Stable Diffusion AI 绘画入门与实战指南

1girl, solo, hoodie, earrings, shoes, braid, long hair, jewelry, skirt, child, brown hair, socks, full body, sneakers, simple background, female child, green footwear, shadow, looking at viewer, green headwear, crossed legs, drawstring, baseball cap, cartoon, kindgirl, black eyes, smile

技巧：

• 主体描述：明确人物、物体、场景。
• 风格修饰：添加如 anime style, oil painting, photorealistic 等词汇。
• 质量词：加入 masterpiece, best quality, high resolution 提升画质。

5.2 反向提示词

反向提示词用于排除不想要的元素，解决常见缺陷（如畸形的手部、多余的手指等）。

通用负面提示词模板：

bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry

6. 关键参数调节

理解并调整以下参数是进阶的关键：

7. 模型管理策略

Stable Diffusion 的强大之处在于其丰富的模型生态。

7.1 检查点模型 (Checkpoint)

这是主模型文件（.safetensors），决定了画面的整体风格和基础能力。常见的有 SD 1.5, SDXL, Pony 等版本。

7.2 LoRA 模型

LoRA (Low-Rank Adaptation) 是一种轻量级微调模型，用于学习特定的角色、画风或动作。通常配合主模型使用，权重建议在 0.6 - 0.8 之间。

7.3 VAE 模型

VAE (Variational Autoencoder) 负责解码潜在空间到像素空间，影响色彩还原度。如果生成的图片颜色灰暗，请尝试更换 VAE 文件。

8. 进阶技巧与实战案例

8.1 高清修复 (Hires. Fix)

当生成的小尺寸图片不够清晰时，开启 Hires. Fix 可以在保持构图的同时大幅提升分辨率。设置放大倍数为 2，重绘幅度控制在 0.3 - 0.4 之间。

8.2 ControlNet 控制

ControlNet 插件允许用户通过边缘检测、深度图或姿态骨架来精确控制生成图的构图和姿势，是实现精准创作的神器。

8.3 局部重绘 (Inpainting)

若生成图中某一部分（如手部）不理想，可使用 Inpainting 涂抹该区域，重新生成以修正错误，而保留其他部分不变。

9. 常见问题排查

• 显存不足报错 (CUDA Out of Memory)：降低分辨率，减少 Batch Size，或使用 --medvram 启动参数。
• 生成图片模糊：检查是否开启了高清修复，或尝试更换更高分辨率的 Checkpoint 模型。
• 提示词无效：确认使用了正确的英文提示词，避免直接输入中文（除非使用多语言模型）。

10. 结语

Stable Diffusion 技术正处于快速发展阶段，新的模型和插件层出不穷。掌握基础操作只是第一步，持续学习提示词编写逻辑、深入理解模型原理以及探索更多插件功能，才能充分发挥 AI 绘画的潜力。建议创作者多关注 Civitai、HuggingFace 等社区的最新动态，不断实践与创新，将 AI 工具转化为高效的创作助手。

未来，随着 AIGC 技术的进一步成熟，其在游戏开发、影视制作及建筑设计等领域的应用将更加广泛。对于技术人员而言，理解底层算法与架构，结合编程能力进行二次开发，将是把握行业机遇的关键方向。