Stable Diffusion【应用篇】【三视图】：角色三视图的制作

大家好，我是小梁子。专注于AI绘画技术干货分享。喜欢的可以添加个人微信：willard_liang（文章底部可扫码），加入小梁子AI绘画学习交流群，期待与你一路同行，共同成长。

关于三视图的制作，很早之前就有些小伙伴留言如何实现，当时只是给了大家制作的实现思路，最近又有些小伙伴提到了这个问题，今天我们就详细讨论一下这个问题，看一下最常见三视图的制作有哪些实现方式。话不多说，我们开整。

一. 实现方式一：通过提示词实现

三视图提示词格式：

(three views of character:1.2),（three views of the same character in the same outfit:1.2),full body,front,side,back,front view,side vide,back view,front view of girl,side view of girl,back view of girl,【主体描述】 simple background,white background,masterpiece,best quality

下面我们以具体示例看一下效果。

大模型：IP DESIGN | 3D可爱化模型 V4.0

模型下载地址（文末网盘地址也可获取）

LiblibAI: https://www.liblib.art/modelinfo/2beae39bf23edd20675436f88cbf0942

正向提示词（这里只补充主体描述的关键词）

Prompt：1girl,blonde hair,long hair,princess peach,blue eyes,lips,eyelashes,earrings,crown,hood,casual

提示词：1个女孩，金发，长发，桃公主，蓝眼睛，嘴唇，睫毛，耳环，皇冠，兜帽，休闲

反向提示词

nsfw,lowres,bad anatomy,bad hands,text,error,missing fingers,extra digit,fewer digits,cropped,worst quality,low quality,normal quality,jpeg artifacts,signature,watermark,username,blurry,artist name,

采样器：Euler a
采样迭代步数：25
图片宽高：768*512
CFG: 7

我们看一下生成的图片效果。

相关说明：

（1）这种实现方式可控性不太好，需要大量抽签才能抽到符合要求的图片。不管是基于SD1.5还是基于SDXL的大模型，很多大模型对于三视图的准确理解还是不到位的。当然如果有能很好理解三视图关键词的的大模型，那这种实现方式也是很好的哈。

（2）如果出现生成不了三视图中某个视图效果，可以适当提高一下该视图的提示词权重。

二. 实现方式二：借助三视图LORA实现

我们可以在liblibAI的官网，通过关键词"三视图"搜索到相关的LORA。这里有很多支持各种不同风格的三视图LORA模型。

这里我们以使用量最大的mw_3d角色ip三视图q版 LORA为示例讲解。该lora模型有支持SDXL大模型的尝鲜版（V2.0.1）和支持SD1.5大模型的版本（最新版V1.1）。

LORA：mw_3d角色ip三视图q版 V2.0.1 尝鲜版

该版本使用的是基于SDXL1.0基础版本的底膜。该版本对动物的支持貌似更好了一些。触发词：mw_sanshitu、three view、full body

下面我们以具体示例看一下效果。

大模型：SDXL_1.0
正向提示词

Prompt：mw_sanshitu,full body,mermaid,simple background,standing，<lora:mw_3d角色ip三视图q版_2.0.1:0.9>

提示词：Mw_sanshitu，全身，美人鱼，简单背景，站立

反向提示词

easynegative,dark,bad hands,bad feet,worst quality,low quality,normal quality,bad artist,bad anatomy,blurry

loar: <lora:mw_3d角色ip三视图q版_2.0.1:0.9>
采样器：Euler a
采样迭代步数：25
图片宽高：1024*768
CFG: 7

我们看一下生成的图片效果。

上面我们没有加三视图的视角关键词，我们把视角关键词添加一下：

Prompt：mw_sanshitu,full body,front view,side view,back view,mermaid,simple background,standing

当然也不能每次都能正确理解，但是抽签概率已经很大了。

相关说明：这种方式对于创作三视图来说，是相当不错的实现方式，但是没有办法准确的控制主体的姿势。三视图的视角仍然是随机的，虽然可以通过提示词来控制，但是还是需要抽签概率。

三. 实现方式三：使用ControlNet的openpose模型

这种实现方式主要是通过ControlNet的Openpose插件可以实现人物姿势自由控制，我们借助这个插件生成的3种不同视角的人体姿势，从而达到精准控制人物姿势的3视图效果。

关于Openpose灵活人物姿势的控制可以参照之前的文章了解。【Stable Diffusion【ControlNet】：Openpose Editor插件，实现人物姿势自由】

下面我们来看一下具体示例操作步骤。

【第一步】：制作一张人物三视图的特征图片。

下面这张三视图的特征图片分别对应人物的：正面、侧面、背面。

相关说明：对于我们来说制作三视图的特征图片并不容易，我们可以在LiblibAI网站或者C站上找一张三视图的真人图片，然后在ControlNet中使用Openpose模型的Openpose预处理器生成一张三视图的特征图片。具体操作如下。

【第二步】：大模型选择、提示词编写、相关参数设置

大模型：AWPortaint V1.4
正向提示词

Prompt：(three views of character:1.2),(three views of the same character in the same outfit:1.2),1girl,long hair,wear school uniform,a proud and confident smile expression,studio fashion portrait,studio light,pure white background,

提示词：1个女生，长发，穿着校服，带着骄傲自信的微笑表情，工作室时尚肖像，工作室灯光，纯白色背景

反向提示词

ng_deepnegative_v1_75t,(badhandv4:1.2),(worst quality:2),(low quality:2),(normal quality:2),lowres,bad anatomy,bad hands,((monochrome)),((grayscale)) watermark,moles,large breast,big breast,

采样器：DPM++ 2M Karras
采样迭代步数：30
图片宽高：768*512
CFG: 7
高分辨率修复：放大算法Lanczos，重绘幅度0.4 重绘采样步数30
Adetailer插件：脸部模型 face_yolov8n

【第三步】：ControlNet Openpose模型设置