AI 图像生成
从 Midjourney 的惊艳出图到 Stable Diffusion 的无限可控，AI 绘画正在重塑视觉创作的生产方式。本节带你从入门到精通，掌握文生图工具对比、Prompt 语法、LoRA / ControlNet 精准控制与商业应用实战。
概述
AI 图像生成是生成式 AI 最先“出圈”的领域之一。2022 年，一幅名为《太空歌剧院》的 AI 绘画在美国美术比赛获奖，让全世界看到了 AI 作画的惊人潜力。短短几年间，文生图技术从“能看”进化到“好用”，已经深度融入插画、设计、广告、游戏等商业流程。
当前主流的图像生成工具分为两大阵营：云端服务型（Midjourney、DALL·E 3、通义万相）和开源可部署型（Stable Diffusion）。前者上手快、效果好，后者自由度高、可定制。本节将带你了解两者的特点与适用场景，并深入讲解 Prompt 语法与 LoRA、ControlNet 等进阶控制技术。
Midjourney 与主流文生图工具对比
Midjourney：氛围感之王
Midjourney 以出色的艺术感和氛围营造著称，特别擅长生成具有电影质感的插画、概念设计和摄影风格图像。它的上手门槛低——只需在 Discord 中输入 /imagine 加描述就能出图，参数控制丰富（如 --ar 控制比例、--v 切换版本、--s 调整风格化程度）。
Midjourney 的优势在于“开箱即用”的高质量出图，新手先从它上手最友好。但它采用订阅制付费，按月收费且有生成次数限制，且对中文 Prompt 的理解不如英文精准。
三大文生图工具对比
| 工具 | 优势 | 劣势 | 适用场景 |
|---|---|---|---|
| Midjourney | 艺术感强、氛围佳、上手快 | 付费、次数限制、可控性弱 | 概念图、插画、海报、灵感探索 |
| Stable Diffusion | 开源免费、无限生成、LoRA/ControlNet 可控 | 需部署、有硬件门槛、学习曲线陡 | 商业插画、产品图、角色一致性 |
| DALL·E 3 | 理解力强、文字渲染好、集成 ChatGPT | 风格偏写实、艺术感弱于 MJ | 配图、表情包、信息图 |
| 通义万相 / 文心一格 | 中文友好、国内合规、免费额度 | 效果略逊国际顶尖模型 | 国内商用、中文场景配图 |
Stable Diffusion 部署与进阶控制
本地部署要点
Stable Diffusion 完全开源免费，可以无限生成，还能自己训练模型，是商业项目的首选。部署方式主要有两种：本地部署（需 NVIDIA 显卡，建议 8GB 显存以上）和云端部署（如 AutoDL、Google Colab，无需本地硬件）。推荐新手使用整合包（如秋叶启动器），一键安装省去繁琐配置。
LoRA：轻量风格定制
LoRA（Low-Rank Adaptation）是一种轻量级微调技术，可以让你用少量图片训练出特定风格或角色的模型。例如用 20 张产品图训练一个 LoRA，之后生成的图像就能保持该产品的外观一致性。LoRA 文件通常只有几十到几百 MB，加载方便，是商业项目实现角色一致性和品牌风格统一的利器。
ControlNet：精准构图控制
如果说 LoRA 控制“画什么风格”，ControlNet 则控制“怎么构图”。它通过深度图、骨骼姿态、边缘轮廓、色块分布等条件，精准控制生成图像的结构。例如：
- OpenPose：通过人体骨骼关键点控制人物姿势
- Canny / Lineart：通过线稿控制图像轮廓
- Depth：通过深度图控制前后景关系
- Tile：用于图像放大与细节增强
在实际的 AI 漫剧生产线中，Midjourney 负责氛围感场景，Stable Diffusion 用 LoRA 模型抓角色一致性——两者配合，是目前主流的商业出图工作流。
图像生成 Prompt 语法
文生图的 Prompt 与对话 Prompt 不同，它更像是“配方”，需要用特定语法精确描述画面元素。一个优质的图像 Prompt 通常包含以下结构：
- 主体：画面的核心对象，如“一位穿红色汉服的少女”
- 场景：环境与背景，如“站在樱花树下”
- 风格：艺术风格，如“水彩画风格 / 赛博朋克 / 吉卜力动画”
- 构图：镜头与视角，如“特写 / 仰视 / 广角”
- 光线：光照效果，如“逆光 / 暖色调 / 丁达尔光效”
- 质量词：提升画质，如“8K / 杰作 / 高度细节”
Stable Diffusion 还支持权重语法：(keyword:1.5) 表示增强该词权重 1.5 倍，[keyword:0.5] 表示降低权重。善用权重可以微调画面中各元素的影响程度。
推荐图像生成工具
Midjourney
艺术感最强的文生图工具，氛围营造出色，适合概念设计与插画创作
Stable Diffusion
开源免费，支持 LoRA 与 ControlNet 精准控制，商业项目首选
DALL·E 3
集成于 ChatGPT，文字理解力强，擅长信息图与文字渲染
通义万相
阿里出品，中文 Prompt 友好，国内合规商用，免费额度充足
LiblibAI
国内最大的 SD 模型与 LoRA 社区，海量模型资源在线使用
即梦 AI
字节跳动文生图工具，中文理解好，出图速度快，免费体验
商业应用实战
AI 图像生成已广泛应用于商业场景，以下是几个高价值方向：
- 电商产品图：用 LoRA 训练产品模型，快速生成多场景多角度的产品图，省去拍摄成本
- 商业插画：为文章、海报、包装生成定制插画，Midjourney 出概念，SD 精修
- 角色设计：游戏、漫画的角色设定，用 ControlNet 固定姿势，LoRA 保持一致性
- 广告素材：批量生成不同风格、不同场景的广告图，A/B 测试素材
- 室内效果图：线稿转效果图，快速呈现设计方案
实用技巧 · AI 绘画出图心法
- 英文 Prompt 效果更好：多数模型以英文训练为主，用英文描述能获得更精准的结果
- 先求对再求精：先用简单 Prompt 确定主体和构图，再逐步加风格词和质量词微调
- 善用 seed 值：固定 seed 可以复现结果，方便在相同基础上做微调对比
- 负面 Prompt 很重要：写清楚“不要什么”（如多余手指、变形、低质量），能显著提升出图质量
- 建立风格词库：收集好用的风格词、光线词、构图词，形成自己的 Prompt 配方库
AI 图像生成学习路径
- 入门云端工具 从 Midjourney 或即梦 AI 起步，掌握基础文生图 Prompt 语法，体验不同风格词的效果。
- 部署 Stable Diffusion 安装 SD 整合包或使用云端环境，熟悉 WebUI 界面与基础参数（步数、采样器、CFG）。
- 掌握 LoRA 训练 学习用少量图片训练专属 LoRA，实现特定风格或角色的一致性生成。
- 实战 ControlNet 掌握 OpenPose、Canny、Depth 等控制方式，实现精准构图与姿势控制。
- 商业项目落地 选择一个真实商业场景（电商图 / 插画 / 角色设计），搭建从 Prompt 到成品的完整工作流。