← 返回博客
General预计阅读 6 分钟

六千条中文参考数据,被做成了「选人、选衣、选姿势」三张牌

发布于 2026年11月10日
六千条中文参考数据,被做成了「选人、选衣、选姿势」三张牌

先说结论:这个仓库火起来,不是因为它图多。图多这件事,网盘里到处都是。它火是因为它把「选一张参考图」这件事,拆成了三个可以分别替换的零件——人、衣服、姿势——然后允许你把这三样拼成一个配方,直接丢给模型。

仓库叫 ai-pose-gallery-zh,作者 Anhao。README 第一段就把账算得很清楚:1439 张素体白模,配 1439 张深度图;服装 3224 套;人像 1499 位;合计 6162 条中文参考数据,本地高清图 12022 张,另有 1760 张来源站点的参考图。数据不是它自己拍的,是镜像了三位作者公开的图库——姿势与服装原站作者是 ギア(@giaaibusi),440 套二次元服装来自 たき AI 的 CharaDB。它做的事情是翻译、合并、加工具层。

真正被解决的是检索,不是画质

用过参考图库的人都知道那个卡点。你想让模特靠墙、手插口袋、身体斜四十五度,脑子里有画面,但翻图库只能一页页看缩略图,翻二十页找到一张七成相似的,还要自己描述。原站的元数据是日文,动作分类、发型细分、服装款式全是日文标签,中文用户要么看不懂,要么看懂了也拼不出提示词。

这个仓库把 6162 条元数据全译成中文,并且拆到可以自动组装的粒度——发长、51 种细分发型、姿势分类、穿搭标签。它宣称拼出来的提示词「纯净无日文干扰」。这句话听着像营销,但对生图来说确实是个真问题:模型对混着两种语言的提示词,稳定性会掉。

桌面上摊开的姿势参考卡片,旁边是同一人物的深度图剪影

三合一是关键,不是功能列表长

它的 Web Studio 让你从三个库各挑一个:一个人像、一套衣服、一个姿势。素体白模和深度图可以一键切换。选完还能拖拽、粘贴、输 URL 加自己的参考图。配方会存进 IndexedDB,关掉浏览器再打开还在。这套交互不算新鲜,新鲜的是它把「参考图」从单张图片变成了结构化输入。

然后是那五路直连:Google Gemini、OpenAI GPT Image、阿里云百炼的 Qwen、火山方舟的 Doubao、本地 ComfyUI。前四个填 key 就能跑,第五个需要你机器上有卡。它没有做一个自己的模型,也没打算做——它赌的是「同一个配方,换模型重跑」这件事会变成常规操作。

ComfyUI 插件是更实用的一半

仓库本身就是个 ComfyUI 插件,git clone 到 custom_nodes/ 就能用,四个节点:姿势、服装、人像、三合一配方。姿势和配方节点内置 use_depth 开关,能直接接 ControlNet Depth。这个设计很懂人:白模给你结构,深度图给你空间关系,出图时哪张更管用,取决于你要的是姿态准确还是透视准确。

我更喜欢的是它把 6162 条数据做成了一个可视化弹窗选图器。在 ComfyUI 画布上点开,选,回来连线。这比在文件夹里翻图再拖进节点,省的不是一点时间。

三个必须说清的边界

第一,素材版权不在它手上。姿势、服装、人像的图来自原作者公开站点,仓库只是中文整理与工程存档,README 里明确写了「禁止打包倒卖」。你要商用,得回到原作者的许可去看。

第二,图库包含 18+ 的人体素体与内衣参考,默认开着 SFW 安全模式。这不是小事,作者把它写在免责声明第一条后面,而不是藏在小字里。

第三,也是最要紧的:它反复强调禁止未经授权的真人换脸。这份谨慎是有原因的——一个把「人像 + 服装 + 姿势」三件套拆得这么干净的库,天然就是换脸流水线的上游。工具中性,用法不中性。

为什么这类项目会持续出现

过去一年,生图的门槛从「会不会写提示词」下移到「有没有好参考」。模型侧的变化也在配合:Seedream 5.5 这类新模型开始原生输出带透明通道的分层素材,GPT Image 2.6 把局部标记编辑下放到 API,都在减少「生成之后再修」的返工。当生成变便宜、变稳定,稀缺的就变成了输入端的组织能力。

6162 条参考真正的意义在这里。它不是图库,是把「我想要那种感觉」翻译成机器能执行的三段式坐标。你可以说它只是把三份日文资料整理成了中文,但整理这件事,恰恰是大多数人卡住的地方。

如果你只是想试试,打开在线演示就行,手机也能用。如果你想把它接进生产,先想清楚两件事:你的素材许可到哪一步,以及你打算把这套配方交给谁用。前者决定你能不能商用,后者决定你会不会在某个凌晨收到一封律师函。

相关文章