左右均衡
七对镜像关键点跨过面部中线互相比对。得分反映的是相对脸宽的平均左右偏移，所以参照是脸自己的中线，而不是人群平均。
本机运行 · 免费 · 无需注册
AI 吸引力测试：我长得有多好看？
加上一张正面照片。我们量出你面部的比例，与参照值和参照区间比对，并把每个数字都摆出来。全部在你的浏览器里运行。
由浏览器里的 Google MediaPipe 运行，你的照片不会离开设备。
由浏览器里的 Google MediaPipe 运行，你的照片不会离开设备。
怎么用
- 01加一张照片上传文件，或用相机拍一张。照片留在浏览器里。
- 02我们找到 478 个点MediaPipe 在你的设备上标出脸上的点。
- 03看数字测量会汇成一个匹配分，每个数字都留在页面上。
我长得有多好看？这个测试到底测什么
这个测试读取一张正面照的几何。它会找到 478 个关键点，用公开的描述测量下面列出的比例，再把每一项读数与参考值或参照区间（用表演者肖像拟合）比较。结果是一个 0 到 100 的几何吸引力指数，不是对你长相的评判。
下面每一行都写着它测什么、参照是什么、容差多大、权重多少。每一项原始读数都保持可见。
这个测试只测几何，所以分数是测量，不是判决。光线、化妆和肤色都不测量。同一张脸的两张照片可能给出不同的数字，因为照片是一张三维脸压扁后的样本。如果别的工具把同一件事叫「颜值打分」，区别在于它展示了什么：这一页把每一行读数和所用方法版本都摆在明面上。
你的分数是怎么算出来的
这个指数由下面的逐行得分加上方法版本的档位曲线构成。下面的表与公式说明每一行怎么计分，以及逐行得分怎样变成页面上显示的指数。
读这个数字之前
只测几何：它是一个参照点，不是结论。
这个指数只测量一张照片里的比例，别的都不测。光线、化妆、肤色、表情，以及每个人自己的偏好，都左右一张脸在现实里给人的观感。对吸引力的可靠印象要把这些因素放在一起看，所以把这个数字当作若干个参照点之一。
| 指标 | 测量内容 | 参照 | 容差（行得分降到 0） | 权重（满分 100） | 为什么是这个权重 |
|---|---|---|---|---|---|
| 对称 | 七对镜像关键点与面部中线的对齐程度。 | 你自己的中线 | 0.0521 × 脸宽 | 3 | 用脸自己的中线。它会随姿势和表情变化，对参照集的区分能力也弱，所以权重很小。 设计选择. |
| 面部三庭 | 发际线、眉线和鼻底把脸高分成三份时，三份是否均匀。 | 每一份的表演者参照区间 | 0.0266 / 0.0344 / 0.0423（每一份一个） | 36 | 用表演者肖像拟合而来；权重由方法版本设定，不是公开共识。 在本方法版本中反向计分。 表演者参照区间. |
| 面部五等分 | 眼部与口部关键点把脸宽分成五份时，五份是否均匀。 | 每一份的表演者参照区间 | 0.0656 / 0.0203 / 0.025 / 0.0196 / 0.0617（每一份一个） | 17 | 用表演者肖像拟合而来；权重由方法版本设定，不是公开共识。 在本方法版本中反向计分。 表演者参照区间. |
| 黄金比例构成 | 脸长与脸宽之比，以及口宽与鼻宽之比。 | 两个比值的表演者参照区间（φ = 1.618 只是背景，不是目标） | 0.2931 / 0.292（每一个比值一个） | 20 | 两个比值各有自己的区间；经典的 φ 值只是背景，不是计分目标。 表演者参照区间. |
| 眼角一致性 | 眼角连线倾角的左右差。 | 左眼倾角等于右眼倾角 | 1.6° | 3 | 只计左右差；姿势噪声大，所以权重压低。 设计选择. |
| 眼角倾角方向 | 眼角连线倾角的均值，左右平均。 | 平均倾角的表演者参照区间 | 4.4° | 5 | 平均倾角与表演者参照区间比较；倾角越大得分越高。区间拟合自表演者肖像，不是人群样本。 表演者参照区间. |
| 下颌几何 | 下颌角角度与下颌宽度左右各对多少。 | 左侧的角度与宽度等于右侧 | 9.66° 角度与 0.0738 × 脸宽 | 3 | 只测角度与宽度的一致性；姿势噪声大，所以权重压低。 设计选择. |
| 中庭比例 | 瞳距与「瞳孔线到鼻底的高度」之比。 | 一个表演者参照区间 | 0.1994 | 13 | 这一组里定义最不统一的一项；区间与权重由方法版本设定。 在本方法版本中反向计分。 表演者参照区间. |
每个区间行以表演者中位数处的部分分数起步。未反向的行在参照区间远端升到 100；反向行在远端得 0，读数越往中位数的另一侧走分越高。区间之外，边缘分数在容差范围内向 0 衰减；反向行越过远端后不再得分。由多部分组成的行为（三庭与五等分）对每一部分分别计分，取「最低部分的一半 + 各部分均值的一半」；黄金比例行取两个比值的平均。
边缘分数 = 60（表演者中位数处）→ 100（区间远端）反向计分的行：中位数一侧及区间内取 100 − 边缘分数；越过远端得 0区间之外：边缘分数在容差范围内向 0 衰减三庭与五等分：最低部分的一半 + 各部分均值的一半；黄金比例：两个比值的平均指数 = round( 档位曲线( Σ (权重 × 行得分) ÷ Σ 权重 ) )求和只用到能测出来的行。当 100 个权重点里至少有 80 个可用时，才给出总分。
逐行得分按权重合并，再由方法版本的档位曲线映射成显示的指数。档位曲线是单调的：它改变显示档位，不改变哪张脸得分更高。参照区间、行权重与档位曲线都由方法版本设定，不是科学共识。其中任何一项改动都会更换方法版本。
方法 geo-8 · refset-western-v9 · w-8。
这些测量背后的公开方法
每一行都写明来源测了什么、又告诉不了你什么。日期取首次发表或最后一次有记录的更新，按时间升序。
| 方法或来源 | 它测什么 | 它告诉不了你什么 | 发表或更新 | 来源 |
|---|---|---|---|---|
| The evolutionary psychology of facial beautyRhodes, Annual Review of Psychology | 综述了平均性、对称性与性二态在吸引力判断中的跨文化研究。 | 没有给出可用于单张人脸的几何公式、权重或阈值。 | 2006-01-01 | doi.org/10.1146/annurev.psych.57.102904.190208 |
| Neoclassical facial canons in young adultsZacharopoulos et al., Journal of Craniofacial Surgery | 用直接人体测量标志点，在 163 名年轻希腊成年人身上检验了七条新古典面部法则。 | 这些法则在大多数样本中不成立；该研究没有产出吸引力分数。 | 2012-11-01 | doi.org/10.1097/SCS.0b013e31826b816b |
| Machine learning-based facial beauty predictionIyer et al., Computational Intelligence and Neuroscience | 用 5,500 张正面图像训练模型，从面部比例、纹理、形状与颜色特征预测人类的美感评分。 | 依赖它所训练的那套评分数据集；没有给出通用公式或分界线。 | 2021-08-25 | doi.org/10.1155/2021/4423407 |
| The golden proportion in natural facial esthetics: a systematic reviewLondono et al., Journal of Prosthetic Dentistry | 综述了纵向面部比例与黄金比例之间关系的测量研究。 | 没有发现黄金比例与面部评价得分之间存在显著关联；也没有提供阈值。 | 2022-06-21 | doi.org/10.1016/j.prosdent.2022.04.026 |
| Face Landmarker guideGoogle MediaPipe | 记录了一个可从图像返回 478 个 3D 面部关键点的模型。 | 关键点不是吸引力测量；结果取决于图像质量与头部姿态。 | 2026-10-09 | developers.google.com/edge/mediapipe/solutions/vision/face_landmarker |
变了什么，没变什么
工具变了：手绘的经典比例让位给能在一张脸上标出 478 个点的关键点模型，问题也从「经典比例是否成立」变成「预测是否与人类评分吻合」。边界没变：这里的任何一个来源都给不出一个经验证的公式，能把几何换算成人对一张脸的观感。2012 年的研究在其 163 名成年人中，发现新古典比例对多数人不成立；2022 年的综述没有发现黄金比例与面部评价得分之间存在显著关联。因此这一页的权重本身就是方法的一部分，这一页把它们摆出来，而不是藏进一个数字里。 参照区间来自一小组表演者肖像，不是人群样本。
样例结果（不是真人的照片）
算例
48满分 100
部分匹配参照
| 指标 | 原始读数 | 行得分 | 权重 |
|---|---|---|---|
| 左右均衡 | 平均差异 0.000 | 100 | 3 |
| 上中下三庭 | 上庭 0.33 · 中庭 0.34 · 下庭 0.33 | 33 | 36 |
| 面部五等分 | 0.20 · 0.20 · 0.20 · 0.20 · 0.20 | 17 | 17 |
| 黄金比例比较 | 面部 1.69 · 口部 1.71 | 73 | 20 |
| 眼角平衡 | 左眼 0.0° · 右眼 0.0° | 100 | 3 |
| 眼角倾角 | 平均倾角 0.0° | 26 | 5 |
| 下颌平衡 | 左侧 102° · 右侧 102° | 100 | 3 |
| 眼鼻间距 | 1.16 | 100 | 13 |
这是一个算例，不是对你结果的预测。
对称、三庭与比例：分数背后的几何
这张图画的是各项测量用到的参照线。它画在一个中性的脸型轮廓上，不是从照片描下来的。
上中下三庭
脸高在发际线、眉线与鼻底处切开。这一行反向计分：每一段在表演者中位数处拿到部分分，在区间外缘得 0，越过中位往另一侧回升到满分，再超出该行容差后降到 0。
面部五等分
脸宽在眼睛与嘴的关键点处切成五份。这一行反向计分：每一份在表演者中位数处拿到部分分，在区间外缘得 0，越过中位往另一侧回升到满分，再超出该行容差后降到 0。
黄金比例比较
脸长与脸宽、嘴宽与鼻宽各自对照一条表演者参照区间。每个比例在表演者中位数处拿到部分分，朝外缘升高到满分；两项取平均。
眼角平衡
分别测量两侧内眼角到外眼角连线的倾斜。只给左右差值的大小计分，不管眼角朝哪边倾。
眼角倾角
把左右平均后的眼角倾角与表演者参照区间比较。表演者中位数是区间的内缘，只能拿到部分分；得分朝倾角更大的一侧越靠外缘越高，出带之后降到 0。
下颌平衡
比较左右两侧的下颌角与下颌宽度。下颌本身的大小与形状不单独计分。
眼鼻间距
比较瞳孔距离与瞳孔线到鼻底的高度。这一行反向计分：在表演者中位数处拿到部分分，在区间外缘得 0，越过中位往另一侧回升到满分，再超出该行容差后降到 0。
这个分数能说明什么、不能说明什么
几何指数是一种范围很窄的测量。在这个边界内它有用，出了边界就会误导。
它能告诉你
- 你照片的几何与每个参照值或参照区间的位置关系。
- 哪些行落在被奖励的一侧、哪些行有差异、差多少，以及每一行的原始读数。
- 换一张正面照时，这个测量有多稳定。
它告诉不了你
- 某个具体的人会怎样看你，或者你在人群中排第几。
- 照片之外的东西：表情、声音、动作或性格。
- 光线、化妆或肤色怎样改变你这张脸给人的观感；这个指数只测几何。
- 任何形式的医学或诊断结论。
- 从一张倾斜、过小、被遮挡或模糊的照片里得出可靠读数。
参照区间来自一小组高置信度的表演者肖像，只适用于一张正面照片。它是测量的标尺，不是人群分布。
分数落在区间中间不是失败，高分也不代表排名。这个指数是从一张照片得出的粗略几何估计，不是对你外形的判决。
分数是测量，不是判决。
这个分数是由一张照片做出来的几何估计。它不是对你有多好看的判决，也测不出某个具体的人会怎么看你。光线、妆容与肤色同样影响一张脸读起来的样子，而它们都不在这次的测量里。
照片、关键点、分数和结果都不会发送到服务器。什么都不保存。
怎样拍出一张可靠的照片
模型只能测量照片里显示出来的东西。下面这些条件比相机画质更重要。
正对镜头
平视前方，头部摆正。转头或歪头会改变页面上测量的每一段距离。
让一张脸占满画面
靠近一点，而不是从远处变焦。一张照片只放一张脸，模型才有明确的对象。
用均匀的光
一侧的硬阴影会把它经过的关键点带偏。面向光源站，不要侧对着光。
头发别遮住脸
发际线和下颌角都是测量点。头发盖住任一处，对应的行就读不出来。
处理眼镜和胡须
如果镜框压过眼角，就把眼镜摘掉。胡须可能盖住下颌角，让那一行的可靠性下降。
用清晰、未滤镜的照片
修图滤镜会挪动五官。清晰的原始照片比磨皮后的副本更适合做输入。
工具拒绝照片的时候
几何读不出来时，工具会停下来，而不是猜。你大概率会遇到下面这几种。
- 脸太小
- 这张照片里的脸太小了。靠近一点，或者换一张脸占画面更大的照片。
- 头转过去了
- 头转得太多了。正对镜头再试一次。
- 头歪了
- 头歪得太多了。摆正之后再试一次。
- 相机没摆平
- 相机位置太高或太低。把镜头举到眼睛高度再试一次。
- 没有脸或有多张脸
- 我们找到了 2 张脸。请用一张只有你的脸的照片。
- 关键点读不出来
- 我们没能从你脸上读出足够多清楚的点。换一张清晰、正面的照片，把头发从脸前移开。
你的脸型与吸引力分数
脸型和这个指数是两种不同的测量。脸型把下颌、颧骨和额头的轮廓归入七类之一。这个指数把面部比例与参照值或参照区间比较。两者互不决定，这一页也不计算、不预览你的脸型。
如果你想要分类，用测验或软尺计算器。如果你想看参照定义，去浏览七种脸型。
常见问题
- 这是一个 AI 吸引力测试吗？
- 字面意义上是的：一个面部关键点模型会从你的照片里测量几何。它不推断身份、年龄或性别，也不判定你有多好看。
- 它有多准？
- 它是一次可复现的几何测量，也是一个粗略估计，不是经过验证的吸引力感知测量。同一张照片、同一个方法版本给出同样的数字；换一张照片可能得出不同结果。它看不见光线、化妆和肤色，而这些都会改变一张脸在现实里给人的观感。
- 我的照片会被上传吗？
- 不会。模型在你的浏览器里运行。照片、关键点、分数和结果都不会发送到服务器，什么都不保存。
- 多少分算「好」？
- 没有针对人群定义的「好分数」。档位标签描述的是你的测量与参照值和参照区间的相对位置，不是你在别人当中的排名。
- 为什么两张照片的分数不一样？
- 照片固定的是一个瞬间。头部角度、相机距离、光线和表情都会挪动关键点。两个结果不一致时，比较它们的可靠性提示，然后重拍那张歪了或太小的照片。
- 这和 PSL 评分是一回事吗？
- 不是。PSL 是另一套有自己约定的网络评分刻度。这一页不产出 PSL 评分，也不给脸排名。
- 男女都适用吗？
- 在一个参照集里，所有人用的是同一套行和参照。默认是西方参照集，另有切换器提供东亚参照集，它有自己的行、区间、权重和档位曲线。两个标定集都不是代表性样本，所以这些数字不应被当作人群比较来读。
- 戴眼镜或留胡须怎么办？
- 两者都可能盖住眼角或下颌的关键点。工具仍会运行，但可靠性可能更低，或者有一行缺失。拍照指南列出了要紧的位置。
- 我可以下载或分享结果吗？
- 你可以下载一张结果卡。它显示指数、档位标签，以及你最强和最弱的两行；方法版本印在结果面板上，不在卡片上。卡片不含你的照片或关键点。什么都不存储，刷新页面就从头开始。
- 免费吗？
- 免费，不需要账号，也不用注册。
- 0–100 的分数和 1–10 的评分有什么不同？
- 十分制把刻度压成十档。这一页用 0–100，因为每一行都是连续测量。两种刻度不能互换，这一页也不混用。
- 工具说读不了我的照片，怎么办？
- 当脸太小、头转得或歪得太厉害、相机太高或太低，或者关键点读不出来时，工具会拒绝这张照片。中等角度会被接受但标记为可靠性更低，所以信分数之前先看可靠性提示。没有脸或有多张脸的照片同样会被拒绝。请正对镜头、靠近一些、用均匀的光重拍，并把头发撩开。
- 这是一个「颜值打分器」吗？
- 这个名字有时被用在这类工具上，但它掩盖了这一页展示的东西。这个测试会给出每一行的读数、对照的参照、容差和权重，还有方法版本。指数是这些行的几何汇总，不是一个没有解释的数字，也不是对一张脸的判决。
相关工具
如果某个关于外貌的数字让你难受，停下来，和你信任的人聊聊。这不是诊断工具，也不是心理健康工具。