AI 绘画概述
AI 绘画是利用人工智能技术来生成、转换或增强数字图像和艺术作品的过程。这种技术可应用于各种领域，包括数字媒体、游戏开发、电影制作、设计、视觉艺术等。
具体领域涵盖图像生成、图像转换、图像增强及艺术创作。其中数字媒体受影响较大，同时受益也最为显著。
AI 绘画的主流工具
目前主流工具或技术主要分为三类：
- Stable Diffusion: 开源技术，遵循使用条款可免费商用；社区生态繁荣，插件丰富。
- Midjourney: 付费后可商用，以艺术风格见长。
- DALL·E 2: 付费后可商用，集成于微软生态。
目前看，Stable Diffusion 因其开源和可定制性，生态最为繁荣。
AI 绘画的部署方式
以 Stable Diffusion WebUI 为例，安装部署方式主要分为本地安装和云上安装。
本地安装
Windows 提供一键安装包，Mac 也有相应教程。主要依赖显卡性能，但独立显卡成本较高。Mac 设备由于硬件限制，生图速度相对较慢，建议谨慎选择。
云上安装
对于没有高性能本地设备的用户，可选择云端算力：
- 阿里云: 通常提供试用资源，如 GPU 计算时礼包。需注意访问 GitHub 等国外资源的速度问题，建议使用国内镜像源替代脚本执行。
- Colab: 谷歌提供的服务，每日有限额 GPU 使用时长，网络环境要求较高。
- Kaggle: 每周提供约 20 小时的 GPU 计算资源，可选 P100 或 T4 配置。
云上部署通常通过脚本一键完成，等待执行完成后即可在浏览器中访问界面。有技术基础的用户也可自行编写部署脚本。
核心参数解析
在大模型之外，对生图影响最大的应该是参数设置。合理配置参数能显著提升出图质量。
正向提示词 (Prompt)
描述画面内容的关键词集合。结构通常包含：主体 + 环境 + 细节 + 风格 + 质量修饰。
示例 Prompt:
a young woman, street, laughing, ponytails, (hdr:1.3), (muted colors:1.2), dramatic, complex background, cinematic, filmic, (rutkowski, artstation:0.8), soaking wet,
负向提示词 (Negative Prompt)
排除不想要的元素，如低质量、畸形人体、多余肢体等。
示例 Negative Prompt:
(nsfw:2), Multiple people, easynegative, (worst quality:2), (low quality:2), lowres, (monochrome:1.4), (grayscale:1.4), big head, severed legs, short legs, missing legs, acnes, skin blemishes, age spot, backlight, (ugly:1.4), (duplicate:1.4), (morbid:1.2), (mutilated:1.2), mutated hands, (poorly drawn hands:1.4), blurry, (bad anatomy:1.4), (bad proportions:1.4), disfigured, unclear eyes, bad hands, bad tooth, missing fingers, extra digit, bad body, NG_DeepNegative_V1_75T, glans, EasyNegative:0.5, gross proportions.short arm, (missing arms:1.4), missing thighs, missing calf, mutation, duplicate, morbid, mutilated, poorly drawn cloth, strange finger, bad finger, (mutated hands and fingers:1.4), (text:1.4), bad-artist, bad_prompt_version2, bad-artist-anime, bad-hands-5, bad-image-v2-39000
采样设置 (Settings)
- Steps: 迭代步数，通常 20-50 步。
- Sampler: 采样器，如 DPM++ 2M Karras。
- CFG scale: 提示词相关性，通常 7-9。
- Seed: 随机种子，控制随机性。
- Size: 分辨率，如 768x1024。
![生图参数设置示意图]
实战案例演示
案例一：简单人物生成
Prompt 分析:
- 主体：年轻女性
- 地点：街道、复杂背景
- 表情：大笑
- 细节：辫子、湿透
- 质量：HDR
- 颜色：柔和
- 动作：动态
- 光影：电影级别
- 艺术家风格：Rutkowski
虽然关键词较少，但维度齐全。多维度的描述能有效限制 AI 生成不想要的部分。
![简单人物生成效果]
案例二：绿野仙踪改造
通过替换关键词中的主体、地点、细节等维度，实现场景变换。
修改策略:
- 主体：
a young woman->1girl, 22yo, skinny, bride, sexy, cute - 地点：
street->landscape, mountains - 细节：
ponytails->dreamy plant sleeveless dress, rose headgear - 光影：增加阳光射线和阴影效果
调整后的 Prompt:
1girl, 22yo, (skinny:1.1), bride, sexy, cute, smiling, (a dreamy plant sleeveless dress (made of (plant))), V-shaped neckline, multicolored hair, rose headgear, too many details, complex details, (best quality, masterpiece, 4k, hdr:1.1), (muted colors:1.2), dramatic, (rutkowski, artstation:0.8), cinematic, filmic, (Sunshine rays:0.6), (best shadow:0.7), landscape, mountains
![绿野仙踪改造效果]
案例三：海盗女孩
进一步替换环境和服饰，增加角色身份设定。
修改策略:
- 身份：Pirate
- 服饰：Pirate hat, red hair, pirate jacket
- 表情：嘲讽的笑
- 风格：加入 LoRA 模型增强风格
Prompt:
1girl, 22yo, (skinny:1.1), pirate, sexy, naughty, laughing, pirate hat, red hair, pirate jacket, Raise the corner of the mouth, too many details, complex details, (best quality, masterpiece, 4k, hdr:1.1), (muted colors:1.2), dramatic, (rutkowski, artstation:0.8), cinematic, filmic, (Sunshine rays:0.6), (best shadow:0.7), pirate ship, <lora:ghostOfTsushimaStyle_v10:0.5>
![海盗女孩生成效果]
案例四：新娘买醉
结合特定场景（酒吧）与服装（婚纱），制造冲突感。
Prompt:
1girl, 22yo, (skinny:1.1), (a dreamy wedding sleeveless dress), V-shaped neckline, sexy, cute, smiling, blue hair, Raise the corner of the mouth, too many details, complex details, (best quality, masterpiece, 4k, hdr:1.1), (muted colors:1.2), dramatic, (rutkowski, artstation:0.8), cinematic, filmic, (Sunshine rays:0.6), (best shadow:0.7), bar (for alcoholic drinks), pub, <lora:ghostOfTsushimaStyle_v10:0.5>, <lora:chineseGirlsInWeddingDress_v01:0.8>
![新娘买醉生成效果]
进阶技巧与总结
人的想象力是无限的，配合不设限的工具，效果会加倍。以下是一些进阶建议：
- 权重控制: 使用
(keyword:1.2)提高关键词权重，[keyword]降低权重。 - LoRA 应用: 利用 LoRA 模型固定特定画风或角色特征，减少重复训练成本。
- 负面引导: 持续优化 Negative Prompt，根据每次生成的缺陷针对性添加排除词。
- 分步生成: 先生成构图，再局部重绘（Inpainting）优化细节。
AIGC 技术的未来发展前景广阔。随着人工智能技术的发展，AIGC 将在游戏、计算等领域得到更广泛应用，使系统更高效、智能、灵活。对于开发者而言，掌握 AIGC 工具链已成为提升效率的关键技能。
通过不断尝试不同的参数组合与提示词逻辑，用户可以逐步构建自己的绘图工作流，实现从概念到成品的快速转化。