AI绘画全案课，Stable Diffusion零基础到高阶，全方位掌握AIGC视觉生成技能

AI绘画全案课，Stable Diffusion零基础到高阶，全方位掌握AIGC视觉生成技能

零基础入门

• 环境搭建：最低配置需 NVIDIA 显卡（4GB 显存）和 10GB 空闲磁盘，推荐 NVIDIA RTX 3060（6GB 显存）以上及 Python 3.10.6。新手可使用秋叶一键包自动配置环境，开发者或 Linux 用户可选择源码编译。
• 首次创作：选择如 “AnythingV5” 等模型，按照 “质量标签 + 主体描述 + 环境细节 + 艺术风格” 的结构编写提示词，如 “(masterpiece), best quality, illustration, 1girl, beautiful detailed sky, cat ears, white hair, gold eyes, cinematic lighting”。设置参数，如 Steps（迭代步数）设为 20-30，CFG scale（提示词相关性）设为 7-9，Size 设为 512×512，点击 “Generate” 生成图像，还可利用 “Send to img2img” 功能优化。

进阶技巧

• 图生图功能：重绘幅度（Denoising strength）是关键参数，数值接近 0 则保留原始图像特征多，接近 1 则更多依据提示词生成新画面。蒙版（Mask）功能可指定图像特定区域修改，如只想改变人物服装款式，可涂抹服装部分后输入新服装描述。
• ControlNet 插件运用：安装启用后，选择 “OpenPose” 模型可控制人物姿态，上传姿态参考图，输入人物形象描述，即可生成特定姿势的人物图像。使用 “Canny” 模型可控制结构，如绘制图书馆内部场景，先勾勒布局线条图上传，再输入提示词，AI 会按线条填充细节。

高阶应用

• Lora 模型训练：准备 10-20 张角色模型图像或 30-50 张风格模型图像，分辨率为 512x512px 且质量清晰。利用 WebUI 的 “图像预处理” 功能标注图像，然后进行训练，训练过程中需注意参数调整，如学习率、迭代次数等，训练完成后可测试效果并根据结果调整参数。
• 批量生成与精细化处理：通过设置 “Batch count” 和 “Batch size” 参数批量生成图像，便于挑选。还可利用 Tiled Diffusion 配合 Tiled VAE 生成高清大图，使用 Upscayl 智能放大软件放大图像，以及进行图像提取线稿、草稿细化线稿、线稿上色等操作