我用AI通过四维彩超预测了宝宝长相,结果生出来一模一样!

AI绘画有各种各样的落地应用，之前我分享过如何使用Stable Diffusion来创作儿童绘本，从实现流程到最终变现的全过程：爆火的儿童绘本如何用AI制作？一文解锁从制作到变现的全流程！

这里，我为大家分享另外一种AI绘图的变现方式——四维彩超预测

四维彩超预测不仅可以给自己或朋友的宝宝做，也可以给别人做来实现变现

本文针对四维彩超的宝宝长相预测的全流程解析，但是你仍然可以举一反三，技术是服务于生活的，你可以发现更多变现点！

-- 我们先看看四维彩超预测宝宝长相的实际效果 --

在之前的文章已经分析过，小红书，是一个女性用户群体量很大的平台，其中很大一部分是孕妈或备孕的女性，即便都不是，也可能是未来想要宝宝的女性。那这部分人群大概率都会经历一个事情，就是做四维彩超。而这部分人群，很大一部分，是很想知道自己未来的宝宝长什么样的，她们也极有可能愿意为之付费！

这些群体，搭配上现在的AI绘图技术，需求点就这样产生了——通过四维彩超预测宝宝未来长相

为了避免引流嫌疑，所有账号相关信息都做了处理

我们在小红书能发现，有很多这类的四维彩超预测宝宝长相的相关笔记

抖音相对要少一点，但是相对来说这类视频也是非常多的

除了内容平台以外，我们可以在淘宝、拼多多、微店等电商平台，也能搜到大量的类似服务

总的来看，这类的内容，点赞量和粉丝量都不一定高，但是评论数却很高，且评论内容大多是“能不能帮我做一个？”，“怎么收费？”，“怎么做？”，这也可以称之为异常值。这恰巧能说明，有这方面需求的群体还是很多的，这时候你要做的就是通过这类群体进行变现！

我们就从技术层面，先为大家拆解四维彩超预测宝宝长相的制作流程

第一性原理

我们先抛开问题看本质——AI通过宝宝的四维彩超预测长相，它的原理是什么？ 其实我在之前的一篇文章中提到过，但没有展开说，那就是照片的风格转换重绘。

对，没错，AI做的事情仅仅是根据你的四维彩超图像提供的宝宝的大致轮廓，然后通过AI自己的理解绘制的宝宝长相。

所以从原理上来讲，没有什么百分百的相像，都是概率问题！

哪有什么预测，不过是AI根据现有数据，和你提供的参考图，进行自己的绘制而已！

换成AI绘图中的常用语，就是图生图！

要用AI进行图生图重绘，工具有很多，这里我分别以Midjourney和Stable Diffusion这两个最常见的AI工具来讲解实现步骤

Midjourney

1.上传四维彩超

点击下方加号按钮，上传自己的四维彩超照，虽然是让AI预测，但是也尽量选择轮廓清晰的照片

2.编写提示词

以下是一个四维彩超的提示词模板，右键你上传的图片，复制链接地址，然后填入提示词中。提示词内容就是大致描述一下婴儿的一个表现状态即可，如果出的图不满意，再对提示词进行微调，最后达到满意的效果

    https://s.mj.run/xxxx super cute Chinese newborn baby,front face view,wrapped in a white blanket,falls asleep in peacefully, blemish, porcelain, face, talland pointed nose, thin and pink lips, serene, expressive facial, --ar 1:1 --s 250 --v 6.0
  

3.抽卡生成

最后就是抽卡生成了，mj毕竟还是ai生成，存在一定的概率问题，你需要在多次抽卡中找到最满意的一张

没错，Midjourney的整体实现过程就这么简单！不过需要注意的是，Midjourney相对来说，可能比较放飞自我，基本都是靠AI自己的理解在绘图，如果要求表情、姿态等跟原图相似，那可能还是需要控图能力更强的Stable Diffusion

Stable Diffusion

Midjourney还只能靠AI自己来控制图片细节，Stable Diffusion因为有ControlNet的存在，相对来说控图会更容易。这里我分别以界面更友好的WebUI和对工作流更友好的ComfyUI分别讲解。

无论是使用WebUI还是ComfyUI，我提供的大致思路都是基本的提示词文生图+ControlNet控图的方向来生图

WebUI

提示词插件

之前有小伙伴有疑问，你们写提示词是靠翻译软件吗？这里，我强烈推荐一款提示词插件“prompt-all-in-one”，有了它，你不再需要新打开一个翻译软件，一边想提示词，一边翻译英文，这对于英文不好的小伙伴十分友好！prompt-all-in-one使用它有以下几点优势：

1. 1. 输入中文后回车，自动翻译为英文加入到提示词框

2. 2. 对所有提示词都有归纳整理，可以非常方便的删除、临时删除、临时打开、加权重、减权重等

3. 3. 提供大量预制的提示词，可以直接选择想要的提示词来出图

4. 
   

5. 安装方式：可以通过插件商店搜索“prompt-all-in-one”或通过git仓库地址“https://github.com/Physton/sd-webui-prompt-all-in-one”安装

1.选择模型

在大模型的选择没有特殊注意的，只要是写实模型应该都问题不大，我亲测下来， majicMIX realistic 麦橘写实 和 墨幽人造人 出图的效果都还不错

另外，为了保证更好的婴儿效果，也推荐几个适合婴儿的Lora模型，配合大模型使用效果更佳！

2.编写提示词

Stable Diffusion跟Midjourney使用的提示词稍有区别，因为我们需要基于ControlNet来进行生图，那么基本上使用的是SD1.5的模型算法，SD1.5的算法对于提示词的解析力（主要自然语言处理能力）是不如Midjourney的，在Midjourney的一句自然语言，在SD1.5中，我们需要拆解成多个单词，才能更容易被SD理解（这种情况在SDXL模型有很大改善）。 

以下是我的四维彩超提示词模板

正向提示词

     (A newborn Chinese baby:1.2),eyes closed,closed eyes,closed mouth,white skin,one-day-old baby,simple background,(hide hands:1.2),(no hands:1.2),black background,no teeth,<lora:新生 _ 婴儿写真_V1.0:0.3>,
(best quality:1.2),(masterpiece:1.2),(realistic:1.3),
  

负向提示词

    too many fingers,fused fingers,missing fingers,bad hands,mutated hands and fingers,malformed hands,poorly drawn hands,mutation,extra arms,extra limb,mutated hands,disconnected limbs,floating limbs,malformed limbs,missing limb,cross-eyed,bad feet,extra legs,poorly drawn face,skin blemishes,skin spots,(((blur))),(EasyNegative:1.2),ng_deepnegative_v1_75t,paintings,sketches,(worst quality:2),(low quality:2),(normal quality:2),lowres,normal quality,((monochrome)),((grayscale)),bad anatomy,DeepNegative,(fat:1.2),facing away,looking away,tilted head,lowres,bad anatomy,bad hands,text,error,missing fingers,extra digit,fewer digits,cropped,worstquality,low quality,normal quality,jpegartifacts,signature,watermark,username,blurry,bad feet,cropped,poorly drawn hands,poorly drawn face,mutation,deformed,worst quality,low quality,normal quality,jpeg artifacts,signature,watermark,extra fingers,fewer digits,extra limbs,extra arms,extra legs,malformed limbs,fused fingers,too many fingers,long neck,cross-eyed,mutated hands,polar lowres,bad body,bad proportions,gross proportions,text,error,missing fingers,missing arms,missing legs,
  

其中我使用了一个婴儿写真Lora，目的是为了更好的生成婴儿形态，这个根据实际情况酌情添加

3.上传四维彩超照到ControlNet0

和Midjourney同理，我们尽量选择线条轮廓清晰的四维彩超图像 

这里使用深度ControlNet，目的是让婴儿和背景有个明显的层次关系。这一步可以根据实际测试情况选择关掉，效果可能更好

• • ControlNet选择Depth（深度）

• • 控制权重选择0.8

4.上传四维彩超照到ControlNet1

这里使用线稿ControlNet，目的是控制婴儿的整体的线条轮廓

• • ControlNet选择Lineart（线稿）

• • 控制权重默认1

注意：如果你的四维彩超图，实在是线条太混乱，这里生成的线稿你可以单独做下处理，只保留你希望保留的轮廓即可！

5.设置图片尺寸

一般来说，我希望的是它和我们提供的四维彩超图的尺寸一致，只需点击ControlNet下面这个小图标即可快速同步尺寸（如果尺寸过大，需要等比例缩小，否则可能爆显存）

6.设置其他参数

• • 采样方法：DPM++ 2M Karras（写实一般采用此方法）

• • 迭代步数：30

• • 总批次数：9（批量抽卡）

7.抽卡生成

一切准备就绪，就开始抽卡吧

很明显，我们抽出来的卡中，大部分都是各种怪异畸形，但是一定会有那么一两张能用的，根据经验说，一般在提示词让宝宝隐藏手，或者整个身体包裹起来，只能看见脸，这样的效果是最好的，比如在上面这次九连抽，第二排的最左边那张的整体效果就是最好的。

如果一轮都是畸形，那就再抽一轮！

ComfyUI

其实WebUI会了，那在ComfyUI中实现就大同小异了，基本步骤也都相同，我就不再细说。

1.选择模型

这里的婴儿Lora权重和WebUI调整的不一样，这是我根据实际出图效果调整的，Lora权重，用哪个Lora，甚至是否需要婴儿Lora，都需要边看效果边调整

2.编写提示词

3.ControlNet应用堆

不同于WebUI的多个ControlNet串联，在ComfyUI中一般使用一个ControlNet应用堆即可，配置多个ControlNet再根据需求来开关不同的控制模型。

这里我关掉了深度控制模型，是因为在实际测试中，发现去掉深度模型效果更好

4.面部修复

在WebUI中，一般默认都是打开了面部修复的（设置->系统设置->面部修复），在ComfyUI中要实现同等效果，需要添加面部修复节点，主要是需要使用codeformer或GFPGAN来进行修复（实测使用GFPGAN效果更好）

5.其他参数

• • 采样方法：dpmpp_2m_sde

• • 调度器：karras

• • 迭代步数：50

• • 总批次数：9（批量抽卡）

以上参数与WebUI稍有不同，也都是经过实际测试得到的最佳参数

6.抽卡生成

接下来就是激动人心的抽卡环节了！

不得不说的是，在ComfyUI中的抽卡成功率比WebUI要高，这也很有可能是二者的实现算法逻辑的区别所造成。在这一轮的九连抽中，大部分的图都是可用的！

文末分享四维彩超ComfyUI工作流

对比图

做完之后，我们可以再做一张对比图，你把对比图发给对方，对方会更加觉得你的效果做的不错

看到这里，你已经掌握了根据四维彩超进行宝宝长相预测的技能了，那么它如何能变现呢？

1.吸引流量

首先，当然还是需要先先做一些案例发到内容平台，先要有内容，别人才能知道你能做这些。至于如何让你的内容让更多的人看到，就需要一些小红书或者抖音的运营经验了

举例

• • 小红书可以以妈妈的视角“原来我的宝宝以后长这样！”，再打上一些四维彩超，孕妈，宝宝等一些标签

• • 抖音则可以做一个类似卡点换图的效果，再配上音乐

不同平台有不同的运营方式，这个就要因地制宜了

2.代做预测图

这个就很好理解了，有了流量，一般就会有大量代做需求找上门了，一张多少钱，三张多少钱，五张多少钱，你就可以开始有偿定制了。这也是四维彩超预测图的最基本的变现模式。

3.母婴羊毛群

相信我，孕妈的消费能力是你无法想象的，如果你只是让他们为你的四维彩超预测图付费，就太浪费了。这些客户都是母婴产品的潜在客户，你完全可以把这些人拉群，然后通过佣金平台分销母婴产品，他们购买，你赚佣金，这不是开启印钞机模式？

总之，你只要抓住孕妈强大的消费能力，和对未来宝宝的长相的好奇这两个点，具体变现方式，你完全可以自由发挥了~

四维彩超预测ComfyUI工作流

后台回复"四维彩超"获取工作流文件

- - < E N D > - -

感 谢 观 看 ， 欢 迎 点 赞 、 在 看 、 分 享

同 时 欢 迎 进 入 我 的 A I 绘 图 交 流 群 ， 一 起 交 流 A I 绘 图 技 术

后台回复"AI绘图群"进群

或加 我 本 人 ， 备 注 进 “ A I 绘 图 群 ”