AI 绘画从入门到出图：把概念、模型、参数分三层理解

AI 绘画的学习曲线看着陡，主要是因为信息是乱的——教程里同时混着概念、模型、参数三个层次的东西。分开看会清晰很多。

第一层：概念——理解它到底在做什么

扩散模型的工作方式，简化说是：从一团随机噪点开始，一步步「去噪」，最终得到一张图。提示词的作用是在每一步去噪时给方向。

理解这一点能解释很多现象：

• 为什么步数太少图会糊——去噪没走完
• 为什么同一个提示词每次结果不同——初始噪点不同（这就是种子的作用）
• 为什么提示词写得越具体越可控——每一步的方向更明确

第二层：模型——决定风格上限

这一层决定了你能出什么风格的图，比参数重要得多。三类要分清：

• 底模：决定基本画风和能力上限。写实、二次元、通用，各有各的底模
• LoRA：小体积的风格/角色微调，挂在底模上用。一个底模可以叠多个 LoRA
• ControlNet：控制构图、姿势、线稿的额外模块，解决「构图不听话」的问题

选错底模，参数调到死也出不来你想要的风格。新手在这一层花时间，收益远大于研究参数。

第三层：参数——微调

常用的就几个：

• 采样步数：20~30 通常够，更高收益递减
• 提示词相关性（CFG）：低了不听话，高了画面僵硬，7~9 是常用区间
• 分辨率：底模训练时用什么分辨率，就在那附近出图最稳
• 种子：固定它才能做对照实验

正确的练习顺序

1. 先用在线服务出图，建立「提示词 → 结果」的直觉，不碰参数
2. 换不同底模跑同一个提示词，体会底模的影响有多大
3. 加 LoRA，理解风格叠加
4. 最后才是调参数，而且要固定种子做单变量对照，否则你根本不知道是参数起作用还是随机性

大多数人卡住，是因为跳过了第 2 步直接进第 4 步。