LiblibAI文生图重复人物是提示词模糊、模型空间理解偏差与参数失当叠加所致；需明确人数位置、加空间锚点、避复数泛称，负向提示须含“duplicate figures”等组合词，慎用Hires.fix并调低重绘幅度。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
LiblibAI文生图生成图像时出现多个重复人物，本质是提示词描述模糊、模型对空间关系理解偏差与参数配置失当三者叠加导致的构图失控现象，不是系统故障，但会直接破坏画面叙事逻辑和视觉合理性。
提示词中未明确限定人物数量与位置关系
第一步：检查正向提示词是否含“two people”“a man and a woman”等具体数量+角色组合表述。若仅写“people walking in park”或“group of friends”，模型会按语义泛化倾向随机生成2～5个相似人物。
第二步：在人物描述后立即追加空间锚点词，例如“【only one person, centered, full-body shot】”或“a woman standing alone on the left side, facing right”。不加此类强限定，SD系模型默认将“人”作为高频可复用元素反复采样。
第三步：避免使用复数泛称+无约束动词结构，如“men talking”“children playing”——这类短语在LoRA微调模型中极易触发多实例复制机制，尤其当基础模型未经过严格单主体构图强化训练时。
负向提示词缺失关键排除项
添加“multiple people, duplicate figures, cloned person, extra limbs, extra heads, disfigured hands”到负向提示框。这些词能有效抑制模型在去噪过程中因注意力权重漂移而产生的镜像式重复渲染。
注意：不要只写“multiple people”，必须搭配“duplicate figures”或“cloned person”，否则部分中文分词器会将其拆解为独立无关词，削弱屏蔽效果。
高分辨率修复（Hires.fix）引发的构图坍塌
方法一：关闭Hires.fix功能重新生成。该模式在第二阶段重绘时会以原图为基础添加噪声再重建，若原图已存在轻微人物偏移，放大过程会将错就错，把一个模糊人形识别为两个分离实体并分别补全。
方法二：若必须启用Hires.fix，将【重绘幅度设为0.3～0.4】，并切换放大算法为“Latent”或“Lanczos”。R-ESRGAN类锐化算法会强行增强边缘对比，把衣袖褶皱、发丝间隙误判为人脸轮廓，诱发二次生成。
模型本身存在多主体训练偏差
某些热门大模型（如“AnythingV5”“CounterfeitV3”）在训练数据中大量摄入群像海报、街拍纪实图，导致其潜空间天然偏好分布式人物排布。此时应切换至专精单人表现的模型，例如“RealisticVision V6.0”或“epiCRealism”，它们在人脸结构建模与单主体注意力聚焦上经过额外强化。
验证方式：在同一组提示词下，先用RealisticVision跑一次，再换AnythingV5跑一次，对比输出中人物数量稳定性。若后者重复率显著更高，即可确认为模型层问题。
