童年照本地部署实测

大家好，我是邵奈一，一个爱折腾的程序猿、正儿八经的斜杠青年。

1、这几年，我整理了不少 IT 技术教程，也喜欢记录工作中的经验和生活的点滴。

2、如果文章对你有帮助，是我的荣幸，欢迎在评论区交流。

---

0x00 教程内容

前阵子"AI 童年照"刷屏了，热度值几百万。朋友圈、小红书到处是"如果回到小时候"那种图。

但你想过没有：把自己的照片传到一个在线小程序里，它真的只用来生成一张图吗？大概率还会被拿去做用户画像、训练模型、推送广告，甚至进入二次数据交易。你的脸一旦上传，就不是你能撤回的事了。

这篇我用一台普通 Mac，把这件事"本地化"跑通------照片不出本机，照样能出"童年照"效果。全程不用写代码，不用懂模型，跟着点鼠标就行。

本文讲四件事：

1. 本地 AI 生图到底需要什么环境（我机器上早就备好了什么）
2. A 方案：最简单的图生图路线，以及它为什么"翻车"
3. B 方案：加一步 ReActor 换脸------但它仍是在"A 方案成片"上改造
4. C 方案（推荐）：直接在"原图"上改造，童年化 + 保留神韵一步到位

注：本篇用"图生图"路线（上传一张现成照片，AI 照着画出童年风格），对硬件要求最低，Mac 上就能流畅跑。

0x01 先说我的本地环境（你能直接复用的部分）

我这台是 Mac（M 系列芯片），本地早就备好了一套生图环境，这篇直接拿来用：

关键结论：你不需要重新下载模型、不需要配环境门槛。软件、引擎、模板都在本地，缺的只是一张你想"变童年"的照片。

0x02 启动本地生图"操作台"

1. 用自带的运行环境启动（别用 conda）

ComfyUI 不吃 conda------它自己带了一个独立的运行环境（.venv，里面是 Python 3.12），用系统 conda 去跑依赖版本会对不上、直接报错。

（1）进到 ComfyUI 源码目录，激活它自带的 .venv：

cd /Users/shaonaiyi/Downloads/software/ComfyUI
source .venv/bin/activate

（2）启动服务（指定只监听本机 8188 端口）：

python main.py --listen 127.0.0.1 --port 8188

（3）终端里出现 Running on http://127.0.0.1:8188 这行，就说明"操作台"起来了。

（4）浏览器打开 http://127.0.0.1:8188，看到节点画布界面，就成功了一半：

卡住排查：如果终端报错 No module named xxx，九成是 .venv 没激活对------确认命令行提示符前面出现了 (.venv)。Mac 上别用系统 Python、也别用 conda，就认这个 .venv。

0x03 载入"童年照"工作流

1. 导入现成模板

（1）点界面右上角的"Load"（载入）按钮，会弹出文件选择框。

（2）选中图生图工作流文件：Downloads/ZImage/workflows/image_z_image_turbo.json。

这个文件是 ComfyUI 桌面版专用的图生图模板，节点已经连好。载入后画布上会出现一串节点------不用管它怎么连，那是模板配好的，我们只填几个框。

（3）载入成功后画布上会出现一串连好的节点（LoadImage → 模型加载 → KSampler → VAEDecode → SaveImage），不用管连线，模板配好的。

2. 确认引擎就位（模型在哪选）

（4）工作流里负责"选模型"的节点叫 UNETLoader （有的模板叫 CheckpointLoader / 模型加载器）。点开它，确认模型名是 z_image_turbo_bf16.safetensors。

（5）我机器上模型已经下好，载入后它自动认得到，框是正常颜色，不用再选。

（6）如果那个节点边框是红色 ，说明模型没被找到------把模型文件放到 ComfyUI/models/diffusion_models/ 目录下再重载即可。我这边的环境不用动。

模型节点示意图：画布上有一个标题为"UNETLoader"（或"DiffusionModelLoader"）的节点，点开它的下拉框，里面列出所有可用模型，确认选中 z_image_turbo_bf16.safetensors 即可。旁边通常还有"CLIPLoader""VAELoader"两个节点，分别选 qwen_3_4b.safetensors（类型 qwen_image）和 ae.safetensors。（对应 screenshots/04_model_node.png，如缺失不影响阅读。）

0x04 上传照片 + 写"童年照"提示词

这是出图效果好坏的核心两步。

1. 上传你的照片

（1）找到画布上的 LoadImage 节点（图标是个图片框，标题写着"Load Image"），点它下面的 choose file to upload 或 upload，选一张清晰的正面人脸照。

（2）选中后节点里会预览出你的图------说明 AI"看清"你了。建议：光线正常、正脸、别戴太遮脸的帽子墨镜。

上传节点示意图：LoadImage 节点下方有一个"choose file to upload"按钮，点它选图后，节点中央会出现照片缩略图，表示图片已载入。（对应 screenshots/06_upload_image.png，如缺失不影响阅读。）

2. 写提示词（Prompt）

（3）找到 CLIP Text Encode（Positive） 节点，在它的文本框里写"想让 AI 画成什么样"。童年照套路，直接抄这段：

childhood photo of a Chinese child, East Asian child,
the same person as a 5-year-old little kid, very young small child,
child face, black hair, dark eyes, natural Asian eyes,
soft round cheeks, tiny nose, innocent smile,
Chinese elementary school uniform, red scarf,
1990s Chinese school photo, warm natural light,
faded vintage color, kodak film grain, nostalgic

女图额外加：Chinese little girl, long black hair, female child，避免模型把"小学生+红领巾"默认画成男孩。

中文意思就是：中国小孩、5 岁小孩、圆脸大眼、校服红领巾、暖光、复古褪色。

（4）反向提示词写在 CLIP Text Encode（Negative） 节点里（不想要什么）：

caucasian, western child, blue eyes, blonde hair, foreign, white skin, anime,
adult, teenager, adolescent, mature face, grown-up body,
big bust, makeup, earrings,
short hair, boyish haircut, male child, boy,
blurry, deformed face, extra fingers, modern phone,
heavy filter, watermark, different person, cartoon

提示词人种锁是成败关键：Z-Image 不显式写 Chinese / East Asian，就会给你画外国小孩。反向词把"成人/少年/外国"全挡死。

（5）步数（steps）保持工作流默认的 8 步左右就够------Z-Image Turbo 是"快模型"，步数多了反而慢还没提升。

0x05 点一下，出图

1. 一键生成

（1）点界面上的 "Queue Prompt"（队列运行，中文界面叫"运行"）按钮------它通常在画布右侧或者顶部菜单栏。

（2）等几十秒到一分多钟（我这台 M 系列芯片跑 768×1024、8 步，实测一分多钟出图）。进度条走完，右侧 SaveImage 节点就会吐出一张图------这就是你本地生成的"童年照"。

（3）右键图可以存到本地，照片全程没离开过你这台电脑。

出图节点示意图：画布右侧有一个"SaveImage"节点，运行完成后它的图片框里会显示生成的童年照，右键可以"Save Image"存到本地 ComfyUI/output/ 目录。（对应 screenshots/07_output_node.png，如缺失不影响阅读。）

2. 原图 vs 童年照：A 方案实测效果（反面教材）

用同一张照片跑出来的前后对比（左：原图；右：A 方案本地生成的童年照）：

说明：本文素材为 AI 生成的虚拟形象，非真实人物，仅用于演示本地生图流程。

看得出来，A 方案翻车翻得很典型：原图明显是东方人，童年照却变成了外国小孩 ------五官、人种、气质都对不上。这就是"纯图生图"的最大坑：模型只学到了"童年风格"，没有学会"这是你的脸"。所以 A 方案更适合当不用专属模型时的反面案例，不适合当最终成片。

要让童年照真正"像自己"，必须加一步换脸 / 直接原图改造。下面上 B 方案，再上最终推荐的 C 方案。

0x06 B 方案：加一步 ReActor 换脸，让童年照"像自己"

A 方案的问题在于：模型只管"画得像童年"，不管"画的是谁"。

B 方案的思路：先用 A 方案的图生图，生成一张"童年风格氛围图"（目标图），再用 ReActor 把原图的脸换到这张童年图上。这样出来的图，既有童年的服装/光影/气质，五官又像你自己。

1. 安装 ReActor 节点

（1）关闭 ComfyUI（如果有在跑的话），进到 custom_nodes 目录：

cd /Users/shaonaiyi/Downloads/software/ComfyUI/custom_nodes
git clone https://github.com/Gourieff/ComfyUI-ReActor.git

我机器上这个目录已经存在，说明之前装过；如果你是第一次装，clone 完即可。

（2）激活 ComfyUI 自带的 .venv 环境，装依赖：

cd /Users/shaonaiyi/Downloads/software/ComfyUI
source .venv/bin/activate
python -m pip install -r custom_nodes/ComfyUI-ReActor/requirements.txt

注意：一定要用 .venv/bin/python -m pip，不能直接写 pip，否则可能装到系统 Python 里。

2. 下载换脸需要的模型

ReActor 需要两个模型包：

我实测时 HuggingFace 直连不通，所以用国内镜像 hf-mirror.com：

# 1. 下 inswapper_128.onnx（注意不是 models/reactor，必须是 models/insightface）
mkdir -p /Users/shaonaiyi/Downloads/software/ComfyUI/models/insightface
curl --noproxy 127.0.0.1 -L -o /Users/shaonaiyi/Downloads/software/ComfyUI/models/insightface/inswapper_128.onnx \
  "https://hf-mirror.com/ezioruan/inswapper_128.onnx/resolve/main/inswapper_128.onnx"

# 2. 下 buffalo_l 人脸模型包并解压
mkdir -p /Users/shaonaiyi/Downloads/software/ComfyUI/models/insightface/models/buffalo_l
cd /tmp
curl --noproxy 127.0.0.1 -L -o buffalo_l.zip \
  "https://hf-mirror.com/datasets/Gourieff/ReActor/resolve/main/models/buffalo_l.zip"
unzip -o buffalo_l.zip -d /Users/shaonaiyi/Downloads/software/ComfyUI/models/insightface/models/buffalo_l/

这两个包都是一次性下载，之后换脸不用重新下。

3. 重启 ComfyUI，加载 ReActor 节点

（3）模型放好后，重启 ComfyUI：

cd /Users/shaonaiyi/Downloads/software/ComfyUI
source .venv/bin/activate
python main.py --listen 127.0.0.1 --port 8188

（4）重新打开 http://127.0.0.1:8188，右上角右键或按"搜索节点"，如果能搜到 ReActorFaceSwap，说明节点加载成功。如果搜到的是 ReActorSetWeight，那是调权重的节点，不是换脸节点，别用。

4. 搭 B 方案工作流

（5）最简单的工作流就 4 个节点：

• LoadImage（原图） ：加载你的成人照片，作为"换脸来源"，连接到 ReActorFaceSwap 的 source_image
• LoadImage（童年照） ：加载 A 方案生成的童年照，作为"目标图"，连接到 ReActorFaceSwap 的 input_image
• ReActorFaceSwap ：
  • enabled：保持 True（开启）
  • swap_model：选 inswapper_128.onnx
  • facedetection：默认 retinaface_resnet50
  • face_restore_model：默认 none（没额外下载修复模型就别开）
  • detect_gender_input / detect_gender_source：默认 no 即可
  • input_faces_index / source_faces_index：默认 0（只换第一个人脸）
• SaveImage ：接 ReActorFaceSwap 的 SWAPPED_IMAGE，输出最终结果

节点连接示意图：在 B 方案工作流里，把两个 LoadImage 的输出分别接到 ReActorFaceSwap 的 source_image（原图）和 input_image（A 方案童年照），再把 ReActorFaceSwap 的 SWAPPED_IMAGE 接到 SaveImage。模型相关参数按上面列表填即可。（对应 screenshots/11_reactor_node.png，如缺失不影响阅读。）

（6）点 Queue Prompt，等十几秒，SaveImage 节点就出图了。

我实测：B 方案换脸阶段只花了 14 秒（M 系列芯片），比 A 方案的图生图还快。

踩坑提醒 ：第一次我误把 ReActorSetWeight 当成换脸节点，结果它直接把输入图原样返回，B 方案出图和 A 方案一模一样。真正的换脸节点叫 ReActorFaceSwap，认准这个。另外 inswapper_128.onnx 必须放在 models/insightface/ 目录下，放在 models/reactor/ 里 ReActor 扫不到。

0x06-C 方案（推荐）：直接在"原图"上改造，神韵角度都对得上

B 方案有个绕不过去的尴尬：它是在 A 方案的成片上换脸。A 方案已经把原图"翻译"成了一张外国小孩/风格化图，B 方案再把原脸贴回去------这就导致两件事：

• 身体、服饰、构图还是 A 方案那张"错版"的底子，原图的角度、姿态、背景全丢了
• 用户一眼就能看出"这不是我从原图变出来的"，神韵对不上

C 方案的思路更直接：拿原图当底图，让 Z-Image 直接把这张图"变年轻"，而不是把成人脸贴到儿童身上。整个过程发生在原图身上，不是发生在 A 方案的半成品上。

一句话：A 方案改的是"风格"，B 方案改的是"A 的成片"，C 方案改的是"你自己的原图"。

1. 为什么"换脸锁原脸"在童年照里会翻车

很多人第一反应是"用 ReActor / IP-Adapter 把原脸贴回去"。对证件照、换脸场景，这招是对的；但对"回到小时候"，它就是反向操作------把成人的眉眼、骨骼、神态重新贴回到童年身体上。

我先走了这个弯路：原图 → img2img 童年化 → ReActor 换原脸。结果男生的图就是典型的"大人脸贴小孩身"------五官比例、神情都是成年人，只是把身体缩小、加了红领巾。这本质上不是童年照，是减龄滤镜。

另外我也试了 IP-Adapter FaceID，结论同样：Z-Image Turbo 是 S3-DiT 架构（30 个 DiT 层 + context_refiner，没有 UNet 交叉注意力层）。SD1.5 的 FaceID 模型是设计来插进 UNet 交叉注意力的，对 Z-Image 完全不对口------硬塞进去只会报错或出垃圾图。

所以 C 方案的精髓是：不换脸，直接让原图在 img2img 中"长回"小时候。因为 img2img 的底图就是原图，人物的五官结构、脸型比例、拍摄角度都会被继承，所以最终图既能看出"是同一个人小时候"，脸也真的是儿童脸。

2. C 方案的模型加载（这一步最容易踩坑）

Z-Image 在旧版 ComfyUI 里不能用 CheckpointLoaderSimple 直接加载 ------它那个权重文件不含标准 CLIP，会报 clip is None。正确姿势是拆开加载：

qwen_3_4b.safetensors 要放在 ComfyUI/models/text_encoders/ 目录下（约 8GB，Comfy-Org 官方拆分包）。旧版 ComfyUI 的 CLIPLoader 下拉框里没有 qwen_image 这个选项，但 API 提交时直接传 type:"qwen_image" 是有效的。

3. C 方案工作流

核心就一条链：

LoadImage(原图) → VAEEncode → KSampler(denoise 0.83, 童年化提示词)
   → VAEDecode → SaveImage

注意：这里没有 ReActor 。如果后面你想再加 ReActor 修细节，也要把 source_image 接回"童年化后的图"，而不是接原图，否则又会把成人脸贴回去。

关键参数：

• KSampler ：steps=14，cfg=1.0，sampler=euler，scheduler=simple，denoise=0.83（比 A 方案高很多，让 Z-Image 有足够自由度把成人的脸和身体一起"压"回儿童状态）

• 正向提示词（同 0x04，必须同时锁"中国人""小孩""校服"三个特征，否则容易跑偏成外国小孩或少年）：

  childhood photo of a Chinese child, East Asian child,
  the same person as a 5-year-old little kid, very young small child,
  child face, black hair, dark eyes, natural Asian eyes,
  soft round cheeks, tiny nose, innocent smile,
  Chinese elementary school uniform, red scarf,
  1990s Chinese school photo, warm natural light,
  faded vintage color, kodak film grain, nostalgic

  女图额外加：Chinese little girl, long black hair, female child，避免模型把"小学生+红领巾"默认画成男孩。

• 反向提示词（同 0x04，把"外国/成人/少年感"全挡死）：

  caucasian, western child, blue eyes, blonde hair, foreign, white skin, anime,
  adult, teenager, adolescent, mature face, grown-up body,
  big bust, makeup, earrings,
  short hair, boyish haircut, male child, boy,
  blurry, deformed face, extra fingers, modern phone,
  heavy filter, watermark, different person, cartoon

denoise 是成败关键：

• 0.55-0.65：只出少年/青年感，脸还是成人
• 0.78-0.83：儿童感出来，同时原图五官结构还在，最推荐
• 0.85+：脸会更幼，但身体容易崩、五官会漂，需要多跑几张挑

4. 两个会让 ComfyUI 卡死的离线坑（已修源码）

本机 HF/GitHub 出网不稳，ReActor 执行时会在两处偷偷联网下载，导致长时间卡住或报错。C 方案虽然不用 ReActor，但 B 方案和后续扩展会用上，这里一起记：

1. NSFW 检测 ：scripts/reactor_sfw.py 的 nsfw_image() 会去检查 vit-base-nsfw-detector（本地目录是空的），触发下载。我在函数开头加了 return False 短路------本地出图不需要这个过滤。
2. retinaface 检测 ：nodes.py 的 restore_face() 在没选修复模型时也会建 FaceRestoreHelper 触发下载 detection_Resnet50_Final.pth。我在 restore_face() 开头加了 if face_restore_model == "none": return input_image 短路。

这两个坑不修，ReActor 节点会卡在"下载模型"直到超时，图永远出不来。修完之后本地离线跑完全没问题。另外启动 ComfyUI 时务必 unset HTTP_PROXY/HTTPS_PROXY，否则 ReActor 内部加载模型走代理会 502。

5. C 方案实测效果

我把同一张原图直接喂进去，左边是原图，右边是 C 方案生成的"童年版"：

说明：本文素材为 AI 生成的虚拟形象，非真实人物，仅用于演示本地生图流程。

实测结论：去掉 ReActor 成人脸替换后，男图/女图的脸都是真正的儿童脸------圆脸、短下巴、五官比例幼化，但眉眼鼻走向仍和原图对得上，能看出是同一个人小时候。加了"Chinese child / East Asian child / red scarf / Chinese elementary school uniform"这组特征词后，彻底解决了早期版本"中外分不清"的问题。女图是长发小女孩+红领巾；男图是短发小男孩+红领巾，两人的校服、肤色、五官结构都贴合原图。

这次的经验是：做"童年照"不要指望"把成人脸贴回儿童身体"，而要让模型从原图直接重绘出一个儿童。denoise=0.83 + steps=14 是 Z-Image Turbo 出稳定儿童形象的甜点，脸和身体一起幼化，不会出"大人变小孩"的违和感。

0x07 方案横评：A vs B vs C 怎么选

先放一张 A 方案 vs B 方案的对比（左：A 纯图生图；右：B 图生图+换脸），直观看"加换脸"前后差异：

C 方案的"原图 vs 童年版"对比见上方 0x06-C 方案 第 5 节，女图、男图各一张，这里不重复贴。

结论：要做能发出去的"AI 童年照"，C 方案是本地最低成本、最像本人、最不像"AI 变脸"的路线。它解决的不是"怎么把原脸贴回去"，而是"怎么让原图直接长出儿童脸"------这才是童年照该有的小孩感。

0x08 本地跑 vs 在线工具：隐私差在哪

这才是这篇的重点。

一句话总结：在线工具省事但照片"出了门"；本地方案麻烦一点但照片"不出门"。

你拿童年照发朋友圈无所谓，但如果是证件照、工作照、或者只是不想让平台拿你去训练模型------本地跑就是更安心的选择。

0x09 踩坑与经验总结（实战干货）

这一节把作者从 A→B→C 一路踩的坑、调出来的参数、以及"为什么这么干"全摊开。想自己复现的，照着这节抄就行。

9.1 架构红线：Z-Image 不是 SD1.5，别硬上 IP-Adapter；童年照也别硬换脸

• Z-Image Turbo 是 S3-DiT 架构 ：30 个 DiT 层 + context_refiner，hidden=3840，x_embedder 输入维度 64。没有 UNet 交叉注意力层。
• 因此 SD1.5 的 IP-Adapter FaceID（ip-adapter-faceid-plusv2_sd15.bin）塞不进去------硬塞只会报错或出垃圾图。别浪费时间下那个 150MB 的模型。
• 更关键的坑：做"回到小时候"的效果，不要直接拿 ReActor 把"成人脸"贴回"儿童身体" 。这样出来的只是"身体缩小版的成人"，不是真正的童年照。正确做法是用原图当底图，直接 img2img 高 denoise 让整脸一起幼化，靠原图的初始化信息保留神韵。

9.2 Z-Image 在旧版 ComfyUI 的正确加载方式

标准 CheckpointLoaderSimple 加载 Z-Image 会报 clip is None（权重里不含标准 CLIP）。必须拆开三件套：

旧版 ComfyUI 的 CLIPLoader 下拉框没有 qwen_image 选项，但 API 提交时直接传 type:"qwen_image" 是有效的（底层 comfy.sd.CLIPType.QWEN_IMAGE 存在）。UI 里选不到就用 API。

9.3 ReActor 离线执行的两处联网阻塞（不改源码必卡死）

本机出网不稳，ReActor 节点执行时会在两处偷偷联网下载，卡到超时：

1. NSFW 检测 --- custom_nodes/ComfyUI-ReActor/scripts/reactor_sfw.py 的 nsfw_image() 会去检查 vit-base-nsfw-detector（本地目录是空的），触发 HF 下载。→ 在函数开头加 return False 短路。
2. retinaface 检测 --- custom_nodes/ComfyUI-ReActor/nodes.py 的 restore_face() 即使在 face_restore_model="none" 时也会建 FaceRestoreHelper 触发下载 detection_Resnet50_Final.pth。→ 在 restore_face() 开头加 if face_restore_model == "none": return input_image 短路。

另外启动 ComfyUI 时务必 unset HTTP_PROXY/HTTPS_PROXY（或置空），否则 ReActor 内部加载 inswapper/buffalo_l 走代理会 502。

9.4 方案演进：A → B → C 的本质区别

核心一句话：要像本人，就必须拿原图当底图；要像小孩，就不能把成人脸贴回去。

9.5 提示词是成败关键：必须锁"人种 + 年龄 + 时代"

实测踩出来的铁律：Z-Image 不显式锁人种，就给你画外国小孩 。早期只写 6-year-old child 直接跑成白人少年。

最终验证有效的提示词模板：

正向：childhood photo of a Chinese child, East Asian child,
      the same person as a 5-year-old little kid, very young small child,
      child face, black hair, dark eyes, natural Asian eyes,
      soft round cheeks, tiny nose, innocent smile,
      Chinese elementary school uniform, red scarf,
      1990s Chinese school photo, warm natural light,
      faded vintage color, kodak film grain, nostalgic
反向：caucasian, western child, blue eyes, blonde hair, foreign, white skin, anime,
      adult, teenager, adolescent, mature face, grown-up body,
      big bust, makeup, earrings, short hair, boyish haircut, male child, boy,
      blurry, deformed face, extra fingers, modern phone,
      heavy filter, watermark, different person, cartoon

女图额外加 Chinese little girl, long black hair, female child（否则"红领巾+校服"默认画成短发男孩）。

9.6 参数甜点

9.7 复现脚本要点

• 用 API 提交（非 UI）：LoadImage → VAEEncode → KSampler → VAEDecode → SaveImage。
• 不要 在 C 方案里把 source_image 接原图去做 ReActor 换脸------会把成人脸贴回儿童身体。
• 上传图片用 multipart/form-data 到 /upload/image（JSON 提交会 400）。
• 跨 Bash 调用 ComfyUI 进程会死------把"起服务 + 提交 + 轮询"写进同一个 Python 进程跑最稳。

0xFF 总结

1. 本地跑"AI 童年照"完全可行，核心是 ComfyUI + Z-Image Turbo。不用买显卡，Mac（M 系列芯片）就能跑。
2. A 方案（纯图生图）只能当反面案例：速度快但不像本人，连人种都可能跑偏。
3. B 方案（图生图 + ReActor 换脸）不够好：它是在 A 方案的"错版成片"上换脸，成人脸贴回儿童身体，原图角度、姿态、背景都丢了。
4. C 方案（原图 img2img 直接童年化）才是最终推荐 ：直接在原图上改造，让模型把整张图一起变回儿童。这样出来的脸不是"成人脸贴儿童身"，而是真正的儿童脸，同时眉眼鼻走向仍和原图对得上。IP-Adapter 这类锁脸方案因 Z-Image 架构不兼容走不通，ReActor 换原脸又会贴回大人脸，C 方案绕开了这两个坑。提示词里必须加 Chinese child, East Asian child, red scarf, Chinese elementary school uniform 把人种和年龄锁死，denoise 用 0.83 左右、steps 用 14，效果最好。
5. 本地跑的隐私价值最大：照片不出本机，不用上传给任何在线小程序，训练模型、用户画像、二次交易都跟你没关系。

如果你只是尝鲜，A 方案跑一遍就懂原理；如果你真的想做一条能发的短视频或发圈图，直接上 C 方案。

邵奈一 原创不易，如转载请标明出处，教育是一生的事业。