前置知识
阅读本文前，建议先了解：
- 01-核心原理 - 图片生成的基本原理
- 02-主流产品 - 选择适合自己的工具
- 有效 Prompt 的构建方法 - Prompt 基础
一、新手入门指南
1.1 第一次使用图片生成
步骤 1：选择平台
- 免费尝试：Google Nano Banana 2（AI Studio）、通义万相
- 专业创作：Midjourney V7、Adobe Firefly
- 本地部署：Flux 系列、通义万相开源版
步骤 2：注册账号
- 国际平台：通常需要邮箱注册，部分需付费订阅
- 国内平台：手机号注册，部分有免费额度
步骤 3：第一次生成
简单尝试：
"一只可爱的小猫"
进阶尝试：
"一只橘色虎斑猫坐在窗台上，阳光透过窗帘洒在它身上，
温暖的光线，超现实主义风格，高清细节"
新手建议
第一次使用时，不要期望一次就完美。图片生成需要多次迭代——把第一次生成当作”草稿”，根据结果调整提示词，逐步接近想要的效果。
二、提示词编写核心技巧
2.1 好提示词的六大要素
mindmap root(好提示词的要素) 主体描述 什么物体 什么特征 环境背景 在哪里 什么时间 风格指定 艺术风格 摄影风格 构图视角 远近景 拍摄角度 光线色彩 光源方向 色调氛围 质量参数 分辨率 细节程度
2.2 对比示例
❌ 糟糕的提示词：
一只狗
✅ 优秀的提示词：
一只金毛寻回犬幼崽，坐在绿草地上，
温暖的午后阳光，背景虚化，
摄影风格，浅景深，85mm 人像镜头，
毛发细节清晰，眼神明亮，
4K 高清，电影级质感
2.3 提示词结构模板
（1）基础模板
[主体] + [动作/状态] + [环境] + [风格] + [质量]
示例：
一位年轻女性 + 站在海边眺望远方 + 日落时分 + 印象派画风 + 高清细节
（2）摄影风格模板
[主体]，[场景]，[光线]，[镜头参数]，[摄影风格]，[质量参数]
示例：
一只黑白相间的猫，坐在木质地板上，
侧逆光，50mm f/1.8，微距摄影，
毛发细节清晰，背景奶油虚化，8K
（3）艺术创作模板
[主体]，[艺术风格]，[艺术家参考]，[色彩]，[构图]，[质量]
示例：
一座未来城市，赛博朋克风格，
参考 Syd Mead 和 Blade Runner，
霓虹色调，低角度仰视，
细节丰富，数字艺术，4K
2.4 常用风格关键词
| 风格类型 | 关键词 |
|---|---|
| 摄影风格 | photograph, photorealistic, cinematic, portrait, landscape |
| 艺术风格 | oil painting, watercolor, sketch, illustration, anime |
| 光线效果 | golden hour, studio lighting, rim light, soft light, dramatic |
| 视角构图 | close-up, wide angle, aerial view, low angle, rule of thirds |
| 质量参数 | 4K, 8K, ultra detailed, high quality, masterpiece |
三、进阶使用技巧
3.1 负面提示词（Negative Prompt）
负面提示词告诉模型不要什么。
常用负面词：
nsfw, blurry, low quality, worst quality, ugly,
deformed, disfigured, poor details, bad anatomy,
extra limbs, mutation, mutated hands
使用方式（以 Stable Diffusion 为例）：
正面提示词：一只可爱的小狗在草地上玩耍
负面提示词：模糊，低质量，畸形，多余的腿，变形
3.2 参数调优
CFG Scale（提示词遵循度）：
CFG = 1-3 → 创意优先，提示词仅供参考
CFG = 5-8 → 平衡模式（推荐默认）
CFG = 10-15 → 严格遵循提示词
采样步数：
步数 = 4-10 → 快速出图，质量一般（Flow Matching 模型）
步数 = 20-30 → 平衡质量速度（推荐）
步数 = 40-50 → 最高质量，时间长
分辨率选择：
512×512 → 快速测试，草稿阶段
1024×1024 → 日常使用，平衡质量
2048×2044 → 高质量输出，最终版本
4096×4096 → 专业需求，需要高性能 GPU
3.3 图生图（Image-to-Image）
图生图允许基于一张现有图像进行创作。
使用场景：
- 风格迁移：将照片转为油画风格
- 局部修改：改变图中物体颜色
- 细节增强：提升图像质量
- 创意延伸：基于一张图生成变体
使用方式：
1. 上传参考图像
2. 设置重绘强度（0-1）
- 0.1-0.3：轻微改动
- 0.4-0.6：中度改动
- 0.7-1.0：大幅改动
3. 输入提示词描述想要的效果
4. 生成
3.4 ControlNet 精准控制
ControlNet 让图片生成从”抽卡”变成”可控创作”。
常用控制类型：
| 类型 | 用途 | 示例 |
|---|---|---|
| Canny | 边缘检测 | 保持轮廓结构 |
| Depth | 深度图 | 控制空间层次 |
| Pose | 姿态检测 | 控制人物动作 |
| Scribble | 草图 | 根据手绘生成 |
| Segment | 语义分割 | 指定区域内容 |
使用示例：
场景：想要一个特定姿势的人物
步骤：
1. 找一张姿势参考图（或自己摆拍）
2. 使用 OpenPose 提取姿态图
3. 上传姿态图到 ControlNet
4. 提示词描述人物外观
5. 生成，人物会保持参考姿势
3.5 Inpainting 局部重绘
Inpainting 允许只修改图像的特定区域。
使用场景：
- 更换衣服：只重绘人物服装区域
- 添加物体：在背景中添加新元素
- 移除物体：去掉不需要的元素
- 修复老照片：修复划痕、破损
使用方式：
1. 上传原始图像
2. 用画笔涂抹要修改的区域（掩码）
3. 输入提示词描述修改后的效果
4. 生成，只有涂抹区域会被修改
3.6 LoRA 风格微调
LoRA 是轻量级的风格/角色微调技术。
常见 LoRA 类型：
- 艺术风格：宫崎骏风格、浮世绘风格
- 特定角色：动漫角色、游戏角色
- 特定物体：特定车型、建筑风格
- 摄影风格：胶片质感、宝丽来风格
使用方式（以 Stable Diffusion 为例）：
提示词格式：
<lora:风格名称：权重> 主体描述
示例：
<lora:ghibli_style:0.8> 一个女孩在草地上看书
LoRA 权重建议
权重 0.6-0.8：风格轻微影响 权重 0.8-1.0：风格明显 权重>1.0：可能过度拟合，图像质量下降
四、典型场景应用
4.1 社交媒体配图
| 平台 | 推荐尺寸 | 提示词示例 |
|---|---|---|
| 朋友圈 | 1080×1080 | ”ins 风静物摄影，咖啡杯和书本，柔和光线，极简风格” |
| 小红书 | 1242×1660 | ”小红书封面，美妆产品展示，粉色背景，精致高级感” |
| 公众号 | 900×383 | ”公众号头图，科技感蓝色渐变，抽象几何图形” |
| 微博 | 1000×562 | ”微博配图，明亮色彩，扁平插画风格” |
4.2 商业设计
| 场景 | 提示词示例 |
|---|---|
| 海报设计 | ”电影海报，科幻主题，太空飞船，史诗感，IMAX 质感，标题留白” |
| Logo 设计 | ”极简 logo，几何图形，科技公司，蓝白配色，矢量风格” |
| 产品渲染 | ”产品摄影，白色背景，专业布光，4K 细节，电商主图” |
| 包装设计 | ”包装设计展开图，化妆品，粉色大理石纹理，烫金文字” |
4.3 个人创作
| 场景 | 提示词示例 |
|---|---|
| 头像生成 | ”动漫头像，Q 版，可爱风格，粉色头发，大眼睛” |
| 壁纸创作 | ”手机壁纸，赛博朋克城市，霓虹灯光，竖版 9:16” |
| 故事插画 | ”童话插画，森林里的小屋，温暖灯光，宫崎骏风格” |
| 概念艺术 | ”概念设计，未来武器，机械细节，硬表面建模质感” |
4.4 图像编辑
| 场景 | 使用功能 | 操作说明 |
|---|---|---|
| 老照片修复 | Inpainting | 涂抹破损区域，提示词”修复，清晰” |
| 人像美妆 | FireRed LoRA | 使用 makeuplora，提示词”自然妆容” |
| 物体移除 | Inpainting | 涂抹要移除的物体，提示词”干净背景” |
| 风格转换 | 图生图 | 上传原图，重绘强度 0.6，提示词目标风格 |
五、高级用法
5.1 多模型工作流
将多个模型组合使用，发挥各自优势。
工作流示例：专业海报设计
步骤 1：Flux 生成基础图像（免费快速）
提示词：海报基础构图，留标题位置
步骤 2：Ideogram 添加文字（文字渲染强）
上传步骤 1 结果，添加精准文字
步骤 3：FireRed 局部精修（编辑 SOTA）
调整细节，提升整体质感
步骤 4：Real-ESRGAN 超分辨率（提升清晰度）
输出 4K 最终版本
5.2 批量生成选优
策略：一次生成多张，选择最佳
设置：
- 批量数量：4-9 张
- 多样性参数：适当调高
- 筛选标准：构图、色彩、细节
工具：
- Midjourney：默认生成 4 张变体
- Stable Diffusion：X/Y/Z 图表批量测试
5.3 角色一致性保持
挑战：生成同一角色的多张图
解决方案 1：固定种子
- 使用相同 random seed
- 提示词只改场景，不改角色描述
解决方案 2：LoRA 微调
- 训练角色专属 LoRA
- 每次生成都加载该 LoRA
解决方案 3：Reference Only
- 上传角色参考图
- 使用 Reference 模式保持外观
六、常见问题解答
Q1: 生成的图像为什么总是很奇怪？
可能原因：
- 提示词太简单
- 没有使用负面提示词
- 参数设置不当
解决方法：
- 按六大要素写完整提示词
- 添加常用负面词
- CFG 设为 7，步数设为 25-30 重试
Q2: 为什么文字总是乱码？
原因：大多数模型不擅长文字渲染。
解决方法：
- 使用 Ideogram 3.0 或 Nano Banana 2
- 文字后期用 PS 添加
- 提示词明确说明”清晰文字：XXX”
Q3: 手和脸总是画不好怎么办？
原因：这是 AI 生图的经典难题。
解决方法：
- 使用 Midjourney V7（解剖学改进）
- 用 ControlNet 控制姿态
- 后期手动修复或用 Inpainting 重绘
Q4: 如何提高生成速度？
方法：
- 降低分辨率测试（512×512）
- 减少采样步数（Flow Matching 模型 4-10 步）
- 使用 Draft Mode（Midjourney）
- 升级 GPU 或使用云服务
Q5: 商用有版权问题吗？
注意事项：
- Midjourney：付费订阅可商用
- Adobe Firefly：训练数据合规，可商用
- 开源模型：仔细阅读许可证
- 有 IP 的角色/风格：谨慎商用
七、总结
高效使用图片生成的口诀
一明主体：清楚描述要画什么
二定环境：场景时间要说清
三选风格：艺术还是摄影风
四调参数：CFG、步数要适中
五用控制：ControlNet 更精准
六懂迭代：一次不行多几次
能力边界认知
| 擅长 | 不擅长 |
|---|---|
| ✅ 创意概念图 | ❌ 精确文字渲染（部分模型除外） |
| ✅ 风格化图像 | ❌ 复杂解剖结构（手、脸） |
| ✅ 快速原型 | ❌ 精确尺寸/比例控制 |
| ✅ 氛围渲染 | ❌ 品牌一致性（需额外训练） |
| ✅ 局部编辑 | ❌ 复杂多物体空间关系 |
最后的建议
图片生成是强大的创作工具，但它不是万能的。最好的使用方式是：把它当作一个有创意但需要指导的画师——你给的指示越清楚，它画得越接近你想要的效果。
延伸阅读
- 图片生成应用 - 返回总览
- 01-主流产品 - 选择适合的工具
- 02-核心原理 - 深入理解工作原理
- 图片生成模型技术原理 - 更深入的技术细节
- 高效使用技巧 MOC - 通用最佳实践