AI生图指令中的关键参数有哪些，应该如何调整以达到最佳效果？

咱们直接聊聊AI生图这事儿。很多人觉得它很神奇，打几个字就能出画。但玩久了你会发现，想让AI真正听懂你的话，画出你脑子里想的那个画面，光靠堆砌华丽的词藻是不够的，关键在于理解并运用那些藏在“高级设置”里的参数。这就像摄影，不是光有好相机就行，你得懂光圈、快门、ISO怎么配合。

今天，我就把压箱底的经验掏出来，跟你聊透这些关键参数，让你彻底搞懂它们是怎么一回事，以及怎么调才能让图的效果更好。

1. 核心中的核心：提示词 (Prompt) 和负面提示词 (Negative Prompt)

这俩是基础，也是最重要的。

• 提示词 (Prompt): 这是你跟AI沟通的语言。别把它想得太复杂。一个好的提示词结构通常是：主体 + 细节 + 风格。 比如，不要只写“一只猫”，这样AI给你的就是最普通、最大众的猫。你应该写得更具体：“一只胖胖的橘猫，趴在洒满阳光的木地板上，打着哈欠，特写镜头，皮克斯动画风格”。你看，主体（橘猫）、细节（胖、趴在阳光下的木地板、打哈欠、特写）和风格（皮克斯动画）都有了，AI就能更准确地抓住你的想法。

• 负面提示词 (Negative Prompt): 这个功能极其有用，但很多人忽略了。 它就是告诉你AI“我不要什么”。 比如，AI画人像时经常会画出多余的手指、奇怪的肢体，或者画面出现你不想要的文字、水印。 这时候，你就可以在负面提示词里写上“多余的手指, 畸形, 丑陋, 文字, 水印”，AI在生成时就会主动避开这些元素。 这比你在正面提示词里反复强调“正常的手”要有效得多。

经验分享： 我刚开始玩的时候，总喜欢把提示词写得像一首诗，加各种华丽的形容词。后来发现，AI并不吃这套。它更喜欢直接、清晰、用逗号隔开的关键词。 另外，负面提示词不要乱加，有一套通用的就够了，比如(low quality, worst quality:1.4), ugly, deformed，专门用来过滤低质量画面。

2. 决定画面“随缘”程度的：种子 (Seed)

“种子”这个词听起来很玄乎，其实它就是生成每张图片的“身份证号”。 AI生图的第一步是在一张充满随机噪点的画布上开始的，这个初始的噪点模式就是由种子决定的。

• 随机种子 (-1): 如果你把种子设为-1（通常是默认设置），那AI每次都会用一个随机的新种子。 结果就是，哪怕你用完全相同的提示词和参数，每次生成的图片也都不一样。 这很适合在你寻找灵感、想要多样化结果的时候使用。

• 固定种子 (一个具体的数字): 当你生成了一张比较满意的图片，但还想微调一下细节时，固定种子就派上用场了。 你可以记下这张图的种子数，然后保持这个种子不变，只去修改提示词或者其他参数。 这样一来，新生成的图片就会在保留原图大致构图和元素的基础上发生变化，非常便于迭代优化。

经验分享： 我的工作流通常是这样：先用随机种子大量生成图片，找到一个构图和感觉都对的“潜力股”。然后，立刻锁定它的种子，开始在这个基础上精细打磨。比如，我觉得人物的表情不够生动，就固定种子，然后去调整提示词里关于表情的描述，直到满意为止。

3. AI的“缰绳”：CFG Scale (Classifier-Free Guidance)

CFG Scale，也叫引导系数，这个参数非常关键。它控制着AI在多大程度上必须严格遵守你的提示词。 你可以把它想象成你手里牵着AI的缰绳。

• 低CFG值 (比如2-6): 这相当于你把缰绳放得很松。AI会更多地发挥自己的“想象力”，画面可能会更有创意和艺术感，但可能跟你提示词的描述有一些出入。

• 高CFG值 (比如10-15): 这相当于你把缰绳拉得很紧。AI会非常严格地按照你的提示词来执行命令，每个细节都会力求匹配。 但缺点是，如果值太高，画面可能会变得过于饱和、出现伪影，或者说“画得太死”，缺乏生气。

经验分享： 一般来说，7-9是一个比较万能的范围，既能保证AI听话，又给了它一点点自由发挥的空间。 如果我想要写实风格的照片，我会把CFG调得低一些，比如4-7，这样效果更自然。 如果是画风明确的插画或概念艺术，我会调高到9-12，确保风格的准确还原。 但最好不要超过15，否则画面很容易“烧掉”（色彩过曝、细节失真）。

4. 细节的打磨器：采样步数 (Sampling Steps)

AI画画的过程，本质上是一个“去噪”的过程，它从一张随机噪点图开始，一步步把噪点抹去，最终呈现出清晰的图像。 采样步数就是指这个“去噪”过程要走多少步。

• 步数太少 (比如10-15): 图像可能还没来得及细化，细节会比较模糊、粗糙，甚至没画完。

• 步数太多 (比如50以上): 多走几步确实能增加一些细节，但到了一定程度后，效果提升就很小了，而且生成图片的时间会变得很长。 有时候过高的步数甚至会引入一些不必要的噪点或奇怪的纹理。

经验分享： 对于大部分现代的采样器（下面会提到）来说，20-30步是一个性价比极高的选择。 在这个范围内，你既能得到质量很好的图像，又不用等太久。我通常在测试提示词的时候用20步快速出图看效果，确定方向后再用25或30步来生成最终稿。除非你发现画面细节真的不够，否则没必要盲目拉高到50步以上。

5. 画布的大小和形状：分辨率 (Width & Height)

这个很好理解，就是你生成图片的长和宽。但这里面有个小窍门。AI模型在训练时，通常是基于特定尺寸的图片（比如512×512或1024×1024）来学习的。

如果你设置的分辨率偏离这个基础尺寸太远，比如直接生成一个非常细长的手机壁纸尺寸，AI就容易出错，比如画出多个头或者奇怪的构图。

经验分享： 最稳妥的方法是，先在模型推荐的基础分辨率附近生成一张方形或接近方形的图片（比如768×768），保证主体内容正确。 然后，再使用“高清修复 (Hires.fix)”或“图生图 (img2img)”里的脚本功能，将这张高质量的方图放大并扩展到你最终想要的长宽比。这样做可以最大程度地避免直接出图时发生的崩坏。

6. 不同的“画笔”：采样器 (Sampler)

采样器是AI在“去噪”过程中使用的具体算法。 不同的采样器就像不同型号的画笔，它们达到最终效果的路径和风格会略有不同。

你不需要深入了解每一种算法的复杂数学原理，只需要记住一些常用选择的特点就行：

• Euler a: 速度快，很有创造力，同样的参数下，每次生成的图都可能有点不一样，适合探索新想法。
• DPM++ 2M Karras: 这是目前很多人的首选。它在速度、质量和稳定性上取得了很好的平衡，生成的图像通常很锐利、细节丰富。
• DPM++ SDE Karras: 效果和2M Karras类似，但有些人认为它在生成真实感强的图像时表现更好。

经验分享： 如果你不想折腾，就无脑选择DPM++ 2M Karras，它几乎适用于所有场景。如果你发现出的图总感觉有点“平”，不妨换成Euler a试试，它可能会给你带来一些惊喜。但切换采样器时，记住它可能会影响到最佳的采样步数和CFG值，需要稍微重新调整一下。

搞懂了这几个核心参数，你就已经从一个只会“念咒语”的初学者，变成一个懂得如何“调试魔法”的进阶玩家了。记住，没有绝对完美的参数设置，最好的方法永远是亲自去尝试和调整。把这些参数当作你的工具，不断实验，你很快就能随心所欲地创造出真正属于你的视觉作品。