火小懂编辑部
用AI修一张人像图，最让人头疼的往往不是“生成得不漂亮”，而是让它只改衣服，脸却变了；让它换个背景，人物表情也跟着变；已经修好的细节，下一轮又丢失。2026年9月8日，OpenAI发布ChatGPT Images 2.5，官方强调参考图主体保留、多轮编辑遵循指令和生成速度的改进；Adobe也在2026年3月介绍了Photoshop AI Assistant和Firefly Image Editor的新编辑能力。这些更新提供了更好的工具，但不意味着所有图都能一次编辑成功。下面整理一套普通创作者可以实际执行的工作流程，重点是降低反复重做的成本。
先判断：你要改的是局部，还是重做整张图
局部修图和整图重绘是两个任务。比如改变上衣颜色、去掉背景杂物、修正桌上杯子的位置，都应该尽量保留原有构图、光线和人脸；而把白天街景改成夜间舞台、改变镜头角度，则涉及大量光照和空间重新计算，更容易出现身份漂移。开始之前建议在原图上列出三个字段：必须保留、必须改变、允许微调。没有这个边界，模型会自动补充很多你没有要求的细节。
示例：必须保留人物的面部特征、发型、头部角度和手势；只把黑色外套改为米色针织衫；允许衣服褶皱根据材质自然调整。这个需求比“把人物改得高级一点”具体得多。需要注意的是，工具对“只改局部”的执行能力与原图复杂度有关，不能把官方介绍的准确率提升直接当成任何单张图片的保证。
参考图怎样选，才有助于稳定人物身份
如果你做的是同一个角色的连续内容，首选清晰、光照均匀、无遮挡的正脸或略微侧脸照片。面部五官不完整、夸张美颜滤镜、逆光或高强度运动模糊，会增加模型对人物特征的猜测空间。换装时不要提供与原人物差异巨大的第二张人脸作为“风格参考”，否则工具可能把参考人物的外貌也混进来。最好把“人物身份参考”和“服装材质参考”分开说明。
工作时保留一张未修改的原图作为身份锚点，每一次合格结果另外保存版本。经过多轮修改后，用最初参考图重新对比眉形、眼距、鼻梁、嘴角、下颌轮廓和发际线。不要只因为某一版皮肤更光滑，就误判为“同一个人”。如果使用的是真人照片，先取得本人或合法权利人的许可；不要把未经授权的人脸、私人照片和敏感资料随意上传第三方系统。
可直接复制的局部编辑提示词结构
建议采用“锁定区域＋改动区域＋目标外观＋负面限制＋验收重点”五段式。例如：‘以当前图片作为唯一身份参考。保持人物脸型、五官比例、发型、姿势和相机视角不变。仅将外套替换为浅咖色针织开衫，材质自然，有真实褶皱；背景、皮肤颜色和手部不要变化。尤其不要修改眼睛、鼻子与嘴巴。’如果是移动一个物体，则写清物体相对桌面、人物和镜头的位置，别只说“往旁边放一点”。
当画面有多个主体时，在指令里给位置编号：画面左侧人物、右下角杯子、窗外背景。逐轮一次只改一到两个要素，比同时提出十几个互相牵连的要求更容易检查。复杂图片可以先用支持区域选择或蒙版的工具限定范围；如果所用版本没有相应操作，就采用更明确的自然语言边界，而不是假装每款产品都有完全相同的编辑界面。
ChatGPT Images 2.5与Photoshop应该怎么配合
OpenAI 2026年9月8日的官方说明介绍，Images 2.5改进了编辑指令理解，并提供模板、草图参考和对图片添加编辑意见等功能；官方同时提出相对前代的速度改善数据。这属于开发方披露，不代表本文进行过性能对比测试。适合用它快速尝试不同服装、场景和内容创意，再把通过人脸一致性检查的版本作为后续修图起点。
Adobe 2026年3月10日的官方文章介绍了Photoshop AI Assistant公开测试以及Firefly中的图像编辑能力。Photoshop更适合需要明确选区、局部修饰和精细后期的工作。一个实用分工是：先用生成工具做方向探索，再用编辑工具处理局部细节，最终回到原始参考图进行整体验收。具体按钮、支持平台和付费权限应以你账号当前展示为准。
文字、手指与Logo，是最后必须单独检查的部分
AI图像最容易让人忽略的错误，经常出现在观众会放大的局部：多出一根手指，奶茶杯LOGO字体变形，服装扣子没有对应，背景标牌拼错单词，或者耳环只剩一边。包含品牌素材时，尽量保留或重新使用合法取得的原始LOGO文件，而不要依赖AI凭印象重新“画”品牌名。产品主图涉及购买决定，更应该人工校验价格、规格、文字和外观真实性。
建议把验收分成三关：先看全图的主体和构图，再放大到100%检查脸、手和边缘，最后逐字核对品牌标识与屏幕上的文字。合格后导出，再分别查看手机缩略图、9:16竖屏裁切和实际发布尺寸。不要为了追求无瑕疵，不断生成导致人物越来越不像原来的自己。需要连续制作20张同一数字人内容时，先跑通两张样片，再规模化操作。
结论：AI局部修图的核心不是最长的提示词，而是可衡量的改动范围、稳定的身份锚点、可回退的版本和人工验收。把“不可改变的部分”说清楚，并在每轮检查之后再进入下一轮，通常比一次性给出几十个要求更有操作性。
