在 AI 绘画的领域里，如果说 Midjourney 是一位优雅的“艺术家”，那么 Stable Diffusion（SD）就是一位无所不能的“工程师”。作为目前开源界最强大的图像生成模型，SD 以其极高的自由度、可定制性和本地部署的安全性，成为了追求极致控制力的设计师、创作者和开发者的首选工具。获课 ♥》

本文将带你深入 SD 的四大核心板块，助你从入门到精通，真正驾驭这台“视觉造梦机”。

第一阶段：文生图——精准的语言翻译与风格构建

文生图是 SD 的基础功能，但要在 SD 中获得高质量的结果，远不止输入一句话那么简单。你需要理解“模型”与“参数”背后的协作逻辑。

1. 大模型的选择：审美的基石

SD 的核心在于大模型。不同于 MJ 的统一云端模型，SD 允许你加载任何底模。（bcwit.top/14973）

• 写实类： 如 Realistic Vision 或 ChilloutMix，擅长生成如同相机拍摄般的真人照片、光影效果，适合人像摄影、电商图。

• 二次元类： 如 Anything 或 CounterfeitV，专为动漫风格打造，线条清晰，色彩鲜艳，适合插画创作。

• 设计类： 如 Deliberate，兼顾了写实与艺术感，通用性极强。 要点： 选择一个与你目标风格高度契合的大模型，等于成功了一半。

2. 提示词工程：正向与负向的艺术

SD 的提示词系统由“正向提示词”和“负向提示词”组成。

• 正向： 描述你想要的一切。不仅要写主体（如“一个美丽的女孩”），更要写修饰词（如“杰作、8k分辨率、电影级光效、精细的皮肤纹理”）。在 SD 中，权重非常重要，使用括号可以加强词语权重，减少数值则降低权重。

• 负向： 排除你不想看到的。通用词包括“低质量、模糊、多余的手指、水印、变形”等。负向提示词是画质的“守门员”，能有效净化画面。

3. 关键参数的调优

• 采样器： 推荐使用 DPM++ 2M Karras 或 Euler a，前者收敛快适合写实，后者随机性强适合艺术创作。

• 迭代步数： 一般设置在 20-30 步即可。太少画面未完成，太多不仅浪费时间且画质未必提升。

• 提示词相关性（CFG Scale）： 数值越高，AI 越严格听从你的指令；数值越低，AI 发挥空间越大。通常建议设置在 7 左右，以平衡指令与创意。

第二阶段：图生图与重绘——打破维度限制的精准控制

如果说文生图是“盲盒”，那么图生图就是“精修”。这是 SD 优于其他工具的核心竞争力，特别是结合 ControlNet 之后。

1. 图生图：风格转换与内容衍生

图生图允许你上传一张图片，让 AI 参考其构图、色调或内容生成新图。

• 重绘幅度： 这是灵魂参数。

  • 低数值（0.3-0.4）： 画面几乎不变，主要改变光影、材质或轻微优化细节。适合给老照片上色或提升画质。

  • 中数值（0.5-0.7）： 保持构图，但改变画面内容和风格。适合将照片转油画，或将素描转写实。

  • 高数值（0.8+）： 彻底颠覆原图，仅保留模糊的轮廓或色块。

2. 局部重绘：画面的外科手术

当你对一张图的某一部分不满意（例如手画崩了、想换个发型），可以使用局部重绘。

• 蒙版绘制： 用笔刷涂抹你想修改的区域。

• 填充逻辑： 选择“填充”方式，AI 会根据蒙版边缘的像素进行脑补。

• 应用场景： 换脸、换装、修补瑕疵、甚至是无中生有地在背景里添加一座城堡。

3. ControlNet：骨架级控制（必杀技）

这是 SD 生态中最伟大的插件之一。它允许你上传一张额外图片来控制生成图的“结构”。

• Canny 边缘检测： 提取线条。如果你上传一张线稿，SD 会严格在线稿内上色。

• OpenPose 姿态识别： 提取骨架。上传一张人物跳舞的照片，SD 能让任何角色摆出完全一样的姿势。

• Depth 深度图： 提取空间前后关系。保证画面透视不崩坏。 总结： ControlNet 解决了 AI“不会画画”的问题，让它拥有了美术学院毕业生的造型能力。

第三阶段：视频动画——让静态像素流动起来

SD 不仅能画图，结合特定工具还能生成极具冲击力的短视频。虽然 SD 本身是静态模型，但通过“帧序列生成”可以实现动画效果。

1. 关键帧插值与抽帧技术

最简单的动画原理是“连续播放”。

• 种子游走： 固定提示词，让“随机种子”在两个数值之间缓慢变化。AI 会生成一系列逐渐变形的图片，连贯播放后就会产生如梦似幻的变形动画。

• XY 表格批量生成： 批量生成某个动作的中间状态（如从站立到蹲下的中间帧），然后通过剪辑软件合成。

2. 动态模型插件

目前社区有非常成熟的插件（如 AnimateDiff），可以让 SD 直接生成视频。

• 运动模块： 加载这些模块后，SD 能理解“时间”概念，保持角色在多帧画面中的一致性。

• 控制帧率： 调整生成参数，控制动画的流畅度和抖动感。

• 应用场景： 制作循环动态背景、炫酷的 MV 视觉素材、产品展示的动态渲染图，甚至是 AI 短片的分镜草稿。

第四阶段：LoRA 训练——打造专属的数字资产

这是 SD 玩家的终极追求：训练你自己的模型。LoRA 是一种轻量级的微调技术，不需要昂贵的显卡，就能让 SD 学会特定的脸、画风或物体。

1. LoRA 能训练什么？

• 人物专练： 训练你自己、家人或宠物的脸。以后在任何风格的图中，都能召唤出这张脸。

• 画风专练： 收集某位画师或某种艺术风格（如水彩、蒸汽朋克）的图，训练后让 SD 掌握这种笔触。

• 概念/物体： 训练特定的服装（如钢铁侠战甲）、Logo 或特定的虚构物体。

2. 训练流程的核心逻辑

• 数据集准备： 这是重中之重。你需要准备 10-20 张高质量、纯背景、多角度的图片（若是训练人脸，必须包含五官清晰的正侧脸）。

• 打标： 使用工具自动或手动给图片打标签，告诉 SD 图里是什么。

• 触发词： 给你的 LoRA 起一个独特的名字（如“mycat”）。训练完成后，只要在提示词里输入“mycat”，你的专属形象就会出现。

3. 训练技巧：避免过拟合

• 不要训练太久，否则 LoRA 会“死板”，只能画出训练集里的样子，无法换装或换动作。学会观察 Loss 值曲线，适时停止。

• LoRA 的组合拳： SD 的强大在于它可以同时调用多个 LoRA。你可以同时挂载：人物 LoRA + 服装 LoRA + 风格 LoRA，实现无穷无尽的创意组合。

Stable Diffusion 的学习曲线虽然比 Midjourney 陡峭，但它给予你的回报是无限的可能性。从精准控制每一个像素的文生图，到结构严谨的图生图，再到动态的视频生成和个性化的 LoRA 训练，SD 实际上是一套完整的视觉生产系统。

不要被复杂的参数吓退，先从选对一个好看的大模型开始，输入你的第一行提示词。当你第一次通过 ControlNet 完美还原心中的构图，或是看到训练出的 LoRA 成功生成熟悉的脸庞时，你会发现，所有的付出都是值得的。