一本真正的 lookbook 是 6-12 帧讲一个故事：同一个模特、造型递进、色系统一。默认的 AI 出图会给你十二张图、十二个模特、十二种打光，做品牌素材根本没法用。这套流程把脸锁住、把品牌色冻住，只让造型和姿势轮换，整组才像”一次拍摄”而不是”十二张随机图”。下面的流程按 2026 年 6 月各工具的实际形态做了核对。
一句话总结
- 先生成一张标准模特照，再把它当参考图喂给每一套造型。整组图都骑在这张照片够不够干净上。
- 锁脸用 Midjourney V7 的 Omni Reference（
--oref+--ow，默认权重 100，锁脸时调到 300-400 左右），或者 Nano Banana Pro（Gemini 3 Pro Image），它能保持最多 5 个人的一致性、最多融合 14 张参考图。 - 上图前先把品牌色用 HEX 锁死，每套造型只动三样：服装、姿势、一处造型点缀。背景、镜头、光固定不变。
- 六张胜出图在网格里缩到缩略图大小一起看。哪张读起来像另一次拍摄，重生那张，而不是去后期补救。
这篇讲什么
锁脸 lookbook 工作流，三件事是基石：一张标准模特照、一套品牌色系、一个”只换造型和姿势”的槽位。截至 2026 年 6 月，锁脸这一步有三个可用引擎：
- Midjourney V7 + Omni Reference（
--oref）。V7 已经废掉了老的--cref角色参考标记，换成了 Omni Reference，可以把参考图里的任意元素（人、服装、道具）嵌进新图，并用--ow控制权重。 - Nano Banana Pro，也就是 Google 的 Gemini 3 Pro Image 模型。它在已有图上做编辑、同时保住主体身份，支持 2K 和 4K 输出，服装上的文字也能渲染清楚——做带品牌字样的单品时这点很关键。
- Stable Diffusion（SDXL） + IP-Adapter FaceID Plus v2，适合需要本地完全掌控、可复现种子的团队。
工具对比（2026 年 6 月）
| 工具 | 锁脸机制 | 入门价 | lookbook 亮点 |
|---|---|---|---|
| Midjourney V7 | Omni Reference --oref + --ow（1-1000，默认 100） | 月付 $10 Basic（年付合 $8） | 时尚风格审美最强；出图迭代快 |
| Nano Banana Pro（Gemini 3 Pro Image） | 从参考图编辑，最多 5 人 / 14 张输入图 | Gemini App 内，Google AI Pro $19.99/月；也有 API | 4K 输出、服装文字准、可局部修 |
| Stable Diffusion（SDXL） | IP-Adapter FaceID Plus v2，权重 0.6-0.8 + ControlNet | 免费（自部署）/ GPU 成本 | 种子 / 姿势完全可控；训练 LoRA 可近 100% 锁脸 |
上面的价格和版本号是 2026 年 6 月的现状，变动很频繁，定预算前请到各家官网再确认一次。
这篇适合谁看
没影棚但要做季度上新的独立时装品牌、要在商品页放 6 套造型的电商卖家、给客户提案造型的造型师、做 Instagram 九宫格想做出”一次拍摄感”的创作者。
什么时候适合用
季度 lookbook 概念图、Instagram 九宫格 campaign、服饰品牌落地页 hero 轮播、造型师 / 品牌方提案 deck，以及任何”一天内要 6-12 套同一张脸不同造型”的场景。
开始前准备
- 模特一次性定好。带轻微绘画感的 photoreal 比纯 photoreal 更容易保持一致，按这个选。
- 上图前先把品牌色固定到 HEX：一个中性色、一个主色、一个情绪色。每套造型都必须落在这三色里。
- 拍摄场景和背景早定：影棚 cyc、城市天台、画廊白墙。背景是”一次拍摄”的第二大信号。
- 交付比例先定（IG 信息流用 4:5、lookbook PDF 用 3:4、Stories 用 9:16），整组都用这一个。Midjourney 用
--ar 4:5；Nano Banana Pro 把比例写进 prompt。
具体步骤
- 生成标准模特照。 正脸、放松表情、3/4 身、均匀柔光。这一步花 30-45 分钟，剩下所有图都骑在这张上。存好最终图的 URL（Midjourney）或文件（Nano Banana / SD）。
- 写”模特冻结块”。 列 5-7 个可见特征：发色、长度、质地；眼色；肤色；体型；一处记号。每套造型 prompt 都原封不动粘上去。换措辞重写是脸漂的头号原因。
- 把色系用文字和 HEX 一起锁死。 例：
warm sand, deep olive, ivory; HEX FBE7C6 / 545A2C / F4F2EA。这一行原样加到每个 prompt。 - 每套只动三样： 服装描述、姿势、一处造型点缀。背景、镜头、光，整组冻住。
- 按你选的引擎锁脸：
- Midjourney V7： 把标准图拖进 Omni Reference 槽（网页端），或在 prompt 末尾加
--oref [标准图 URL] --ow 350。锁脸从--ow 300-400起步；超过 400 容易失控，除非同时把--stylize调高。 - Nano Banana Pro： 上传标准图，指令写”保持这个模特和这张脸完全不变，把造型换成 [X]，背景和打光保持一致”。它是编辑而不是重新生成，身份保得很好。
- Stable Diffusion（SDXL）： IP-Adapter FaceID Plus v2 权重 0.6-0.8，加 ControlNet OpenPose 控姿势，再用 ADetailer 把脸重绘干净。
- Midjourney V7： 把标准图拖进 Omni Reference 槽（网页端），或在 prompt 末尾加
- 每套生 4-6 次。 脸漂、色破、背景换的都废掉。
- 网格审。 六张胜出图缩到缩略图大小一起铺开。任何一张读起来不像”同一组”，重生，不要后期补救。
完成后检查
- 缩略图大小下脸是不是同一张？先眯眼看，再放大看。
- 色系守住没？每张随手取一个像素，主色应该都能映回你的三组 HEX。
- 背景的光向和色温一致吗？冷暖混跳就是两次拍摄。
- 服装细节准确吗？AI 喜欢自己加扣子、加缝线，有实物参考就对一下。要单独修一处错误细节又不动脸，Nano Banana Pro 的局部编辑是最干净的办法。
怎么复用这套流程
- 把模特块 + 色系块 + 背景块存成
lookbook-template.md。下个季度只换色系和造型。 - 按品类（外套、晚装、运动休闲）建”造型块库”，一小时就能拼出一整季造型。
- 标准模特照放进版本化管理的
models/文件夹。模特要”换代”或”换风格”时，明确切一个新版本，而不是漂着改。 - 每隔几周重测一次锁脸权重。模型更新会改
--ow的行为，上个月还稳的设置可能要微调。
容易踩的坑
- 每套换措辞描述模特。“auburn”换成”ginger”换成”red”，第四套就成另一个人了。
- 背景漂。六个背景就是六次拍摄，哪怕脸是同一张。
- 色系只写氛围词（“大地色”）。务必加 HEX 或具体颜料名，氛围会漂，HEX 不会。
- 想做超 photoreal。小幅脸偏差会被识别成另一个人；带绘画感的 photoreal 更宽容。
- 一组里混 Midjourney 脸和 SD 脸。一组 lookbook 守一个引擎。
- 跳过网格审。一张张看都还行，铺成一组才看得出谁不合。
FAQ
- Midjourney 里
--cref还能用吗？: 不能了。Midjourney V7 已经把--cref废掉，换成了 Omni Reference（--oref加--ow权重）。如果你照着旧教程用--cref，改成--oref，锁脸权重从 300-400 起步。 - 哪个工具锁脸最稳？: 论省事，Nano Banana Pro 从参考图编辑、最多能保 5 个人的一致性。论审美掌控，Midjourney V7 的 Omni Reference 很强。论极限锁脸，训练一个 Stable Diffusion LoRA（模特 15-30 张图）能到近 100%，但要花时间搭。
- 能用真实模特的脸吗？: 没有明确书面授权和许可不能用。AI 复刻可识别真人，法律和伦理都很危险，不少平台也明令禁止。
- 权重已经很高了脸还在漂为什么？: 标准照本身大概率就不稳（多角度、多光向）。重生一张更干净的正脸标准照再去参考。参考图本身有噪声的话，权重拉多高都救不回来。
- 造型间模特要不要换姿势？: 要，幅度小。完全同姿势读起来像换装纸娃娃。在一套词汇里换（站姿、轻倾、手叉腰）。
- 多少套以后会开始漂？: 一次会话 8-10 套是安全上限，再多就把标准照存好、从同一张参考重开一个会话。