做角色图的人基本都绕不开一个坎：同一张脸，第一张出图很稳，换个姿势还行，一旦换场景、换服装、换镜头，脸就飘了，出来的像是"同一个演员的不同替身"。Stable Diffusion 把画面质量拉到可用水平之后，真正的瓶颈就变成了人物角色一致性的控制。用 ControlNet 锁构图、用 InstantID 锁身份，这套组合在最近一年多里被反复验证，是目前成本最低、见效最快的一条路。它的核心逻辑不复杂：把参考脸的身份特征编码成向量，再把五个人脸关键点做成空间约束图，两路条件同时注入采样过程，让模型在画新画面时始终"记得"这张脸长什么样。
这篇内容面向三类人：已经能跑通文生图、想进一步做角色系列的创作者；需要批量产出同一角色素材的商业出图从业者；以及被各种教程里的参数绕晕、想要一套能落地参数标定的玩家。我会把方案选型的取舍逻辑、模型文件的放置路径、节点连接方式、参数标定的计算过程、踩过的坑和排查手段全部摊开讲，给到的参数区间和我实测的数值都直接可用，你照着抄作业就能跑出第一组稳定图。需要说明的是，文中出现的具体参数是基于我本机环境和常见实践反复标定后的经验值，不同底模、不同机器会有偏移，我会把偏移的判断方法一并写出来，方便你自己微调。
1. 角色一致性为什么难：先把问题拆干净再谈方案
1.1 从"抽卡"到"可控"，中间隔着三个断层
很多人以为角色不一致是因为提示词写得不够狠，于是往 positive prompt 里塞一堆 "same person, identical face" 之类的描述，结果基本无效。原因在于 Stable Diffusion 的文本编码器压根没有"身份"这个概念维度，它只能理解"短发""深眼窝""高鼻梁"这类可语言化的属性，而同一个人的辨识度来自五官间距、骨相比例、皮肤纹理这些语言描述不了的细节。这是第一层断层：身份特征无法被文本充分表达。
第二层断层出在条件冲突上。你想让角色摆一个新姿势，就得用 OpenPose 之类的条件图去约束构图；你想让脸保持住，就得再加一路身份条件。两路条件在 UNet 的交叉注意力和残差分支里互相拉扯，权重给高了构图被锁死、给低了身份跑偏，这不是玄学，是条件强度分配的问题。第三层断层是随机性穿帮：即便前两步都调好了，种子、噪声、采样步数、CFG 的微小变化都会让人脸在细节上漂移，尤其是眼睛、嘴角这些高辨识区域，漂一点点人眼就能察觉到"不像"。
搞清这三层断层之后，方案的设计目标就很明确了：需要一种能绕开文本、直接注入身份特征的手段，同时还要有一种不干扰构图、只约束面部结构的空间条件。InstantID 恰好就是照着这两条需求做的。
1.2 InstantID 的结构：两条独立通路同时注入身份
InstantID 的思路可以类比成"化妆师 + 骨架师"的配合。第一路走的是 IP-Adapter 风格的交叉注意力注入：用一个人脸识别模型（通常是 ArcFace 系）从参考图中提取出一个 512 维的身份 embedding，然后通过一组新插入的交叉注意力层，把这个 embedding 融进 UNet 的每一层注意力计算里。这一路解决的是"长什么样"——肤色、五官质地、气质。
第二路是 IdentityNet，本质是一个专门的 ControlNet 分支。它不接收 Canny、Depth 这种手工条件图，而是接收五个面部关键点（双眼、鼻尖、左右嘴角）生成的一张稀疏点阵图，再把这五点扩展成面部区域的空间约束，只在脸的位置生效。这一路解决的是"五官摆在哪"——三庭五眼的比例关系。
两路的分工非常关键，也是它比单纯 IP-Adapter 更像的原因。只用 IP-Adapter 的时候，身份向量会被画面全局注意力稀释，脸容易"像但不像本人"；加上 IdentityNet 之后，五官的几何位置被钉死，识别度立刻上一个台阶。这个设计还有个额外好处：因为 IdentityNet 只约束面部区域，它对身体姿态、背景、构图的干扰很小，你可以自由叠加 OpenPose 或 Depth 去控其他部分，两套条件各管各的，冲突大幅降低。
1.3 四条主流路线的横向对比与选型理由
做角色一致性目前有四条常见路线，我列个表把关键差异摆出来，方便你按自己的场景选。
| 路线 | 需要训练 | 单角色耗时 | 身份相似度 | 灵活性 | 适合场景 |
|---|---|---|---|---|---|
| InstantID | 否 | 单图 30 秒级 | 高 | 高 | 快速出角色系列、商业试稿 |
| IP-Adapter FaceID | 否 | 单图 30 秒级 | 中高 | 很高 | 轻度参考、风格化优先 |
| 换脸后处理（Reactor 类） | 否 | 单图 10 秒级 | 很高 | 低 | 已有成图、只补脸 |
| 角色 LoRA 训练 | 是 | 训练 30 分钟起 | 很高 | 中高 | 长期项目、大量出图 |
选 InstantID 的核心理由是"免训练 + 身份强度可控 + 与 ControlNet 生态兼容"。LoRA 那条路虽然上限更高，但每次换角色都要重新准备 20 到 30 张多角度素材、跑一轮训练，试错成本太高，前期探索阶段根本不适合。换脸后处理看着简单，但它是"事后修补"，脸和身体的透视、光影经常对不上，出片细看会有割裂感，而且一旦角色要侧脸、要动态表情，换脸会非常难看。
InstantID 的短板也要说清楚：它对参考图质量极度敏感，参考图里脸太小、太糊、有遮挡，效果会断崖式下滑；另外它天然偏向"正面清晰脸"，做大角度侧脸时会有一点往正面拉的倾向。这两点在后面的实操环节我会给出具体的规避手段。
2. 环境与模型准备：地基不牢后面全是白折腾
2.1 版本组合的坑：为什么你的节点总是报错
InstantID 的节点依赖链比较长，牵扯到 ComfyUI 本体、InsightFace 的 ONNX 运行时、ControlNet 加载器三块，任何一块版本不匹配都会出现"节点消失"或者"运行时崩"的问题。我实测最稳的组合是：ComfyUI 主线较新版本 + Python 3.10 + PyTorch 2.1 以上 + CUDA 12.1 对应的构建 + onnxruntime 1.16 以上。InsightFace 在 Windows 上编译是个老生常谈的痛点，如果你不想折腾编译，直接用官方给的预编译 whl，比现场编译省两小时。
注意：网上流传的很多旧教程还在用 SD1.5 时代的节点包，而 InstantID 的核心模型是给 SDXL 用的，底模选错会直接出现"图能出但脸完全不像"的诡异现象，而且不会报错，排查起来极其浪费时间。第一步务必确认你的底模是 SDXL 系（分辨率 1024 级别的）。
WebUI 用户走的是 ControlNet 扩展加 InstantID 脚本的路线，逻辑和 ComfyUI 一样，但参数面板是平铺的，调试时看不到中间结果。我个人建议先用 ComfyUI 跑通、看清每一路条件在做什么，再迁移到 WebUI 做批量。两者的模型文件是通用的，不用重复下载。
2.2 必需的四类文件与精确放置路径
这是最容易卡住新手的环节，文件放错目录，节点里下拉框就是空的。我把清单和路径整理成表，按这个放基本一次到位。
| 文件类型 | 具体文件 | 放置路径（ComfyUI） |
|---|---|---|
| 身份适配器 | ip-adapter.bin | models/instantid/ |
| IdentityNet | diffusion_pytorch_model.safetensors | models/controlnet/instantid/ |
| 人脸分析模型 | antelopev2 目录（5 个 onnx） | models/insightface/models/antelopev2/ |
| SDXL 底模 | 任意写实向 SDXL checkpoint | models/checkpoints/ |
antelopev2 这个目录最容易出错。它不是一个单文件，而是一整个文件夹，里面包含检测、关键点、识别等多个 onnx 模型，如果你解压后多套了一层同名文件夹，InsightFace 就找不到，表现为节点执行到人脸分析那一步直接抛异常。判断方法是打开目录看一眼，如果里面还是一个 antelopev2 文件夹，就把它往上提一层。
提示：ip-adapter.bin 和 IdentityNet 的 safetensors 是两套不同权重的文件，功能不重叠，缺一个都跑不起来。某些整合包会把它们混在一起命名，下载后务必核对文件大小，ip-adapter.bin 通常在 1.5G 上下，IdentityNet 在 2.5G 上下，大小明显不对就是拿错了。
2.3 显存、精度与速度的三角权衡
InstantID 在 SDXL 基础上又叠加了 IP-Adapter 和 ControlNet 两个分支，显存开销比普通文生图高不少。我实测的数据是：1024×1024 单图，fp16 精度，峰值显存在 10G 到 12G 之间；如果开 1536 长边做竖构图，峰值会摸到 14G 以上。8G 卡不是完全不能跑，但要开--lowvram并且把分辨率压到 768 级别，画质会明显打折，脸部的皮肤细节会糊成一片。
精度选择上，40 系卡优先用 bf16，数值稳定性比 fp16 好，不容易在高 CFG 下出黑图或者彩色噪点；30 系及更早的卡用 fp16 更稳。xformers 建议开着，注意力计算能省 20% 左右显存，速度也能提一截。如果你是 24G 卡，可以完全不开低显存模式，出图速度能到 20 秒一张（30 步，DPM++ 2M），这个速度做批量试稿完全够用。
关于速度还有一个容易被忽略的点：人脸分析这一步本身也要花时间。antelopev2 第一次加载会做一次模型初始化，大概两三秒，之后每张图的分析在 0.3 秒左右，可以忽略。但如果你在工作流里每次都重新加载分析节点，那每次都要付一次初始化成本，正确做法是把分析节点的模型句柄复用起来，批量跑的时候能省不少时间。
3. 节点链路与参数标定：把"像不像"变成可调的数
3.1 完整链路长什么样：六个节点串起来
ComfyUI 里的最小可用链路是这样一条：SDXL Checkpoint 加载器输出模型、CLIP、VAE 三个口；InstantIDModelLoader 加载 ip-adapter.bin，输出一个 InstantID 模型对象；InstantIDFaceAnalysis 加载 antelopev2，输出人脸分析器；然后把这三样加上参考图，一起喂给 ApplyInstantID 节点。ApplyInstantID 是个复合节点，内部同时处理 IP-Adapter 注入和 IdentityNet 条件生成，它输出的是"已被修改的模型"和"正负条件对"，再接到常规的 KSampler 上。
链路看着简单，但有两个接线细节必须注意。第一，ApplyInstantID 的输出模型要接到 KSampler 的 model 口，而不是原始 checkpoint 的 model 口，接错了等于身份注入完全没生效，出图是个和参考图毫无关系的随机脸。第二，如果你的工作流里还要叠 OpenPose 之类的其他 ControlNet，正确顺序是先用 ApplyInstantID 处理模型，再把结果交给额外的 ControlNetApply 节点，顺序反了会导致 IdentityNet 的条件被覆盖。
WebUI 那边对应的是 ControlNet 面板里选 InstantID 单元、上传参考图、勾选"上传独立控制图"留空，参数在下方展开。面板里能看到两个关键滑块，一个是身份强度，一个是 IdentityNet 强度，含义和 ComfyUI 完全一致，调参逻辑可以直接套用。
3.2 五个关键参数的物理含义与标定区间
参数不能靠背，得知道它在数学上动的是什么。我把最影响结果的五个参数拆开说，并给出我实测的推荐区间。
| 参数 | 作用位置 | 推荐值 | 调高后果 | 调低后果 |
|---|---|---|---|---|
| 身份强度（ip_weight） | 交叉注意力注入权重 | 0.7 ~ 0.9 | 皮肤质感向参考图靠拢，但容易僵化、失去画风 | 脸开始漂，辨识度下降 |
| IdentityNet 强度 | ControlNet 条件权重 | 0.7 ~ 0.85 | 五官比例被钉死，大侧脸被强行掰正 | 面部结构松散，出现"像但不像" |
| ControlNet 起点/终点 | 条件生效步数区间 | 0.0 / 0.8 | 全程生效，细节被过度约束 | 后半程放开，细节更自然但可能脱相 |
| CFG | 文本引导强度 | 4.0 ~ 5.0 | 颜色饱和、对比过强、易出伪影 | 画面发灰、结构松散 |
| 采样步数 | 迭代次数 | 28 ~ 35 | 收益递减，耗时增加 | 皮肤纹理不足、五官不实 |
为什么 CFG 要给到 4 到 5 这么低？因为 InstantID 已经提供了强条件，文本条件的权重相对要收着，否则两股力量打架，画面容易糊或者出结构性错误。这一点和普通文生图习惯的 7 完全不同，很多人生搬硬套 7，结果脸是像了但画面脏得没法看。
ControlNet 的终点步数设 0.8 是个经验值。前 80% 的步数里，采样主要在高噪声区间确定构图和五官位置，这时候 IdentityNet 该使劲；后 20% 是低噪声区间的细节精修，如果还死死约束，皮肤会显得塑料、没有毛孔质感。放到 0.7 到 0.85 之间都行，看你偏好"更像"还是"更真"。
3.3 参考图的硬性门槛：这一步决定上限
所有参数的调整空间，本质上都被参考图的质量框死了。我踩过最深的坑就是拿一张手机群像合影去裁脸，结果裁出来的脸有效像素不到 200，出图的脸平得像贴纸。参考图的硬性要求有这么几条：
- 单人、正脸或轻微侧脸（偏转不超过 15 度），双眼和嘴角清晰可见
- 人脸区域有效像素不低于 512×512，低于这个数建议先用超分工具放大
- 无遮挡：口罩、手、头发遮住半张脸都会导致关键点检测失败或偏移
- 均匀光照，避免强侧光和浓重滤镜，滤镜会改写肤色和皮肤纹理，注入后反而失真
- 中性表情优先，大笑会改变五官比例，注入后你出的每张图都会带着那个笑
如果只有低质量素材怎么办？我的处理顺序是：先用图像修复模型把人脸区域超分到 1024，再做一次轻度降噪，然后才作为参考图输入。这套预处理能救回不少素材，但别指望能救回严重模糊或者大角度侧脸，那种情况建议直接换素材，硬调参数是在浪费时间。
还有一点值得单独提：参考图和目标图的人种、年龄段要匹配。身份 embedding 里编码的不只是"是谁"，还包含性别、年龄段的统计特征，如果你拿一个中年的脸去生成少年角色，脸会显得过于成熟，这时候只能靠提示词强行拉，但效果有限。
4. 实操全过程：从一张参考图到一组可用的角色图
4.1 首轮出图：先跑一个中性基准
第一次跑千万别直接上复杂场景。我的习惯是先做一张"证件照式"的中性基准：纯灰背景、正面半身、中性表情、简单服装，提示词只写最必要的人体描述和质量词。这张图的作用是验证整条链路是否真的生效——如果这张都不像，后面加再多条件都是白搭。
具体提示词我一般这么写：主体描述 + 光照 + 镜头 + 质量词，控制在 40 个词以内。反向提示词保持精简，主要排除低质量、畸形、多余手指这几类常见问题。这里有个小技巧：不要在正面提示词里写"像某某人"这种语义，模型理解不了，而且可能触发它记忆里的其他形象，反而干扰身份注入。身份这件事交给 InstantID，文本只负责描述"在什么场景下、什么姿态、什么服装"。
首图出来之后做三件事：把图和参考图并排放大看五官几何关系是否一致；看皮肤质感有没有被参考图带过去；看画面有没有结构性崩坏（脖子错位、耳朵位置怪）。这三点都过，说明基础参数是健康的，可以进入下一轮。
4.2 参数微调的顺序：一次只动一个变量
调参最忌讳一把梭哈，五个参数一起改，出问题根本不知道是谁的锅。我固定的调整顺序是：先定 IdentityNet 强度，再定身份强度，然后调 CFG，最后微调步数和采样器。理由是 IdentityNet 决定"骨架像不像"，这是地基；身份强度决定"皮相像不像"，是装修；顺序颠倒的话，皮相调好了骨架一改又得重来。
具体的标定方法：以 0.8 为起点，ImageNet 强度降到 0.6 跑一张，升到 1.0 跑一张，三张并排比。判断标准不是"哪张最好看"，而是"哪张的五官间距和参考图最接近"。你可以用眼睛估，也可以把三张图和参考图一起丢进人脸相似度工具里量化比对，数值差 0.05 以上基本能看出差别。我实测下来，0.75 到 0.85 这个区间对大多数写实底模都是甜点区。
身份强度同理，0.7、0.8、0.9 各跑一张。这里要注意一个反直觉的现象：身份强度不是越高越好，超过 0.9 之后，参考图的肤色和光照会强行覆盖目标场景的光照，你在夜景里生成的角色会莫名带着白天那种平光感，非常违和。这就是"过拟合到参考图"的表现。
4.3 换装换场景：怎么做到脸不动、其他全动
基准图稳定之后，就可以开始扩展了。换装的逻辑是把服装描述写进正向提示词，同时把 IdentityNet 的生效区间往后收一点（比如终点从 0.8 收到 0.75），给服装留出自由度。换场景的难点在光照：新场景的光照方向必须和提示词里描述的一致，否则脸部的受光会和环境脱节，看起来像 P 上去的。
我把这套流程总结成"三固定、三放开"：固定参考图、固定种子区间、固定 IdentityNet 强度；放开提示词里的场景与服装、放开构图条件（用 OpenPose 单独控姿势）、放开背景细节。这样能保证变量只作用在你想变的地方。
如果要出同一角色的多角度组图，比如正面、四分之三侧、侧脸各一张，我的做法是先用 OpenPose 生成对应姿态的骨架图，把骨架图作为额外 ControlNet 条件叠加，同时把 IdentityNet 强度从 0.85 微调到 0.7。原因是大角度侧脸时，五点关键点会严重变形，如果强度太高，IdentityNet 会强行把脸往正面掰，出现"侧身正脸"的诡异效果。降强度之后，让身份向量去主导，几何约束放松，出来的侧脸反而自然。
4.4 出图后处理与批量化的最小闭环
单张图出来之后，一般还要过两道工序。第一道是脸部精修，用低重绘幅度的图生图（重绘幅度 0.15 到 0.25）配合脸部修复节点，只修脸不动其他区域，这一步能把 InstantID 偶尔带来的"面部过度平滑"问题救回来。第二道是放大，用 1.5 倍到 2 倍的放大模型做分块放大，注意分块重叠区域给足，人脸正好卡在分块边界上会导致拼接痕迹。
批量化的思路是用 ComfyUI 的 API 模式，把工作流导出成 JSON，然后用脚本循环替换提示词和参考图。下面这段是我常用的简化脚本骨架，改一下提示词列表就能直接跑：
import json, urllib.request, time SERVER = "http://127.0.0.1:8188" def load_workflow(path): with open(path, "r", encoding="utf-8") as f: return json.load(f) def queue_prompt(workflow): payload = json.dumps({"prompt": workflow}).encode("utf-8") req = urllib.request.Request( f"{SERVER}/prompt", data=payload, headers={"Content-Type": "application/json"} ) return json.loads(urllib.request.urlopen(req).read()) def run_batch(template, prompts, seed_start=1000): for i, p in enumerate(prompts): wf = json.loads(json.dumps(template)) # 深拷贝，避免污染模板 wf["6"]["inputs"]["text"] = p # 正向提示词节点 wf["3"]["inputs"]["seed"] = seed_start + i queue_prompt(wf) time.sleep(1.5) # 给队列留出调度间隔节点 id（上面的 "6" 和 "3"）要换成你自己工作流导出 JSON 里的实际编号，这个在导出文件里搜一下 text 字段就能定位。批量跑的时候建议把种子固定住，只变提示词，这样出图之间的差异完全来自文本，便于对比筛选。
5. 常见问题与排查实录：这些坑我基本都踩过
5.1 脸完全不像：先查链路再查参数
"出了图但脸跟参考图没关系"是最高频的问题，八成是链路接错而不是参数问题。排查顺序我固定成三步：第一步看 ApplyInstantID 节点的模型输出有没有真的接到采样器，很多人习惯性地把 checkpoint 直接连采样器，旁边那条 InstantID 支路挂着没接；第二步看参考图有没有成功进入节点，有些前端在做压缩上传时会失败但界面不报错；第三步看人脸分析有没有真的检测到脸，节点日志里通常会打印检测到的人脸数量，是 0 就说明参考图不合格。
如果三步都正常，脸还是不像，那才是参数问题。常见的两个错：IdentityNet 强度给到 0.3 以下，几何约束等于没有；或者 CFG 给到 7 以上，文本条件压过了身份条件。这两个都是照搬普通文生图习惯造成的，改回推荐区间就能解决。
5.2 像但僵硬：面部过度约束的识别与松绑
另一种典型症状是"确实像，但像蜡像"。表现是皮肤没有毛孔细节、表情呆板、眼睛没有神采。根因基本是约束过强：IdentityNet 强度 0.95 以上、ControlNet 终点设到 1.0、身份强度 0.95 以上，三者叠一起就把脸彻底焊死了。
松绑的顺序是：先把 ControlNet 终点从 1.0 降到 0.8，这一步收益最大，因为它把后 20% 的精修步数还给了模型；再把 IdentityNet 强度降到 0.8；如果还不够自然，把身份强度降到 0.75，同时在提示词里补上皮肤质感的描述词。三处一起降之后，如果脸开始漂，说明降过头了，往回加一档。这个来回标定的过程通常两三轮就能找到平衡点。
5.3 手、身材、服饰的连带问题
InstantID 只管脸，这一点必须清醒。很多人生成出来发现脸完美但手是六指，还以为是 InstantID 的问题，其实完全无关。手上的问题要单独用负向提示词加手部修复流程处理，或者叠一个手部姿态的 ControlNet。
身材和服饰的一致性则是另一个维度的问题。如果你想做的是"同一角色的全身组图"，光靠 InstantID 做不到，因为它不编码体型信息。我的做法是把身材比例写进固定提示词模板（身高感、体型描述），并且在批量出图时固定种子区间，让体型在统计意义上保持稳定。要求更高的话，就得上角色 LoRA 了，InstantID 和 LoRA 是可以叠加使用的，两者不冲突，LoRA 负责整体形象，InstantID 负责脸部兜底。
5.4 常见问题速查表
把上面这些症状和处置方式整理成表，出问题的时候直接对着查会快很多。
| 症状 | 最可能原因 | 处置动作 |
|---|---|---|
| 脸完全不像 | 模型输出未接采样器 / 分析未检出人脸 | 检查接线；看日志检出数量 |
| 像但僵硬蜡像感 | 三重约束都过强 | 终点降到 0.8，两路强度降到 0.8 |
| 大侧脸被掰成正面 | IdentityNet 过强 | 强度降到 0.7，靠身份向量主导 |
| 肤色和场景光照违和 | 身份强度过高 | 降到 0.7~0.75 |
| 画面发脏、伪影 | CFG 过高 | 降到 4~5 |
| 皮肤无细节 | 步数不足或终点过高 | 步数提到 30+，终点降到 0.8 |
| 参考图检测失败 | 遮挡 / 脸太小 / 侧转过大 | 超分预处理或换素材 |
| 出图颜色发绿发紫 | 精度不匹配 | 40 系改 bf16，30 系用 fp16 |
提示：排查时永远一次只改一个变量并保留对比图。我见过太多人一次调四五个参数，最后跑出来的好图自己也复现不了，因为根本记不清当时是什么配置。养成给每张图命名带上参数后缀的习惯，能省下大量返工。
6. 进阶：把一次性出图变成可复用的生产流程
6.1 提示词模板化与种子管理
做角色系列，最忌讳每张图现编提示词。我的做法是建一个三层模板：第一层是固定的角色描述（发型、发色、瞳色、体型、气质），这部分在所有图里一字不改；第二层是可变层（服装、场景、道具、动作）；第三层是固定的质量词和镜头词。三层拼起来再送进采样器。
种子的管理也有讲究。我一般给一个角色分配一个种子区间，比如 1000 到 1200，然后在这个区间里做小范围随机，而不是完全自由随机。这样出图之间会保持一种微妙的连贯性，尤其是背景光影和画面色调，看起来更像同一个系列的作品。完全固定单一鸽种子也不好，姿势和构图会高度雷同，看起来像复制粘贴。
固定种子还有一个副作用要知道：同一个种子配合相同提示词，出图几乎是确定的，这既是优点也是陷阱。如果你发现某一组参数怎么调都不满意，换一个种子区间往往会豁然开朗，因为不同种子进入的采样轨迹完全不同，某些种子的轨迹天然更容易崩脸。
6.2 与 OpenPose、Depth 的组合策略
单靠 InstantID 你只能控制脸，要控制全身姿态就得上 OpenPose，要控制空间层次就得上 Depth。三路条件一起上的时候，权重分配是关键。我的经验配比是：IdentityNet 0.8，OpenPose 0.6 到 0.7，Depth 0.4 到 0.5。逻辑是越靠近身份的条件权重越高，越偏艺术指导的条件权重越低，因为身份是硬约束，构图是软引导。
还有个细节是条件生效区间的错开。我习惯让 OpenPose 从 0 生效到 0.6 就停，让它在高噪声区间定完骨架就退出；IdentityNet 从 0 生效到 0.8；Depth 从 0.2 才开始介入。这样三路条件在时间轴上错峰工作，冲突会小很多。这个技巧在处理复杂姿势（比如交叉手臂、蹲姿）时特别管用，能显著减少肢体错位。
6.3 工作流版本管理与复用
调好一套参数之后，务必把整个工作流导出成 JSON 存档，文件名带上底模名称、日期和关键参数。我吃过这个亏：某次调出一组特别满意的参数，过了两周想复用，发现中间换过底模版本，节点结构也改过，怎么都复现不出来，只能从头再标定一遍。
存档的时候建议同时存一张带参数的示例图，图里把关键参数用文字标注出来（可以在出图时直接把这些参数拼进提示词末尾，让它们出现在画面的角落，后期裁掉即可）。这招看着土，但真到需要回溯的时候非常好用。另外，如果你在团队里协作，建议把工作流 JSON 和模型文件清单一起放进版本管理，新人拉下来就能直接跑，省掉大量沟通成本。
我个人在实际操作中的体会是，InstantID 这类方案的价值不在于"一键完美"，而在于它把角色一致性从"玄学抽卡"变成了"可标定的工程问题"。参数就那么几个，变量关系清楚，标定两三轮就能稳定下来。真正的门槛在素材准备和流程管理上——参考图选得好、模板建得规范、存档做得扎实，出图效率能差出好几倍。最后分享一个小技巧：如果你要做的角色有明确的服装设定，先把服装单独用文生图跑出满意的效果，再把那张图当作额外的参考图喂进去（配合 IP-Adapter 的图像提示），比在文本里死磕服装描述靠谱得多，颜色和材质还原度会高一个档次。
