Ai绘画有一个很现实的问题，要保证每次画出的都是同一个人物的话，很费劲。
Midjourney就不必说了，人物的高度一致性一直得不到很好的解决。而在Stable Diffusion（SD）中，常用办法是通过同一个Seed值（种子值），或者通过训练同一个人物的高质量Lora去控制。
Seed值控制虽然可大体达到目的，但是画出的人物姿态也高度趋同，而且稍微改变描述就会画出另外一个人来，而训练「高质量」模型则更费时费力。
直到最近SD的Controlnet插件推出了Reference only功能，这个问题才得到较好的改善。
一张稳定的人脸，配合不同的场景和动作，意味着角色人设可以得到继承和发挥。如应用到连贯的绘画场景中，例如漫画、虚拟角色设计等领域，意味着提高产能的可行性。
先看看效果。下面是SD画出的一张动漫人物参考图。
我们通过Reference Only功能，基于参考图去生成新的图片，大致效果如下(点击可看大图)：
可以看到，在改变了姿势、场景、构图之后，人物的脸部特征，包括发型，仍然得到很好的保留，维持了高度统一的形象。
同时也留意到，人物服装只是部分相同。这个时候，如果要保持一致性，应该通过更详细的Tag描述去控制，具体指定服装的颜色、样式和风格等。
换个「真人」图看看。下图是SD画的参考图：
修改描述词后，通过Reference Only生成新的图片例：
可以看到，“真人”效果和动漫人物效果结论相近，而且即使变换底模（大模型），人物脸部仍然可以得到很好的继承。
需要指出的是，在测试过程中发现：
1.并不是所有底模，都可以跟Reference only契合得很好，个别模型在成像过程中，有时候会出现色彩走样。
2.一些底模结合Reference only绘图时，并不总是支持多动作、多场景、多视角变换，个别场景很难被画出，例如，要把背景换成“大海”，即使“大海”的权重再高，也是无法实现，不知是何原因。
无论如何，Reference only可免去训练高质量模型即可保持人物一致，算是一个较大进步，如果下个版本可以解决上述2个问题，相信可以更好地赋能内容生产领域。
Reference only目前一共有3个预处理器可用，分别为：
Reference only：绘制与参考图类似的风格和脸部；
Reference adain：自适应规范，会更偏向于使用的模型，结果可能偏离参考图；
Reference adain+attn：结合了上述两种。
具体的安装使用方法如下：
确保你的controlnet版本为最新（如果你用的是整合包，很可能包含了最新版，或者可一键更新），地址如下（需科学上网）：https://github.com/lllyasviel/ControlNet-v1-1-nightly
如无法下载，请看文末扫描获取插件安装包
2.建议在SD中生成参考图，并将参考图上传到Controlnet的图片作业区域，如下图界面：
3.勾选启用Controlnet，选择Reference only三个预处理器中的一个，并将Style Fidelity值设置为1，如下：
4.基于参考图的描述词生成图片即可，如需变换场景或细节例如发型等，可在正面提示词中调整，不会影响人脸继承。
写在最后
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。