Flux虽然会按照提示生成内容，但仅靠提示毕竟有其局限性，我总想表达“不是这样的，是这种角度，这种姿势！”这类要求，但不知道怎么实现。最后还是发现自己摆好姿势拍照，然后把照片交给depth的ControlNet是最直接的办法。