Der unzensierte KI-Bild-zu-Bild-Generator, der das Gesicht tatsächlich beibehält

Sie haben ein Foto. Sie möchten, dass eine KI es in eine Bikini-Version, eine Lingerie-Version oder etwas Expliziteres verwandelt – und dabei das Gesicht beibehält. Sie haben es bei Midjourney versucht: abgelehnt. DALL-E ausprobiert: weichgezeichnet und gefiltert. Stable Diffusion mit Standardeinstellungen versucht: vor der Generierung durch den Sicherheitsfilter blockiert.

Dies ist kein Versagen der Tools. Es ist eine bewusste Designentscheidung. Jede Mainstream-Plattform wendet auf Modellebene eine Inhaltsmoderationsschicht an. Genau diese Schicht ist es, die mit dem Wort „unkonfessioniert“ (uncensored) gemeint ist, wenn Nutzer nach unzensierter Image-to-Image-KI suchen. Das Tool existiert. Die Frage ist, welches Modell die Identität korrekt bewahrt, während sich der Inhalt ändert.

Warum Mainstream-Image-to-Image-KI-Generatoren unzensierte Inhalte blockieren

Jede große Bildgenerierungsplattform wendet Inhaltsfilter auf zwei Ebenen an: der Eingabeebene (Prompt) und der Ausgabeebene (Modell). Wenn Sie einen Prompt mit NSFW-Begriffen senden, lehnt der Eingabefilter diesen ab, bevor das Modell läuft. Wenn ein Prompt durchschlüpft, erkennt der Ausgabefilter das generierte Bild und unterdrückt oder verwischt das Ergebnis.

Dies ist keine technologische Lücke. Stable Diffusion, die Architektur hinter den meisten Image-to-Image-Tools, hat keine technische Einschränkung für NSFW-Ausgaben. Die Filterung erfolgt durch die Betreiber der Plattform zusätzlich zum Modell. Entfernt man den Filter, generiert das zugrunde liegende Modell den Inhalt.

Für einen nach Preis und Filterentfernung geordneten Vergleich der besten NSFW-fähigen Generatoren finden Sie im Leitfaden für die besten unzensierten NSFW-KI-Bildgeneratoren Optionen für Cloud-API und lokale Lösungen in allen Preisklassen.

„Unzensiert“ bedeutet im Kontext von Image-to-Image-KI-Generatoren, dass die Inhaltsmoderationsschicht entfernt wurde. Das Modell verarbeitet den Prompt und das Bild ohne aktives Eingreifen in den zu generierenden Inhalt. Der Image-to-Image-Katalog von Atlas Cloud betreibt Modelle in dieser Konfiguration, einschließlich der Seedream-Familie, die speziell für die Porträtbearbeitung mit Gesichtserhaltung entwickelt wurde.

Das zweite Problem – das Zerbrechen der Gesichtsidentität während der Transformation – ist unabhängig von der Inhaltsfilterung. Es ist ein Problem des Modelltrainings. Genau damit befasst sich der Rest dieses Leitfadens.

---

Warum sich das Gesicht bei der unzensierten Image-to-Image-KI-Generierung verändert und wie man es stoppt

Wenn Sie ein Foto hochladen und einen Prompt für eine Inhaltsänderung schreiben, weiß das Modell nicht, welche Teile des Bildes tabu sind. Es wendet Änderungen global basierend auf semantischer Gewichtung an. Da das Gesicht die Region mit der höchsten semantischen Gewichtung in einem Porträt ist, erhält es vom Modell starke Aufmerksamkeit – was bedeutet, dass es zusammen mit allem anderen neu gezeichnet wird.

Zwei Variablen steuern, wie stark sich das Gesicht verändert:

guidance_scale bestimmt, wie aggressiv das Modell dem Prompt folgt oder das Quellbild respektiert. Niedrige Werte bewahren die Referenz. Hohe Werte lassen den Prompt die Vorlage überschreiben. Bei einer guidance_scale von 10 oder höher steuert der Prompt die Ausgabe nahezu vollständig. Das Gesicht wird zu dem, was der Prompt impliziert, nicht zu dem, was das Quellbild zeigt.

Die Modellarchitektur ist der wichtigere Faktor. Die meisten Bildbearbeitungsmodelle sind nicht darauf trainiert, die Identität des Gesichts während der Transformation zu isolieren. Die Seedream-Familie ist es. Ihr Training trennt die Gesichtserhaltung explizit von der Inhaltsgenerierung, sodass das Modell Kleidung und Szene ändern kann, während es Gesichtsmerkmale, Hautton und Beleuchtung der Quelle beibehält.

Die praktische Kombination: Seedream-Modell + guidance_scale zwischen 5 und 7 erzeugt bei leichten bis starken Inhaltsveränderungen eine gesichtsstabile Ausgabe.

---

Modellauswahl für unzensierte Image-to-Image-KI-Generatoren

Seedream v5.0 Lite Edit ist die Standardwahl. Offizielle Beschreibung von Atlas Cloud: „bewahrt Gesichtsmerkmale, Beleuchtung und Farbtöne und ermöglicht gleichzeitig Bearbeitungen in professioneller Qualität.“ Für die meisten unzensierten Image-to-Image-Anwendungen sollten Sie hier beginnen und erst zu v4.5 wechseln, wenn Sie eine höhere Ausgabeauflösung für die Endnutzung benötigen.

Wenn Lite Edit nicht ausreicht, ist Seedream 5.0 Pro Edit der nächste Schritt für Profis: dasselbe unzensierte Image-to-Image mit Regions- und Ankerkontrolle, exakter Farb- und Materialanpassung sowie Ebenentrennung in transparente PNGs.

Der Leitfaden für unzensierte KI-Prompts behandelt die Fünf-Elemente-Formel, die für alle drei Inhaltsstufen in diesem Guide gilt.

Workflow 1: Unzensiertes Image-to-Image — Bademode und Lingerie (Leicht)

Modell: Seedream v5.0 Lite Edit

guidance_scale: 6

num_inference_steps: 25

Die leichte Stufe deckt Ausgaben ab, bei denen Kleidung durch Bademode, Bikini, Lingerie oder Ähnliches ersetzt wird. Der Inhalt ist explizit, aber der Transformationsumfang ist moderat – der Körper bleibt bedeckt, die Änderung besteht in dem, womit er bedeckt ist.

Bei guidance_scale 6 betrachtet Seedream v5.0 Lite das Quellbild als primäre Referenz und verwendet den Prompt, um zu definieren, was sich ändert. Gesicht, Körperproportionen, Hautton und Beleuchtung werden aus der Quelle übernommen. Nur die Kleidungsregion wird transformiert.

Prompt-Struktur:

plaintextCopy
1[detaillierte Kleiderbeschreibung], fotorealistisch, gleiches Gesicht, gleiche Körperproportionen, gleicher Hautton, gleiche Beleuchtung
2

Beispiel-Prompt:

plaintextCopy
1trägt ein schwarzes Spitzen-Lingerie-Set, fotorealistisch, hochdetailliert, gleiches Gesicht, gleiche Körperproportionen, gleicher Hautton, gleiche Lichtrichtung wie in der Quelle
2

Was auf dieser Stufe zum Driften des Gesichts führt:

• guidance_scale über 8: Der Prompt beginnt ab diesem Wert, die Identitätssignale des Quellbildes selbst bei Seedream zu überschreiben.
• Beschreibung des Quellzustands: Begriffe wie „Kleidung entfernen“ lenken die Aufmerksamkeit des Modells auf den bekleideten Bereich und destabilisieren umliegende Bereiche, einschließlich des Gesichts.
• Vage Körperbeschreibungen: Wörter wie „sexy Körper“ geben dem Modell Spielraum, die Proportionen neu zu interpretieren. Verankern Sie die Körperbeschreibung an der Quelle: „gleiche Körperproportionen“.

API-Aufruf:

plaintextCopy
1import requests
2
3# Schritt 1: Referenzbild hochladen
4upload = requests.post(
5    "https://api.atlascloud.ai/api/v1/model/uploadMedia",
6    headers={"Authorization": "Bearer YOUR_KEY"},
7    files={"file": open("reference.jpg", "rb")}
8)
9image_url = upload.json()["url"]
10
11# Schritt 2: Generieren
12response = requests.post(
13    "https://api.atlascloud.ai/api/v1/model/generateImage",
14    headers={"Authorization": "Bearer YOUR_KEY"},
15    json={
16        "model": "bytedance/seedream-v5-0-lite-edit",
17        "image": image_url,
18        "prompt": "trägt ein schwarzes Spitzen-Lingerie-Set, fotorealistisch, hochdetailliert, gleiches Gesicht, gleiche Körperproportionen, gleicher Hautton, gleiche Lichtrichtung wie in der Quelle",
19        "guidance_scale": 6,
20        "num_inference_steps": 25
21    }
22)

---

Workflow 2: Unzensiertes Image-to-Image — Offenherziger Stil (Mittel)

Modell: Seedream v5.0 Lite Edit

guidance_scale: 7

num_inference_steps: 28

Die mittlere Stufe deckt Ausgaben mit mehr Hautexposition ab – transparenter Stoff, teilweise Abdeckung, freizügige Schnitte. Der Prompt muss einen gewissen Grad an Freizügigkeit vermitteln, ohne Unklarheiten auszulösen, die das Modell zu einer konservativen Interpretation verleiten.

Erhöhen Sie guidance_scale auf 7. Das Modell benötigt mehr Einfluss durch den Prompt, um eine Transformation dieses Grades durchzuführen, während es gegen die ursprüngliche Kleidung des Quellbildes arbeitet. Identitätsanker im Prompt werden bei dieser Einstellung wichtiger, nicht weniger – da das Modell insgesamt mehr Anweisungen aus dem Prompt übernimmt, ist es wichtig, explizit festzulegen, was bewahrt werden soll.

Prompt-Struktur:

plaintextCopy
1[spezifisches Kleidungsstück mit Detail zur Abdeckung], fotorealistisch, ultra-detailliert, gleiches Gesicht, gleiche Gesichtsmerkmale, gleiche Körperproportionen, gleicher Hautton, weiches natürliches Licht
2

Beispiel-Prompt:

plaintextCopy
1trägt ein transparentes weißes Minikleid ohne Unterwäsche, sichtbar durch den Stoff, fotorealistisch, ultra-detailliert, gleiches Gesicht, gleiche Gesichtsmerkmale, gleiche Körperproportionen, gleicher Hautton, weiches natürliches Licht
2

Prompt-Strategie auf dieser Stufe:

Beschreiben Sie das Kleidungsstück und was es enthüllt, anstatt Nacktheit direkt zu beschreiben. „Transparenter Stoff, sichtbar durch“ wird als Kleidungsbeschreibung gelesen. Dies gibt dem Modell ein kohärentes visuelles Ziel. Abstrakte Anweisungen wie „mache es freizügiger“ werden inkonsistent interpretiert, da sie keinen konkreten visuellen Zustand beschreiben.

Wenn Gesichtsdrift auf der mittleren Stufe auftritt:

Wenn sich das Gesicht nach der Erhöhung auf guidance_scale 7 verschiebt, verschieben Sie die Identitätsanker an den Anfang des Prompts. Das Modell gewichtet frühere Tokens stärker. Ordnen Sie es so an:

plaintextCopy
1gleiches Gesicht wie in der Quelle, gleiche Gesichtsmerkmale, [Kleidungsbeschreibung], fotorealistisch, gleiche Körperproportionen, gleicher Hautton
2

---

Workflow 3: Unzensiertes KI-Image-to-Image — Expliziter Inhalt (Schwer)

Modell: Seedream v4.5 Edit

guidance_scale: 5

num_inference_steps: 30

Die schwere Stufe deckt die explizitesten Ausgaben ab – volle Nacktheit, explizite Posen. Auf diesem Niveau verlangt der Prompt die größte Abweichung vom Quellbild. Das Modell steht unter dem größten Druck, die Quelle zu überschreiben. Hier ist die Identität des Gesichts am stärksten gefährdet.

Kontraintuitiv ist die Lösung, die guidance_scale auf 5 zu senken, nicht zu erhöhen. Das Modell benötigt mehr Spielraum, um auf das Quellbild für Identitätssignale zuzugreifen, gerade weil die Inhaltstransformation so extrem ist. Lassen Sie das Quellbild das Gesicht verankern, während der Prompt den Inhalt steuert.

Verwenden Sie auf dieser Stufe Seedream v4.5 Edit (＄0.036/Bild) statt v5.0 Lite. Die v4.5-Architektur erzeugt eine Ausgabe mit höherer Auflösung und feineren Gesichtsdetails, was wichtig ist, wenn der Rest des Bildes eine maximale Transformation erfährt. Das Gesicht benötigt mehr Definition, um als dieselbe Person wahrgenommen zu werden.

Beispiel-Prompt:

plaintextCopy
1nackt, ganzer Körper, fotorealistisch, 4k, gleiches Gesicht wie in der Quelle, identische Gesichtsmerkmale, gleiche Körperproportionen, gleicher Hautton, gleiche Haare, natürliches Licht
2

Platzierung der Gesichtsanker auf der schweren Stufe:

Bei guidance_scale 5 leisten die Identitätsanker die meiste Arbeit. Platzieren Sie sie unmittelbar nach der Inhaltsbeschreibung:

plaintextCopy
1[Inhalt], gleiches Gesicht wie in der Quelle, identische Gesichtsmerkmale, gleiche Körperproportionen, gleicher Hautton, gleiche Haare, [Qualität/Beleuchtung]
2

Die Gesichtsanker zwischen der Inhaltsbeschreibung und den Qualitätsbegriffen positionieren diese als die am höchsten gewichtete Einschränkung in der Mitte des Prompts. Diese Anordnung übertrifft konsistent Anker, die am Ende platziert sind, wenn die guidance_scale niedrig ist.

---

Batch-Variationen von unzensiertem KI-Image-to-Image aus einem Foto

Modell: Seedream v5.0 Lite Edit Sequential

guidance_scale: 6

num_inference_steps: 25

Wenn Sie mehrere Ausgaben aus demselben Quellfoto benötigen – verschiedene Outfits, Belichtungsstufen oder Szenen – behält das sequentielle Modell die Konsistenz der Gesichtsidentität über den gesamten Batch bei. Das Ausführen separater Einzelbild-Aufrufe summiert kleine Identitätsverschiebungen. Die sequentielle Variante verankert alle Ausgaben an derselben Quelle.

plaintextCopy
1from concurrent.futures import ThreadPoolExecutor
2import requests
3
4API_KEY = "YOUR_KEY"
5IMAGE_URL = "UPLOADED_IMAGE_URL"  # einmal hochladen, wiederverwenden
6
7prompts = [
8    "trägt einen roten Bikini, fotorealistisch, gleiches Gesicht, gleiche Körperproportionen, gleicher Hautton, Strandbeleuchtung",
9    "trägt schwarze Lingerie, fotorealistisch, gleiches Gesicht, gleiche Körperproportionen, gleicher Hautton, sanfte Studiobeleuchtung",
10    "trägt ein transparentes Kleid, fotorealistisch, gleiches Gesicht, gleiche Körperproportionen, gleicher Hautton, natürliches Tageslicht",
11]
12
13def generate(prompt):
14    return requests.post(
15        "https://api.atlascloud.ai/api/v1/model/generateImage",
16        headers={"Authorization": f"Bearer {API_KEY}"},
17        json={
18            "model": "bytedance/seedream-v5-0-lite-edit-sequential",
19            "image": IMAGE_URL,
20            "prompt": prompt,
21            "guidance_scale": 6,
22            "num_inference_steps": 25
23        }
24    ).json()
25
26with ThreadPoolExecutor(max_workers=5) as executor:
27    results = list(executor.map(generate, prompts))

Laden Sie das Quellbild einmal hoch und verwenden Sie die zurückgegebene URL in allen Aufrufen. Das sequentielle Modell kostet ＄0.032/Bild und entspricht damit dem Preis für ein Einzelbild. Der Gewinn an Konsistenz kostet nichts zusätzlich.

---

Kostenlose unzensierte KI-Image-to-Image-Generator-Optionen

Es gibt kostenlose unzensierte Image-to-Image-KI-Generatoren, aber sie haben für diesen Anwendungsfall drei strukturelle Einschränkungen:

Keine Architektur zur Gesichtserhaltung: Kostenlose Modelle sind in der Regel ältere oder kleinere Versionen ohne das auf Gesichtsisolierung spezialisierte Training der Seedream-Klasse. Auf mittleren und schweren Transformationsstufen ändert sich das Gesicht unabhängig von der guidance_scale, da das Modell über keinen Mechanismus zur Isolierung verfügt.

Auflösungsbegrenzungen bei 512x512 oder 768x768: Die Gesichtsdetails bei diesen Auflösungen reichen nicht für Ausgaben aus, die als dieselbe Person wahrgenommen werden sollen. Identität steckt in feinen Details – Augenform, Kieferpartie, Hauttextur –, und diese verschwinden bei niedriger Auflösung.

Warteschlangen von 30 Sekunden bis zu mehreren Minuten: Die Iteration durch Prompt-Variationen und guidance_scale-Einstellungen erfordert schnelles Feedback. Eine Warteschlange von 2 Minuten pro Generierung macht Parametertests unpraktisch.

Zur Validierung der Prompts vor einem Seedream-Durchlauf ist GPT Image-1 Mini Edit bei ＄0.004/Bild auf Atlas Cloud eine bessere Option als ein kostenloses Tool. Es ist günstig genug, um 10 bis 15 Testgenerierungen für unter ＄0.05 durchzuführen – ohne Warteschlange und mit konsistenten Antwortzeiten.

Für einen vollständigen Vergleich unzensierter KI-Tools über alle Generierungstypen hinweg deckt der vollständige Leitfaden für unzensierte KI-Bildgeneratoren die gesamte Landschaft ab.

Häufig gestellte Fragen (FAQ)

Unterstützt Atlas Cloud die Generierung von NSFW- und expliziten Inhalten?

Ja. Die unzensierten Image-to-Image-Modelle von Atlas Cloud, einschließlich der Seedream-Familie und Flux Kontext Dev, laufen ohne Inhaltsmoderationsfilter. Die Generierung expliziter Inhalte wird unterstützt. Preise und Verfügbarkeit der Modelle finden Sie im Atlas Cloud Image-to-Image-Modellkatalog.

Welche guidance_scale hält das Gesicht über alle drei Inhaltsstufen hinweg stabil?

Für leicht (Bademode/Lingerie): 6. Für mittel (offenherzig): 7. Für schwer (explizit): 5. Die schwere Stufe erfordert einen niedrigeren Wert, da die Inhaltstransformation das Modell stärker unter Druck setzt, die Quelle zu überschreiben – das Senken der guidance_scale gibt dem Quellbild mehr Gewicht, um die Identität des Gesichts zu verankern.

Die Körperproportionen haben sich geändert, aber das Gesicht ist geblieben. Wie korrigiere ich den Körper?

Fügen Sie „gleiche Körperproportionen“ und „gleicher Körpertyp wie in der Quelle“ zum Identitätsanker-Abschnitt des Prompts hinzu. Körperproportionen sind selbst in Seedream-Modellen weniger geschützt als das Gesicht, da sie stärker mit der zu generierenden Kleidung gekoppelt sind. Explizite Körperanker im Prompt reduzieren diese Drift.

Kann ich dieselbe Quellbild-URL für mehrere Aufrufe wiederverwenden, ohne sie erneut hochzuladen?

Ja. Laden Sie das Bild einmal über den Media-Upload-Endpunkt von Atlas Cloud hoch und speichern Sie die zurückgegebene URL. Diese URL ist für nachfolgende Generierungsaufrufe gültig. Übergeben Sie für Batch-Läufe dieselbe URL an alle Aufrufe im ThreadPoolExecutor. Das sequentielle Modell akzeptiert eine einzelne Quell-URL, die auf alle Prompts im Job angewendet wird.

Was ist der günstigste Weg, den richtigen Prompt zu finden, bevor ein ganzer Batch läuft?

GPT Image-1 Mini Edit bei ＄0.004/Bild. Führen Sie den Prompt auf der leichten, mittleren und schweren Stufe aus, um zu sehen, wie das Modell die Beschreibung interpretiert. Identifizieren Sie, wo das Gesicht driftet, und passen Sie die Ankerplatzierung an, bevor Sie zu einem Seedream-Batch übergehen. Ein vollständiger Prompt-Test über fünf Variationen kostet ＄0.02.

---

Fazit

Das Hindernis für die unzensierte Image-to-Image-Generierung ist nicht technischer Natur. Mainstream-Tools filtern Inhalte aufgrund von Richtlinien, nicht aufgrund fehlender Fähigkeiten. Entfernen Sie den Filter, und dieselbe Diffusionsarchitektur, die hinter jedem großen Bildtool steht, generiert den Inhalt ohne Einschränkungen.

Das verbleibende Problem ist die Gesichtsidentität. Generische Modelle isolieren Gesichter während der Transformation nicht. Seedream v5.0 Lite Edit tut dies. Beginnen Sie bei guidance_scale 6 für leichten Inhalt, gehen Sie auf 7 für mittlere, freizügigere Ausgaben und senken Sie auf 5 für explizite Transformationen, bei denen Sie das Quellbild benötigen, um die Identität unter maximalem Prompt-Druck zu verankern.

Führen Sie Test-Prompts auf GPT Image-1 Mini Edit bei ＄0.004/Bild aus. Wechseln Sie für eine konsistente Produktionsausgabe zu Seedream v5.0 Lite Edit. Verwenden Sie Seedream v4.5 Edit, wenn feine Gesichtsdetails für finale Renders wichtig sind. Für mehrere Variationen aus einem Foto erledigt Seedream v5.0 Lite Edit Sequential den Batch zum gleichen Preis pro Bild.

Für die Modellevaluierung und den Tool-Vergleich deckt der Leitfaden für die besten unzensierten KI-Bildeditoren die gesamte Auswahl im Detail ab.