出于效率考虑，输出分辨率普遍不高，通常是512或768级别，放大之后logo区域完全没法看。第三，多数平台不支持局部重绘，生成结果不满意只能整张重新跑，没法针对镜腿、logo这些小区域单独修。
相比之下，ComfyUI的灵活性是降维打击。它本身是节点式工作流，我可以自由组合多个模型：用一个模型做结构粗生成，用另一个模型做局部精修，再叠加ControlNet保证姿态和位置不跑偏。更重要的是，所有处理都在本地完成，单张成本就是一点电费和显卡折旧，算下来远低于在线平台按次收费的价格。
当然，ComfyUI的门槛也确实比在线平台高，需要自己装环境、找模型、连节点。但如果你有批量出图的需求，前期花半天时间把工作流搭好，后面就是持续的低成本产出，这个投入很划算。
2.2 核心模型与节点的组合思路
具体到这套工作流，我用的模型和节点组合可以分为三组。
第一组是结构定位组，负责把眼镜准确"戴"到脸上。核心是CatVTON模型和ControlNet。CatVTON是学术界开源的一个虚拟试穿模型，虽然在成片质量上不如商业平台精修后的效果，但它对服饰类物体的结构保持很好，用在眼镜这种几何特征明显的物体上正合适。ControlNet在这里的作用是锁定脸部的姿态和位置，防止多步生成过程中人脸发生形变。
这里多说一句，CatVTON输出的结果通常是一个初步合成图，它的价值在于"结构对了"而不是"画面精美"。所以不要把这一步当成最终结果，它更像是给后面的精修打了底稿。我一开始犯的错就是期望一次生成直接出成品，结果花了很多时间调参，效果还不如后来分层处理来得快。
第二组是细节精修组，负责logo和五金件的还原。用到的是Inpainting局部重绘节点和Upscale放大模型。局部重绘的关键是遮罩的精度：遮罩画大了，模型会把镜腿旁边的人脸头发一起改掉；遮罩画小了，重绘区域外又有锯齿感。我的经验是，logo区域单独切出来做一次超分辨率放大，然后在放大后的图上做重绘，重绘完成后再缩回原尺寸，这样处理过的logo边缘要锐利很多。
第三组是融合输出组，负责光影、色彩和整体质感。这里用到的是一些像素级的图像处理节点，比如色彩匹配、亮度调整、模糊遮罩边缘等。很多教程会跳过这一步，直接拿重绘结果输出，但实际效果差别很大。没有融合处理的图，镜片和皮肤之间会有一条清晰的"剪切线"，一看就是P的。
2.3 方案成本核算
关于成本，我详细算一笔账。本地部署的情况下，以RTX 4090为例，显存24G，跑完这套工作流一次大约需要40到60秒。按显卡功耗350W、一度电0.6元算，单张电费约0.01元。显卡折旧按3年使用周期平摊，每天跑200张图，单张折旧成本约0.05元。模型和节点都是开源免费的，加起来一张图成本不到1毛钱。
如果你没有本地显卡，也可以用云GPU服务。以常见的主流云GPU按小时计费来算，一小时大约2到4元，跑一张图按1分钟算，一小时能出60张，折算下来单张成本约0.05元。再加上网络传输和平台调度损耗，总成本依然不到1元。
对比外包修图师一张精修30到80元的报价，这个成本优势非常明显。而且AI出图的速度是按分钟算的，不像人工修图需要排队等档期，上新速度能快好几倍。
3. 搭建眼镜试戴工作流的完整过程
3.1 环境准备与模型下载
如果你用的是秋叶的ComfyUI整合包，环境这步会省很多事。整合包已经预装了Python环境、PyTorch和大部分常用节点，下载解压就能用。如果你是手动安装的，需要确保Python版本在3.10以上，并且安装了最新版的PyTorch。CUDA版本建议用11.8或12.x，实测影响不大，但显存占用会有一些差异。
模型方面，需要准备以下几类文件：
| 文件/模型 | 用途 | 存放路径 |
|---|---|---|
| CatVTON模型权重 | 首次试戴生成 | ComfyUI/models/diffusers |
| ControlNet（姿态/深度） | 人脸姿态锁定 | ComfyUI/models/controlnet |
| Inpainting模型（如SD 1.5 Inpainting） | 局部重绘 | ComfyUI/models/checkpoints |
| 超分辨率放大模型 | logo区域放大 | ComfyUI/models/upscale_models |
| 常用的LoRA | 风格微调（可选） | ComfyUI/models/loras |
模型下好后，建议先在ComfyUI里跑一次最简单的文生图流程，确认环境没问题，再接工作流。我见过不少朋友一次性把所有节点都连好再运行，报错了都不知道是环境问题还是节点问题，排查起来很费劲。
3.2 输入素材的处理要求
这一步极为关键，我把它放在模型前面说，因为素材质量直接决定出图上限。很多人在这一步偷懒，拿一张随手拍的产品照就开始跑，结果出图效果差又回头调模型，折腾半天没用。
模特正脸照的要求：光线均匀，脸部无明显阴影，五官清晰，头发不要大面积遮挡耳朵和脸颊。背景最好单一或者干净，方便后续遮罩处理。建议先用修图软件把脸部调正，嘴巴闭合状态为宜。
眼镜产品图的要求：必须是白底或透明底的正面角度图，保证镜架是完整可见的，不能被遮挡。镜片如果贴有防伪标签，建议先撕掉或者后期再处理，否则会被AI当成镜片花纹一起画进结果里。
还有一个很多人忽略的点：模特照和产品照的色温要尽量接近。如果模特照是暖黄光，产品照是冷白光，AI在融合色彩时需要做更多补偿，出图容易偏色。我通常会在进入工作流之前，先用图像处理软件把两张图的色温统一到同一水平。
3.3 工作流核心节点连接顺序
下面是我实际使用的工作流节点顺序，以ComfyUI节点名称表述，方便你已经熟悉节点系统的朋友直接对照。
第一步，加载模型。使用Load Checkpoint加载Inpainting模型，用Load Diffusers Model加载CatVTON模型。两个模型在显存占用上会有一定压力，我的经验是24G显存可以同时加载，16G显存建议分开加载，等CatVTON输出结果后再切换模型做重绘。
第二步，图像预处理。使用Load Image分别加载模特图和产品图，接Image Preprocessor做尺寸统一。这里我建议把模特图裁剪为1:1的1024x1024尺寸，产品图用RemBG扣掉背景后放到一个虚拟的白色背景上，位置居中。
第三步，首次试戴生成。把处理好的模特图和产品图输入CatVTON节点，设置生成参数。这个节点的关键参数是output_height和output_width，建议设置到768以上，否则细节空间不够。生成结果出来后，先肉眼检查：眼镜位置对不对？镜架比例对不对？有没有明显畸变？这一步合格了才往下走。
第四步，细节区域切割。用MaskEditor在生成的图像上框选出需要精修的区域。logo单独框一处，镜腿铰链处单独框一处，镜片反光区域单独框一处。我建议不要图省事框一个大的，小区域的重绘效果比大区域稳定得多。
第五步，局部重绘。把切割出来的小区域送入Inpainting节点，配合相应的提示词做重绘。这里有个技巧：重绘的提示词不要写"logo、文字"这种抽象词，而是写具体的品牌风格描述，比如"金属质感的浮雕字母，清晰锐利"。
第六步，超分辨率放大。对重绘后的logo小图做一次4倍放大，用Ultimate SD Upscale节点或ESRGAN类模型。放大后再放回原图位置，这一步能极大提升logo细节。
第七步，融合输出。把所有处理好的图层合在一起，用Image Blend或Image Composite节点做合成，最后用色彩调整节点统一整体色调。
3.4 关键参数设置对照表
为了方便大家复现，我把关键参数整理成了一张对照表。这些参数是我在多次测试中调出来的相对稳定值，你可以根据自己的模型版本微调。
| 参数项 | 首次生成（CatVTON） | 局部重绘（Inpainting） | 备注 |
|---|---|---|---|
| 分辨率 | 1024x1024 | 512x512（重绘区域） | 首次生成不能低于768 |
| 采样步数 | 30 | 20 | 步数过高反而容易过拟合 |
| CFG | 3.5 | 7.0 | CatVTON用低CFG更自然 |
| Denoise强度 | 1.0 | 0.6~0.7 | 重绘强度太大会丢失结构 |
| ControlNet权重 | 0.8 | 无 | 用来锁脸部姿态 |
| Upscale倍数 | 无 | 4x（logo小图单独放大） | 放大后需用Lanczos缩回 |
关于Denoise强度我需要多说两句。重绘时Denoise设置到0.6到0.7的意思是：保留原图60%到70%的信息，剩下的让模型重新想象。眼镜产品图上的logo区域如果用太高强度，模型容易把logo画成乱码；用太低强度，又没法真正替换掉原图的模糊噪点。0.65这个值是我测试后效果比较均衡的。
4. logo与细节还原的实操攻略
4.1 logo变形的常见原因与修复
这是眼镜试戴图里最让人头疼的部分。品牌眼镜的logo通常在镜腿内侧或镜片左下角，面积小、笔画细，AI经常处理不好。
先说变形原因。第一是分辨率不够，logo区域在原图里可能只有40x20像素，信息量严重不足，模型只能"猜"着画，猜出来的自然容易变形。第二是重绘时的CFG设置过高，模型在细节上"过度自信"，凭空添加一些不存在的笔划装饰。第三是视角扭曲，如果产品图的角度跟模特图的面部朝向不完全一致，logo在透视上就会出现歪斜。
修复方法我总结了四步，实测有效。第一步，用Ultimate SD Upscale对logo区域单独做4倍超分放大，放大后再看轮廓就清楚多了。第二步，用Mask Editor精细抠出logo区域的外轮廓，尽量贴合logo本身的形状。第三步，把抠图放大后的logo图送入局部重绘模型，在低Denoise（0.5左右）下重绘，提示词写明"金属质感的精美LOGO，清晰可辨，无多余装饰"。第四步，把处理好的logo小图用Image Composite贴回原图位置，用羽化功能让边缘过渡自然。
如果你的眼镜产品图本身有清晰的logo纹理，其实还有一种更稳妥的思路：不依赖重绘，直接从产品图上把logo抠下来，做透视变换后贴到人脸对应位置，再用Inpainting做边缘融合。这个方案在logo还原度上是最高的，但需要一点点PS功底，适合对logo还原有严格要求的场景用。
4.2 镜腿、鼻托、铰链等五金件的处理
眼镜的质感很大程度上来自金属件的反光。镜腿的弧度、鼻托的对称性、铰链的咬合处，这些细节一旦处理不好，整副眼镜就会看起来很廉价。
我的经验是，五金件区域的遮罩要避开高光点。镜腿上的高光恰恰是体现金属质感的关键，如果遮罩把高光区域也盖住重绘了，模型会把它当成噪点抹掉，处理完的镜腿就变成一块平板。正确的做法是，先用色彩范围工具选中高光区域，保存选区，在遮罩制作时把高光选区排除在外。这样重绘只处理金属件的主体结构，高光保留原样，出来的效果会自然很多。
鼻托的处理更要注意对称性。AI在重绘鼻托时经常出现一边高一边低的情况，这是因为人脸侧面的鼻托透视关系比较复杂，模型无法准确判断空间位置。我的办法是，先出一张测试图，然后把左鼻托区域翻转复制到右侧，保证左右一致，再用Inpainting做融合。这个方法在处理对称物体时很通用，可以用在镜框、耳饰等任何需要对称的地方。
4.3 镜片反光与光影融合
镜片反光是最能区分"AI生成"和"真实拍摄"的细节之一。真实的镜片会反射环境光，有时还带轻微的渐变效果，而AI生成时经常把镜片画成一块均匀的深色玻璃，看起来非常死板。
处理思路是这样的。首先，在首次生成阶段，提示词里加入"镜片带轻微透明反光"的描述。其次，在局部重绘阶段，单独选中镜片区域，用低Denoise加模糊强度做一层"渐变透明"处理，让镜片中心区域略亮、边缘略暗，模拟光线的透过效果。最后，用高光画笔在镜片上点几个小光斑，但要控制光斑的位置——不要遮住眼睛瞳孔。
另外，接触阴影值得专门说一下。真实佩戴时，镜框压在鼻梁上会在皮肤上形成一圈淡淡的阴影。AI合成图通常没有这层阴影，导致眼镜看起来像悬浮在脸上。我的做法是，用一个圆弧形的黑色半透明蒙版，放在鼻托和镜框接触皮肤的位置，羽化后降低透明度到10%到15%左右，模拟真实的接触阴影。这一步做完，眼镜的"佩戴感"立刻上了一个档次。
4.4 批量出图与风格一致性控制
如果你有几十款眼镜要出图，批量处理就涉及风格一致性的问题。这里我建议用两种可控的方式。
第一种是固定种子加人物LoRA。把模特的人脸特征训练成一个小型的LoRA模型，之后所有款式的眼镜都在这同一个LoRA基础上生成，就能保证不同款式试戴图中是同一张脸。第二种是参考图叠加，用IPAdapter节点把第一批满意的出图结果作为风格参考，后续生成时引导模型保持相同的色调和光影风格。
批量跑的时候还有一个技巧：建议不要全部自动跑完再检查，而是先跑3张样图，确认无问题后，再拆分成小批次跑。因为中间一旦出问题，比如某张产品图的背景没抠干净，整批图全都白跑了。先质检再批量，效率反而更高。
5. 常见报错排查与效果翻车指南
5.1 节点报错速查表
用ComfyUI跑这套工作流，有几个报错非常典型。我按出现频率整理成表，方便你遇到了直接翻。
| 报错信息 | 常见原因 | 解决办法 |
|---|---|---|
| CUDA out of memory | 显存不够 | 降低分辨率；分开加载模型；启用--lowvram模式 |
| RuntimeError: expected scalar type Float but found Half | 精度不匹配 | 在启动参数中加入--no-half-vae |
| ValueError: No such file or directory | 模型路径不对 | 检查模型是否放到正确目录；文件名是否含中文 |
| ComfyUI-Openpose 节点无法执行 | 缺少依赖 | 在ComfyUI/custom_nodes下手动安装该节点的requirements.txt |
| 中文提示词乱码 | 编码问题 | 不建议提示词用中文，统一用英文；或检查系统UTF-8编码 |
有一个很多人第一次都会遇到的坑：ComfyUI整合包默认加载方式会占满显存，如果你显卡不是特别顶配，跑大模型叠加时很容易报显存不够。建议启动时用--lowvram或者--medvram参数，性能损失一点，但稳定很多。
5.2 效果不理想的调整思路
如果你的出图效果不理想，先别急着改模型，按照从输入到输出的顺序逐项排查。
第一步检查素材。模特图脸部是否清晰？产品图是否抠干净？光线是否统一？我遇到过一个案例，怎么调参数出图都有色偏，最后发现是模特图在白炽灯下拍的，产品图在自然光下拍的，两张图的色温差异太大，模型强行融合就翻车了。
第二步检查遮罩。遮罩是局部重绘的"边界"，如果遮罩边缘太硬，重绘区域跟原图之间会有很明显的不自然过渡。建议所有遮罩边缘都加2到4个像素的羽化，让模型有一个渐变过渡区。
第三步检查Denoise强度。如果效果太"假"，可能是Denoise过高导致原图信息丢失太多；如果效果太"糊"，可能是Denoise过低，重绘没有真正生效。建议以0.1为步长上下微调，找到你素材的最佳值。
第四步检查CFG。CFG过高会让画面变"脏"，出现不必要的纹理；CFG过低会让画面偏"灰"，对比度不足。CatVTON阶段建议CFG在2到4之间，重绘阶段建议在6到8之间，这个区间效果最稳。
5.3 我踩过的最贵的坑
最后分享一个我认为最值得警惕的教训：不要对AI生成的"直接结果"抱有太高期待。
第一次搭这套工作流的时候，我花了两天时间调CatVTON的参数，总想让它一次生成出完美的最终图。结果无论如何调，logo都是糊的，镜腿在耳朵后面的过渡也总是差一点意思。后来我才想明白，CatVTON这个模型的设计目标就不是"完美出图"，而是"结构大致正确"，它的输出本来是给我这种精修流程当底稿用的。我把期望放错了位置，自然怎么调都达不到要求。
所以我的建议是，把整套工作流看作一个"半自动流水线"，每个模型只负责自己最擅长的一步，最终效果靠多步骤协同完成，而不是靠单次生成的奇迹。这样想之后，出图的稳定性和效率都提升了一个量级。
另外，批量出图之前一定要备份原始素材，包括未处理的模特图、产品图和已经抠好的透明底图。我有一回在本地测试ControlNet权重时，不小心把原素材覆盖了，结果那批产品的图全部要重新整理，多花了一下午。素材管理看着是小事，真到了翻车的时候才知道后悔。
6. 这套方案的后续扩展方向
眼镜试戴只是VTON的一个细分场景，这套分层处理的思路完全可以迁移到其他品类上。
比如太阳镜试戴，原理相同，但需要额外处理镜片深度变色的效果——可以在局部重绘阶段给镜片单独加一层渐变蒙版，实现"室内浅色、室外深色"的效果模拟。再比如耳饰试戴，难点在耳垂的透视和耳饰的垂坠感，可以用同样的"结构生成 + 局部精修 + 光影融合"三段式思路来跑。实际上我测试过耳饰和发饰的效果，比眼镜还好做一些，因为不涉及镜片的透明透射问题。
配饰类目的电商运营如果看好这个方向，我建议先从自己店铺销量最高的几个款开始测试，积累一批效果好的工作流参数模板。我对这套流程的体会是，真正的难点不在技术，而在于理解"这个模型擅长什么、不擅长什么"，然后把每个环节安排给最擅长它的模型。想通这一点，不只是眼镜，很多AI试穿场景都能逐步跑通。
