各位同学好，我们这节课来讲解如何使用 MidJourney（MJ）给模特换衣服。换装主要有四种方式：

1. 使用 Blend 功能，将衣服与人物图像融合；
2. 使用 Image-to-Image（图生图），以服装图为参考生成穿着该服装的人物；
3. 在图生图基础上加入 --iw（image weight）参数，提升服装设计相似度；
4. 先用 Photoshop（PS）将服装贴合到模特身上，再通过图生图生成更可控的结果。

我们首先尝试第一种方式：打开 Discord，输入斜杠 `/`，选择 Blend 功能。点击后分别上传衣服和人物两张图片——例如，一件粉色毛衣，上面有白色爱心图案；人物图可任选一张。上传完成后，点击 Dimensions，选择第一个 Portrait 比例，设置为较窄高的画幅（如 3:4 或 2:3），回车发送。

观察生成结果可以发现，Blend 对输入图像的内容要求较高，容易将两张图的特征强行融合，导致人物结构崩坏、面部缺失、背景不完整等问题。因此，Blend 并非推荐的首选方案。

接下来尝试第二种方式：图生图。点击 Discord 左下角加号，上传目标服装图片。上传完毕后，输入斜杠 `/`，选择 Image，长按已上传的服装图，在链接完整显示后，将其拖入 Prompt 输入框。随后输入空格，并添加提示词，例如：“一位中国姑娘穿着一件粉色毛衣，上面有白色爱心图案”。宽高比设为 3:5，回车发送。

生成结果中，部分图像存在人体比例失真或结构缺失（如左下角图像），但其余几张效果较好，尤其第四张人物完整、服装还原度较高。多次生成后，较易获得既保留服装设计细节、又保证人物完整性的结果。相比 Blend，图生图的整体效果更稳定、可控性更强。

但图生图也存在局限：生成姿势和光照角度高度依赖原图，难以突破原始服装图的姿态与明暗关系（例如始终呈现正面光照），且服装质感仍与原图存在一定差距。

此时可引入第三种方式：加入 --iw 参数。再次输入斜杠 `/`，选择 Image，拖入同一张服装图，Prompt 保持不变，在末尾添加空格与 --iw 1.7。回车发送。

--iw（image weight） 参数用于调节参考图对生成结果的影响程度：数值范围为 0–2，值越高越倾向参考图，越低越倾向文字提示词。当前设为 1.7，使生成服装在纹理、图案、剪裁等细节上更贴近原图。

但需注意：过高的 --iw 值可能导致服装平面化、缺乏立体感，甚至因过度拟合原图而破坏人物形体（如手臂部位出现非自然褶皱或结构缺失）。因此，应根据实际生成效果动态调整 --iw 数值。

最后尝试第四种方式：PS 预处理 + 图生图。先在 Photoshop 中选取一张人物模板图（后续生成会改变其相貌与体型，无需担心侵权问题）。使用自由变换与液化工具，将服装图像（如毛衣）精准贴合至人物身体轮廓。建议选择原本穿着贴身衣物的模特图，以减少裸露区域；若仍有局部暴露（如颈部），可用吸色+画笔工具覆盖修补。

完成贴合后，保存图片并上传至 Discord。点击加号上传文件，再输入斜杠 `/`，选择 Image，拖入该预处理图至 Prompt 区域，Prompt 内容保持一致，末尾添加 --iw 1.7，回车发送。

对比可见：尽管 --iw 值相同，但因前期已在 PS 中完成服装与人体的空间匹配，此次生成的人物结构完整、服装立体感强，整体效果显著优于仅用单件服装图直接图生图的结果。当然，并非每次生成都理想，建议多尝试几次，择优选用。

综上，人工参与（如 PS 预处理）能大幅提升 MJ 换装结果的准确性与表现力，尤其在服装质感、结构贴合度方面更接近预期。

需要说明的是：对于结构复杂的服装（如含多层拼接、精细印花、品牌标识等），仅靠 MJ 很难完全复现所有细节。这是因为 MJ 模型具有固定的生成偏好——例如，即使将 --iw 设为 2，模型仍可能习惯性地在袖口生成纵向线条，而非原图中的横向装饰。这类高精度还原任务，最终仍需借助 Stable Diffusion（SD）等更具可控性的工具完成。