做角色设计或者运营虚拟形象的时候，经常遇到一个头疼的问题：已经有了一张人物照片，想把它变成动漫风、写实风、油画风的各种图片，但生成出来的角色每次长相都不一样，根本看不出是同一个人。ControlNet 的常规 lineart、depth 之类只能锁定姿势和轮廓，锁不住脸。IP-Adapter FaceID 就是为这个问题而生的，它基于人脸识别模型提取面部特征，只把“这张脸是谁”的信息注入到生成过程中，让不同风格下的角色都保持同一张脸。
IP-Adapter FaceID 是什么，和普通 IP-Adapter 有什么区别
先厘清概念。IP-Adapter 全称 Image Prompt Adapter，原本的思路是把一张参考图编码成图像特征，再注入到 SD 的 cross-attention 层里，相当于把图片当成一种提示词。普通的 IP-Adapter 使用 CLIP 图像编码器，提取的是整张图的语义信息，包括构图、服装、背景、画风，所以参考一张照片生成时，往往连姿势和衣服都被搬过去了，自由度受限。
IP-Adapter FaceID 在此基础上做了改进：它不用 CLIP 编码器，而是改用 ArcFace 这类人脸识别网络来提取特征。人脸识别模型学到的特征只描述面部身份信息，不包含背景和构图，因此生成结果对脸的还原度更高，同时画风、姿势、服装可以完全由提示词和其它 ControlNet 控制。简单说，普通 IP-Adapter 是“参考整张图”，FaceID 是“只参考这张脸”。
另外模型还有几个衍生版本需要分清：ip-adapter-faceid 是基础版，配合 SD 1.5 使用；ip-adapter-faceid-plus 在身份特征之外又加了部分图像特征，相似度和画质的平衡更好；ip-adapter-faceid-plusv2 是目前社区反馈最好的版本，脸部细节保持能力强；ip-adapter-faceid-portrait 专门用于人脸特写，支持多张参考脸混合。此外还有基于 InsightFace 的 FaceID Plus v2 版本和 v2 的 SDXL 版本，下载时务必确认版本与自己的大模型架构匹配。
安装步骤与模型文件放置
安装分两部分：扩展插件和模型文件。扩展推荐用 ControlNet 自带的 IP-Adapter 功能，前提是 SD WebUI 里的 ControlNet 扩展已经更新到支持 IP-Adapter 的版本（一般 1.1.231 之后的版本都支持）。打开 WebUI 的 Extensions 页面，在 Install from URL 里填入 ControlNet 扩展仓库地址，或者直接检查已有扩展更新即可，不需要额外安装独立的 IP-Adapter 插件。
模型文件需要手动下载并放到正确目录。以 SD 1.5 的 FaceID Plus v2 为例，需要下载 ip-adapter-faceid-plusv2_sd15.bin 和对应的 clip_vision ViT-H 模型。放置路径如下：
# 进入 SD WebUI 根目录，目录结构示例 # FaceID 主模型放到 ControlNet 的 ip-adapter 目录 extensions/sd-webui-controlnet/models/ # 也可以放到专门的子目录 extensions/sd-webui-controlnet/models/ipadapter/ # clip vision 模型放到 models/clip_vision/ # 文件名类似：CLIP-ViT-H-14-laion2B-s32B-b79K.pth
注意 IP-Adapter FaceID 系列模型虽然后缀是 bin，但 ControlNet 会自动识别。如果用的是独立 IP-Adapter 插件（如 ip-adapter 插件），主模型则要放到 models/ipadapter/ 目录下，clip vision 仍放在 models/clip_vision/。两个路径不要搞混，放错位置的话 ControlNet 的模型下拉列表里找不到对应选项，这是新手最常踩的坑。
显存方面，SD 1.5 的 FaceID 大约需要额外 1GB 左右显存，8GB 显卡可以流畅运行。SDXL 版本对显存要求明显更高，建议 12GB 以上再尝试，否则需要开启 --medvram 或使用 FP16 版本模型来缓解压力。
ControlNet 参数配置与生成实例
模型就位后，重新启动 WebUI，在 txt2img 页面展开 ControlNet 面板。第一个 ControlNet 单元这样配置：上传人物照片，控制类型选择 IP-Adapter FaceID（如果列表里没有，选 “IP-Adapter FaceID plusv2”），预处理器会自动匹配为 ip-adapter-faceid-plusv2，模型选择对应的 faceid 模型文件。
关键参数有三个。Weight（权重）控制身份特征的注入强度，推荐从 0.8 开始调，脸不够像就往 0.9 甚至 1.0 加，脸太僵或画面被照片风格带偏就降到 0.6 左右。Guidance Start 和 End 控制生效区间，默认 0 到 1 即可；如果生成后期脸部细节崩坏，可以把 End 设为 0.8，让最后阶段自由细化。结构控制方面，ControlNet Type 保持 Balance 或 FaceID 模式，不要选 Classic，否则会退化为普通 IP-Adapter 的行为。
下面用一个实际例子演示。假设参考照片是一位女生的正面照，目标是生成动漫风格立绘：
正向提示词： masterpiece, best quality, 1girl, anime style, white dress, standing, looking at viewer, simple background 反向提示词： lowres, bad anatomy, bad hands, extra fingers, blurry, worst quality, jpeg artifacts 采样器：DPM++ 2M Karras 步数：28 尺寸：512x768 ControlNet Unit 0：IP-Adapter FaceID Plus v2 Weight: 0.85 End: 0.9 ControlNet Unit 1：openpose（可选，锁定姿势） Weight: 0.6
这套配置的思路是 FaceID 负责脸部，openpose 负责姿势，两个 ControlNet 单元叠加使用互不冲突。换风格时只需要改正向提示词：把 anime style 换成 photorealistic、realistic skin texture，配合写实系大模型就能得到同一个人的真实照片风格；换成 oil painting、impasto brush strokes 就得到油画风格。脸部特征始终由 FaceID 维持，这就是“一张照片生成多风格一致角色”的核心玩法。
常见问题与调优技巧
第一个常见问题是生成结果和参考照片不像。原因通常是权重太低或者参考照片质量差。人脸识别对照片质量比较敏感，尽量使用正面、光线均匀、五官无遮挡的照片，模糊图和戴口罩墨镜的照片基本提不出有效特征。另外大模型本身也会影响还原度，写实类照片配二次元大模型时相似度会自然下降，可以把权重提到 0.9 以上，或换用 plusv2 版本。
第二个问题是面部变形或者出现崩坏。多发生在高权重加上高 CFG 的情况下，建议 CFG Scale 控制在 6 到 8 之间，同时把 ControlNet 的 End 降到 0.8 左右，让采样后期自行修复细节。如果仍然崩，检查提示词里是否有和面部冲突的描述，比如参考是成年女性却写了 1girl、child 之类的词，特征注入会和语义提示打架。
第三个问题是想保留发型或服装怎么办。FaceID 只管脸，发型和服装完全交给提示词描述。如果希望连发型也一致，可以再叠加一个普通 IP-Adapter 单元，权重设 0.4 到 0.5，只负责风格和发型的大方向，脸部仍然由 FaceID 主导，两者分工明确。多张参考脸混合需求则用 FaceID Portrait 版本，上传多张同一人不同角度的照片能显著提升特征提取的稳定性。
最后提醒一点：生成名人或他人肖像时注意使用场景和版权边界，技术本身是中性的，用在自己创作的原创角色和虚拟形象上才是最稳妥的用法。掌握权重、参考图质量、多单元组合这三个要点之后，基本可以稳定产出风格各异但身份一致的角色图，无论是做表情包、绘本还是游戏立绘素材都非常高效。
IP-Adapter FaceIDStable Diffusion角色一致性修改时间：2026-09-12 02:36:39