★ FEATURED ARTICLE 1. 先搞清楚这玩意儿到底能干嘛1.1 从“输入一句话蹦出一张图”说起第一次接触这个工具的人脑子里冒出来的画面多半是我敲几个字它给我画一张画。没错核心逻辑就这么简单。但真正上手之后你会发现事情没那么线性——它更像是一个需要你反复“调教”的搭档你给的指令越精准它回馈的画面就越接近你脑子里那个模糊的构想。我最初接触它的时候以为装好软件、输入“一只猫在沙发上睡觉”就能得到一张完美的图。结果出来的东西要么猫长着两张脸要么沙发变成了奇怪的几何体。后来才明白这个工具的本质是一个“降噪”过程它从一团随机噪声出发根据你给的文字提示一步步把噪声“雕刻”成图像。你给的文字就是雕刻刀刀够不够利、方向对不对直接决定成品。所以这篇内容适合谁看如果你是完全零基础、连软件怎么装都不知道的新手我会从最基础的环节讲起如果你已经装好了但出图效果总是不尽如人意我会重点聊提示词的写法和参数调整如果你已经能出图但想进一步提升效率和质量我也会分享一些进阶技巧和踩坑经验。1.2 为什么它跟传统画图软件完全不是一回事传统画图软件不管是位图还是矢量图核心操作是“你画一笔它显示一笔”。你的手、你的鼠标就是画笔。但这个工具不一样你输入的是文字它输出的是图像中间的过程你几乎看不到——它在一个高维空间里做数学运算把文字描述映射成像素排列。这就带来一个很有意思的现象同样的提示词每次生成的图都不一样。因为它的起点是一团随机噪声每次的随机种子不同降噪路径就不同最终结果自然有差异。这跟传统软件里“撤销重做”得到完全相同的结果是两码事。理解这一点非常关键。很多新手会问“为什么我按照教程一模一样的参数设置出来的图跟教程里不一样”答案就在这里——随机种子不同。想要复现某张图你需要拿到那张图的种子值固定住它才能得到几乎相同的结果。1.3 硬件门槛到底高不高这是被问得最多的问题之一。我的经验是能跑和跑得舒服是两码事。用纯处理器跑一张512x512的图大概需要几分钟甚至更久而且内存占用不小。用独立显卡跑速度可以提升到几秒到几十秒一张具体取决于显卡的算力。显存方面4GB能勉强跑起来基础模型但稍微大一点的图或者复杂一点的操作就会爆显存6GB到8GB是比较舒服的起步区间12GB以上就可以比较自由地折腾了。如果你手头只有一台普通办公本没有独立显卡也不是完全没戏——可以找一些在线的体验平台先感受一下或者用处理器模式慢慢跑只是效率确实不高。但如果你打算长期玩、认真玩一块显存足够的独立显卡是绕不开的投入。注意不要一上来就追求最高画质和最大尺寸。先从512x512的小图开始把流程跑通把提示词逻辑摸清楚再逐步提升分辨率。很多新手卡在“第一步就生成4K大图”结果要么爆显存要么等半天出一张废图挫败感极强。2. 装好它其实没你想的那么难2.1 两种主流部署方式的选择逻辑目前市面上有两种主流的本地部署方式我分别说一下各自的优缺点和适用人群。第一种是“整合包”模式。所谓整合包就是有人把软件本体、依赖环境、常用模型、启动脚本全部打包好你下载下来解压双击一个启动文件就能用。这种方式对新手极其友好不需要你懂命令行不需要你配环境变量甚至不需要你知道Python是什么。缺点是包体比较大动辄十几个GB下载需要时间而且整合包里的组件版本是固定的如果你想用最新出的某个功能可能需要等整合包作者更新。第二种是“手动部署”模式。你需要自己安装Python、配置虚拟环境、安装各种依赖库、下载模型文件、写启动脚本。这个过程对没接触过命令行的人来说有一定门槛但好处是你对每一个环节都清清楚楚想升级哪个组件就升级哪个想换哪个版本的依赖就换哪个版本灵活度最高。我的建议是纯新手先用整合包把流程跑通感受一下整个工作流是什么样的。等你玩了一两周觉得这东西确实有意思、想深入折腾了再考虑手动部署一遍把底层逻辑搞清楚。2.2 整合包部署的详细步骤假设你选择整合包路线下面是我实测下来最稳妥的操作顺序。第一步确认你的硬盘空间。整合包解压后通常需要20GB到30GB的空间再加上你后续下载的各种模型文件每个模型从2GB到7GB不等所以建议至少预留100GB的可用空间。固态硬盘优先机械硬盘也能用但加载模型的速度会慢不少。第二步下载整合包。找那种更新频率高、社区反馈好的整合包。下载完成后把它解压到一个纯英文路径下。这一点非常重要——路径里不要有中文、不要有空格、不要有特殊符号。我见过太多因为路径里有中文导致启动失败的案例排查半天最后发现是路径问题。第三步双击启动脚本。通常整合包里会有一个叫“启动器”或者“一键启动”的文件。第一次启动会比较慢因为它要初始化环境、加载基础模型。耐心等不要反复双击。启动成功后通常会自动打开浏览器显示一个操作界面。第四步验证是否正常。在提示词框里输入“a cat”点生成看看能不能出一张图。如果能出说明基础环境没问题。如果报错先看错误信息里有没有“CUDA”或者“显存”相关的字样这通常意味着显卡驱动或者显存有问题。2.3 手动部署的核心环节如果你选择手动部署核心步骤大概是这样的安装Python建议3.10版本兼容性最好创建虚拟环境用venv或者conda都行安装PyTorch注意要选跟你的显卡匹配的版本克隆主程序仓库安装依赖库下载基础模型放到指定目录最后写一个启动脚本。这里面最容易出问题的是PyTorch的安装。因为PyTorch有处理器版和显卡版之分显卡版还分不同的算力架构。如果你装错了版本程序能启动但跑图极慢或者直接报错说找不到显卡。我的经验是去PyTorch的官方页面根据你的显卡型号和操作系统复制它给出的安装命令不要自己瞎猜。另一个容易踩的坑是依赖库版本冲突。主程序需要的某个库版本和你之前装的另一个库版本不兼容导致启动时报一堆红色错误。解决办法是严格在虚拟环境里操作不要往系统级的Python里装东西。虚拟环境的好处就是隔离这个环境里的库版本冲突了删掉重建就行不会影响其他项目。提示手动部署过程中每完成一个步骤就验证一下。比如装完Python命令行输入python --version看看版本对不对装完PyTorch输入python -c import torch; print(torch.cuda.is_available())看看能不能识别到显卡。不要等全部装完再一起验证那样出了问题很难定位是哪个环节的错。3. 提示词才是真正的画笔3.1 提示词的基本结构很多人以为提示词就是“描述你想要的画面”这话对但不完整。一个高效的提示词通常包含几个层次主体是什么、主体在什么环境里、什么风格、什么画质、什么光照条件。举个例子如果你只写“一个女孩”生成结果会非常随机——可能是写实照片可能是动漫风格可能是油画可能只有上半身可能背景一片模糊。但如果你写成“一个年轻女孩站在雨后的街道上电影感画面柔和的路灯光浅景深高清细节”生成结果就会收敛很多更接近你想要的氛围。我习惯把提示词分成“正向提示词”和“负向提示词”两部分。正向提示词是你想要的东西负向提示词是你不想要的东西。负向提示词非常有用比如你发现生成的图总是多手指就可以在负向提示词里加上“多余的手指”如果画面总是太模糊就加上“模糊、低分辨率”。3.2 权重调整的实操技巧提示词里的不同词汇对最终画面的影响程度是不一样的。默认情况下越靠前的词权重越高。但你可以用括号和数字来手动调整权重。比如“(masterpiece:1.5)”表示把“masterpiece”这个词的权重提高到1.5倍。反过来“(blurry:0.8)”表示把“blurry”的权重降低到0.8倍。这个技巧在微调画面时非常管用。我踩过的一个坑是权重给得太极端。有一次我把某个风格词的权重拉到了2.0结果整个画面完全被那个风格主导主体都变形了。后来我总结的经验是权重调整幅度控制在0.5到1.5之间比较安全超过这个范围很容易出现画面崩坏。另一个技巧是“交替步”。比如你想让画面同时具有A风格和B风格可以写成“[A风格:B风格:0.5]”意思是前50%的降噪步骤用A风格后50%用B风格。这个技巧在融合两种差异较大的风格时特别有用。3.3 常用提示词模板与场景对照下面这张表是我在实际使用中整理出来的针对不同场景的提示词模板。你可以直接拿去改也可以作为自己写提示词的参考框架。场景类型正向提示词核心要素负向提示词核心要素推荐参数写实人像主体描述、皮肤细节、自然光照、浅景深、85mm镜头多余手指、变形、模糊、塑料感步数25-30CFG 7-9动漫插画角色描述、赛璐璐风格、鲜艳色彩、清晰线条写实、照片感、模糊、低饱和步数20-25CFG 7-8风景场景地点描述、天气、时间、大气透视、广角人物、建筑、模糊、过曝步数30-40CFG 6-8产品概念产品描述、材质、棚拍灯光、纯色背景杂乱背景、阴影过重、变形步数25-35CFG 7-10建筑效果建筑风格、材质、环境、透视关系人物、树木遮挡、畸变步数30-40CFG 6-8这张表里的参数只是起点不是终点。你需要根据实际出图效果微调。比如写实人像如果皮肤看起来太光滑不自然可以把CFG稍微降低一点或者在负向提示词里加上“过度磨皮”。3.4 提示词书写的常见误区第一个误区是“堆砌关键词”。有些人觉得词越多越好把能想到的形容词全塞进去。结果呢各个词之间互相打架画面元素混乱主体反而不突出。我的经验是核心主体用两到三个词描述清楚风格和画质用三到五个词点缀总词数控制在20到40个之间比较合适。第二个误区是“用抽象词”。比如“美丽的”“好看的”“有艺术感的”这些词对这个工具来说几乎没有意义因为它不知道你定义的“美丽”是什么。你要用具体的、可视化的词。与其说“美丽的风景”不如说“日落时分的金色麦田远处有连绵的丘陵天空有粉紫色的云彩”。第三个误区是“忽略负向提示词”。很多人只写正向提示词负向提示词留空。这相当于你只告诉它要什么没告诉它不要什么。而实际上负向提示词在消除画面瑕疵方面的作用非常明显。我建议新手至少把“低质量、模糊、变形、多余肢体”这几个词放进负向提示词里能避开很多低级问题。4. 参数调优从能出图到出好图4.1 采样步数与采样器的选择采样步数指的是降噪过程迭代多少次。步数太少画面没降干净看起来像蒙了一层雾步数太多画面过度降噪细节反而被抹平而且耗时成倍增加。我的实测经验是大部分模型在20到30步之间就能达到不错的效果。低于15步画面明显粗糙高于40步收益递减非常明显。你可以做一个简单的对比测试固定其他参数只改步数生成15步、20步、25步、30步、40步五张图放在一起对比找到那个“再增加步数也看不出明显提升”的临界点。采样器的选择同样重要。不同的采样器有不同的降噪策略有的偏保守有的偏激进。我常用的几个采样器里有一个出图速度快但细节稍弱适合快速预览另一个速度慢一些但画面更细腻适合最终出图。新手不用纠结哪个“最好”先用默认的等你对出图效果有了判断力再逐个尝试找到自己喜欢的。4.2 提示词引导系数的调节逻辑这个参数通常叫CFG Scale它控制的是“生成结果多大程度上遵循你的提示词”。数值低的时候工具更自由发挥画面可能更有创意但偏离你的描述数值高的时候工具更严格地执行你的指令但画面可能变得僵硬、色彩过饱和。我一般把CFG设在7到9之间。低于5的时候画面经常跑偏你写“猫”它给你画个狗高于12的时候画面容易出现色彩断层和过度锐化的痕迹。有一个小技巧如果你发现画面构图不错但细节不对可以稍微降低CFG让工具自己发挥一下如果你发现画面完全偏离了你的描述就提高CFG把它拉回来。4.3 随机种子的固定与变化随机种子是控制画面随机性的参数。默认是-1表示每次随机。如果你想复现某张图就把那张图的种子值填进去其他参数保持不变就能得到几乎相同的结果。但这里有个细节即使种子相同如果你换了采样器或者改了步数结果也会变。所以复现的条件是“种子采样器步数CFG模型”全部一致。另一个用法是“微调”。比如你生成了一张整体不错的图但想改一个小细节。你可以固定种子然后在提示词里加一个词或者改一个词重新生成。这样画面的大结构会保留只有你改动的部分会变化。这个技巧在迭代优化时非常高效。4.4 高分辨率修复的正确打开方式直接生成大尺寸的图比如1024x1024容易出现“双头”“多肢体”这类结构错误。原因是模型在训练时主要接触的是512x512或768x768的图直接让它生成更大的图它没学过就容易出错。正确的做法是“先小后大”先用512x512生成一张结构正常的图然后用高分辨率修复功能把它放大。这个功能会先把图放大到目标尺寸然后再做一遍降噪把放大过程中产生的模糊和伪影修掉。高分辨率修复里有两个关键参数放大倍数和重绘幅度。放大倍数就是字面意思1.5倍、2倍、4倍。重绘幅度控制的是“修复过程中改变原图的程度”。设得太低放大后的图还是模糊设得太高画面结构会被改得面目全非。我的经验是0.3到0.5之间比较稳妥具体看原图的复杂程度。注意高分辨率修复会显著增加显存占用和耗时。如果你显存不够可以先用较小的放大倍数或者分两次放大——先放大1.5倍再对结果放大1.5倍最终得到2.25倍的效果。5. 模型选择与风格控制5.1 基础模型与微调模型的区别基础模型是“通才”什么都能画但什么都不精。微调模型是在基础模型的基础上用特定风格或特定主题的数据进一步训练出来的“专才”。比如有人用大量动漫图训练出一个动漫风格模型有人用大量建筑效果图训练出一个建筑模型。新手常犯的错误是拿一个动漫模型去生成写实人像然后抱怨“怎么画出来像卡通”。这不是工具的问题是模型选错了。每个模型都有自己的“舒适区”你要根据目标风格来选模型。我电脑里常备三到四个模型一个写实人像的一个动漫风格的一个通用场景的一个建筑或产品概念的。需要什么风格就切什么模型比在一个模型上硬调提示词效率高得多。5.2 模型文件的存放与管理模型文件通常比较大一个2GB到7GB不等。如果你下载了十几个模型硬盘很快就满了。我的管理方式是建一个专门的模型文件夹里面再按类型分几个子文件夹——写实类、动漫类、场景类、其他类。每个模型文件重命名成容易识别的名字比如“写实人像_版本号”。另外不是所有模型都需要常驻。我通常只把最常用的三四个模型放在主目录里其他的放在备份盘需要的时候再拷过来。这样启动加载的时候也快一些。5.3 用附加网络微调风格除了换模型还有一种更轻量的风格控制方式附加网络。这东西相当于给模型加了一个“风格滤镜”不用换整个模型就能改变出图风格。常见的附加网络有几种类型一种是控制画风的比如让画面偏向某种特定画风一种是控制构图的比如你给一张参考图的骨架它让生成结果保持类似的构图还有一种是控制人物特征的比如固定一张脸的特征在不同场景里生成同一个人。我常用的是构图控制那个。比如我想生成一张特定姿势的人像但用文字描述姿势很费劲就可以找一张姿势参考图用附加网络提取骨架然后生成的时候就会遵循那个骨架。这个技巧在需要精确控制构图时非常管用。5.4 模型混用的注意事项有时候你会想能不能把两个模型的风格混在一起可以但要注意方法。直接切换模型是不行的因为每次切换都会重新加载。正确的做法是用“模型合并”功能把两个模型的权重按比例混合生成一个新的模型文件。混合比例需要反复尝试。比如A模型占70%B模型占30%出来的效果偏向A但带一点B的味道。这个比例没有标准答案完全看你的审美偏好。我建议每次调整10%的比例生成几张图对比找到那个“刚刚好”的平衡点。提示模型合并会生成一个全新的模型文件体积和原模型差不多。如果你硬盘空间紧张合并前先确认一下剩余空间。另外合并后的模型如果效果不理想直接删掉就行不会影响原始模型。6. 常见问题与排查技巧实录6.1 启动报错与运行崩溃启动报错是最让人头疼的因为错误信息往往是一堆英文和技术术语。我总结了一个排查顺序按这个顺序走大部分问题都能定位。先看错误信息里有没有“CUDA out of memory”或者“显存不足”的字样。如果有说明显存不够。解决办法是降低生成分辨率、减少批量生成的数量、关闭其他占用显存的程序。如果还是不行可能需要换一张显存更大的显卡。如果没有显存相关的提示再看有没有“ModuleNotFoundError”或者“ImportError”。这通常意味着某个依赖库没装或者版本不对。解决办法是重新安装缺失的库或者检查虚拟环境是否激活正确。如果以上都没有看错误信息最后几行有没有具体的文件名和行号。这通常指向代码层面的问题可能是某个配置文件写错了或者某个模型文件损坏了。解决办法是检查对应的配置文件或者重新下载模型文件。6.2 出图质量问题的对症下药出图质量问题是另一个高频痛点。我整理了一张速查表对照着排查效率很高。问题现象可能原因解决方向画面模糊、像蒙了雾步数太少、CFG太低、模型不适合增加步数到25以上CFG提到7以上换写实类模型人物多手指、肢体变形分辨率过高、模型训练数据偏差先用512x512生成再放大负向提示词加“多余手指”画面色彩过饱和、失真CFG过高、VAE配置错误降低CFG到7左右检查VAE文件是否正确加载生成结果完全偏离提示词提示词太抽象、CFG太低、模型不匹配用具体可视化的词重写提示词提高CFG换匹配的模型同一提示词每次差异太大随机种子未固定固定种子值或接受随机性作为创作的一部分生成速度异常慢用了处理器模式、显存不足、后台程序占用确认显卡被正确调用关闭其他占用显卡的程序这张表里的“解决方向”是排查的起点不是终点。有时候一个问题可能是多个原因叠加造成的需要逐项排除。6.3 显存不足的应急方案显存不足是新手最常遇到的硬性瓶颈。除了换显卡这种“终极方案”还有一些应急技巧可以让你在现有硬件上跑起来。第一个技巧是降低分辨率。512x512比768x768省显存768x768比1024x1024省显存。如果你只是想测试提示词效果用512x512就够了等提示词调好了再用高分辨率修复放大。第二个技巧是开启“低显存模式”。很多整合包和主程序都提供了这个选项它会牺牲一些速度来换取更低的显存占用。具体原理是把一些计算从显卡转移到内存代价是速度变慢但至少能跑起来。第三个技巧是关闭不必要的后台程序。浏览器、视频播放器、其他图形软件都会占用显存。生成图的时候把这些关掉能腾出不少空间。第四个技巧是分批生成。不要一次性生成四张图改成一次生成一张生成完一张再生成下一张。这样峰值显存占用会低很多。6.4 模型加载失败的排查模型加载失败通常有几个原因文件下载不完整、文件格式不对、文件放错了目录、模型版本与主程序不兼容。先检查文件大小。如果一个模型文件标注是4GB你下载下来只有几百MB那肯定是没下完。重新下载最好用支持断点续传的工具。再检查文件格式。常见的模型格式有几种主程序通常支持其中一两种。如果你下载的格式不被支持要么找对应格式的版本要么装一个格式转换插件。然后检查存放目录。主程序通常有一个固定的模型存放路径你把模型放到别的地方它找不到。去设置里确认一下模型路径把文件挪到正确的位置。最后检查版本兼容性。有些新出的模型需要较新版本的主程序才能加载如果你的主程序版本太老要么升级主程序要么找旧版本的模型。7. 效率提升与工作流优化7.1 批量生成与筛选策略当你需要大量出图时一张一张手动点效率太低了。批量生成功能可以让你一次生成多张图然后从中挑选满意的。我的做法是先用较低的步数比如15步和较小的分辨率512x512批量生成20张图快速预览。从中挑出构图和氛围不错的几张记下它们的种子值。然后针对这几张图用较高的步数30步和高分辨率修复重新生成得到最终成品。这个“先粗后精”的策略能节省大量时间。因为大部分图在第一轮就会被淘汰没必要在它们身上花高步数和高分辨率的计算资源。7.2 提示词库的建立与复用玩了一段时间之后你会积累一些好用的提示词组合。把它们整理成一个库下次需要类似风格的时候直接调用不用从头写。我的提示词库按场景分类人像类、风景类、建筑类、产品类、抽象类。每个类别下面存几组经过验证的提示词模板标注上适用的模型和参数。用的时候复制粘贴改几个关键词就行。另外我还会记录一些“失败案例”——哪些提示词组合容易出问题哪些参数搭配会导致画面崩坏。这些负面经验同样有价值能帮你避开重复踩坑。7.3 工作流的自动化思路如果你需要频繁地做同一类操作比如“生成图→放大→微调→再放大”可以考虑把这些步骤串成一个自动化流程。有些主程序支持脚本扩展你可以写一个简单的脚本把这一串操作打包成一个按钮。即使不写脚本也可以利用主程序自带的“队列”功能。把多个任务排进队列让它一个接一个自动执行你只需要在最后统一查看结果。这在需要大量出图的时候特别省心。7.4 硬件升级的性价比分析如果你玩了一段时间觉得现有硬件确实不够用了想升级我的建议是优先升级显卡其次是内存最后是硬盘。显卡的显存大小直接决定你能生成多大的图、能用多复杂的模型。从6GB升级到12GB体验提升非常明显。内存方面16GB是起步32GB会更从容尤其是在同时开着浏览器和其他软件的时候。硬盘方面固态硬盘能显著缩短模型加载时间但如果你能忍受等待机械硬盘也不是不能用。升级之前先确认一下你的主板和电源能不能带动新显卡。显卡的功耗和尺寸是需要提前查清楚的别买回来装不上。8. 一些没人告诉你的实操心得8.1 关于“手感”的培养这个工具用久了你会慢慢培养出一种“手感”——看到一张图大概能猜出它用了什么模型、什么参数、提示词是什么风格。这种手感没法速成只能靠大量地看和练。我的建议是每天花15分钟浏览社区里别人分享的作品看到喜欢的就点进去看它的参数和提示词。不用刻意记看得多了自然就有感觉了。另外自己出图的时候养成记录参数的习惯——这张图用了什么模型、什么步数、什么CFG、什么提示词。过一段时间回头看你能清晰地看到自己的进步轨迹。8.2 关于“废图”的价值新手容易陷入一个误区觉得生成出来的图不好看就是浪费时间。其实不然。每一张“废图”都在告诉你这个方向不对换个方向试试。我有个习惯把生成效果不理想的图单独存一个文件夹标注上“问题描述”——比如“色彩太暗”“构图太挤”“风格不统一”。过一段时间回头看这些“废图”反而成了我调整提示词和参数的重要参考。因为我知道哪些路走不通就能更快地找到走得通的路。8.3 关于社区资源的利用这个领域的社区非常活跃每天都有新模型、新技巧、新工具出现。但信息太多也容易让人焦虑——感觉永远学不完。我的做法是只关注两三个高质量的信息源定期浏览不追求“全”。看到有用的技巧就记下来看到新模型先收藏等真正需要的时候再去下载。不要被信息洪流推着走要有自己的节奏。另外社区里分享的提示词和参数可以直接拿来用但不要照搬。因为每个人的硬件、模型版本、审美偏好都不一样。把别人的分享当作起点根据自己的实际情况调整才能得到真正属于自己的工作流。8.4 关于“够用就好”的心态最后说一点心态上的体会。这个工具的可调参数非常多模型也层出不穷很容易陷入“永远在调参、永远在换模型、永远没出几张满意的图”的循环。我的经验是找到一个自己用着顺手的模型把它的脾气摸透比频繁换模型效率高得多。参数也是一样把几个核心参数步数、CFG、分辨率的调节逻辑搞清楚比记住一堆花哨的技巧更实用。工具是拿来用的不是拿来供着的。能稳定出图、出图质量满足你的需求就够了。剩下的精力不如花在构思画面和打磨提示词上——那才是真正决定成品质量的地方。
阅读完成 · 觉得有帮助？
