如果你第一次看到“卡通猫vs自创生物”这个题目可能会觉得这就是一次AI绘画挑战一边是大家都熟悉的卡通猫另一边是只存在于你脑洞里的自创生物。我最近用Stable Diffusion WebUI做了一组对照实验想看看同一个工作流在两类对象上的表现差异。结果其实不算意外卡通猫几乎每次都能快速出图自创生物则经常翻车——要么像几种动物拼出来的四不像要么根本看不见我指定的关键特征。这个差异很容易被归因成“模型不够聪明”但实际不是。真正的问题在于当你面对一个训练数据里已经非常成熟的概念时AI承担的是“检索和重组”而当你要求它生成一个从未存在过的生物时AI承担的是“组合和推测”。这两种任务需要完全不同的提示词策略、参数策略和迭代策略。所以这个题目真正考验的不是画技甚至不是提示词背得熟不熟而是你有没有一套“可控、可复现、可迭代”的创作流程。1. 这个题目真正考验的不是画技而是概念掌控力1.1 卡通猫为什么容易出图训练数据里全是锚点先看“卡通猫”这一类目标。主流AI绘画模型是基于海量图文数据训练的这个数据里“猫”“卡通”“角色设计”的相关图片多到难以统计。模型在训练中已经把“卡通猫”的语义锚点分布得非常密集。也就是说“卡通猫”不是一个模糊概念而是一个有大量视觉样本支撑的高频概念。当你在提示词里输入 cartoon cat模型内部其实是在迅速检索它见过的海量卡通猫图像再结合你在风格、姿态、背景上的额外描述输出一个概率最高的组合。这意味着出图稳定的第一个原因是语义锚点密集。第二个原因是用户容易得到正向反馈即使你没有把提示词写得很精确模型也会靠先验补齐很多细节。比如你只写 cute cartoon cat模型大概率会补上圆脸、大眼睛、小身体、柔软毛发等常见特征。这些特征不是你的功劳也不是模型“懂你”而是训练数据里“卡通猫”的平均长相本来就是这样。在实际创作中这容易带来一个误区很多人会觉得“我已经会写提示词了”因为画卡通猫很顺。但这类成功会掩盖一个重要事实——你对颜色、线条、构图、风格的控制可能仍然很弱只是模型先验在帮你兜底。所以真正需要拿自创生物来测试自己的控制力而不是沾沾自喜于卡通猫的出图速度。1.2 自创生物为什么容易翻车模型没有现成语义坐标现在看“自创生物”。它的问题不是“新东西无法被画出来”而是“没有现成语义标尺”。我在实验里写过一个描述三只眼、独角、虹彩鳞片、蝙蝠翅膀、长尾。模型确实画出了很多元素但每次结果都像不同生物的大乱炖。为什么会这样因为模型的工作方式本质上是把提示词里的每个属性拆解成对应的小区域再在潜空间里做采样。“三只眼”有大量科幻样本“独角”有大量奇幻样本“蝙蝠翅膀”也有自己的样本分布。当这些样本的视觉风格不一致时模型很难找到一个真正连贯的中间态于是它会倾向于把不同部分生硬拼贴起来。另一个问题是自创生物必须“自洽”。真实存在的生物通常有符合逻辑的骨骼、肌肉、皮肤纹理即便卡通角色也会遵循简化的解剖逻辑。但自创生物没有这样的隐含逻辑你需要通过文字把所有逻辑写清楚。如果你的提示词只是罗列特征没有说明结构关系、材质关系、体型比例模型就只能按照它的统计学直觉去补全补全结果自然不稳定。这里的关键变化是任务从“描述一个已知对象”变成了“定义一个未知对象的规则”。前者是选择后者是设计。很多人意识到这个区别之后才会真正开始理解提示词为什么需要分层。1.3 这不是谁更厉害的问题而是两类任务在工作流上不同所以“卡通猫vs自创生物”的底层差异不是一边容易一边难而是两类任务需要的工作流不同。卡通猫倾向于“检索式生成”你只需要把模型已知的概念选中、再叠加上风格自创生物则倾向于“组合式生成”你需要把多个独立概念重新组装并确保它们在视觉上自洽。对于一个项目而言这两种模式可能要并存。比如你要为一个游戏设计角色主角可能是一只卡通猫但配角需要创意生物。如果你只用同一套提示词模板和相同参数往往只能解决卡通猫这一类。所以你需要把创作流程拆成两条线一条负责检索和调优一条负责组合和验证。后面我给出的对照实验就是为了帮你在自己的环境里把这两条线同时跑通。2. 一次对照实验先跑通一张基准图别急着抽卡2.1 环境准备本地WebUI或在线工具先确认最小流程为了做这个对照实验不需要特别复杂的工程配置。常见的选择是Stable Diffusion WebUI或者你习惯的在线绘图工具。如果只是验证工作流本地WebUI更灵活因为你可以随时看到日志、切换模型、固定种子。如果是第一次用建议先别追求下载一堆插件先用基础模型、VAE和一个最简单的文生图界面完成一张正常出图。很多人在这里会踩第一个坑拿到一个项目先装各种 ControlNet、LoRA、高清修复脚本结果环境一直报错最后连一张图都出不来。我的建议是先跑通最小流程装好 WebUI选择基础模型输入一张图的提示词生成一张正常图片。这一步的目的是验证输入、模型、输出路径、显存占用这些基础链路是通的。只有最小流程稳定后面的对照实验才有意义。注意不要一上来就全套插件先用最小流程把“能否正常出图”验证完再谈参数和批量。我实验用的基础模型是一个通用性比较好的写实/二次元混合模型。如果你用的是专门的卡通模型实验结果会偏向卡通风格这没关系只要固定同一个模型做对照即可。2.2 卡通猫生成策略风格词、角色词与负向提示词第一组测试是卡通猫。我的提示词结构大概是这样(masterpiece, best quality:1.2), a cute cartoon cat with big eyes, round face, soft fur, chibi style, simple background Negative prompt: blurry, lowres, bad anatomy, extra fingers, deformed, ugly, watermark, text这组提示词没有多高深但有几个地方值得拆开看。第一是主体词a cute cartoon cat with big eyes, round face, soft fur。这些词会引导模型选择常见卡通猫特征。第二是风格词chibi style和simple background它决定了整体是Q版、简洁还是复杂场景。第三是质量词和负向提示词masterpiece, best quality是通用质量词负向提示词用来排除模糊、畸形、水印等常见问题。在跑卡通猫时采样步数用28步CFG Scale用7分辨率512x512然后固定种子。结果比较稳定差不多每四张里有一张可以直接用。如果某个种子形态不好我只改随机种子或小范围调整CFG不会大改提示词。原因是卡通猫的先验很强大部分问题靠种子和简单参数就能解决。这里我想强调一个经验对已知对象负向提示词比你想象的重要。因为模型太熟悉卡通猫了如果负面提示词里不写blurry、lowres它可能为了追求艺术感输出一堆背景糊掉的图。你不需要告诉模型卡通猫长什么样你更需要告诉它“不要什么”。2.3 自创生物生成策略属性堆叠、结构关系与参考图控制第二组测试是自创生物。我用的是a fictional creature with three eyes, one horn, iridescent scales, bat-like wings, long tail, fantasy creature concept art, full body, intricate details Negative prompt: blurry, lowres, deformed, extra fingers, missing limbs, ugly, watermark第一次跑出来的图确实包含了三只眼、角、翅膀这些元素但整体构图非常乱。有的图像四只脚长在一起有的图翅膀长在尾巴上。你调高CFG也没用因为CFG只是让模型更严格地跟随提示词并不会帮它理解“这些元素应该组合成什么结构”。这时我做了两个调整效果比较明显。第一个是给提示词增加结构关系说明例如a fictional creature with three eyes arranged in a triangular pattern, one horn on the center of its forehead, iridescent scales covering the body, bat-like wings on the back, long tail with a spade tip把三只眼、角、翅膀、尾巴的位置关系写出来之后出图稳定性会好一些。第二个是引入参考图控制。如果你能先用画图工具画一个最粗糙的轮廓草图再利用 ControlNet 的 lineart 或 sketch 模式作为结构约束就不需要完全靠文字描述空间关系。这一步对自创生物尤其关键。也许你会说我根本不会画画画不了草图。这也不难你可以先用AI随机生成一批候选图挑一张结构最接近你需求的再用 img2img 重绘加上新的提示词。这种方法相当于把“模型随机草稿”变成“人的参考图”再控制生成。自创生物的本质就是你要在某个环节定义规则而不是完全交给概率。3. 把单张出图变成可复用流程提示词、参数、迭代方法3.1 提示词三段式主体、风格、质量别把词堆成一团很多人一看到提示词就习惯把所有词堆在一起结果模型容易顾此失彼。更合理的方式是把提示词拆成三段主体描述、风格描述、质量与限制。主体描述要回答“画什么”风格描述回答“用什么画法”质量与限制回答“成品要达到什么标准、不要出现什么”。一个通用的模板可以是[主体][主体特征与结构关系] [风格词][光照/构图/材质] [质量词][画质增强词] Negative prompt: [需要排除的缺陷]以自创生物为例主体部分写清楚“这是一种栖息在丛林里的两栖类生物有四只眼睛其中两只长在头部两侧另外两只长在背部皮肤有发光黏液”风格部分写“3D电影概念设计兽形柔光全身像”质量部分写masterpiece, best quality, highly detailed。为什么顺序重要因为 Stable Diffusion 类模型在处理长提示词时越靠前的词权重往往越明显。如果你把质量词放在最前面模型的注意力就会偏向画质而不是主体结构这样容易得到一张精美的、细节毫无逻辑的图。把主体放前面风格放中间质量放最后整体会更可控。3.2 采样步数、CFG、Seed与高清修复用最小矩阵验证提示词之外参数也需要一套最小验证矩阵。我常用的起点是采样步数25到30CFG Scale 6到8采样器 DPM 2M Karras 或同类常见采样器分辨率512到768固定一个Seed先测提示词。不要觉得参数越多越专业原因是采样步数太高并不必然带来质量提升反而拖慢速度。CFG太高会让画面出现过曝、僵硬和伪影太低又会让提示词失效。Seed 是很多人忽略的调试工具。固定 Seed你就能对比不同提示词或参数句子的影响只改动一个变量问题定位会非常快。如果固定 Seed 后结果仍然不稳定再去检查模型和版本。高清修复 Hires Fix 可以用来放大小图并补充细节但它会改变构图尤其在自创生物上可能把结构改坏。所以我会先出小图确认结构和画面布局没问题之后再开高清修复。这里给一个简单的参数验证顺序先固定一个 Seed 和采样器用一套提示词生成4张图观察主体是否符合预期。如果有细节问题逐个加风格词每次加完再生成4张。如果四个种子都出现同一个结构问题那就不是 Seed 的问题而是提示词或模型本身的问题。如果某个测试固定失败按这个链路去查比随机调参快很多。3.3 用“批次对比表”代替随机抽卡随机抽卡式生成看起来每张都不一样但你没有留下任何可复现的经验。下次要调整时你只能重新洗牌。所以更建议你从第一次实验开始就记录一张对比表包含对象名称、提示词、参数、Seed、结果印象、下一步调整。先把每一次生成结果记录下来再谈优化。没有记录的抽卡本质上只是碰运气。对象提示词思路采样步数CFGSeed结果印象下一步调整卡通猫cartoon cat chibi287101整体可看眼睛稍大加入“simple background”自创生物Athree eyes horn scales287202元素都在但结构混乱增加结构关系词自创生物B加上位置关系307.5202结构稳定鳞片纹理不够换用 LoRA 增强鳞片材质这张表最大的价值不是好看而是能让你的工作流从一个“运气驱动的黑盒”变成一个“经验驱动的可迭代过程”。你要在每一次生成后问自己刚才的结果是由哪个变量造成的如果卡通猫一直稳定而自创生物一直不稳定说明你的提示词和参数没有针对组合式任务做适配而不是模型不行。4. 从单次生成到稳定产出边界、问题排查与工程化4.1 先小批量验证再扩大规模当你把单张流程跑通后很容易想立刻批量生成几十张。但实际经验是先小批量验证再扩大规模。批量生成会放大你忽略的问题输出路径不存在、任务失败没有重试、同一批图风格突变、显存溢出。如果你只是玩票可以先跑一张如果你要给项目生成一组角色我建议至少先跑8张以内检查三类问题。第一类是输出检查每张图是否都成功落地文件命名是否清晰有没有因为提示词过长或特殊字符导致任务中断。第二类是一致性检查同一对象多次生成是否在结构、纹理、风格上保持一致关键特征有没有丢失。第三类是资源检查批量生成时的显存占用和耗时是否会超出你的环境承受范围。先把这三类问题跑通再扩大到几十张。如果批量出图前8张一定要人工检查不要批量完了才去翻目录。4.2 常见问题排查链路输入、环境、参数、模型、边界真正到了批量阶段问题不会少。我建议按下面这个链路排查避免一上来就改参数。第一步看现象。先区分是结构崩坏、色彩异常、风格漂移、无输出还是速度变慢。现象不同原因完全不同。第二步看输入。检查提示词是否包含不可见字符、是否过长、是否有互相冲突的词参考图路径是否存在输出目录是否有写权限避免使用中文路径通常能减少一批奇怪问题。第三步看环境。检查 WebUI 版本、依赖版本、显存占用、显卡驱动如果你刚更新过环境很多异常要先怀疑版本兼容性。第四步看参数。固定一个变量检查采样步数、CFG、采样器、Seed、Hires Fix、图像尺寸是否超出你的基础模型支持范围。第五步看模型边界。如果某个基础模型在自创生物上总崩换一个偏向写实或偏向奇幻的模型试试也可以引入 LoRA 来强化某种材质或风格。最后才是更新插件、重装依赖。对于自创生物还有一个容易被忽略的边界模型对“不存在的生物”的泛化能力其实有限。如果它总是把“三只眼”画成两个正常位置的眼加一个奇怪的额头瘤往往不是提示词不够而是这个模型的样本里三只眼的形象大多来自异形或克苏鲁风格倾向过于明显。这时你可以用 ControlNet 画一个简单的三角排列草图把结构物理约束住。4.3 适用边界这套流程适合谁不适合谁这套流程适合有明确创作目标、愿意记录和迭代的人。比如独立游戏开发者要设计一堆生物设定用 AI 做前期脑暴先用上面的流程出一批候选再人工挑选和二次创作。运营和美工也可以用同一套方法做不同风格的角色扩展。但它不适合所有人。如果你只是为了娱乐完全不想记录参数只想看到好看的图那上面这套流程反而会让你觉得繁琐。如果你需要的是商业IP级别的精准角色设计比如必须从正面、侧面、背面多个角度保持一致单靠文生图和随机种子是不够的。这时需要做 LoRA 微调、多视图训练、甚至是专业3D建模。还有另一个边界是如果你的自创生物包含大量现实材质细节例如皮肤、鳞片、毛发混合过渡AI生成的效果可以用于找灵感但几乎不可能直接作为终稿。所以这套流程的价值更多是“可控地生成选项”而不是“一键生成最终成品”。你仍然需要判断力需要筛选、修改、组合工具只是把第一版草稿的生成成本压到很低。5. 工具放大的是判断力不是运气5.1 为什么单次跑通不等于能长期使用很多时候我们容易把一次成功的出图当作方法正确。比如你终于调出一张非常满意的自创生物然后马上保存图片、发朋友圈却没有保存提示词、参数和Seed。几天后再想复现同样的风格你会发现自己找不到当时的流程。单次跑通只能说明流程没有断不能说明流程可复用。尤其像“卡通猫vs自创生物”这种对比任务如果你只在卡通猫上拿到了好结果但对自创生物的工作流没有沉淀下一次项目推进时仍然会回到初始状态。真正能长期使用的是一套可以重复执行、可以解释差异、可以在失败时快速定位的流程。5.2 真正分水岭在于能否解释输入与输出的差异我判断一个人是否真正掌握了 AI 绘画工作流不是看他能不能生成一张好图而是看他能不能解释为什么这张图比另一张图好。如果你只能说“这个Seed更顺手”那说明你还在碰运气。如果你能说“因为我增加了结构关系描述同时把CFG从8降到6所以这次三只眼睛的布局稳定了”这才算是把经验固化了下来。这个差异在“卡通猫vs自创生物”上特别明显。卡通猫出图稳定掩盖了人的判断自创生物频繁翻车反而逼着人去理解模型如何组合概念。所以我甚至建议新手不要只对着卡通猫练手鼓励多用自创生物做测试。它会让你更快理解提示词结构、结构描述、负向提示词和参考图约束的重要性。5.3 从今天开始建议先建一个“对象定义模板”如果你看完文章只想做一件事我会建议你建立一个属于自己的“对象定义模板”。模板的作用是让你在每次生成前先把对象规则想清楚而不是临时起意写几个词。【对象名称】 【对象类型】已知概念 / 自创概念 【核心特征】3-5个视觉特征尽量带上位置关系 【风格锚点】比如“3D卡通”“日系赛璐璐”“美式漫画” 【限制条件】不要出现什么比如“不要写实皮毛”“不要红色背景” 【参考图】如果有放一个结构草图或颜色参考 【参数备注】步数/CFG/采样器/Seed/高清修复开关用这个模板分别去测卡通猫和一个你自己的自创生物。你会发现模板本身不会帮你画图但它会强迫你定义清楚到底什么是“这只猫的卡通感”什么是“那个生物的独特结构”。这个过程才是“卡通猫vs自创生物”这个题目真正值得你投入时间的地方。工具的出现不是让创作变得不需要动脑而是让动脑的成本分布发生了变化过去你可能要把大量时间花在反复手绘草稿上现在时间更多花在定义规则、验证规则、调整规则上。AI把生成动作变得足够廉价之后真正值钱的是你判断哪些规则值得放进提示词以及为什么。所以如果下次再有人问我“卡通猫vs自创生物”该怎么玩我大概率会回答别急着分胜负先把你自己的流程拿出来比一比。能够稳定生成一颗卡通猫大脑很容易能够把一个自创生物从想法变成一组可控、可复现、能继续迭代的视觉作品才是这轮AI创作工具真正带来的变化。
AI绘画可控生成：从卡通猫到自创生物的工作流设计
如果你第一次看到“卡通猫vs自创生物”这个题目可能会觉得这就是一次AI绘画挑战一边是大家都熟悉的卡通猫另一边是只存在于你脑洞里的自创生物。我最近用Stable Diffusion WebUI做了一组对照实验想看看同一个工作流在两类对象上的表现差异。结果其实不算意外卡通猫几乎每次都能快速出图自创生物则经常翻车——要么像几种动物拼出来的四不像要么根本看不见我指定的关键特征。这个差异很容易被归因成“模型不够聪明”但实际不是。真正的问题在于当你面对一个训练数据里已经非常成熟的概念时AI承担的是“检索和重组”而当你要求它生成一个从未存在过的生物时AI承担的是“组合和推测”。这两种任务需要完全不同的提示词策略、参数策略和迭代策略。所以这个题目真正考验的不是画技甚至不是提示词背得熟不熟而是你有没有一套“可控、可复现、可迭代”的创作流程。1. 这个题目真正考验的不是画技而是概念掌控力1.1 卡通猫为什么容易出图训练数据里全是锚点先看“卡通猫”这一类目标。主流AI绘画模型是基于海量图文数据训练的这个数据里“猫”“卡通”“角色设计”的相关图片多到难以统计。模型在训练中已经把“卡通猫”的语义锚点分布得非常密集。也就是说“卡通猫”不是一个模糊概念而是一个有大量视觉样本支撑的高频概念。当你在提示词里输入 cartoon cat模型内部其实是在迅速检索它见过的海量卡通猫图像再结合你在风格、姿态、背景上的额外描述输出一个概率最高的组合。这意味着出图稳定的第一个原因是语义锚点密集。第二个原因是用户容易得到正向反馈即使你没有把提示词写得很精确模型也会靠先验补齐很多细节。比如你只写 cute cartoon cat模型大概率会补上圆脸、大眼睛、小身体、柔软毛发等常见特征。这些特征不是你的功劳也不是模型“懂你”而是训练数据里“卡通猫”的平均长相本来就是这样。在实际创作中这容易带来一个误区很多人会觉得“我已经会写提示词了”因为画卡通猫很顺。但这类成功会掩盖一个重要事实——你对颜色、线条、构图、风格的控制可能仍然很弱只是模型先验在帮你兜底。所以真正需要拿自创生物来测试自己的控制力而不是沾沾自喜于卡通猫的出图速度。1.2 自创生物为什么容易翻车模型没有现成语义坐标现在看“自创生物”。它的问题不是“新东西无法被画出来”而是“没有现成语义标尺”。我在实验里写过一个描述三只眼、独角、虹彩鳞片、蝙蝠翅膀、长尾。模型确实画出了很多元素但每次结果都像不同生物的大乱炖。为什么会这样因为模型的工作方式本质上是把提示词里的每个属性拆解成对应的小区域再在潜空间里做采样。“三只眼”有大量科幻样本“独角”有大量奇幻样本“蝙蝠翅膀”也有自己的样本分布。当这些样本的视觉风格不一致时模型很难找到一个真正连贯的中间态于是它会倾向于把不同部分生硬拼贴起来。另一个问题是自创生物必须“自洽”。真实存在的生物通常有符合逻辑的骨骼、肌肉、皮肤纹理即便卡通角色也会遵循简化的解剖逻辑。但自创生物没有这样的隐含逻辑你需要通过文字把所有逻辑写清楚。如果你的提示词只是罗列特征没有说明结构关系、材质关系、体型比例模型就只能按照它的统计学直觉去补全补全结果自然不稳定。这里的关键变化是任务从“描述一个已知对象”变成了“定义一个未知对象的规则”。前者是选择后者是设计。很多人意识到这个区别之后才会真正开始理解提示词为什么需要分层。1.3 这不是谁更厉害的问题而是两类任务在工作流上不同所以“卡通猫vs自创生物”的底层差异不是一边容易一边难而是两类任务需要的工作流不同。卡通猫倾向于“检索式生成”你只需要把模型已知的概念选中、再叠加上风格自创生物则倾向于“组合式生成”你需要把多个独立概念重新组装并确保它们在视觉上自洽。对于一个项目而言这两种模式可能要并存。比如你要为一个游戏设计角色主角可能是一只卡通猫但配角需要创意生物。如果你只用同一套提示词模板和相同参数往往只能解决卡通猫这一类。所以你需要把创作流程拆成两条线一条负责检索和调优一条负责组合和验证。后面我给出的对照实验就是为了帮你在自己的环境里把这两条线同时跑通。2. 一次对照实验先跑通一张基准图别急着抽卡2.1 环境准备本地WebUI或在线工具先确认最小流程为了做这个对照实验不需要特别复杂的工程配置。常见的选择是Stable Diffusion WebUI或者你习惯的在线绘图工具。如果只是验证工作流本地WebUI更灵活因为你可以随时看到日志、切换模型、固定种子。如果是第一次用建议先别追求下载一堆插件先用基础模型、VAE和一个最简单的文生图界面完成一张正常出图。很多人在这里会踩第一个坑拿到一个项目先装各种 ControlNet、LoRA、高清修复脚本结果环境一直报错最后连一张图都出不来。我的建议是先跑通最小流程装好 WebUI选择基础模型输入一张图的提示词生成一张正常图片。这一步的目的是验证输入、模型、输出路径、显存占用这些基础链路是通的。只有最小流程稳定后面的对照实验才有意义。注意不要一上来就全套插件先用最小流程把“能否正常出图”验证完再谈参数和批量。我实验用的基础模型是一个通用性比较好的写实/二次元混合模型。如果你用的是专门的卡通模型实验结果会偏向卡通风格这没关系只要固定同一个模型做对照即可。2.2 卡通猫生成策略风格词、角色词与负向提示词第一组测试是卡通猫。我的提示词结构大概是这样(masterpiece, best quality:1.2), a cute cartoon cat with big eyes, round face, soft fur, chibi style, simple background Negative prompt: blurry, lowres, bad anatomy, extra fingers, deformed, ugly, watermark, text这组提示词没有多高深但有几个地方值得拆开看。第一是主体词a cute cartoon cat with big eyes, round face, soft fur。这些词会引导模型选择常见卡通猫特征。第二是风格词chibi style和simple background它决定了整体是Q版、简洁还是复杂场景。第三是质量词和负向提示词masterpiece, best quality是通用质量词负向提示词用来排除模糊、畸形、水印等常见问题。在跑卡通猫时采样步数用28步CFG Scale用7分辨率512x512然后固定种子。结果比较稳定差不多每四张里有一张可以直接用。如果某个种子形态不好我只改随机种子或小范围调整CFG不会大改提示词。原因是卡通猫的先验很强大部分问题靠种子和简单参数就能解决。这里我想强调一个经验对已知对象负向提示词比你想象的重要。因为模型太熟悉卡通猫了如果负面提示词里不写blurry、lowres它可能为了追求艺术感输出一堆背景糊掉的图。你不需要告诉模型卡通猫长什么样你更需要告诉它“不要什么”。2.3 自创生物生成策略属性堆叠、结构关系与参考图控制第二组测试是自创生物。我用的是a fictional creature with three eyes, one horn, iridescent scales, bat-like wings, long tail, fantasy creature concept art, full body, intricate details Negative prompt: blurry, lowres, deformed, extra fingers, missing limbs, ugly, watermark第一次跑出来的图确实包含了三只眼、角、翅膀这些元素但整体构图非常乱。有的图像四只脚长在一起有的图翅膀长在尾巴上。你调高CFG也没用因为CFG只是让模型更严格地跟随提示词并不会帮它理解“这些元素应该组合成什么结构”。这时我做了两个调整效果比较明显。第一个是给提示词增加结构关系说明例如a fictional creature with three eyes arranged in a triangular pattern, one horn on the center of its forehead, iridescent scales covering the body, bat-like wings on the back, long tail with a spade tip把三只眼、角、翅膀、尾巴的位置关系写出来之后出图稳定性会好一些。第二个是引入参考图控制。如果你能先用画图工具画一个最粗糙的轮廓草图再利用 ControlNet 的 lineart 或 sketch 模式作为结构约束就不需要完全靠文字描述空间关系。这一步对自创生物尤其关键。也许你会说我根本不会画画画不了草图。这也不难你可以先用AI随机生成一批候选图挑一张结构最接近你需求的再用 img2img 重绘加上新的提示词。这种方法相当于把“模型随机草稿”变成“人的参考图”再控制生成。自创生物的本质就是你要在某个环节定义规则而不是完全交给概率。3. 把单张出图变成可复用流程提示词、参数、迭代方法3.1 提示词三段式主体、风格、质量别把词堆成一团很多人一看到提示词就习惯把所有词堆在一起结果模型容易顾此失彼。更合理的方式是把提示词拆成三段主体描述、风格描述、质量与限制。主体描述要回答“画什么”风格描述回答“用什么画法”质量与限制回答“成品要达到什么标准、不要出现什么”。一个通用的模板可以是[主体][主体特征与结构关系] [风格词][光照/构图/材质] [质量词][画质增强词] Negative prompt: [需要排除的缺陷]以自创生物为例主体部分写清楚“这是一种栖息在丛林里的两栖类生物有四只眼睛其中两只长在头部两侧另外两只长在背部皮肤有发光黏液”风格部分写“3D电影概念设计兽形柔光全身像”质量部分写masterpiece, best quality, highly detailed。为什么顺序重要因为 Stable Diffusion 类模型在处理长提示词时越靠前的词权重往往越明显。如果你把质量词放在最前面模型的注意力就会偏向画质而不是主体结构这样容易得到一张精美的、细节毫无逻辑的图。把主体放前面风格放中间质量放最后整体会更可控。3.2 采样步数、CFG、Seed与高清修复用最小矩阵验证提示词之外参数也需要一套最小验证矩阵。我常用的起点是采样步数25到30CFG Scale 6到8采样器 DPM 2M Karras 或同类常见采样器分辨率512到768固定一个Seed先测提示词。不要觉得参数越多越专业原因是采样步数太高并不必然带来质量提升反而拖慢速度。CFG太高会让画面出现过曝、僵硬和伪影太低又会让提示词失效。Seed 是很多人忽略的调试工具。固定 Seed你就能对比不同提示词或参数句子的影响只改动一个变量问题定位会非常快。如果固定 Seed 后结果仍然不稳定再去检查模型和版本。高清修复 Hires Fix 可以用来放大小图并补充细节但它会改变构图尤其在自创生物上可能把结构改坏。所以我会先出小图确认结构和画面布局没问题之后再开高清修复。这里给一个简单的参数验证顺序先固定一个 Seed 和采样器用一套提示词生成4张图观察主体是否符合预期。如果有细节问题逐个加风格词每次加完再生成4张。如果四个种子都出现同一个结构问题那就不是 Seed 的问题而是提示词或模型本身的问题。如果某个测试固定失败按这个链路去查比随机调参快很多。3.3 用“批次对比表”代替随机抽卡随机抽卡式生成看起来每张都不一样但你没有留下任何可复现的经验。下次要调整时你只能重新洗牌。所以更建议你从第一次实验开始就记录一张对比表包含对象名称、提示词、参数、Seed、结果印象、下一步调整。先把每一次生成结果记录下来再谈优化。没有记录的抽卡本质上只是碰运气。对象提示词思路采样步数CFGSeed结果印象下一步调整卡通猫cartoon cat chibi287101整体可看眼睛稍大加入“simple background”自创生物Athree eyes horn scales287202元素都在但结构混乱增加结构关系词自创生物B加上位置关系307.5202结构稳定鳞片纹理不够换用 LoRA 增强鳞片材质这张表最大的价值不是好看而是能让你的工作流从一个“运气驱动的黑盒”变成一个“经验驱动的可迭代过程”。你要在每一次生成后问自己刚才的结果是由哪个变量造成的如果卡通猫一直稳定而自创生物一直不稳定说明你的提示词和参数没有针对组合式任务做适配而不是模型不行。4. 从单次生成到稳定产出边界、问题排查与工程化4.1 先小批量验证再扩大规模当你把单张流程跑通后很容易想立刻批量生成几十张。但实际经验是先小批量验证再扩大规模。批量生成会放大你忽略的问题输出路径不存在、任务失败没有重试、同一批图风格突变、显存溢出。如果你只是玩票可以先跑一张如果你要给项目生成一组角色我建议至少先跑8张以内检查三类问题。第一类是输出检查每张图是否都成功落地文件命名是否清晰有没有因为提示词过长或特殊字符导致任务中断。第二类是一致性检查同一对象多次生成是否在结构、纹理、风格上保持一致关键特征有没有丢失。第三类是资源检查批量生成时的显存占用和耗时是否会超出你的环境承受范围。先把这三类问题跑通再扩大到几十张。如果批量出图前8张一定要人工检查不要批量完了才去翻目录。4.2 常见问题排查链路输入、环境、参数、模型、边界真正到了批量阶段问题不会少。我建议按下面这个链路排查避免一上来就改参数。第一步看现象。先区分是结构崩坏、色彩异常、风格漂移、无输出还是速度变慢。现象不同原因完全不同。第二步看输入。检查提示词是否包含不可见字符、是否过长、是否有互相冲突的词参考图路径是否存在输出目录是否有写权限避免使用中文路径通常能减少一批奇怪问题。第三步看环境。检查 WebUI 版本、依赖版本、显存占用、显卡驱动如果你刚更新过环境很多异常要先怀疑版本兼容性。第四步看参数。固定一个变量检查采样步数、CFG、采样器、Seed、Hires Fix、图像尺寸是否超出你的基础模型支持范围。第五步看模型边界。如果某个基础模型在自创生物上总崩换一个偏向写实或偏向奇幻的模型试试也可以引入 LoRA 来强化某种材质或风格。最后才是更新插件、重装依赖。对于自创生物还有一个容易被忽略的边界模型对“不存在的生物”的泛化能力其实有限。如果它总是把“三只眼”画成两个正常位置的眼加一个奇怪的额头瘤往往不是提示词不够而是这个模型的样本里三只眼的形象大多来自异形或克苏鲁风格倾向过于明显。这时你可以用 ControlNet 画一个简单的三角排列草图把结构物理约束住。4.3 适用边界这套流程适合谁不适合谁这套流程适合有明确创作目标、愿意记录和迭代的人。比如独立游戏开发者要设计一堆生物设定用 AI 做前期脑暴先用上面的流程出一批候选再人工挑选和二次创作。运营和美工也可以用同一套方法做不同风格的角色扩展。但它不适合所有人。如果你只是为了娱乐完全不想记录参数只想看到好看的图那上面这套流程反而会让你觉得繁琐。如果你需要的是商业IP级别的精准角色设计比如必须从正面、侧面、背面多个角度保持一致单靠文生图和随机种子是不够的。这时需要做 LoRA 微调、多视图训练、甚至是专业3D建模。还有另一个边界是如果你的自创生物包含大量现实材质细节例如皮肤、鳞片、毛发混合过渡AI生成的效果可以用于找灵感但几乎不可能直接作为终稿。所以这套流程的价值更多是“可控地生成选项”而不是“一键生成最终成品”。你仍然需要判断力需要筛选、修改、组合工具只是把第一版草稿的生成成本压到很低。5. 工具放大的是判断力不是运气5.1 为什么单次跑通不等于能长期使用很多时候我们容易把一次成功的出图当作方法正确。比如你终于调出一张非常满意的自创生物然后马上保存图片、发朋友圈却没有保存提示词、参数和Seed。几天后再想复现同样的风格你会发现自己找不到当时的流程。单次跑通只能说明流程没有断不能说明流程可复用。尤其像“卡通猫vs自创生物”这种对比任务如果你只在卡通猫上拿到了好结果但对自创生物的工作流没有沉淀下一次项目推进时仍然会回到初始状态。真正能长期使用的是一套可以重复执行、可以解释差异、可以在失败时快速定位的流程。5.2 真正分水岭在于能否解释输入与输出的差异我判断一个人是否真正掌握了 AI 绘画工作流不是看他能不能生成一张好图而是看他能不能解释为什么这张图比另一张图好。如果你只能说“这个Seed更顺手”那说明你还在碰运气。如果你能说“因为我增加了结构关系描述同时把CFG从8降到6所以这次三只眼睛的布局稳定了”这才算是把经验固化了下来。这个差异在“卡通猫vs自创生物”上特别明显。卡通猫出图稳定掩盖了人的判断自创生物频繁翻车反而逼着人去理解模型如何组合概念。所以我甚至建议新手不要只对着卡通猫练手鼓励多用自创生物做测试。它会让你更快理解提示词结构、结构描述、负向提示词和参考图约束的重要性。5.3 从今天开始建议先建一个“对象定义模板”如果你看完文章只想做一件事我会建议你建立一个属于自己的“对象定义模板”。模板的作用是让你在每次生成前先把对象规则想清楚而不是临时起意写几个词。【对象名称】 【对象类型】已知概念 / 自创概念 【核心特征】3-5个视觉特征尽量带上位置关系 【风格锚点】比如“3D卡通”“日系赛璐璐”“美式漫画” 【限制条件】不要出现什么比如“不要写实皮毛”“不要红色背景” 【参考图】如果有放一个结构草图或颜色参考 【参数备注】步数/CFG/采样器/Seed/高清修复开关用这个模板分别去测卡通猫和一个你自己的自创生物。你会发现模板本身不会帮你画图但它会强迫你定义清楚到底什么是“这只猫的卡通感”什么是“那个生物的独特结构”。这个过程才是“卡通猫vs自创生物”这个题目真正值得你投入时间的地方。工具的出现不是让创作变得不需要动脑而是让动脑的成本分布发生了变化过去你可能要把大量时间花在反复手绘草稿上现在时间更多花在定义规则、验证规则、调整规则上。AI把生成动作变得足够廉价之后真正值钱的是你判断哪些规则值得放进提示词以及为什么。所以如果下次再有人问我“卡通猫vs自创生物”该怎么玩我大概率会回答别急着分胜负先把你自己的流程拿出来比一比。能够稳定生成一颗卡通猫大脑很容易能够把一个自创生物从想法变成一组可控、可复现、能继续迭代的视觉作品才是这轮AI创作工具真正带来的变化。
