简单说，AI 生图不是真的“理解人脸”，它更像一个看过海量图片的“超级拼图选手”。它根据提示和训练数据，一步步猜每个像素该是什么颜色。脸崩，通常是因为下面几件事凑在一起。
第一，脸太精细。眼睛、鼻子、嘴、眉毛、耳朵之间的比例差一点，人就会觉得怪。可 AI 不懂骨骼和肌肉，只会学“大概这样像脸”。所以它容易把不同角度、不同人的五官拼在一起，出现歪眼、融嘴、多鼻孔。
第二，脸在画面里常常太小。AI 生成时先在低分辨率“草稿空间”里工作，再放大解码。脸如果只占几十个像素，五官信息很少，放大时只能靠猜，细节就崩了。多人图更明显，因为每张脸分到的像素更少。
第三，AI 没有三维模型。它不知道头是个球，眼睛长在眼窝里。它只见过平面照片。遇到侧脸、低头、遮挡、手挡脸、极端光照时，它不知道被挡住的部分应该怎样，就容易生成错位结构。
第四，训练数据很杂。网上的人脸有正脸、侧脸、模糊、化妆、滤镜、卡通、多人合照。模型学到的是一堆平均和混合规律。当提示词不具体，或者不同特征冲突时，它就会自由发挥，把“美女”“微笑”“侧光”“动漫”等概念混在一起，脸就崩了。
第五，生成过程会累积错误。扩散模型从噪声开始，一步步去噪。前面几步如果把眼睛位置猜歪了，后面会沿着错误继续画，越画越像真的，但结构还是歪的。CFG 太高、步数不合适、模型太旧、LoRA 冲突，也会加重这种问题。
所以，脸崩不是 AI 故意捣乱，而是它在用“猜像素”的方式画最需要精确结构的东西。想改善，可以让脸在画面里大一点，提高分辨率，用专门的人脸模型或修脸插件，做局部重绘，降低过高的 CFG，提示词写清楚，多抽几张再挑。这样脸崩的概率会小很多。 |
|
