你的脸,锁住
脸型、眼睛、鼻子、嘴、肤色和头发由指令锁住。在我们自己的测试自拍上,连胡茬的走向和一根根卷发都认得出来。
上传一张自己的普通照片,选一个风格,模型会把它重拍一遍——换背景、换服装、换光线,脸不换。


在一个 AI 生成的虚构人物上跑出的真实模型输出——拖动滑块对比。
你上传一张自己的照片,模型把它重拍一遍:脸留着,围绕这张脸的东西全部重建——背景、服装、光线,连镜头把景深化开的那种感觉都一起换。它不用拿你的照片去训练一个小模型,也不用排队等模型练完,每一个风格就是一次单独生成,大约半分钟。注册会给账户 20 credits,本页一次生成花 4 credits,所以前 5 个风格是覆盖住的。
要的其实是 LinkedIn 或简历上用的那种职业头像? 那是另一件事——看看 AI 职业头像指南
脸是那个不动的点。其余的东西——背景、服装、光线——本来就是你花钱请摄影师买的部分,也正是模型重建的部分。
脸型、眼睛、鼻子、嘴、肤色和头发由指令锁住。在我们自己的测试自拍上,连胡茬的走向和一根根卷发都认得出来。
室内平光会变成带轮廓光的柔和主光,或者一束低角度的落日打在头发上。这一块恰好是手机镜头给不了你的。
无缝影棚灰、被虚化掉的公园,或者一块深色的大片背景纸——服装也跟着场景一起配。
这一页重拍的是一个人。商品图和包装图是另一条管线、另一套约束,不在这一页。
试控件不用注册;到生成那一步再登录。

普通手机自拍就是最对的输入。要紧的是脸在画面里占得够大——占得不够会发生什么,下面那张表写了。

棚拍、户外、时尚大片或日常。心里有具体想法的话,在可选输入框里补上服装或氛围。

一个风格 4 credits,注册送的 20 credits 够跑 5 次。按原分辨率下载。
2026-09-02 用本页运行的同一个模型,在我们自己的 AI 生成人像上实测。第三行请仔细看:这一页上只有它失败之后看起来像成功。
| 你的原图 | 结果 | 原因 |
|---|---|---|
| 手机自拍,脸占了画面不小一块 | 好——这一页就是为这种照片做的 | 实测那张脸大约 460 像素高,三个风格的身份全部保住 |
| 光线普通、不太好看的室内照 | 好——这正是这一页的用处 | 平光里没有模型需要保留的信息,所以它可以放心把光整个换掉 |
| 远景或全身照,脸很小 | ⚠️ 回来的是另一个人 | 大约 20 像素高的脸没有身份可以保留,模型就编了一张。输出是一张很好的头像——只是别人的。先裁到脸再上传 |
| 合影 | 不支持——一次一张脸 | 上传前先裁成单人 |
| 重滤镜、运动模糊或者很暗的照片 | 不可预期 | 和远景那一行同一个原因:模型分辨不出来的东西,它只能编一个出来 |
同一个 AI 生成的虚构人物,被这一页重拍出来的样子。都是真实输出,不是效果图——连它们共同的那张普通自拍也放上来了。

室内平光,背后是客厅,一眼就是手机拍的。故意选得这么普通:这一页就是围绕这种输入设计的。

无缝背景、带轮廓光的柔和主光、休闲正装。把胡茬和卷发跟原图对一遍——身份保真这件事就是指这个。

公园里的黄金时刻,背景虚化开,低角度的太阳勾在头发边缘。

深色背景上的硬侧光,加一件剪裁利落的大衣。离原图最远的一档,也最吃原图的清晰度。
这是这一类页面上唯一真正要紧的问题,所以这里给的是量出来的答案,不是一句承诺。本页跑的是 Nano Banana 2 Lite(Google)上的生成式 image-to-image 重拍,它收到的指令把脸钉住——脸型、眼睛、鼻子、嘴、肤色、头发——同时把其余全部放开。2026-09-02 我们故意挑了一张普通到有点难看的手机自拍当输入(室内平光、客厅背景,完全不是摄影级),脸在原图里大约 460 像素高:棚拍、户外、时尚大片三档跑下来,脸型、眼睛、鼻子、胡茬的走向、卷发和肤色全部保住,你会认出这是同一个人。用棚拍图当输入去演示"效果好"是自欺欺人,这一页的承诺本来就是"烂手机照能变成什么"。
然后是诚实的边界,它是我们试着把这个工具跑坏之后才知道的。我们喂进去一张广场远景,人物只占画幅高度的两成左右,脸大约 20 像素高——比那张自拍小了 23 倍。工具返回了一张光线很漂亮的棚拍头像。但那不是同一个人。 机器上什么都没出错,只是那二十来个像素里根本没有身份信息可供保留,模型就补了一张合理的脸上去。这是这一页上唯一一个"失败长得像成功"的情形——别的失败你自己看得出来(糊了、歪了),这一条你看不出来:你拿到一张好看的照片,以为成功了。上传提示要你选一张脸占画面不小的照片,就是为了这一条。我们手上只有这两个量级的数据点,不是一条曲线,所以不会给你一个精确的像素阈值;但规律的形状很清楚:脸给得越多,回来的越是你。
还有几条边界值得直说。只重拍你自己的照片,或你已获得肖像授权的真人照片——不要未经他人同意用别人的照片,更不要用公众人物或未成年人。人脸合规与面部一致性由平台自动执行,你不需要提前做任何登记,也不必等审核;这不等于任何一次生成都必然通过。另外,如果你要的其实是 LinkedIn 或求职用的那张职业头像,这一页不合适:那件事对中性、构图和"招聘方能接受"的要求,比一个快档重拍应该承诺的更严,我们把它留在单独的指南里。同样地,商品图、包装图和电商主图不在这一页——这一页发出去的每一条指令都是围绕"保住一张人脸"写的。
一次写真生成就是一次单独生成,大约半分钟:没有训练步骤,也没有"先上传十几张照片、等模型练完你的脸"这一步。列表价一次 4 credits,注册会给账户 20 credits,所以前 5 次是覆盖住的——五个不同的风格,那就是一组写真了。我们宁可给你这个能自己核对的算式,也不写一个裸的"免费":credits 在整个平台通用,"5 次写真"真正的意思是 20 credits,你也可以把它花在超分或者视频上。
这一页挂的是 Nano Banana 2 Lite(Google 的图像模型),是刻意选的快档,而这正是上面那句话能成立的前提:把旗舰模型挂在这个按钮后面,第一次点击就会花掉赠额的一大半,而一组写真的意义恰恰在于它是一组、不是一张。把一张普通自拍放进影棚,快档就是对的工具,这一页上每一张样图都出自它。
时间上还有一件值得提的:换风格不用重新上传。第一次生成完,改一下风格药丸再跑一次就行,原图还在那里——所以"5 次"实际上是五次不同的尝试,不是五次重复劳动。
想要的不止是一次重拍时——比如 Nano Banana Pro、多步修图、换一个画面比例,或者把同一张脸带到一整组图里去——打开完整的图片工作区:平台上每个模型都在那里,而且可以在同一块画布上接着编辑,不用在每一步之间反复重新上传。想把某一张再往前推很远(精修皮肤、改比例、把一个风格贯到一整套里),也是去那里。
本页的生成结果本来就会落到你的 Canvas 上,所以"先在这里用 4 credits 的快档把风格试出来,只对真正满意的那一张动更贵的模型"是最省 credits 的一条路径。如果你接下来想要的是动起来而不是一张静图,视频模型可以直接把一张照片当作首帧。
上传的照片会怎样处理——一个 AI 写真工具应该先回答的问题。
选择文件只会在你的设备上预览。登录并点击生成之前,不会存储任何字节。
上传内容进入你的私密资料库,绝不会出现在公开图库中;重复处理同一张照片不会产生新的存储。
你可以随时从资料库中删除上传内容和生成结果。
credits 在所有工具间通用——图片编辑、超分,以及全部视频模型。

你上传一张照片,模型产出一张新图,图里的你换了场景:指令要求它保住你的脸,并围绕这张脸重建背景、服装、光线和镜头质感。没有训练步骤,也不用排队——每一个风格就是一次单独生成,大约半分钟。
在一张脸占画面不小的照片上,是。我们用一张普通手机自拍(脸约 460 像素高)跑了三个风格,脸型、胡茬和卷发三次都活了下来。但在一张脸只有大约 20 像素高的远景照上,不是:模型没有东西可以保留,就编了一张脸出来。那个结果看起来还挺好——正因为如此我们才要专门告诉你这一条。
一次约半分钟。注册会给账户 20 credits,本页一次生成花 4 credits,所以前 5 次是覆盖住的。我们宁可给你这个算式,也不写"免费"两个字:credits 在平台上所有工具间通用,"5 次写真"真正的意思是 20 credits,你也可以把它花在超分或视频上。
一张。那些要你上传十几二十张的工具,是在用你的脸训练一个小模型——费时费钱,而且你被锁在它学到的那个样子上。这一页重拍的就是你给的那一张照片,所以你可以立刻换风格,也可以随时换一张原图。
职业头像是一件很窄的活儿,期待也很严——中性构图、保守服装、招聘方看了能接受。写真正好相反:多个风格、更强的光影、更多变化。这一页跑的是快档,并且刻意不承诺产出一张能直接放进简历的职业头像;那件事我们留在单独的指南里。
Nano Banana 2 Lite,来自 Google。它是快档,选它是为了让一次生成只花 4 credits、注册赠额能撑到 5 次。这一页上每一张对比图都是它跑出来的真实输出,输入用的是 AI 生成的虚构人物,不是真人。
能——四个风格药丸就是在做这件事,可选输入框还能在上面追加服装或场景的要求。有一件事风格措辞里是刻意避开的:点名某本杂志或某个品牌。我们测试时试过,模型真的把一个杂志刊头印到了图上,那不是你会想出现在自己照片上的东西。
只有在征得对方同意时才可以。请用你自己的照片,或你已获得肖像授权的真人照片——不要未经许可用别人的照片,更不要用公众人物或未成年人。人脸合规由平台自动执行,你不需要提前登记什么;登录之前不会存任何东西。
不能。这一页是围绕"保住一张人脸"建起来的,它发出的每一条指令都在说这件事。商品图和包装图是另一条管线、另一套约束,由面向商品的那些页面负责。