三亩地 三亩地SAN MU DI · CODE DIARY
交流投稿
ARTICLE DETAIL

日记详情

真实记录编程学习的某一天，欢迎挑你感兴趣的翻一翻。

首页/学习日记/日记详情

AI绘画实战：Flux模型+Krea风格+深度图控制完整工作流

发布时间：2026/8/9 16:18:49 三亩地 编程学习日记
AI绘画实战：Flux模型+Krea风格+深度图控制完整工作流

最近在尝试将AI绘画融入工作流时，发现很多新模型和工具虽然强大，但上手门槛不低。特别是像Flux这样的新秀，以及Krea这类风格化工具，网上资料要么零散，要么只讲理论，实操起来总卡在环境、提示词和效果控制上。本文旨在整合一套从模型部署、风格应用到深度图控制的完整闭环方案，手把手带你体验Flux 3，用好Krea 2的397种风格提示词，并实现深度图驱动的精准“洗图”。无论你是刚接触AI绘画的新手，还是想提升出图效率的进阶玩家，都能从中找到可直接复现的代码和配置。

1. 背景与核心概念：为什么是Flux、Krea与深度图？

在深入实操之前，我们有必要厘清这几个核心工具和技术的作用，以及它们如何协同工作，解决AI绘画中的具体痛点。

1.1 Flux模型：下一代文生图基石

Flux是由Black Forest Labs（BFL）团队开发的一系列扩散模型。相较于之前的Stable Diffusion，Flux在架构上进行了革新，采用了“Transformer扩散模型”的设计。其核心优势在于：

  • 更高的图像质量与细节：能生成更逼真、细节更丰富的图像，尤其在处理复杂场景和文本遵循度上表现突出。
  • 更强的可控性：原生支持更长的提示词，对画面元素的位置、关系理解更准确。
  • 多模态潜力：为未来的图生图、视频生成等任务打下了更好的基础。 我们常说的“Flux 3”可能指代其某个特定版本或分支（如flux-dev），本文将以目前社区中较为活跃且易于获取的版本进行演示。

1.2 Krea风格提示词库：快速统一视觉风格

Krea AI是一个专注于风格探索和应用的平台。其“风格库”功能收集并提炼了海量艺术风格，并将其编码成一套高效的提示词（Prompts）。所谓的“397种提示词”，实质上是397种经过精心调校的风格预设。使用这些提示词，你可以：

  • 一键应用风格：无需自己研究复杂的艺术术语，输入主题后附加风格词，即可获得特定画风的作品。
  • 保持风格一致性：在生成系列作品时，使用同一风格提示词能确保视觉风格的统一，极大提升工作效率。
  • 激发创作灵感：浏览不同的风格效果，可以为你的项目找到新的视觉方向。

1.3 深度图控制：从“生成”到“精确构图”

深度图（Depth Map）是一种表示图像中物体距离（深度信息）的灰度图，越近的区域越亮，越远的区域越暗。在AI绘画中，深度图控制属于“可控生成”的范畴，类似于Stable Diffusion中的ControlNet。

  • 原理：将一张参考图的深度信息提取出来，作为条件输入给生成模型（如Flux），引导模型按照参考图的构图和空间层次来生成新内容。
  • 应用场景：
    • “洗图”/重绘：保留原图的整体构图和空间感，但替换全部或部分内容。例如，保持一座山的轮廓，但将其从夏季变为冬季。
    • 风格迁移：将一张照片的构图与另一种艺术风格结合。
    • 一致性生成：为视频或系列图像生成保持相同镜头视角和景深的画面。 本文的“一键洗图”即指利用深度图，快速实现对现有图像构图的复用与新内容生成。

2. 环境准备与工具说明

本次实战将在一个集成的WebUI环境中进行，它封装了模型加载、提示词输入和可控生成等功能，避免从零开始配置Python环境的繁琐。我们主要使用两个工具：

  1. Flux 运行环境：推荐使用Flux-UI或ComfyUI（配合Flux自定义节点）。本文示例将基于一个假设的、类似AUTOMATIC1111的WebUI（我们称之为“Flux WebUI”）进行讲解，其操作逻辑通用。
  2. 深度图生成工具：我们将使用Python的OpenCV和MiDaS库来从任意图像提取深度图。这是“一键洗图”流程中的关键前置步骤。

版本与环境说明：

  • 操作系统：Windows 10/11, macOS 或 Linux (Ubuntu 20.04+) 均可。本文命令以Linux/macOS的bash为例，Windows用户可在PowerShell或WSL中运行。
  • Python：需要Python 3.8-3.10。这是运行深度图提取脚本和某些WebUI后端所必需的。
  • 主要工具：
    • Flux WebUI (预打包版本，已包含Flux模型)
    • 深度图生成脚本 (需自行安装依赖)
  • 硬件：建议拥有至少8GB显存的NVIDIA GPU。Flux模型对显存要求较高，纯CPU模式速度极慢。

3. 核心步骤拆解：从安装到出图

整个流程可以分解为三个核心阶段：环境搭建、风格应用、深度图控制。下面我们分步详解。

3.1 阶段一：Flux WebUI 的安装与启动

假设我们已经下载了一个预打包的Flux WebUI压缩包flux-webui.zip。

# 1. 解压并进入目录 unzip flux-webui.zip cd flux-webui # 2. 启动WebUI服务器 (根据实际脚本名调整) # 通常是一个Python脚本，例如： python launch.py --listen --port 7860 # 或直接运行一个可执行文件 # ./webui.sh # 3. 访问界面 # 启动成功后，在浏览器中打开 http://localhost:7860

启动后，你应该能看到一个类似Stable Diffusion WebUI的界面，包含文生图、图生图、模型选择等选项卡。请确保在“模型”选择处，加载了Flux模型（如flux-1.1或flux-dev）。

3.2 阶段二：集成Krea风格提示词库

Krea的397种风格提示词通常是一个文本文件（如krea_styles_397.txt），每行包含一个风格名称和对应的触发词。

操作步骤：

  1. 获取风格列表：你可以从社区论坛或Krea的官方渠道找到这些风格词。将其保存为krea_styles.txt。
  2. 在WebUI中应用：
    • 在“文生图”的提示词框内，先输入你的主体描述，例如：“a majestic dragon soaring above ancient mountains”。
    • 然后，从krea_styles.txt中挑选一个风格，将其触发词附加在后面。例如，选择“Synthwave”风格，其触发词可能是，synthwave neon, retro futuristic, vibrant glow。
    • 完整的提示词即为：“a majestic dragon soaring above ancient mountains, synthwave neon, retro futuristic, vibrant glow”。
  3. 参数设置：调整采样步数（如20-30步）、采样器（如DPM++ 2M Karras）、以及尺寸（Flux可能支持原生1024x1024）。点击生成。

风格词表示例 (krea_styles.txt片段)：

# 风格名称: 触发词 Oil Painting: masterpiece, oil on canvas, textured brushstrokes, classical art Cyberpunk: cyberpunk, neon noir, rainy Tokyo, futuristic cityscape, cinematic lighting Anime: anime key visual, detailed background, vibrant colors, by Makoto Shinkai Watercolor: delicate watercolor painting, soft edges, translucent washes, artistic ...

3.3 阶段三：深度图生成与控制“洗图”

这是实现构图复用的关键。我们需要先将参考图转换为深度图，然后在图生图模式下使用。

3.3.1 使用Python脚本生成深度图

首先，创建一个Python环境并安装必要库。

# 创建并激活虚拟环境 (可选但推荐) python -m venv depth_env source depth_env/bin/activate # Windows: depth_env\Scripts\activate # 安装依赖 pip install opencv-python torch torchvision pip install timm # MiDaS 模型可以通过torch.hub加载，无需单独安装

接下来，编写深度图生成脚本generate_depth.py：

# generate_depth.py import cv2 import torch import numpy as np from PIL import Image import urllib.request import os # 检查是否有GPU device = torch.device("cuda" if torch.cuda.is_available() else "cpu") print(f"Using device: {device}") # 加载MiDaS模型 (中等规模模型，平衡速度与精度) model_type = "DPT_Hybrid" # 也可以尝试 "DPT_Large" 或 "MiDaS_small" midas = torch.hub.load("intel-isl/MiDaS", model_type) midas.to(device) midas.eval() # 加载图像预处理变换 transforms = torch.hub.load("intel-isl/MiDaS", "transforms") if model_type == "DPT_Large" or model_type == "DPT_Hybrid": transform = transforms.dpt_transform else: transform = transforms.small_transform def create_depth_map(input_image_path, output_depth_path): """生成深度图并保存""" # 读取图像 img = cv2.imread(input_image_path) if img is None: raise FileNotFoundError(f"Could not read image: {input_image_path}") img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 预处理 input_batch = transform(img).to(device) # 推理 with torch.no_grad(): prediction = midas(input_batch) prediction = torch.nn.functional.interpolate( prediction.unsqueeze(1), size=img.shape[:2], mode="bicubic", align_corners=False, ).squeeze() # 后处理：归一化到0-255 depth_np = prediction.cpu().numpy() depth_min = depth_np.min() depth_max = depth_np.max() depth_normalized = (depth_np - depth_min) / (depth_max - depth_min) * 255.0 depth_normalized = depth_normalized.astype(np.uint8) # 保存深度图 depth_image = Image.fromarray(depth_normalized) depth_image.save(output_depth_path) print(f"Depth map saved to: {output_depth_path}") return depth_normalized if __name__ == "__main__": # 使用示例 input_img = "your_reference_image.jpg" # 替换为你的参考图路径 output_depth = "depth_map_output.png" if not os.path.exists(input_img): print(f"请将参考图片放置于此路径: {input_img}") else: create_depth_map(input_img, output_depth)

运行脚本：

python generate_depth.py

执行后，你会得到一张灰度图depth_map_output.png，这就是你的深度图。

3.3.2 在Flux WebUI中利用深度图“洗图”
  1. 切换到图生图：在WebUI中，找到“图生图”选项卡。
  2. 上传深度图：
    • 在“图生图”区域，不要上传原始彩色参考图，而是上传刚刚生成的depth_map_output.png。
    • 在某些UI中，可能有专门的“ControlNet”或“深度控制”单元。你需要启用它，并选择“深度图”作为控制类型。将深度图上传到该单元。
  3. 设置控制强度：
    • 找到“控制权重”或“Conditioning Scale”参数，通常设置在0.5-1.0之间。权重越高，生成结果越严格遵循深度图的构图。
    • “起始控制步数”和“结束控制步数”可以控制深度图在生成过程的哪个阶段起作用。通常保持默认（全程控制）。
  4. 编写提示词：
    • 在提示词框中，描述你想要生成的新内容。例如，参考图是一座山，你想把它变成城堡，就输入“a grand fantasy castle on a cliff, intricate details, epic lighting”。
    • 同样可以附加Krea风格词，例如，digital painting, concept art, trending on ArtStation。
  5. 关键参数：
    • 重绘幅度：这是一个核心参数。如果你想完全改变内容但保留构图，重绘幅度（Denoising strength）应该设置得较高，例如0.7-0.9。如果只想微调，则设置较低值。
    • 采样步数与采样器：与文生图类似，选择适合的步数（如25步）和采样器。
  6. 生成：点击生成按钮。Flux模型会根据深度图的构图约束和你的新提示词，生成一张全新的图像。

4. 完整实战案例：将风景照转为赛博朋克城市

让我们通过一个具体案例，串联所有步骤。

目标：将一张普通的山峰风景照，利用深度图控制，重绘为一座赛博朋克风格未来城市的夜景。

4.1 准备素材

  • 参考图：mountain.jpg(一张清晰、有前景和远景层次的山峰照片)。
  • 风格词：从Krea库中选择Cyberpunk风格，触发词为cyberpunk, neon lights, rainy, futuristic metropolis, cinematic, blade runner。

4.2 生成深度图

运行我们的generate_depth.py脚本，生成mountain_depth.png。

4.3 WebUI 操作流程

  1. 启动Flux WebUI，确保Flux模型已加载。
  2. 进入“图生图”页面。
  3. 在“ControlNet”单元(或深度控制区域)：
    • 启用单元。
    • 预处理器选择None(因为我们已上传处理好的深度图)。
    • 模型选择control_v11f1p_sd15_depth或类似的深度控制模型（注意：Flux可能需要特定的适配器，请根据你的WebUI插件选择对应Flux的深度控制模型。如果暂无，可使用常规深度模型，效果可能稍逊）。
    • 上传mountain_depth.png。
    • 控制权重设置为0.8。
  4. 提示词框输入：
    a towering cyberpunk cityscape at night, replaced the mountain, countless neon signs, flying cars, heavy rain, reflective wet streets, cyberpunk, neon lights, rainy, futuristic metropolis, cinematic, blade runner
    (提示词前半部分描述新场景，后半部分附加Krea风格词)
  5. 负面提示词(可选)：输入blurry, ugly, deformed, low quality以规避低质量生成。
  6. 参数设置：
    • 采样步数：30
    • 采样器：DPM++ 2M Karras
    • 图片尺寸：根据深度图尺寸设置，例如1024x768
    • 重绘幅度：0.85(高强度重绘以彻底改变内容)
  7. 点击生成。

4.4 结果与调整

首次生成可能不会完美。你可以根据结果进行微调：

  • 城市细节不够：增加控制权重（如到1.0），或在提示词中增加更具体的描述，如“intricate building facades with holographic advertisements”。
  • 构图扭曲：降低控制权重（如到0.6），或降低重绘幅度（如到0.75）。
  • 风格不强烈：检查风格词是否准确，或尝试组合多个风格词。

多次尝试后，你将得到一张既保留了原风景照中山峰轮廓与空间层次，又完全呈现出赛博朋克城市风貌的图片，实现了高质量的“洗图”。

5. 常见问题与排查思路

在整合使用Flux、Krea风格和深度图的过程中，你可能会遇到以下典型问题。

问题现象可能原因解决思路
WebUI启动失败或无法加载模型1. 显存不足。
2. 模型文件损坏或路径错误。
3. Python依赖冲突。		1. 检查GPU显存，尝试降低分辨率或使用--medvram参数启动。
2. 确认Flux模型文件（.safetensors或.ckpt）已放置在正确的models目录下。
3. 尝试在干净的Python虚拟环境中重新安装WebUI依赖。
生成图像模糊或质量差1. 采样步数过低。
2. 提示词过于简单或矛盾。
3. Flux模型版本问题。		1. 将采样步数提高到25-40。
2. 优化提示词，使用更具体、公认有效的描述词组合。参考Krea风格词的构成。
3. 尝试不同的Flux模型变体（如flux-devvsflux-1.1）。
深度图控制无效，生成图像与构图无关1. ControlNet单元未正确启用或模型不匹配。
2. 控制权重设置过低。
3. 上传的不是深度图，而是原图。		1. 确保ControlNet单元“启用”复选框已勾选，并正确选择了深度图模型。
2. 将控制权重提高到0.7以上。
3. 确认上传的是generate_depth.py输出的灰度深度图。
风格词效果不明显1. 风格词与主体描述冲突。
2. 风格词在提示词中位置太后，权重低。
3. 该风格词对当前模型（Flux）适配性差。		1. 调整提示词语序，确保风格词紧跟在主体描述之后。
2. 使用提示词权重语法，如(cyberpunk:1.3)来增强风格词影响力。
3. 尝试其他同类型风格词，或手动组合多个描述词来模拟该风格。
生成速度非常慢1. 使用CPU模式运行。
2. 图片分辨率设置过高。
3. 同时启用了多个高负载的ControlNet。		1. 确认WebUI使用的是GPU（CUDA）。启动时查看终端日志。
2. 适当降低生成图片的宽高，或使用Tiled VAE等显存优化扩展。
3. 只启用必要的ControlNet单元。

6. 最佳实践与进阶技巧

掌握了基础流程后，遵循以下实践能让你的工作流更高效、产出更可控。

6.1 提示词工程优化

  • 结构化提示词：采用[主体描述], [细节描述], [风格/质量词], [艺术家/画风参考]的结构。例如：“A samurai in armor, standing in a bamboo forest, detailed fabric, dramatic lighting, ukiyo-e woodblock print, by Yoshitoshi”。
  • 使用Krea风格库作为灵感库：不要局限于直接复制粘贴。分析你喜欢的风格词是由哪些关键词构成的（如cinematic lighting, volumetric fog, unreal engine 5），学习并组合它们来创造自己的风格。
  • 负面提示词是另一半：积极使用负面提示词来排除不想要的元素（如deformed, blurry, bad anatomy）和特定风格（如不想太写实可以加photorealistic, photo）。

6.2 深度图控制进阶

  • 预处理参考图：对于构图复杂的参考图，可以在Photoshop或GIMP中手动调整深度图的对比度，强化你希望控制的主要边缘。
  • 多ControlNet组合：如果WebUI支持，可以同时使用深度图控制构图，再用Canny或Scribble控制边缘细节，用OpenPose控制人物姿态，实现多重约束。
  • 控制时机：实验“起始控制步数”。有时在生成中期（例如从第0.3步开始）才加入深度控制，能给模型更多自由发挥初期构图的空间，可能产生更有创意的结果。

6.3 工作流集成与自动化

  • 批量处理：编写一个简单的Shell脚本或Python脚本，自动化“生成深度图 -> 调用WebUI API生成图片”的流程，用于处理大量图片。
  • 参数网格搜索：对于重要项目，可以固定提示词和深度图，对控制权重、重绘幅度、采样器等关键参数进行小范围的网格搜索，生成多组结果以供选择。
  • 结果管理：养成好习惯，将成功的生成参数（包括完整的提示词、负面提示词、所有滑块数值、模型名称、使用的风格词）保存在文本文件或专门的工具中，方便复现和迭代。

6.4 关于Flux模型的特别说明

  • 模型变体：关注社区动态，flux-dev、flux-1.1等不同版本在细节表现、提示词遵循度和生成速度上可能有差异。选择最适合你当前任务的版本。
  • 官方与社区资源：Black Forest Labs的官方Discord和Hugging Face页面是获取最新模型和文档的最佳渠道。社区论坛（如Civitai）则有很多用户分享的实用技巧和模型微调版本。

通过将Flux的强大生成能力、Krea风格库的效率提升以及深度图的精准控制相结合，你便构建了一个高度灵活且强大的AI图像创作管线。这个管线不仅能用于艺术创作，也能在游戏素材设计、概念可视化、营销内容快速原型制作等领域发挥巨大作用。关键在于多实践、多调试，理解每个参数背后的含义，从而真正驾驭这些工具，而非被其复杂性所困扰。

编程学习 学习日记 实战经验
← 返回列表