在实际 AI 绘画项目中，很多人会遇到一个共同问题：生成十张图，能用的可能只有一两张，甚至一张都没有。废片率高不仅浪费时间，更消耗计算资源。真正高效的 AI 绘画，不是靠运气抽卡，而是通过理解模型特性、控制生成参数、优化工作流程，让每一次生成都尽可能接近预期效果。

本文将以 Stable Diffusion 这一主流工具为例，带你掌握一套可复现的 AI 绘画工作流。无论你是刚接触 AI 绘画的新手，还是已经有一定经验但想提升出图质量的使用者，都能从中找到具体可操作的方法。我们将从模型选择、提示词工程、参数调优，到后期修复和批量处理，逐一拆解关键环节，并提供可直接运行的配置示例和排查清单。

1. 理解 AI 绘画的核心控制要素

AI 绘画并非黑盒魔法，其输出质量主要受四个核心要素控制：模型（Model）、提示词（Prompt）、参数（Parameters）和后期处理（Post-processing）。废片的产生往往是由于其中一个或多个环节失控。

1.1 模型决定了风格和能力基线

不同的模型在训练时使用了不同的数据集，因此擅长生成的风格也不同。例如，专门训练于二次元风格的模型很难生成写实的照片，而通用模型可能在特定风格上细节不足。

常见模型类型及适用场景：

选择模型的第一个原则是对齐目标风格。如果你要生成一张写实人像，却选了一个二次元模型，那么无论怎么调整提示词，都很难得到理想效果。

1.2 提示词是沟通的桥梁

提示词（Prompt）是用户向 AI 描述期望画面的语言。它分为正向提示词（希望画面中出现什么）和负面提示词（希望画面中避免什么）。提示词的质量直接决定了生成内容的相关性和准确性。

有效提示词的构成：

• 主体（Subject）：明确的核心对象，如“一个女孩”、“一座城堡”。
• 细节（Details）：主体的具体特征，如“棕色长发”、“蓝色眼睛”、“石质外墙”。
• 环境（Environment）：场景设定，如“在森林中”、“阳光明媚的下午”。
• 风格（Style）：艺术风格或画质要求，如“照片级真实感”、“梵高风格”、“4K分辨率”。
• 构图（Composition）：视角和布局，如“全身照”、“仰视”、“对称构图”。

负面提示词则用于排除常见瑕疵，例如“丑陋的、模糊的、多手指、文字水印”等。

2. 搭建可控制的工作环境

工欲善其事，必先利其器。一个稳定的环境是高效创作的基础。我们将使用 Stable Diffusion WebUI（如 Automatic1111 或 ComfyUI）作为操作界面。

2.1 环境准备与依赖安装

以 Automatic1111 的 WebUI 为例，核心依赖是 Python 和 Git。

基础环境检查清单：

1. Python 版本：推荐 Python 3.10.6。版本过高或过低可能导致依赖冲突。

   # 检查当前Python版本 python --version

2. Git：用于拉取 WebUI 源码和模型管理。

   # 检查Git是否安装 git --version

3. CUDA 驱动：如果你使用 NVIDIA GPU，确保安装了正确版本的 CUDA 驱动。这能极大加速生成过程。

   # 检查CUDA是否可用（在Python中） nvidia-smi # 查看GPU状态

安装 Stable Diffusion WebUI：

# 拉取最新代码 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git cd stable-diffusion-webui # 运行启动脚本（Windows下运行webui-user.bat，Linux/macOS下运行webui-user.sh） # 脚本会自动安装所需的Python包

首次运行会下载一个基础模型（如v1-5-pruned.ckpt），请确保网络通畅。启动成功后，在浏览器中访问http://127.0.0.1:7860即可看到操作界面。

2.2 模型管理与放置

下载的模型需要放置在正确的目录下才能被 WebUI 识别。

• 检查点模型（.ckpt 或 .safetensors）：这是主要的绘画模型，应放在models/Stable-diffusion/目录下。
• VAE 模型：用于改善颜色和细节，可放在models/VAE/目录下。许多新模型已内置 VAE，无需单独配置。
• Lora 模型：用于微调风格或特定人物，应放在models/Lora/目录下。

重启 WebUI 后，可以在左上角的模型下拉框中切换不同的检查点模型。

3. 构建高质量提示词工程

提示词写得好，废片率能降低一半以上。关键在于具体、有层次、并善用权重调节。

3.1 正向提示词的结构化写法

不要写“一个漂亮的女孩”，而要写“masterpiece, best quality, 1girl, long brown hair, blue eyes, wearing a white dress, standing in a flower field, sunny day, photorealistic, sharp focus”。

提示词权重语法：

• (keyword:1.2)：将keyword的重要性提高 1.2 倍。
• [keyword]：减弱权重，相当于(keyword:0.9)。
• 数字越大，该概念在画面中的影响力越强。

示例：(1girl:1.3), (white dress:1.2), flower field, [blurry:0.8]。这表示强调“一个女孩”和“白色裙子”，同时弱化“模糊”的可能性。

3.2 负面提示词的黄金组合

负面提示词用于主动排除不想要的元素。一套经过验证的通用负面提示词组合能显著提升画面质量。

(低质量负面提示词示例) ugly, blurry, low resolution, bad anatomy, extra limbs, missing limbs, disfigured, deformed, bad hands, text, error, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, artist name, out of focus

在实际应用中，你可以根据生成内容微调。例如，生成人像时，强烈建议加入bad hands, extra fingers来减少手部畸变。

4. 关键参数详解与调优

参数设置是控制生成过程和画面随机性的关键。理解每个参数的作用，才能做到精准控制。

4.1 采样器与采样步数

采样器（Sampler）决定了 AI 如何从噪声中逐步构建图像。不同采样器速度和质量差异明显。

常用采样器选型建议：

采样步数（Steps）：并非越高越好。通常 20-30 步已能获得很好效果，超过 50 步收益甚微且耗时翻倍。建议先用 20 步测试构图，满意后再提高到 28-30 步细化细节。

4.2 引导尺度与随机种子

引导尺度（CFG Scale）：控制 AI 遵循提示词的程度。值太低则画面自由发挥，可能偏离提示；值太高则画面僵硬、色彩饱和度过高。

• 推荐范围：7-12。写实风格可偏低（7-9），创意插画可偏高（10-12）。

随机种子（Seed）：决定生成画面的初始噪声。固定种子可以复现完全相同的画面；设置为 -1 则每次生成全新画面。

• 用法：当生成一张满意的图片后，固定其种子值，然后微调提示词或其他参数，可以在保持整体构图和风格的基础上进行细微调整。

4.3 分辨率与高分辨率修复

基础分辨率：Stable Diffusion 1.5 模型在 512x512 或 512x768 等比例下表现最佳。直接生成极高分辨率（如 1024x1024）容易导致人物畸形或物体重复。

高分辨率修复（Hires. fix）：这是解决上述问题的关键。工作流程是“低分辨率构图 -> 高分辨率细化”。

1. 先用一个较低的基础分辨率（如 512x512）生成满意的构图和内容。
2. 开启 Hires. fix 功能。
3. 选择放大算法（如R-ESRGAN 4x+或Latent）。
4. 设置目标分辨率（如 1024x1024）和重绘幅度（Denoising strength，通常 0.3-0.5）。
   • 重绘幅度：值越低，越忠实于原图；值越高，AI 会在放大时添加更多新细节。

5. 从单张生成到批量生产

当找到一组理想的参数后，下一步就是批量生成符合要求的图片，或者系统化地测试不同提示词的效果。

5.1 使用文生图批量生成

在 WebUI 的 “文生图（Text-to-Image）” 标签页，可以设置批量生成的数量。

# 例如，在"Batch count"中设置生成4批，每批1张图。 # 这样会生成4张不同的图片。

但更强大的功能是提示词矩阵（Prompt matrix）。它允许你自动组合多个提示词变量。

示例：你想测试不同发型和发色的组合。

• 正向提示词写：1girl, [hair: red|blue|green], [hairstyle: long|short|ponytail], beautiful face
• 勾选 “Enable” 提示词矩阵。
• 生成后，你会得到 3（发色）x 3（发型） = 9 张图，每张图对应一种组合，便于你比较效果。

5.2 使用图生图进行可控变化

“图生图（Img2Img）” 功能允许你基于一张现有图片生成新的变体。核心控制参数是重绘幅度（Denoising strength）。

• 重绘幅度 ≈ 0.1-0.3：微调风格、颜色或细节，基本保持原图结构。
• 重绘幅度 ≈ 0.4-0.6：较大程度改变画面，但保留主要构图和元素。
• 重绘幅度 ≈ 0.7-1.0：几乎完全重绘，原图仅作为色彩或风格的参考。

实用技巧：局部重绘（Inpainting）如果生成的整体画面不错，但某个局部（如手部）有缺陷，可以使用局部重绘功能。

1. 上传图片到“图生图”标签页。
2. 使用画笔工具涂抹有问题的区域（如画坏的手）。
3. 在提示词框中描述你希望修复成的样子（如perfect hands, five fingers）。
4. 设置一个适中的重绘幅度（如 0.5-0.7）。
5. 生成，AI 会只重绘你涂抹的区域，并与原图无缝融合。

6. 常见问题排查与修复

即使参数设置得当，生成过程中仍会遇到各种问题。以下是典型废片现象及其解决方法。

6.1 画面模糊、缺乏细节

• 可能原因 1：采样步数过低。
  • 解决：将步数从 20 提升至 28-30。
• 可能原因 2：CFG Scale 过低，AI 未充分执行提示词。
  • 解决：适当提高 CFG Scale 至 9-11。
• 可能原因 3：模型本身能力有限或未加载 VAE。
  • 解决：尝试更换更高质量的模型，并在设置中检查 VAE 是否正确加载。

6.2 人物脸部崩坏或身体畸形

• 可能原因 1：分辨率非标准比例或过高。
  • 解决：生成人像时，优先使用 512x768 或 768x512 等模型训练时常见的比例。务必使用 Hires. fix 来放大。
• 可能原因 2：提示词不够具体，或负面提示词未涵盖常见解剖错误。
  • 解决：在负面提示词中强化bad anatomy, deformed, malformed hands。对于脸部，可以开启“面部修复”选项（ADetailer 扩展效果更佳）。
• 可能原因 3：模型未针对人像进行良好训练。
  • 解决：换用专门的人像模型，如ChilloutMix或Realistic Vision。

6.3 生成内容与提示词不符

• 可能原因 1：提示词存在歧义或冲突。
  • 解决：检查提示词，避免矛盾描述。例如“阳光明媚的夜晚”会让 AI 困惑。使用明确的词语。
• 可能原因 2：提示词权重分配不合理，关键要素被弱化。
  • 解决：使用(keyword:1.3)语法加强核心概念的权重。
• 可能原因 3：模型本身的理解能力偏向。
  • 解决：有些模型对某些概念识别较差。可以尝试用更通俗的同义词，或者更换模型。

7. 生产环境下的最佳实践

当 AI 绘画用于实际项目（如游戏美术、概念设计、商业插画）时，需要考虑流程的稳定性和可重复性。

7.1 建立个人资源库

• 模型库：分类存放不同风格的模型，并做好备注，方便快速选用。
• 提示词库：将效果好的提示词组合保存下来，形成自己的“配方”。
• 参数预设：在 WebUI 中保存多组参数预设（如“快速草图”、“高质量人像”、“风景大片”），一键切换。

7.2 版本控制与工作流记录

对于重要作品，记录下生成时使用的所有信息至关重要：

• 模型名称和哈希值
• 完整的正向/负面提示词
• 所有参数（采样器、步数、CFG、种子、分辨率等）
• 使用的扩展（如 ControlNet）

WebUI 通常会将大部分信息自动写入图片的元数据中。你可以使用 PNG Info 功能读取这些信息。

7.3 引入控制网络（ControlNet）

对于要求精确构图的项目，ControlNet 是革命性的工具。它允许你通过输入一张姿势图、边缘检测图或深度图，来严格控制生成人物的姿势、物体的轮廓和画面的空间关系。这能将生成结果的可控性提升一个数量级，极大降低废片率。学习并使用 ControlNet，是从业余玩票走向专业应用的关键一步。

拒绝废片的核心在于将随机性转化为可控性。通过系统性地掌握模型选择、提示词工程、参数调优和后期修复，每一次点击生成都是在有方向地探索，而非盲目抽卡。建议从一个小主题开始，例如“生成一张高质量的写实风格猫的图片”，运用本文的方法论，反复调试和验证，直到能稳定产出满意结果。这个过程积累的经验，将成为你应对更复杂创作需求的坚实基础。