你拥有一张照片，并希望 AI 能将其转换为比基尼版本、内衣版本或更露骨的内容——同时保持原有的面部特征。你尝试过 Midjourney，但被拒绝了；尝试过 DALL-E，结果被软化并过滤了；尝试过使用默认设置的 Stable Diffusion，结果在生成前就被安全过滤器拦截了。
这并不是工具的失败，而是一种设计决策。每个主流平台都在模型层面应用了内容审核层。这正是人们在搜索“未审查的图生图 AI”（uncensored image to image ai）时所指的那个“未审查”的含义。工具本身是存在的，关键在于哪个模型能在内容变更的同时正确保留身份信息。
为什么主流图生图 AI 生成器会拦截未审查内容
每个主流图像生成平台都在两个层面应用了内容过滤：提示词输入层和模型输出层。当你提交包含 NSFW（色情/不雅内容）术语的提示词时，输入过滤器会在模型运行前将其拒绝；如果提示词绕过了输入过滤，输出过滤器会检测到生成的图像并拦截或模糊处理结果。
这并非技术差距，而是人为限制。Stable Diffusion 这种为大多数图生图工具提供支持的底层架构，在 NSFW 输出方面没有任何技术限制。过滤是由平台运营商在模型之上施加的。移除过滤器，底层模型即可生成相关内容。
若需根据价格和过滤器移除情况对最佳 NSFW 生成器进行排名，请参考 最佳未审查 NSFW AI 图像生成器指南，其中涵盖了各个层级的云端 API 和本地选项。
在图生图 AI 生成器的语境下，“未审查”意味着内容审核层已被移除。模型可以处理提示词和图像，而不会对生成的内容进行主动干预。Atlas Cloud 的图生图目录运行的正是这种配置的模型，包括专门为肖像编辑和面部保留设计的 Seedream 系列。
至于第二个问题——变换过程中面部特征丢失，这与内容过滤无关，而是一个模型训练问题。本指南的后续部分将重点解决这一问题。
为什么面部特征会在未审查的图生图生成中改变，以及如何阻止它
当你上传照片并输入提示词进行内容转换时，模型并不知道图像中哪些部分是不可触碰的。它会根据语义权重全局应用更改。面部作为肖像中语义权重最高的区域，会受到模型的高度关注——这意味着它会随着其他部分一起被重绘。
两个变量控制着面部变化的程度：
guidance_scale（引导系数） 决定了模型在遵循提示词与尊重原图之间的平衡程度。低值可以保留参考特征；高值则让提示词占据主导。当 guidance_scale 在 10 或以上时，提示词几乎完全控制了输出。面部会变成提示词所暗示的样子，而非原图中的样子。
模型架构 是更关键的因素。大多数图像编辑模型在变换时并未被训练以隔离面部身份。但 Seedream 系列做到了。它的训练明确地将面部保留与内容生成分离开来，因此模型可以在更改服装和场景的同时，保留原图的五官、肤色和光影。
实用的组合方案：Seedream 模型 + guidance_scale 在 5 到 7 之间，可在从轻度到重度的内容转换中实现稳定的面部输出。
未审查图生图 AI 生成器的模型选择
| 模型 | 价格 | 面部保留 | 适用场景 |
|---|---|---|---|
| Seedream v5.0 Lite Edit | ＄0.032/图 | ★★★★★ | 轻度至重度转换，核心工具 |
| Seedream v5.0 Pro Edit | ＄0.054/图 | ★★★★★ | 专业级编辑、图层分离、区域与锚点控制 |
| Seedream v5.0 Lite Edit Sequential | ＄0.032/图 | ★★★★★ | 基于单张源图的批量变体生成 |
| Seedream v4.5 Edit | ＄0.036/图 | ★★★★★ | 最终成品渲染，极致细节 |
| Flux Kontext Dev | ＄0.025/图 | ★★★☆☆ | 特定的、可文字描述的场景变换 |
| GPT Image-1 Mini Edit | ＄0.004/图 | ★★☆☆☆ | 仅限提示词概念测试 |
Seedream v5.0 Lite Edit 是首选。Atlas Cloud 的官方描述为：“在实现专业级修改的同时保留面部特征、光影和肤色”。对于大多数未审查图生图应用场景，从这里开始，仅在需要更高输出分辨率进行最终交付时才切换至 v4.5。
当 Lite Edit 无法满足需求时，Seedream 5.0 Pro Edit 是专业级进阶版本：提供同样的未审查图生图能力，并增加了区域和锚点控制、精确的色彩与材质匹配，以及导出为透明 PNG 的图层分离功能。
未审查 AI 提示词指南 涵盖了适用于本指南中所有三个内容层级的五元素公式。
工作流 1：未审查图生图 — 泳装与内衣（轻度）
guidance_scale： 6
num_inference_steps： 25
轻度层级涵盖将服装替换为泳装、比基尼、内衣或类似内容的输出。内容虽然明确，但变换范围适中——身体被覆盖，变化仅在于覆盖物的类型。
在 guidance_scale 为 6 时，Seedream v5.0 Lite 将源图像视为主要参考，并使用提示词定义需要更改的内容。面部、身体比例、肤色和光影均从原图中保留，仅服装区域发生变化。
提示词结构：
plaintext1[详细的服装描述], photorealistic, same face, same body proportions, same skin tone, same lighting
提示词示例：
plaintext1wearing a black lace lingerie set, photorealistic, high detail, same face, same body proportions, same skin tone, same lighting direction as source
导致此层级面部漂移的因素：
- guidance_scale 超过 8。在此值以上，即使在 Seedream 上，提示词也会开始覆盖源图像的身份特征信号。
- 对原图状态的描述。添加“remove clothing”（脱掉衣服）等词汇会将模型注意力引向被覆盖区域，从而破坏面部等周围区域。
- 模糊的身体描述。像“sexy body”这样的词会给模型重构比例的余地。应将身体描述锚定在原图上，例如“same body proportions”。
API 调用：
plaintext1import requests 2 3# 步骤 1: 上传参考图像 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# 步骤 2: 生成 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": "wearing a black lace lingerie set, photorealistic, same face, same body proportions, same skin tone, same lighting direction as source", 19 "guidance_scale": 6, 20 "num_inference_steps": 25 21 } 22)
工作流 2：未审查图生图 — 显露风格（中度）
guidance_scale： 7
num_inference_steps： 28
中度层级涵盖皮肤暴露较多的输出——如薄纱、部分覆盖或大胆的剪裁。提示词需要表达一定的暴露程度，而不能触发会导致模型默认采用保守解释的歧义。
将 guidance_scale 提高到 7。模型需要更多的提示词影响，才能在对抗原图原有服装的同时应用此类变换。在此设置下，提示词中的身份锚点变得更加重要——因为模型在整体上更多地听从提示词，所以明确告知需要保留什么至关重要。
提示词结构：
plaintext1[具有覆盖细节的特定服装], photorealistic, ultra detailed, same face, same facial features, same body proportions, same skin tone, soft natural lighting
提示词示例：
plaintext1wearing a sheer white mini dress with no undergarments, visible through fabric, photorealistic, ultra detailed, same face, same facial features, same body proportions, same skin tone, soft natural lighting
此层级的提示策略：
描述服装是什么以及它透出了什么，而不是直接描述裸体。“Sheer fabric, visible through”（透明面料，透出……）会被读取为服装描述，这为模型提供了连贯的视觉目标。像“make it more revealing”（让它更暴露）这样抽象的指令，由于没有具体的视觉状态，会导致解释不一致。
当在中度层级出现面部漂移时：
如果提高到 guidance_scale 7 后出现面部改变，请将身份锚点移到提示词的前面。模型对较早的 Token 赋予更高的权重。请调整顺序为：
plaintext1same face as source, same facial features, [服装描述], photorealistic, same body proportions, same skin tone
工作流 3：未审查 AI 图生图 — 露骨内容（重度）
guidance_scale： 5
num_inference_steps： 30
重度层级涵盖最露骨的输出——全裸、露骨姿势。在此层级，提示词要求与原图有最大程度的背离，模型面临最大的压力去覆盖原图，这也是面部身份风险最大的地方。
反直觉的是，解决方法是将 guidance_scale 降低到 5，而不是提高。正是因为内容转换如此极端，模型才更需要空间来从源图像中获取身份特征信号。让原图锚定面部，而由提示词驱动内容。
在此层级使用 Seedream v4.5 Edit (＄0.036/图) 而非 v5.0 Lite。v4.5 架构产生更高分辨率的输出，面部细节更丰富，当图像其他部分发生最大变换时，这一点非常重要。面部需要有足够的定义度才能被识别为同一个人。
提示词示例：
plaintext1nude, full body, photorealistic, 4k, same face as source, identical facial features, same body proportions, same skin tone, same hair, natural lighting
在重度层级放置面部锚点：
在 guidance_scale 为 5 时，身份锚点起到了关键作用。将它们放在内容描述符之后：
plaintext1[内容], same face as source, identical facial features, same body proportions, same skin tone, same hair, [质量/光影]
将面部锚点置于内容描述和质量项之间，使其在提示词中间被赋予最高权重。这种安排在低 guidance_scale 下始终优于放在末尾的锚点。
基于单张照片的批量未审查 AI 图生图变体
模型： Seedream v5.0 Lite Edit Sequential
guidance_scale： 6
num_inference_steps： 25
当你需要从同一张源照片生成多个输出（不同服装、不同曝光、不同场景）时，Sequential（序列）模型能在整个批次中保持面部身份的一致性。单独进行单次调用会积累微小的身份偏移。而序列变体将所有输出都锚定在同一个源上。
plaintext1from concurrent.futures import ThreadPoolExecutor 2import requests 3 4API_KEY = "YOUR_KEY" 5IMAGE_URL = "UPLOADED_IMAGE_URL" # 上传一次，重复使用 6 7prompts = [ 8 "wearing a red bikini, photorealistic, same face, same body proportions, same skin tone, beach lighting", 9 "wearing black lingerie, photorealistic, same face, same body proportions, same skin tone, soft studio lighting", 10 "wearing a sheer dress, photorealistic, same face, same body proportions, same skin tone, natural daylight", 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))
上传一次源图像并重复使用返回的 URL 即可。Sequential 模型的价格同样为 ＄0.032/图，一致性的提升无需额外费用。
免费的未审查 AI 图生图生成器选项
虽然存在免费的未审查图生图生成器，但在此用例中存在三个结构性限制：
缺乏面部保留架构： 免费层级模型通常是较旧或较小的版本，没有经过 Seedream 级的面部隔离训练。在中度和重度内容转换下，无论 guidance_scale 如何设置，面部都会改变，因为模型没有隔离面部的机制。
分辨率限制在 512x512 或 768x768： 在这些分辨率下，面部细节不足以支撑输出并被识别为同一个人。面部身份存在于细微之处——眼形、下颌线、皮肤纹理——这些细节在低分辨率下会消失。
30 秒到几分钟的队列延迟： 通过提示词变体和 guidance_scale 设置进行迭代需要快速反馈。每次生成 2 分钟的队列会让参数测试变得不切实际。
在进行 Seedream 运行之前，使用 Atlas Cloud 上的 GPT Image-1 Mini Edit（＄0.004/图）比使用免费工具更好。它便宜到足以让你用不到 ＄0.05 就完成 10 到 15 次测试，没有队列且响应时间一致。
欲了解各种生成类型的未审查 AI 工具的全面对比，请参考 完整的未审查 AI 图像生成器指南。
常见问题解答
Atlas Cloud 是否支持 NSFW 和露骨内容生成？
是的。Atlas Cloud 的未审查图生图模型（包括 Seedream 系列和 Flux Kontext Dev）运行且不带任何内容审核过滤器。支持露骨内容生成。模型定价和可用性列在 Atlas Cloud 图生图模型目录中。
什么 guidance_scale 能在所有三个内容层级中保持面部稳定？
轻度（泳装/内衣）：6；中度（显露）：7；重度（露骨）：5。重度层级需要较低的值，因为内容转换使模型面临更大的覆盖压力——降低 guidance_scale 可以让源图像获得更多权重以锚定面部。
身体比例变了但面部没变，如何修正身体？
在提示词的身份锚点部分添加“same body proportions”和“same body type as source”。即使在 Seedream 模型中，身体比例的受保护程度也低于面部，因为它们与生成的服装结合得更紧密。在提示词中添加明确的身体锚点可减少此偏移。
我可以重复使用同一个源图像 URL 进行多次调用而无需重新上传吗？
是的。使用 Atlas Cloud 媒体上传端点上传一次，并存储返回的 URL。该 URL 对后续的生成调用有效。对于批处理运行，请将同一个 URL 传给所有调用。Sequential 模型接受应用于作业中所有提示词的单个源 URL。
在运行完整批次之前，寻找合适提示词的最便宜方法是什么？
使用 GPT Image-1 Mini Edit（＄0.004/图）。在轻、中、重三个内容层级上运行提示词，观察模型如何理解描述。在转入 Seedream 批处理之前，确定面部出现漂移的位置并调整锚点放置。完成五种变体的完整提示词测试成本仅为 ＄0.02。
结论
未审查图生图生成的壁垒并非技术问题。主流工具是基于政策而非能力进行内容过滤的。移除过滤器，驱动所有主流图像工具的扩散架构就能在不受限制的情况下生成内容。
剩下的问题是面部身份。通用模型在转换过程中不会隔离面部，但 Seedream v5.0 Lite Edit 可以。对于轻度内容，请从 guidance_scale 6 开始；对于中度显露输出，请调至 7；对于需要源图像在最大提示压力下锚定身份的露骨转换，请降至 5。
在 GPT Image-1 Mini Edit 上以 ＄0.004/图运行测试提示词；转至 Seedream v5.0 Lite Edit 获取稳定的生产输出；当最终渲染需要细腻的面部细节时，请使用 Seedream v4.5 Edit。对于单张照片的多个变体，Seedream v5.0 Lite Edit Sequential 以相同的单图价格处理批次任务。
有关模型评估和工具对比，请参阅 最佳未审查 AI 图像编辑器指南，其中详细介绍了完整选择。
