前言

此篇不是 Stable Diffusion 的软件教程，而是面向 AIGC 绘图工作流的一些开阔性思路与方法分享，核心观点即“商业需求是题面，AIGC 是计算工具，解题思路还得是设计师!”，总之面对 AIGC 设计不要焦虑也不用回避，本篇笔者期望能够和大家一起探讨 AIGC 绘图如何为我所用，如何融入设计流程，如何降本增效。

并且会聊聊 Stable Diffusion 究竟具备了哪些可控能力，以及进行商业设计落地的思路与解题技巧，一切皆是希望能够帮助大家更好的认识 AIGC 绘图工具，并帮助优化自己的设计流程。

一、互联网企业对 AIGC 的痴迷

当下 AIGC 很火，以 Chatgpt 为代表的语言大模型，还有专注绘图领域的 Midjourney 与 Stable Diffusion 都很出名，甚至有企业宣称应用 AI 模型做 CEO 管理，虽然不知道员工服不服管，股东有没有意见，但可见 2023 很 AI。

1. 企业们又在期待 AIGC 能做些什么？

①企业内部办公

期望借助 AIGC 降本增效，通过智能自动化的形式满足一些内容产出以减少人力的投入，从而将人力转移到其他更有价值或复杂的工作内容上，以实现降本增效的可能。

②产品体验赋能

通过 AIGC 的场景化能力，赋予产品更智能更前沿的技术体验，从而产生更多的服务能力或是服务质量，并减少产品运营的成本。

③技术创新性

随着深度学习、模型训练等，为企业提供更多定制化的技术应用或创新突破，为企业带来更多产品创新应用的可能，或是其他的正向收益。

2. Midjorney&Stable Diffusion

说到设计师，Midjourney 跟 Stable Diffusion 总是要被提及，而作为一个交互设计师，我能用上的图形绘制部分就不多，所以有必要先了解一下 AIGC 绘图工具能做些什么了、能做到什么程度、能为你的工作做些什么，这很重要。从商业角度出发，笔者认为 AIGC 绘图更多的是应用到广告营销或艺术创作方面会多一些，就我当下尝试和了解到的应用场景与优势如下，可供产考；

①Midjorney&Stable Diffusion 特征差异

Midjourney 是商业化产品、上手难度小、出图快、效果质量高，服务是端对端的形式，能够基于一个大模型快速响应各种风格或内容关键词的绘制，很适合在头脑风暴、寻觅风格参考的阶段花钱消灾，并且 Midjourney 的模型还在不断覆盖或更新事物关键词的理解，如果你怕麻烦并且设计需求不复杂，那么推荐 Midjourney。

而 SD（本篇中对 Stable Diffusion 的简称）典型的特征就是开源免费，社区共创扩展创新，本地化运算，有阶段化的可操控性，可以更好帮助设计师实现脑子里的创意，但有一定上手难度和设备局限，适合在复杂设计工作中更深入的探索应用。

用个不恰当的比喻，Midjourney 跟 SD 就像是美图秀秀跟 Photoshop 的关系～

3. AIGC 绘图的短板还很明显

给人很直观的感觉就是 AIGC 不懂设计，也不懂产品，还不好驯服，事实上目前 AIGC 绘图的商业能力还很有限，并且人机交互的沟通成本并不小（你要通过适当的关键词描述需求），当你不能熟悉关键词的应用以及 AIGC 绘制的功能操作方式时，开启 AIGC 绘图工具后就像是刚刚新建画板 Photoshop，强大且不知所措，AIGC 绘图工具的智能化、工业化、多模态交互、傻瓜式都还面临不少挑战。

二、为何考虑用 SD 做设计解题？

我简单概括为三个方面：成本更低、可控性更高、有更多的可能性

①成本更低

成本一直是企业或个人关心的问题，在 AIGC 绘图生成的过程中充满了太多的不确定性了，市面上大多 AIGC 绘图工具都是收费或签到制的，在不断抽卡中余额消耗的极快，而开源免费的 Stable Diffusion 无疑是雪中送碳。

通常设计师的电脑也都不算差劲，尽管现在 SD 还有一些硬件或系统兼容的问题，但是我认为不久的将来，强大的开源社区会给出更好的方案。

②可控性更高

设计师不同于纯粹的艺术家，设计即代表有精细的布局与控制，而图像内容的可控性就在工作中显得极为重要，这些具备商业化或产品属性的诉求若不能在 AIGC 绘图中解决，那 AIGC 绘图就还不具备为设计师解题的能力。

初阶段的 SD 给人的印象也还是基于模型画画纸片人，并支持一些涂涂换换的能力，直到相关开源社区出现了更多的模型、Lora 以及颠覆性的 ControlNet 控制网络时，我看到的了 SD 更高的可控性与可能性，这是 AIGC 绘图跨入工业化的一大步！

③更多的可能性

开源社区的魅力就是为爱发电多，商业化场景的应用模型越来越完善，未来充满了各种可能，你根本不知道何时就会出现一款现象级插件或模型，并且市面上可能会出现更多基于 Diffusion 二开的商业场景应用，我相信在未来 SD 步入工业化的脚步会越来越快，设计师应用的场景也会更广阔，即使你现在不使用 SD，但依旧值得期待一下！

1. Stable Diffusion 的可控概念

首先你不要想着像专业绘图工具一样控制了，你可能有时候连自己都控制不住自己！

SD 绘图可控性的本质是定向抽卡，方向越聚焦，结果越接近。

这个过程中，提示词是画面构成的重要因素，却不是画面风格和语义解析的全部，SD 生成的可控性还需要借助各种扩展网络的应用，这意味完全一样的关键词出来的结果依旧可能天差地别，SD 与扩展模型的运作模式可通过下图快速理解，它们逐级影响，相互作用：

2. 里程碑 ControlNet 1.1+的概念

关于此扩展插件相信大家已经有所了解，这里不做教程了，目前 ControlNet 还在持续更新。该插件提供了多种方式供用户实现内容生成的可控性，是一个阶段性的扩展应用，还有更多新的 ControlNet 以及高版本正在生产中，期待一下吧；

三、应用 SD 的正确解题思路

1. 先了解 SD 绘图工具

当工具回归工具，设计的核心依旧是设计思维，目前想要借助 AIGC 绘图来为工作降本增效，就需要先了解工具能做什么，有何优势，有何局限性，能帮你做什么？能做到什么程度？

期间笔者看了很多 AIGC 绘图应用的分享，也参加了些相关沙龙，基本上主流的设计应用就三个方面；

另外 SD 不同于 Midjourney，由于是从主模型到扩展一层层混合作业的，想要基于同样的提示词实现抄作业不一定行的通，所以了解 SD 各种模型的关系与功能属性是很有必要的，以下是关于 SD 基本且主流功能的概述整理：

2. 沉淀美学与设计素养

进行 AIGC 商业化应用，沉淀美学与设计素养是根基，并且针对 AIGC 生成，可以准备成一份随时可参考的材料。

①对于各类美术风格，需要知道其特征和专用术语名词，以保证在需要的时候能够应用对应的提示词，并且这些提示词不局限于美术风格，也有根据某品牌或是某个行业提炼的艺术关键词；

部分举例

3D、2.5D、2D、CG、吉卜力风格(Ghibli style)、水彩(Watercolor)、波普艺术(Pop Art)、中国风(Chinese Fashion)、朋克风(Cyberpunk)、噪点插画(Noise Design)、像素风(16-bit pixel art)、迪士尼风(Disney Style)、Q 版风(Q-Style)等

②对镜头语言的认识，掌握基本镜头视角的描述词，以及高阶镜头的效果差异与提示词应用，不过目前体验下来，AIGC 工具基本还不能呈现较为复杂的镜头与视角；

部分举例

透视(perspective)、景深(depth of field)、俯视(bird's-eye view)、鱼眼(fish-eye view)、顶视(top view)、广角(wide-angle)、鸟瞰(aerial view)、等距(Equidistant perspective)等

③掌握基本的构图知识以及布光基础，并了解效果差异与提示词应用；

部分举例

前景(close shot)、中景(mid-shot)、远景(prospect)、主光(Main light)、辅助光(fill light)、顶光(overhead light)、眩光(dazzle)、柔和光(soft lighting)、阴影(shadow)等

④在偏 3D 的场景中，对于物体材质特征的基本认识与提示词应用也很重要，目前在一些原生的 3D 渲染器中，收集了不少关键词，建议大家也可以如法炮制；

部分举例

塑料(plastic)、金属(metal)、玻璃(glass)、皮肤(skin)、薄膜(thin)、布料(cloth)、亚麻布(linen)、水晶(crystal)、木质(wood)、石头(stone)、瓷器(ceramic)、丝绸(Silk)、皮革(leather)等

⑤基础环境描述与提示词应用，实际上复杂环境通过提示词是很难搞定的，主要是还从简到繁的将空间环境一点点根据期望去刻画，基本上就是区分室内还是室外、空旷还是狭小、乡野还是城市等等；

部分举例

房间(room)、森林(forest)、废墟(ruins)、天空(sky)、宇宙(universe)、雨天(raining)、雪天(snowing)、城市(city)、广场(square)、草原(grassland)、操场(playground)、海洋(ocean)、海底(seabed)等

⑥优化提示词与负面提示词的应用，目的是让生成图片的质量更高以及减少不对的负面效果，但想想还是有点傻，期待更智能的那一天早日到来！

优化词

高清(hd)、高分辨率(4K,8K)、最佳质量(best quality)、杰作(masterpiece)、抗锯齿(antialiasing)、虚幻引擎(unreal engine)、原画级别(CG)、完整(complete)等

负面词

画面常用：低质量(worst quality)、模糊(blurry)、水印(watermark)、丑陋(duplicate)、重复(duplicate)、损坏的(Damaged)、出错(error)、单色的(monochrome)、黑暗(darkness)、非常规(nsfw)等；

人物常用：肢体多余(extra limbs)、畸形(deformation)、病态(morbid)、多手指(too many fingers)、多条腿(mang legs)、斗鸡眼(cross-eyed)、变异手(mutated hands)、截肢(amputation)等；

掌握和了解以上美术素养或提示词是为了更好的面向 AIGC 工具进行需求描述和控制。

此外设计素养是作为商业设计、工业化的重要内核，其中包含了基本的行业设计规范、标准的理解与掌握，此外相关设计思维、审美与问题解决能力都要不断的学习和提升，这是进行商业设计和不被 AIGC 取代的重要资本；

四、建立预期后再开工

一方面因为 SD 通过简单的几个提示词并不能生成高质量效果，依靠随机抽卡是不可能实现商业需求的，另外作为商业设计，其中必然是带有商业目的与业务信息的，因此为了保障生成效果与效率，设计师还是要先根据需求建立设计预期，在脑子里形成设计方案后开始构建草图或参考材料，然后再拆解成多个阶段，把适合 AIGC 绘图处理的事项交出去，中间通过垫图或人工操作纠正方向，加速抽卡的方向聚焦，最终得到一些满意的材料，再做商业合成产出交付产物；

1. 多元的草图与原型图

准备草稿或是原型是设计工作中的必要过程，可以帮助设计师对需求和目标的理解，也能形成材料与同事之间探讨构思，甚至向上对齐设计方案。此外准备草稿或原型材料也能帮 SD 在抽卡时更聚焦，减少无效的试错。

①草稿或原型支持多样性

SD 功能允许的条件下，经过反复尝试，前期的草稿材料可准备如下；部分需要采用 ControlNet 扩展进行解析应用，方法就是制作与 ControlNet 模型匹配的材料，导入到预览作为输出后再启用对应模型即可，方法如下图所示，亲测有效；

以下是可准备的草稿或原型材料的参考说明；

②参考材料或生成的局限性

在以上表格的注意事项已经提到了部分扩展应用的局限性，此外在实际工作场景中，还有一些比较头大的局限性，主要包括了以下三点；

另外当引导词不能被模型正确理解或不具备较高的常规性时，你也可以将关键词替换成其他近似词语，或者改成其他描述词来代替，能够提升一定的常规性和模型理解的概率；

例如：帽子(hat)无法得到预期的结果，便只好改为了头部穿戴(Head wear)+其他构成元素词语，输出时，帽子终于出现了。

③草稿复杂性拆解技巧

将草稿的复杂性进行拆解是为了简化设计，使 SD 中的模型能够更好理解需求进行生成，经过尝试或实验，整理了以下两种比较有效的拆解方法，但前提是保证一定的常规性以及主模型的可理解性，当然你也可以在整个过程中来回切换主模型应用，只要大的视觉风格差的不太多，例如都是 2D 或是写实的，后续再对风格矫正即可；

但由于现在的 AIGC 绘图对文本信息处理能力不佳，若你的主体视觉由信息构成并且嵌套在视觉场景之中，而不是处于前景、近景的层次那么就会比较难搞，也因此目前市面上主流的 AIGC 营销视觉案例基本都是“情景图+配文”的结构，两类应用场景如下；

2. 局部调整或后期优化阶段

借助 SD 的图生图模式以及 ControlNet，可以灵活的实现局部的优化调整，这是 Midjourney 完全不支持的能力（文章发布前Midjourney 更新后已支持：），功能的用途简述在上个话题“先了解 SD 绘图工具”中有介绍，简单讲就是我们可以的对画面的局部进行涂改重新生成，可以是对局部错误的生成进行改正，也可以是将新的点子生成到当前的画面中，相比于 PS 的创意填充，在 SD 中你可以对局部轮廓、色彩等更多方向进行生成控制，总之不再是 0-1 的抽卡阶段，而是 1-2 的聚焦抽卡阶段了；

后期优化部分主要是指对整体的风格进行切换或是混合，此前网上流行的 IP 线稿转有色稿再转 3D 化就是典型的风格转化，主要是借助主模型或配合 Lora 等模型的风格特征，转移到当前的原生图上，只要控制住“重绘幅度”基本就能保证相似度，借助 ControlNet 的 Tile 也能快速帮你应用参考图的视觉风格，并且当你使用局部调整约束好区域配合模型的切换，你还能够实现一个风格混合的画面，只要使用得当，也能生成效果不错的画面；

3. 工具混用 当 C4D、Blender、Photoshop 碰上 SD

以 ControlNet 中的深度、法线来讲，其实都不是什么新鲜技术，在 3D 设计工具中都很常见，这也意味着在应用 SD 的过程中，我们可以根据预期在其他软件中完成起手材料来辅助 SD 生成，这里我放了一个在 B 站上看见的应用案例，其中就是借助 3D 软件完成了基础的城市地编，然后根据 ControlNet 的语义分割协议对地编建筑进行了色彩渲染，之后就是导入到 SD 进行生成以填充相应的细节；

不止 3D 软件，我们喜闻乐见的 PS 其实也支持 SD 的扩展应用了，这意味着你可以直接在 PS 中进行更精准的涂绘、制作蒙版、绘制草稿等，加上 Beta 版 PS 自带的创意生成，或许我们可以让 AIGC 绘图之间碰撞出更多的可能性！

4. 风格模型沉淀复用

关于模型沉淀，自己的话，反正有条件有兴趣随便弄，如果是面向企业办公的话，则要考虑两个属性，一是定制化，二是复用性，即市面上的模型不能满足，且模型训练完有反复应用的价值。主模型可以很好的涵盖行业特征进去，但是炼丹的难度跟成本会比较高，如果说有适合的主模型能够满足事物提示词的理解生成，但是效果不佳，这个时候比较建议训练 Lora 模型来微调结果，原因如下：

这里不讲具体训练方法了，网上资源很丰富，这里引用一个概念模型帮助大家理解和消化一下 Lora 模型；其中训练 Lora 的主要任务即“打标”，这个过程有点儿像是帮助 AI 看图识物！通过对一批规格统一的素材进行关键信息标记，以帮助主模型更深入的理解某个事物或风格，最终并在主模型生成时启用 Lora 以达成微调的目的；

训练方法可以在一些博客或 B 站上获取，此处不赘述。

五、如何快速掌握 SD 的应用

在反复的尝试和学习过程中，想要尽快熟悉软件操作，那么自己一顿尝试后在结合一些教程是比较快的，当你想要更深入的掌握 SD 并生成更惊艳的效果，我感觉还得是多“抄作业”，方法也很简单，就是对着相关平台用户分享的作品参数对着来，从主模型选取到扩展模型权重，再到正反向提示词等，全部复刻一边；

当你这样做的时候，你会发现有很多好处；

首先会减少 SD 图片创作的门槛，通过更快的生成高质量图像来建立更多的自信，并感受到 SD 美妙之处；在比照调整配置的过程中，可以快速感知到采样、模型、步幅、提示词之间奇妙的化学反应；在抄作业的过程中，其实也是 SD 上手熟练度提升的过程，这比看几篇文章、添加到收藏夹里有用多了；在搬运他人的提示词时，自己也能掌握更多的提示词应用，以及配套模型的触发词技巧，当然了，光抄作业还不够，最好再加上做笔记，把别人的提示词与配套模型整理下，以后就可以更方便的调用了；展望一下

在前面的部分，探讨了 AIGC 绘图工具应用到工作流中的思路，以及技巧与 AIGC 设计的思维培养，同时也暴露了不少 AIGC 绘图功能的不足，那么也展望一下吧。

最近有看到在 Midjourney 设计落地教程里的这么一段话“视觉设计师赶紧转行吧，花几个月学的三维软件，结果几个通关密语就给实现了”，那么真的是这样吗？

事实上 Midjourney 也只是掌握了一类三维视觉技法而已，当进行商业设计时，依旧是设计思维先行技法辅助，再则，更深入的三维技术甚至三维动画，AIGC 还有待提高，期望以后可以有更惊艳的表现；

目前行业相关模型正在快速丰富，行业化即代表具备一定的工业属性、商业属性，虽然还不成熟但值得期待，另外 Stable Diffusion 玩家的存储空间应该越来越告急了吧，期待兼容更好的大模型或云服务；

情感化联想一直是 AI 发展的重点功课，AIGC 绘图对情绪或感情的理解与表达更是有限，会不会有一天 AIGC 设计能够理解需求并洞察出准确的情绪与氛围表达呢？

多模态输入输出同样值得期待一下，仅是提示词输入与静态图片输出怎么能满足设计行业的欲望呢？比如说我先选个行业模型，然后对话式生成需求理解，并给出设计方案建议和参考材料，再进一步探讨方案细节与引入参考，进行一次初步的设计生成，最后就是探讨优化再到生成结果之间反复循环，直到把 AIGC 乙方虐爆为止 hhhhh。

又在胡思乱想了，最后也期望本文中的思路与方法能够对大家有帮助，如有其他疑问或私货欢迎联系作者探讨～