换脸提示词配方：特征保留、姿态匹配、质量引导，三招让 BFS 输出"锁脸"

【免费下载链接】BFS-Best-Face-Swap项目地址: https://ai.gitcode.com/hf_mirrors/Alissonerdx/BFS-Best-Face-Swap

用过 BFS（Best Face Swap）系列 LoRA 的人大概都有过这种体验：换出来的脸"像"是像了，但总差一口气——要么皮肤糊成磨皮滤镜，要么眼睛看着别处、头转了个奇怪的角度，要么脸是贴上去的，跟身体的光线环境完全割裂。问题往往不在模型，而在提示词。BFS 是一个覆盖 Qwen Image 2.1 / Edit 2509 / 2511、Flux 2 Klein、Krea 2 乃至实验性 LTX-2 的多家族换脸 LoRA 集合，每个家族的输入顺序、提示词契约甚至 LoRA 生效的模块都不同。本文从仓库里各版本的官方工作流与文档出发，把"锁脸"的提示词拆成三个职责模块，并给出 CFG、采样参数与输入顺序的配套打法。

BFS 提示词的三个职责模块

先看 BFS 在 Qwen Image 2.1 上最完整的一套提示词（出自 docs/qwen-image-2.1.md）：

head_swap: start with <image1> as the base image, keeping its lighting, environment, and background. remove the head from <image1> completely and replace it with the head from <image2>, strictly preserving the hair, eye color, nose structure from <image2>. copy the direction of the eye, head rotation, micro expressions from <image1>, high quality, sharp details, 4k

逐句拆开，它实际上被设计成三条明确的分工：

职责一：特征保留（identity preservation）。对应"strictly preserving the hair, eye color, nose structure from<image2>"。这一句锁死的是"脸是谁的"：发型、瞳色、鼻梁结构全部以参考图为准，用 strongly、strictly 这类强约束副词压实身份来源，防止模型把参考人脸"混合"进目标脸。

职责二：姿态匹配（pose/expression matching）。对应"copy the direction of the eye, head rotation, micro expressions from<image1>"。这一句锁死的是"脸怎么摆"：视线方向、头部旋转、微表情全部复制自目标图，与特征保留形成"身份来自 A、姿态来自 B"的双通道约束，从根源上避免"换了脸但眼神飘了、脖子扭了"的错位感。

职责三：质量引导（quality steering）。对应"high quality, sharp details, 4k"以及开头的"keeping its lighting, environment, and background"。这一句约束的是"融合得干不干净"：强调保持光照、环境与背景，避免换头之后肤色断层、背景被重绘；追加质量词则引导模型在采样中倾向高频细节而非平滑磨皮。

值得注意的细节是，BFS 的 Qwen Edit 2509 时代提示词还很粗糙（"face swap face from Image 1 to Image 2. swap only the face, match the skin tone"），到 V3/V4/V5 与 Qwen 2.1、Flux Klein 时代才沉淀出这套"base image 保环境 + replace head 换头 + preserving 锁身份 + copy 锁姿态 + quality 提细节"的完整配方（见 docs/qwen-image-edit.md 与 docs/flux-2-klein.md）。这不是文案美化，而是与模型机制对齐的结果。

特征保留与姿态匹配的写法范例

输入顺序：谁当"特征源"，谁当"姿态源"

提示词写得再好，输入顺序错了一切白搭。BFS 各家族对输入顺序的契约并不统一，这是最容易踩的坑：

翻转输入后，模型会把"参考脸"当作目标，把"目标身体"当参考，结果就是换脸对象整个对调。README 里专门强调"several BFS head releases intentionally use body first and reference face second"，这并非笔误，而是 V3 之后的刻意设计。

写法的分寸：约束副词决定"锁"的力度

对比两个典型配方可以看到 BFS 的约束写作法：

Qwen Edit V3/V4/V5 与 Flux Klein 的标准配方（docs/qwen-image-edit.md、docs/flux-2-klein.md）：

head_swap: start with Picture 1 as the base image, keeping its lighting, environment, and background. remove the head from Picture 1 completely and replace it with the head from Picture 2, strictly preserving the hair, eye color, and nose structure of Picture 2. copy the eye direction, head rotation, and micro-expressions from Picture 1. Keep the body, clothing, pose, framing, and background intact.

而 Krea 2 的配方则极简到只有一句"replace the head with the reference head"（docs/krea-2.md）。这背后是有取舍的：Krea 2 的简单工作流把"保持构图/背景"这类指令外包给了节点与 LoRA 本身的编辑能力，而 Qwen/Flux 家族的配方依赖提示词显式声明边界。提示词越详细，可控性越强，但对参考图的要求也越高——如果参考图本身就是小脸、侧脸或遮挡严重的图，再多的 preserving 也无法凭空补出特征。

另一个微妙之处来自 BFS V1.1 的模块级诊断（docs/qwen-image-2.1.md）：LoRA 在每个 transformer block 上同时改动 attention（to_q/to_k/to_v/to_out.0）与 MLP（img_mlp.gate_up/img_mlp.out）两类模块，而实验表明——attention 路径负责从参考头搬运身份信息，MLP 路径则承载"头部旋转、视线方向、表情"这些姿态语义。V1.1 移除后半网络 16 个img_mlp.gate_up模块后皮肤微细节提升约三分之一，代价是表情传递变弱；而 V1.1 alternative 把整个 MLP 路径缩到 35% 幅度，则在保留细节的同时保住了更强的表情复制（代价是头位误差约增加 1 度）。这从机制上印证了提示词"身份归 Image 2、姿态归 Image 1"的分工并非修辞，而是模型内部双路径架构的外在反映。

常见翻车点与修法

• 脸"贴"在身体上、角度不自然：姿态约束词缺失或太弱。补上"copy the head rotation, eye direction from<image1>"；若是 Qwen Edit V3 之前的旧权重，先检查输入顺序是否被反转。
• 肤色断层、背景被重绘：缺环境约束。补"keeping its lighting, environment, and background"，必要时把质量引导词换成与目标图一致的"match the skin tone"（Face V1 时代的老配方里就有这一句）。
• 皮肤过塑、细节丢失：优先升级到 V1.1 / alternative 这类纹理优化版本，而不是靠提示词硬救；提示词里的"sharp details, 4k"能起作用的前提是 LoRA 的 MLP 路径没有把皮肤压平。

提示词之外：CFG 与采样参数的配合

提示词定方向，采样参数定力度。BFS 的 Qwen 家族工作流在参数上留了清晰的梯度，可以从仓库的 workflow JSON 里直接读到：

• Qwen Image 2.1 Head Swap 工作流（workflows/Head Swap V1 Qwen 2.1 Workflow.json）：KSampler 采用steps=8, cfg=1, sampler=deis_2m, scheduler=simple, denoise=1，并可选挂一个 8 步加速 LoRA。
• Qwen Edit V3 工作流（带 Lightning LoRA 版）内置了一张官方参数参考表：官方模型50 steps / CFG 4.0，fp8 量化模型20 steps / CFG 2.5，fp8 + 4 步 Lightning LoRA 则降到4 steps / CFG 1.0。
• Qwen Edit 2511 V5 工作流（workflows/Head Swap 2511 - V5 Simple Workflow.json）：BasicScheduler 以simple调度、默认20步，CFGGuider 的 CFG 取2.5。
• Krea 2 Body Swap 工作流：10 steps / cfg 1 / euler / simple，且 body swap 的 LoRA 强度从0.5起步（头换则在 1.0 附近）。

把这些串起来，规律很清晰：提示词越强约束，CFG 越要低。换脸本质是"参照两张图做局部编辑"，而不是"自由生成"，过高的 CFG 会放大对提示词的过度服从，导致背景被重绘、姿势被改写；所以 BFS 的工作流普遍把 CFG 压在 1.0–2.5 的低区间，用低引导换取对两张输入图的忠实度。步数则与模型量化/加速 LoRA 联动：全精度官方模型用 50 步吃满细节，fp8 用 20 步是性价比点，挂 Lightning 加速后 4 步就能出图，此时 CFG 必须降到 1.0 才不会过饱和。

LoRA 强度同样遵循"先 1.0 再微调"的原则（README 与各家族文档一致）：从 1.0 出发，先看身份保持是否达标，再看发际线、肤色融合与表情传递，逐项调整。分辨率方面，Qwen Image 2.1 支持原生高分辨率生成，工作流默认从适中分辨率起步并支持 32 的倍数自定义尺寸——换头场景下更大的输出尺寸有助于保住面部细节、减少低分辨率下常见的整体偏色与柔化偏移，但文档也提醒"更高的分辨率不保证完美保留"。

结语

把 BFS 的"锁脸"拆开看，无非是三件事：用强约束副词把身份锁死在参考图上、把姿态锁死在目标图上、用质量词与环境词锁住融合边界；再配合低 CFG、与量化/加速匹配的步数、以及从 1.0 起调的 LoRA 强度。提示词负责表达意图，采样参数负责让意图不过度、不打折。照着 Qwen 2.1 那条完整配方逐句对照自己的工作流，大多数"换了但没锁住"的问题都能在 30 秒内定位到是缺了哪一句、还是参数跑偏了。最后记住仓库 README 的底线：涉及公众人物或未经同意者的结果，不要生成，也不要传播。

【免费下载链接】BFS-Best-Face-Swap项目地址: https://ai.gitcode.com/hf_mirrors/Alissonerdx/BFS-Best-Face-Swap