先泼一盆冷水：网上那些“一句话生成专业级画作”的演示视频，绝大多数不是点一下按钮就出成品的。真正能用的工作流，是把文生图、图生图、局部重绘、智能扩图四个功能串起来，反复迭代：先用一句话让AI出一个底稿，再把底稿拖进图生图换风格，放大后发现问题就用局部重绘修细节，最后想换构图比例，再靠智能扩图补出画布外的内容。
这篇我就把这套流水线从头到尾拆开讲一遍。适合两类人：一类是刚接触AI绘画、只会把文字丢进工具里出图的新手；另一类是已经能出图、但总觉得画面“差一口气”、不知道下一步该点哪个按钮的进阶用户。讲完你会明白，从一句话到专业级画作，真正的门槛往往不在提示词，而在流程。
1. 为什么AI绘画的完整答案不是“文生图”，而是一套四步流水线
很多教程会把文生图、图生图、局部重绘、智能扩图分开讲，好像它们是四个独立功能。其实站在实践角度看，它们是同一个扩散模型引擎的四种玩法，理解这一点，你才知道什么时候该用哪个。
1.1 一次生成大概率只能算是草稿
扩散模型的工作原理，可以粗略理解为：训练阶段让模型学会从干净图片一路加噪、记住“如何反向去噪”；生成时则从一张纯噪声图出发，一步步“猜”出画面。问题是，每一次生成都是一次独立采样，这次构图好、光线对，但手崩了；下次手好了，人像表情又怪了。哪怕你死死锁定同一个种子，换一个采样器，结果也可能差很远。
所以我的习惯是：把第一次文生图当成“打草稿”，而不是“期待成品”。草稿的任务是确定构图、色彩和氛围，细节问题留给后面的局部重绘去收拾。许多人卡在“怎么提示词写了半天，图还是不满意”，根本原因就是把所有希望都压在了生图那一下上面。
1.2 四种功能的分工：同一个引擎，四种控制方式
用一个生活化的类比就很好理解：把AI画图想成“请一个插画师帮你补全画面”。
- 文生图：给插画师一张白纸，告诉他主题，让他从头画。
- 图生图：给他一张已经完成一半的画，让他在此基础上继续改。
- 局部重绘：只给他看画面里某个小区域，告诉他“这里重画”，其他地方不许动。
- 智能扩图：给他一张画，让他把画纸外面看不见的部分也想象出来，拼成一张更大的画。
它们底层都是同一套去噪模型，区别只是“哪里需要重新猜”的控制方式不同。正因为源头是同一个引擎，四个功能叠加使用时排异反应很小，完全可以无缝串联。
1.3 一张表说清四个功能分别治什么“病”
| 功能 | 最擅长的场景 | 相当于 | 主要解决 |
|---|---|---|---|
| 文生图 | 从无到有出底稿、找灵感、批量试构图 | 白纸起稿 | 画面“整体不像样” |
| 图生图 | 换风格、细化画面、低清图增强 | 在已有画布上继续画 | 画面“调性不对” |
| 局部重绘 | 修手、修脸、去水印、改物件 | 橡皮擦+重画 | 局部细节崩坏 |
| 智能扩图 | 改变画幅比例、扩展背景 | 把画纸变大接着画 | 构图太局促 |
四步不是每次都必须走完，但你得知道每个功能解决的是哪一层问题，才不会在错误的地方死磕。
2. 工具选型：本地部署SD WebUI，还是用在线平台和免费API
标题里提到“一站式搞定”，那工具也得选一个能一站式承载这四个功能的地方。目前主流路线基本两条：本地部署Stable Diffusion WebUI，或者用在线平台与API。我自己的答案是前者，但每条路都有适用人群。
2.1 本地部署为什么是首选
AUTOMATIC1111的Stable Diffusion WebUI，是目前把文生图、图生图、局部重绘、智能扩图整合得最顺手的一个开源界面，免费、离线可用、不依赖别人平台的额度。它最值钱的一点是“种子可复现”——你固定了种子后，任何一步迭代都可以回到某个确定版本，这在多轮修图时极其重要。在线平台通常也提供种子参数，但很多只在高端套餐里开放。
本地部署的代价是需要一块NVIDIA显卡。SD 1.5系模型6GB显存能跑，SDXL系模型建议至少8GB。没有合适显卡也别硬刚，主流云GPU平台按小时计费，常见价位在每小时1到2元，一小时足够你出几十甚至上百张图，比在线按张买划算得多。
2.2 在线平台与免费API的成本真相
网上常有人问“某在线生图平台生成一张2K图多少钱”。按目前主流平台平均行情，按张付费的话，高清大图一张折合几元到十几元；包月套餐大概在10美元上下，但有生成量限制和网络条件限制。至于“免费生图API”，大多数是给开发者试用的额度，每天几十张，做demo够用，批量生产就明显不够了。
我的建议很直接：
- 偶尔画几张玩：在线平台够了，别折腾环境。
- 每天都要出图、改图、做批量实验：本地部署或云GPU。前期花一晚上部署环境，后面全是省下来的。
- 要接进自己的产品/脚本：优先研究官方API或开源模型的私有化部署，注意看免费额度的上限，别等跑批量任务时才被限流。
2.3 部署到什么程度就能开干
本地WebUI的部署主要就三步：装Python环境、拉WebUI仓库、把大模型放进models/Stable-diffusion目录。我见过不少人在“调环境”上浪费大量时间，其实对于只想用功能的人来说，做到“能打开界面、能选模型”就算成功，剩下的边用边学。真正决定出图质量的，是模型选择：画写实风格选ChilloutMix或RealisticVision这类底模，画二次元选Anything或Illustrious系列，不要拿一个模型硬通吃所有风格。
3. 文生图出底稿：采样器、步数、CFG、种子和高清修复怎么配
文生图是这条流水线的入口。它决定了整张画的构图骨架和色彩基调，所以这里花时间在参数上是值得的。
3.1 prompt结构：一句话描述怎么拆成有效提示词
很多人以为“一句话描述”就是打一句话进去。实际操作中，更可靠的做法是把一句话拆成四个部分：主体、场景、氛围风格、质量标记。
举例，你想画“夕阳下的海边码头”，不要只写“sunset seaside pier”。可以这样组织：
英文示例：a wide shot of an old wooden pier at sunset, gentle waves, warm golden light, cinematic composition, highly detailed, 8k, masterpiece
负面提示词：lowres, bad anatomy, bad hands, watermark, text, blurry, oversaturated
负面提示词的价值怎么强调都不过分。SD模型的知识库里混了大量低质量图片，你不明确排除，它就会在暗处时不时拉低你的画质。质量词如“masterpiece, highly detailed”虽然玄学，但在主流底模里确实有效，相当于把采样方向往高细节区域推了一把。
3.2 五个关键参数，分别管画面的哪一部分
| 参数 | 常见区间 | 管什么 | 调错会怎样 |
|---|---|---|---|
| 采样器 | Euler a / DPM++ 2M Karras | 去噪算法，决定画面质感风格 | 同参数不同风格 |
| 步数 | 20-30 | 去噪迭代次数 | 太少画面脏，太多无提升甚至变色 |
| CFG | 7-10 | 提示词约束强度 | 太高过曝发腻，太低画面松散 |
| 种子 | -1或固定数字 | 随机数起点 | 固定才能复现同一张图 |
| 分辨率 | 512/768系或1024系 | 画布大小 | 太小结构挤，太大显存爆 |
刚开始学习的人，最容易在“步数”上焦虑。其实20步和30步的差异远没有想象中的大，真正影响风格的是采样器。我个人比较常用DPM++ 2M Karras，出图稳定、色彩结实，适合写实和半写实题材；Euler a更轻快，适合快速试草稿时节约时间。CFG先锁在7，不要一上来就调9、10，很多“发腻、假塑料感”都是CFG偏高惹的祸。
3.3 从1K到2K：高清修复是大图必经之路
只有显存足够、并且使用SDXL底模时，纯文生图才有条件直接出1024x1024的图。更常见的做法是：先用一个小分辨率把构图定下来，锁定种子，再开启高分辨率修复（Hires.fix）放大2到2.5倍，二次采样细节。
生成所谓“2K图”的成本就在这里：不是出一次5000像素宽的文件，而是“先生成小图、再由小图重绘放大”的两段式操作。这一步时间成本约等于普通出图的两三倍，加上显存占用更高，所以很多图谱平台的大图定价高，原因就在计算量翻倍了。本地做的话，注意放大算法的选择：写实类用ESRGAN_4x或4x-UltraSharp，二次元类可以试试R-ESRGAN 4x+ Anime，算法选错会让边缘出现塑料感。
4. 图生图再创作：去噪强度这一个参数决定改多少、怎么改
图生图和文生图最大的区别，在于输入不再是一句文字，而是一张真实存在的图片。模型会先把你给的图片加一定程度噪声，再按提示词重新“猜”出来。所以图生图本质上是“在保留原图某种程度信息的前提下重新画一遍”。
4.1 去噪强度到底在控制什么：一个翻炒的比喻
你可以把去噪强度（denoising strength）想成“翻炒程度”。你给AI一张原图当锅底：
- denoising在0.2到0.35：相当于轻轻加热，基本尊重原图，只让画面更精细、去除压缩痕迹。
- 0.4到0.6：相当于大火翻炒，保留构图和主体，但色彩、纹理、风格都会明显变化。
- 0.6到0.8：相当于重新炒一盘菜，只保留轮廓级信息，风格彻底转换。
- 0.85以上：相当于直接把锅底倒了，几乎等同文生图。
| 去噪强度 | 用途 | 原图信息保留程度 |
|---|---|---|
| 0.2-0.35 | 细节增强、去模糊、改善光影 | 约85%-95% |
| 0.4-0.6 | 细化完成度、适度改风格 | 约50%-70% |
| 0.6-0.8 | 写实转插画、彻底换风格 | 约20%-40% |
| 0.85-1.0 | 基本等于重画 | 几乎不保留 |
4.2 图生图最常见的三种用法与参数区间
第一种，画面整体尚可，但不够精致。把你已有的图丢进图生图，保持同提示词，denoising设在0.4到0.5，分辨率略高于原图。这一步能让原先偏瘫的AI感变得更像“画”。
第二种，风格转换。比如你有一张写实风景照，想变成水彩插画风。denoising拉到0.65到0.75，提示词里加入“watercolor illustration, soft edges”。构图会保留，但材质和色彩会被重绘。
第三种，低清图放大。把一张模糊老图拉清晰，denoising反而要低，控制在0.2到0.35。同时建议打开ControlNet的Tile模型，它能强行锁定原图结构，放大后不容易出现畸变。
4.3 不想让风格跑偏？用ControlNet保持轮廓
图生图最怕改完风格后，主体形状也变了。解决办法是引入ControlNet。简单说，ControlNet是一个辅助控制模块，可以从参考图中提取线稿（Canny）、深度图（Depth）或姿态骨骼（OpenPose），把这些结构信息一并喂给模型，强制它在重绘时保持构图骨架。
实际操作时，把原图拖进ControlNet，预处理器选Canny，控制权重调到0.6到0.8，denoising即使拉到0.7，画面也基本不会跑形。这个组合是我做风格实验最常用的一套，基本能保证“只换皮，不换骨”。
4.4 一个风景照片转概念图的快速示例
假设你有一张阴天湖面照片，想让AI把它变成“赛博朋克夜景”。操作就是：图生图里载入照片，提示词写“cyberpunk city skyline reflected in lake at night, neon lights, cinematic lighting, highly detailed”，负面词加“daylight, sunny, blurry”，denoising设0.68，ControlNet用Depth模式锁住空间结构。出来的图，水面还是那个水面，但天空和建筑群基本已经被重新想象了。
5. 局部重绘补细节：修手、修脸、去水印的蒙版参数实操
局部重绘，英文叫Inpainting，是四个功能里“性价比”最高的一个。文生图生成的底稿再漂亮，总会有某些区域让你皱眉：多了根手指、眼睛变形、衣服褶皱不对、背景里冒出一行文字。这些问题如果用图生图整体重画，前面好不容易定下来的构图就全毁了。局部重绘的意义在于：只动你涂过的地方。
5.1 为什么AI总在手上翻车
AI画手容易翻车，原因是训练数据里手部姿态复杂、手指细小，模型对手部结构的表征能力天然偏弱。哪怕SDXL这种大模型，也不能保证每次手都正确。所以“修手”几乎是每个AI绘画用户都必须学会的基础操作。
修手有一个朴素但有效的流程：在WebUI里把不满意的手部区域发送到局部重绘，用蒙版画笔把整只手涂满（稍微带一点周围皮肤也没关系，衔接更自然），denoising设到0.6到0.75，表示“这只手我不满意，重新理解一遍”。一次不行就多生成几次，挑一只结构最合理的手。
5.2 蒙版参数怎么设：mask blur、填充模式与重绘区域
局部重绘的参数比图生图多了几个，却直接决定融合效果。
- mask blur：蒙版边缘羽化宽度。数值越小越锐利，越大越柔和。一般修细节用16到32，让重绘区域与原图过渡不明显。
- mask content：蒙版内部以什么作为采样起点。选“原图”表示在原来画面基础上改，最容易保色；选“潜空间噪声”表示完全重新猜，改动幅度大；我修局部细节时默认用“原图”，去水印/文字这种大面积替换才用“潜空间噪声”。
- inpaint area：选“仅蒙版区域”，计算量更小、速度更快，而且能更聚焦地重塑细节；选“整张图”会让模型参考全局上下文，显存大、融合好。画质优先时用“整张图”，看重速度时用“仅蒙版区域”。
我修人脸时会刻意把蒙版画得紧贴五官边缘，让模型只重画眼睛、嘴等局部，周围皮肤纹理通过mask blur自然衔接，效果比涂大块区域好得多。
5.3 去水印和改服装的实战经验
去水印本质也是局部重绘。把水印文字完整涂进蒙版，mask content选“潜空间噪声”，denoising提到0.75左右。因为水印区域往往没有有效画面信息，模型需要“凭空”补出背景，这时候提示词里一定要描述被遮挡区域原本应该有什么内容，比如“sand texture, ocean waves”之类，否则容易补出一坨抽象色块。
改服装也是一个很实用的场景：模特身上的衣服不想要了，直接在衣服区域涂蒙版，提示词改成“白色衬衫、浅色外套”，denoising设0.55到0.65。注意蒙版千万别涂到脖子和脸部边缘，否则衣领和皮肤交界处可能会出现奇怪的融合痕迹。
6. 智能扩图改构图：竖图变横图的一次次外扩实践
智能扩图（Outpainting）是把有限画布往外扩张的功能。最常见的需求场景是三张：竖图要变成横图做封面、构图里主体太满想留白、想要一个比原图更开阔的远景。扩图不是简单拉伸边缘，而是模型对“画面外看不见的世界”的合理想象。
6.1 扩图的底层逻辑与转场“接缝”问题
扩图的技术路径通常是：把原图放到一张更大的画布上，原图周围多出来的空白区域被视为蒙版，然后让扩散模型“猜”这些空白位置该画什么。难点在于“接缝”：新生成区域和原图交界处很容易出现颜色断层、纹理突变。
所以扩图最忌讳“一步到位”。如果我需要向右扩展很大一块，我会把目标拆成4到6次，每次只扩64到128像素，扩完重新保存，再继续下一步。每轮扩图时，模型都能看到上一轮已经画好的新边缘，等于拿着真实画面作为参考去猜测更外侧的景物，比一次猜一大片要稳得多。
6.2 自带功能与专用扩展：两种扩图路线对比
WebUI自带的方式本质上是用“整张图作为局部重绘的上下文”，把大画布载入，蒙版涂在边缘外扩区域，然后靠提示词描述该区域内容。这种方式的好处是无脑、稳定；缺点是每轮都要手动处理画布位置和蒙版。
专用扩展路线主要是Outpainting类扩展或ControlNet的Inpaint模型。ControlNet Inpaint会把“已知区域”和“未知区域”的关系进行显式约束，扩图时颜色和信息延续性更好，接缝问题大幅减轻。额外装了控制模块后，扩图流程是：先把大画布背景色与主图主色调统一，再让ControlNet处理边缘过渡。两者对比的话，对新手我先推荐自带的inpaint扩图方式，把流程跑通后再考虑扩展，因为工具安装层面会多一个学习成本。
6.3 我常用的外扩参数配置
扩图时我通常这样设置：
- denoising强度：0.5到0.6，既不会太保守导致边缘糊，也不至于太新手让内容漂移。
- mask blur：8到16，让新老区域的过渡尽量自然。
- 提示词：除了原图prompt，额外补充外扩方向的内容描述，比如“延伸的沙滩、继续延伸的栈桥结构”。
- 每轮外扩像素量：60到120像素，宁慢勿快。
这个参数配置在多轮扩图后基本能保证色调一致、边缘平顺。如果你发现某一步颜色明显发灰或偏色，别继续往下扩，先倒回上一步，用图生图denoising 0.3把整张图“融”一下再继续。
6.4 一个真实的竖图变横图案例
之前做一张海边残阳的竖构图，原始比例2:3，是给短视频封面的备用图。后来需求改成公众号头图，需要16:9横图。我的操作是：先把画布在Python里拉宽，原图靠左放置，右侧留出大量空白区，手动填充与天空接近的灰色，然后进局部重绘，把右侧整个空白区涂成蒙版。
第一轮prompt写“empty cloudy sky continuing from left, calm sea horizon, warm sunset glow”，denoising 0.55。生成后右侧多出一片云隙，但海水和左侧海面连接处有点生硬。第二轮把交界处涂成窄窄一条蒙版，再用图生图denoising 0.3轻轻洗一遍，整张图的海天一色就顺了。前后大约六轮，十五分钟，一张横构图的成品就出来了，比重新跑一次文生图再一点一点调构图快太多。
7. 串成流水线：从一句话到专业级画作的完整迭代记录
前面四步单拆开讲完，这里我把它们串成一个完整项目。假设需求是“绘制一张电影感的海边渔港日落插画，用作文章头图”，这个例子能完整覆盖四步工作流。
7.1 第一轮：文生图出四张小样，锁定一张底稿
我不会只让AI出一张就开干。先设定好参数：
提示词：a fishing port at sunset, silhouette of boats, golden sky, reflections on water, cinematic wide shot, highly detailed, masterpiece
负面词：lowres, bad anatomy, bad hands, watermark, text, blurry
分辨率：1024x1024（SDXL底模下），CFG 7，采样器DPM++ 2M Karras，步数25，种子随机
连续生成四张，作为小样对比。选中的那张标准是：构图有层次，主体位置舒服，没有明显畸变。锁定它的种子，并重新用相同种子生成同一张图作为正式底稿。为什么要重新生成固定种子？因为后续所有迭代都需要有一个可回溯的版本，过程里不小心画崩了也都能回到这个点重来。
7.2 第二轮：图生图统一风格和完成度
底稿作为输入进入图生图。我的个人习惯是：denoising设0.45，提示词保持不变，只增加一个“illustration style”的限定词，把画面从偏真实摄影调成偏数字绘画调性。这一轮发现的典型问题是局部船只轮廓有些碎裂，天空云层过渡平缓但下方水面噪点较多。发现这类问题先不急着修，等下一轮统一处理，因为图生图这一层会把很多小瑕疵重新画得平整。
7.3 第三轮：局部重绘逐项修细节
放大检查后，底稿出现了三处必须修的细节：一艘船的桅杆有些弯曲；水面上有一小片不明的高光噪点；右下角的岩石轮廓看起来像动物脑袋。于是挨个涂蒙版、改参数：桅杆和高光噪点区域denoising设0.6，岩石区域重绘时在提示词里明确写上“smooth rock shape, no animal features”。每次只修一块，生成2到4个候选，选最自然的一张，修完再看下一块，不要一次性把所有蒙版全涂满让AI一起改。
7.4 第四轮：智能扩图调整最终构图比例
内容修完，文章头图需要1.91:1的比例。于是按第6章的办法，把竖图左右各扩出一段，第一轮把天空云层延续出去，第二轮把海平面和倒影补充完整，再用低denoising图生图把画面统一。
这轮跑完的成品，构图、色调、细节基本都达到了可商用程度。整个流程用本地显卡完成，耗时大约40分钟，云GPU按小时折算成本不到2元。如果直接用在线平台一张张买，光高清大图部分可能就得多花大几十元。
7.5 迭代过程中重点检查的四件事
我在每一轮迭代后都会按固定顺序检查四件事：
- 构图是否完整：主体有没有被裁切、地平线歪没歪、空间比例是否舒服。
- 色彩是否统一：有没有哪块区域整体偏灰、偏红、发闷。
- 细节是否崩坏：手、脸、植物、文字、边缘处最常见。
- 接缝是否自然：特别是扩图和局部重绘后的边界处。
检查的顺序很重要，先看大结构，再看小细节。因为小细节修得再好，构图有问题也是废图；反过来，结构对了的话，细节问题交给局部重绘和扩图都有补救余地。
结语
如果只让我留一句话给正在读这篇的人，我想说：AI绘画里最贵的不是算力，而是“知道下一步该点哪个按钮”。文生图让你看见可能性，图生图帮你调整基调，局部重绘补齐细节，智能扩图打开视野，四步走顺之后，一张能拿得出手的图就只是时间问题。
我自己现在每次做项目都会固定种子、先出四张小样、锁定一张再进后续环节，这套操作把废图率从最初的八成降到了三成左右。你不必照搬我的参数，但这些流程顺序是踩过很多坑才沉淀下来的，值得作为自己的默认工作流。下次拿到一个素材，别急着让AI一口气画完，先想想这四个按钮里，你现在最需要按的是哪一个。
