提示词示例（英文）：
body merge, limb fusion, overlapping bodies, clipping, penetrating clothes, fused fingers, extra limbs, anatomically incorrect, distorted body, bad anatomy, missing limbs, floating limbs, disconnected limbs, mutated hands
中文标注：
身体融合，肢体融合，身体重叠，穿模，衣物穿插，手指融合，多余肢体，解剖结构不正确，身体变形，错误解剖，缺少肢体，悬浮肢体，断裂肢体，变异的手
需要注意的是，反向提示词并非越长越好，关键词之间的语义重复会稀释各条指令的权重。建议定期审视反向提示词列表，保留针对性强、覆盖面广的核心词汇，删除语义高度重合的冗余项。
三、核心生成参数的调整方法
在提示词优化的基础上，生成参数的精细调整是改善穿模的第二道防线。
3.1 采样步数（Steps）
采样步数决定了模型在生成图像时的迭代精度。步数过低，模型没有足够的迭代次数来修正细节，穿模率会明显上升；步数过高，生成时间大幅增加，且超过一定阈值后质量提升趋于平缓。
针对漫剧画面中多人物、复杂动作的场景，建议将采样步数设置在三十五步到五十步之间，在生成质量与效率之间取得较为合理的平衡。
3.2 引导系数（CFG Scale）
引导系数控制的是模型对提示词的遵循程度。数值过低，模型会更多地依赖自身的"创造性"，忽视提示词的约束，穿模风险上升；数值过高，模型会过度强调提示词中的每一个元素，导致画面失真、色块分离，同样可能引发形体错误。
针对漫剧风格内容，建议的引导系数区间如下：
写实漫剧风格：推荐设置在七到九之间
日系动漫风格：推荐设置在六到八之间
厚涂插画风格：推荐设置在七到十之间
当画面中出现穿模时，可以尝试在当前数值基础上小幅调高一到两个单位，观察是否有改善效果，避免一次性大幅调整导致画面风格失控。
3.3 采样器（Sampler）的选择
不同的采样算法在处理复杂结构时，表现存在明显差异。部分采样器在高速生成时对边缘细节的保留能力较弱，更容易在物体交叠区域产生穿模。
以下是几类采样器在漫剧场景下的特性对比：
在漫剧正式内容的生产阶段，优先考虑细节保留能力较强的采样器，可以在源头上降低穿模发生的频率。
四、姿态控制工具的介入方法
当提示词与生成参数的调整仍无法有效抑制穿模时，引入姿态控制工具是进入下一阶段的解决方案。姿态控制的核心原理是：通过向模型提供预设的骨骼姿态信息，强制约束人物肢体的空间位置，从而从根本上消除因肢体位置不确定性导致的穿模问题。
4.1 姿态控制的工作逻辑
姿态控制工具通常以附加控制层的形式介入生成流程，它的工作原理可以理解为：
创作者预先定义好人物骨骼的关键节点位置（头部、肩部、肘部、腕部、髋部、膝部、踝部等）
将骨骼信息以特定格式传递给生成模型
模型在生成图像时，以骨骼约束为优先参考，在保持姿态准确的前提下完成风格化渲染
由于肢体位置被明确约束，穿模发生的概率大幅降低
4.2 多人场景的姿态控制要点
多人场景是穿模的高发区域，在进行姿态控制时，需要特别注意以下几个维度：
独立骨骼设定：每个人物的骨骼数据必须独立设定，避免两套骨骼信息在空间上产生重叠，否则模型会对重叠区域产生混淆，反而加剧穿模
合理的空间距离：在骨骼布局阶段，确保不同人物的肢体末端（手部、脚部）之间保留足够的空间间距
视角与骨骼的一致性：骨骼图的视角必须与预期生成画面的视角保持一致，视角错位会导致模型在空间映射时产生形变，进而引发穿模
4.3 深度图控制的辅助作用
深度图控制是姿态控制之外，另一个对穿模抑制效果明显的工具。深度图通过灰度信息描述画面中不同区域的前后空间层级关系——越亮的区域代表距离镜头越近，越暗的区域代表距离镜头越远。
将深度图信息提供给模型，可以让模型在生成时自动遵循画面的空间层级结构，从而减少前景物体与背景物体之间的穿插问题。在漫剧中涉及人物前后站位、人物与道具交叠的场景中，深度图控制的介入效果尤为明显。
五、分层生成策略的应用
对于穿模频发的复杂场景，分层生成是一种从工作流层面规避穿模问题的有效策略，其核心思路是将一张复杂画面拆解为多个独立图层分别生成，再通过后期合成的方式组合成完整画面。
具体操作步骤如下：
场景拆解：将画面拆分为背景层、人物A层、人物B层、道具/前景层等独立层级
逐层生成：针对每个图层单独编写提示词，在提示词中明确说明该层的内容范围与空间位置关系
透明背景处理：人物层与道具层的生成需要配合背景移除工具，提取干净的主体轮廓
图层合成：按照空间层级顺序，将各图层叠加合成为完整画面
分层生成策略的优势在于：每个图层内的内容相对简单，模型在处理时的不确定性大幅降低，穿模的发生概率随之下降。其局限性在于生产流程相对繁琐，适合对画面精度要求较高的漫剧关键场景，而非全部批量内容。
六、局部重绘的精准修复方法
当穿模已经发生，且画面整体质量尚可，不值得整图重新生成时，局部重绘是性价比较高的修复手段。
局部重绘的操作要点：
遮罩范围的精确性：遮罩区域应当尽量精确覆盖穿模部位，同时略微向外扩展一到两个像素的缓冲区，避免修复区域与正常区域之间出现明显的边缘断层
重绘幅度的控制：重绘幅度参数建议设置在零点五到零点七五之间，过低则修复效果不明显，过高则修复区域与原图风格差异过大
局部专属提示词：针对重绘区域编写专属提示词，明确描述该区域应当呈现的正确状态，同时在反向提示词中保留穿模相关的抑制词汇
以下是针对手部穿模修复的局部重绘提示词示例：
提示词示例（英文）：
perfect hands, five fingers, correct finger anatomy, natural hand pose, detailed knuckles, no extra fingers, no fused fingers, clear hand outline
中文标注：
完美的手，五根手指，正确的手指解剖结构，自然的手部姿态，清晰的指关节，无多余手指，无融合手指，清晰的手部轮廓
七、系统化穿模管理的建立
对于批量生产漫剧内容的团队或个人创作者而言，将穿模管理纳入标准化的生产流程，比单次修复更具长远价值。
建议建立以下穿模管理机制：
场景风险分级
在生产前对每个场景的穿模风险进行预判，按风险等级分配不同的生产策略：
穿模案例库积累
将生产过程中出现的典型穿模案例进行截图存档，记录对应的场景设定、提示词版本与参数配置，形成穿模问题的案例库。后续遇到类似场景时，可以直接调用案例库中的成功解决方案，避免重复踩坑。
结语
穿模问题没有一劳永逸的解决方案，它是AI图像生成技术在当前发展阶段的客观局限性体现。创作者能够做到的，是通过系统性的参数调整、工具组合与工作流优化，将穿模的发生概率控制在可接受的范围内，并建立一套高效的修复响应机制。
从提示词的精细化配置，到生成参数的科学设定，再到姿态控制工具的介入与分层生成策略的应用，每一个环节的优化都是对最终画面质量的一次积累。随着操作经验的不断沉淀，创作者会逐步形成属于自己的穿模防控体系，漫剧内容的生产效率与画面品质也将随之稳步提升。返回搜狐，查看更多