1. 从“玩具”到“生产力”：AI绘图的应用分野与核心价值

最近两年，AI绘图从一个极客圈的小众玩具，迅速演变成了设计师、内容创作者乃至普通用户手中的“新画笔”。很多人第一次接触它，可能是被那些天马行空、细节惊人的“神图”所吸引，但真正用起来，却发现从“能出图”到“出好图”，再到“用图解决实际问题”，中间隔着好几座大山。今天我们不谈那些高深莫测的模型原理，就从一个一线使用者的角度，来聊聊AI绘图最核心的两个应用场景——文生图（Text-to-Image）和图生图（Image-to-Image）——它们到底能干什么，怎么干，以及我踩过哪些坑才总结出的实用经验。

简单来说，文生图就是你给AI一段文字描述（提示词），它“无中生有”地生成一张全新的图片。这听起来很酷，也是大多数人入门的第一站。而图生图，则是你给AI一张现有的图片，再配上一些文字指令，让它在这张图的基础上进行修改、重绘、风格迁移或者细节增强。前者考验的是你的“语言描述能力”，后者则更考验你的“视觉引导和问题诊断能力”。这两者并非割裂，在实际工作流中，它们常常是交替使用、相辅相成的。比如，你可以先用文生图生成一个大致满意的构图，再用图生图去精细调整人物的表情、服装的质感，或者统一整个画面的色调。

为什么我们要区分这两者？因为它们的应用场景和解决的核心问题完全不同。文生图更适合创意发散、概念设计、快速原型构建。当你脑子里只有一个模糊的想法时，它是最高效的探索工具。而图生图则更像一个专业的图片编辑助手，擅长素材修复、风格统一、局部优化、创意延展。比如，把一张手绘线稿上色，把一张老照片修复并转换成动漫风格，或者给你的产品照片统一换成赛博朋克的背景。理解了这一点，你才能在选择工具和方法时，有的放矢，而不是盲目地试错。

2. 文生图：如何用语言“雕刻”出你想要的画面

文生图是整个AI绘图体验的起点，也是最容易让人感到挫败的环节。你输入“一个美丽的女孩在森林里”，AI可能给你生成一个画风诡异、肢体扭曲的“克苏鲁”产物。问题出在哪里？核心在于，AI不理解人类的“常识”和“审美”，它只认“数据关联”。你的提示词，就是给AI的“数据检索指令”。

2.1 提示词工程：从关键词堆砌到结构化描述

早期大家喜欢罗列一堆形容词和名词，比如“masterpiece, best quality, 1girl, beautiful, long hair, forest, sunlight”。这没错，但过于粗糙。经过大量实践，我总结出一套更有效的“结构化提示词”写法，它通常包括以下几个部分，并按权重从高到低排列：

1. 主体与构图（核心指令）：明确告诉AI“画什么”和“怎么画”。这应该是最开头、最简洁的部分。

   • 示例：A full-body portrait of a young female knight in intricate silver armor, standing proudly in a sunlit forest clearing, dynamic angle from below.
   • 解读：这里定义了主体（年轻女骑士）、着装（银色盔甲）、场景（森林空地）、构图（全身肖像）、视角（低角度仰视）。信息具体，避免了歧义。

2. 风格与质量（渲染指令）：这部分决定画面的“质感”。是照片？还是油画？是8K高清还是复古胶片？

   • 示例：photorealistic, hyperdetailed, 8k, professional photography, sharp focus, cinematic lighting, Volumetric fog.
   • 解读：指定了“照片级真实”、“超细节”、“8K分辨率”等质量标签，以及“电影感灯光”、“体积雾”等具体渲染效果。这些词在AI的训练数据中关联着高质量图片。

3. 艺术家与画风参考（风格化指令）：如果你想获得特定的艺术风格，直接引用艺术家或艺术流派的名字是最快的方式。

   • 示例：by Greg Rutkowski and Artgerm, style of Studio Ghibli, cyberpunk aesthetic.
   • 解读：Greg Rutkowski 的画风以宏大的奇幻场景和细腻的光影著称；Artgerm 擅长唯美的动漫风格肖像；吉卜力风格则带有独特的清新和手绘感。混合使用可以融合多种特点。

4. 负面提示词（排除指令）：这是控制出图质量的关键，用于排除你不想要的内容。很多新手会忽略这一点。

   • 通用负面词：worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry, deformed, disfigured, morbid, mutated, bad anatomy, bad hands.
   • 场景特定负面词：如果你画人物，可以加上extra fingers, fewer fingers, extra limbs, fused fingers来减少肢体错误；画风景则可以加上people, human, text来避免出现无关元素。

实操心得：不要一次性把所有想到的词都塞进去。建议采用“迭代法”：先只用核心指令生成一批图，看构图和主体是否符合预期；然后逐步添加风格和质量词，调整画面质感；最后用负面词修剪掉那些顽固的瑕疵。很多在线工具如https://www.runninghub.cn提供了便捷的提示词输入和生图界面，适合快速验证想法。

2.2 核心参数：不只是随机种子，更是控制开关

除了提示词，文生图的参数设置直接决定了结果的稳定性和多样性。以下几个是关键：

• 采样步数（Steps）：AI从噪声图逐步“去噪”成清晰图像的迭代次数。步数太少（如20步），画面可能粗糙、细节缺失；步数太多（如50步以上），细节会过度锐化，可能产生不自然的纹理，且耗时剧增。经验值：对于大多数模型，30-40步是一个在质量和速度间取得良好平衡的点。
• 引导系数（CFG Scale）：这个参数控制AI“听从”你提示词指令的严格程度。值太低（如3-5），AI自由发挥，画面可能很美但与提示词无关；值太高（如15-20），AI会僵化地执行指令，导致画面色彩过度饱和、构图生硬。经验值：7-9是常用范围，能较好地在创意和可控性之间取得平衡。
• 随机种子（Seed）：决定生成过程的初始随机状态。固定种子，在相同提示词和参数下，可以生成几乎完全相同的图，这是进行细微调整（微调提示词）的基础。如果你对某次生成的主体构图满意，但想换换风格或细节，固定种子，然后修改提示词，是最高效的方法。
• 分辨率：不要盲目追求高分辨率。许多模型是在512x512或768x768的分辨率上训练的。直接生成极高分辨率（如2048x2048）的图，很容易出现主体重复、肢体错乱等问题。正确做法：先以基础分辨率（如512x768）生成满意的构图，然后使用图生图功能配合高清修复（High-Res Fix）或专门的放大模型（如UltraSharp）来提升分辨率。

2.3 常见问题与“急救”方案

即使提示词和参数都调好了，出图不如人意也是常事。下面是一些典型问题及我的排查思路：

3. 图生图：赋予旧图新生命的魔法

如果说文生图是“从0到1”的创造，那么图生图就是“从1到10”的进化。它的能力边界远超很多人的想象，绝不仅仅是加个滤镜那么简单。其核心原理是，AI以你输入的图片为“蓝本”，在其基础上注入噪声，然后结合你的新提示词，进行“有条件”的重绘。

3.1 重绘强度：控制“改变”的油门与刹车

图生图中最重要的参数是重绘强度（Denoising Strength）。它决定了AI在多大程度上“相信”你给的原始图片。

• 低强度（0.1 - 0.3）：AI会严格保留原图的构图、色彩和细节，只进行微调。适用于风格微调、色彩校正、细节增强。比如，给一张素描线稿轻微上色，或者修复照片上的小划痕。
• 中强度（0.4 - 0.6）：AI会参考原图的整体布局和主体形状，但可以改变风格、细节和部分内容。这是最常用的范围，适用于风格迁移、内容修改、质量提升。比如，把真人照片转成动漫风，或者给房间换一种装修风格。
• 高强度（0.7 - 0.9）：AI几乎把原图当作一个充满噪声的“灵感草图”，只保留最模糊的轮廓信息，然后根据提示词自由发挥。适用于彻底改变画风、进行创意变形。比如，把一张风景照变成梵高风格的油画。

踩坑记录：我曾想将一张猫的图片变成老虎，设置了0.5的重绘强度，结果生成了一只“猫脸虎纹”的奇怪生物。原因是强度不够，AI过于依赖原图的猫脸特征。后来将强度提高到0.75，并强化提示词a majestic tiger，才成功实现了物种的“转变”。记住，想改变什么，就要在提示词里明确说出来，并用重绘强度来控制改变的力度。

3.2 局部重绘：精准外科手术

这是图生图里最强大的功能之一。你可以用画笔涂抹图片的特定区域，然后只对这个区域进行重绘，其他部分保持不变。这解决了文生图中“牵一发而动全身”的难题。

典型工作流：

1. 发现问题：生成的人物图片很美，但手部画错了，多了根手指。
2. 圈定范围：使用局部重绘的画笔，仔细地将错误的手部区域涂抹为蒙版（通常显示为黑色或彩色覆盖）。
3. 设定参数：重绘强度设为0.5-0.7，确保有足够变化来修正错误。提示词可以写a hand with five normal fingers。
4. 生成与选择：点击生成，AI会只重绘你涂抹的区域，尝试画出正确的手。通常需要生成多张来选择最自然的一张。

进阶技巧——蒙版模糊：在涂抹的边缘设置一个模糊值（如10-20像素），这会让重绘区域和原图区域的过渡更加自然，避免生硬的接缝。这在修复面部、融合新元素时尤其重要。

3.3 ControlNet：从“建议”到“指挥”

如果说普通的图生图是给AI一个“参考”，那么集成ControlNet就是给AI下达“必须遵守”的指令。它通过提取输入图的特定信息（如线条、姿态、深度、语义分割等），并将其作为强条件输入给生成模型，实现对画面构图、姿势、结构的精确控制。

• Canny（边缘检测）：提取线稿。你可以上传一张潦草的手绘草图，AI能生成一张细节丰富且完全遵循你构图的作品。这是将创意快速可视化的神器。
• OpenPose（姿态检测）：提取人体骨骼关键点。你可以上传一张真人姿势照片，AI生成的新人物会完全复刻这个姿势，无论你把她变成精灵、机甲战士还是卡通角色。对于角色设计、动画分镜帮助极大。
• Depth（深度图）：提取场景的深度信息。能保证生成图片的前后景层次关系和原图一致，非常适合用于场景的一致性扩展或风格化。
• Seg（语义分割）：将图片按类别（人、天空、树、建筑等）划分成不同颜色的块。你可以通过修改色块来指挥AI：“把这里（建筑色块）变成玻璃幕墙”，“把那里（天空色块）变成夜晚”。

在ComfyUI、Stable Diffusion WebUI等工具中，ControlNet通常作为一个独立的插件或节点使用。你需要将原图同时输入到图生图通道和ControlNet通道，并选择合适的预处理器和模型。一个关键经验是：ControlNet的“权重”和“引导时机”需要仔细调整。权重太高会限制AI创意，让画面呆板；引导时机控制Condition在生成过程的哪个阶段介入，通常在中前期介入效果较好。

4. 融合与进阶：构建你的AI绘图工作流

单独使用文生图或图生图，都能完成很多工作。但真正的高效和创意爆发，来自于将它们串联起来，形成一个有机的工作流。

4.1 从文生图到图生图的迭代流程

一个典型的创作流程可能是这样的：

1. 阶段一：概念探索（文生图）。用简单的提示词批量生成几十张草图，目的是探索构图、色调和氛围。此时不追求完美细节，只看大感觉。保存下几张有潜力的“种子”。
2. 阶段二：定型与细化（图生图，低强度）。选中最满意的一张种子图，固定它的种子。然后通过图生图，以较低的重绘强度（0.2-0.4），微调提示词，比如增加intricate embroidery on clothes,sparkling eyes等细节描述，逐步让画面丰富起来。
3. 阶段三：问题修正（局部重绘）。检查细化后的图，发现人物表情僵硬，背景一棵树形状奇怪。分别对脸部和树木区域进行局部重绘，提示词改为gentle smile和a lush oak tree。
4. 阶段四：风格强化与放大（图生图+ControlNet）。如果我想把写实风格转为赛博朋克。我会使用图生图，重绘强度调到0.6，提示词加入cyberpunk, neon lights, rainy night。同时，为了保持构图不变，可以开启Canny或Depth ControlNet，权重设为0.6-0.8，这样AI会在新风格下依然保持原来的场景结构。
5. 阶段五：最终输出（高清修复）。使用图生图的高清修复功能，或者专门的AI放大工具（如Upscayl），将最终满意的作品从基础分辨率放大到4K甚至更高。

4.2 模型与工具的选择：没有银弹

市面上模型和工具繁多，从在线的“一毛钱生图”网站到需要本地部署的ComfyUI，如何选择？

• 在线平台（如 runninghub.cn 等）：优势是无需硬件、上手快、内置多种模型和功能，适合新手快速体验和简单创作。劣势是功能可能受限，生成速度、隐私性和自定义程度无法与本地部署相比。对于“不用登录的文生图”或“免费生图API”这类需求，在线平台是首选。
• Stable Diffusion WebUI（AUTOMATIC1111）：这是目前最流行的本地部署方案。优势是功能极其全面，插件生态丰富（如ControlNet），自定义程度极高，完全免费且离线运行。劣势是对电脑显卡（显存）有一定要求，安装和配置有一定门槛。
• ComfyUI：这是一个基于节点流程的UI。优势是工作流可视化、可保存、可复用，极其灵活，适合构建复杂、可重复的生成流水线，对显存利用效率有时更高。劣势是学习曲线陡峭，不适合新手。
• 模型本身：这是决定画面风格的灵魂。除了官方模型，社区有无数微调模型，有的擅长真人（ChilloutMix），有的擅长动漫（Anything），有的擅长奇幻场景（DreamShaper）。我的建议是，根据你的主要创作方向，精选2-3个通用性强的模型深度使用，而不是频繁更换。每个模型对提示词的反应都略有不同，熟悉了才能得心应手。

4.3 关于“无限制”与伦理的思考

在搜索热词中，我们看到了“无限制ai生图”、“可以无积分无限制无道德的图生图ai”这样的词汇。这反映了一部分用户对“完全自由创作”的渴望。从技术上讲，本地部署的Stable Diffusion确实可以做到“无限制”，因为它运行在你自己的电脑上。

但这引出了一个必须面对的伦理和实践问题。首先，绝大多数高质量的AI模型，都是在经过筛选的、符合伦理和法律的数据集上训练的，以避免生成有害、侵权或非法的内容。追求“无限制”模型，往往意味着其训练数据来源可疑，生成质量也难以保证。其次，即使技术可行，作为创作者也应当有自己的底线。生成尊重他人肖像权、版权，不涉及真实伤害和违法内容的作品，是对自己和他人的负责。AI是一支强大的画笔，但握住画笔的，始终是人的思想和判断。用技术去创造美、表达想法、提升效率，才是它最有价值的应用场景。

最后，分享一个我自己的小习惯：建立一个“提示词-成果”图库。每次生成出特别满意的作品，我都会把最终的图片、使用的正面/负面提示词、关键参数（模型、步数、CFG、种子）、以及简要的创作思路（如“想突出孤独感，所以用了蓝调和低饱和度”）记录下来。久而久之，这就成了我个人的创作宝典。下次遇到类似需求，我不再是从零开始，而是有一个高质量的起点。AI绘图的门槛正在迅速降低，但精通它的道路，依然需要大量的实践、思考和积累。它不是替代创意的魔法，而是放大创意火花的鼓风机。