为什么在线工作台更适合大多数人

本地部署 Stable Diffusion 的门槛不在安装，而在显卡、显存、依赖冲突和模型管理。很多人花两天装好环境，发现 4G 显存跑不动，或者某个依赖版本不对反复报错。

在线工作台把这些都解决了：算力在云端，模型现成，界面可视化。代价是自由度略低、需按量付费，但对绝大多数创作者来说，这个交换非常划算。

第一步：理解模型、LoRA、VAE 三者关系

这是新手最混乱的地方，用一个比喻讲清楚：

  • 底模（Checkpoint）：画家的手和基本功，决定整体画风走向。写实、二次元、国风、摄影，由它决定
  • LoRA：专项技能包，叠加在底模之上。可以是某种画风、某个角色、某种服装或光影
  • VAE：色彩与细节的解码器，影响画面通透度和色彩饱和度

所以组合逻辑是：先选一个接近你目标的底模，再叠加一两个 LoRA 做细化，最后确认 VAE 正确。

最常见的错误是：底模选了二次元，却叠一堆写实 LoRA，结果出来不伦不类。底模和 LoRA 的类型必须匹配。

第二步：选择底模

按用途快速定位：

  • 通用写实人像：选标注为写实、真人、摄影的底模
  • 二次元插画：选二次元、动漫类底模
  • 国风与古风：选专门的国风底模，通用模型画古风容易不伦不类
  • 产品与电商：选电商、产品摄影类底模
  • 建筑与室内：选建筑、空间类底模

选模型时别只看示例图好看，要看：更新日期（半年内的通常更好）、下载量和评分、示例图是否展示了多种场景。只放一张精修示例图的模型，往往只在特定提示词下效果好。

第三步：编写提示词

结构建议按重要性排序，越靠前权重越高：

主体描述 + 细节特征 + 场景环境 + 光影 + 画质词 + 风格词

具体例子：

一位年轻女性，黑色长发，白色衬衫，站在落地窗前，
柔和自然光从侧面照入，浅景深，皮肤质感细腻，
8k，高细节，摄影级画质，胶片色调

负面提示词同样重要，通用的一套：

低画质，模糊，畸形，多余的手指，多余的手臂，扭曲的肢体，
水印，文字，过曝，噪点，塑料感

负面提示词几乎是必备的。不加的话，手部畸变、多余肢体这类问题出现频率会明显上升。

第四步：配置核心参数

新手只需关注四个参数：

  1. 采样步数：20 到 30 之间性价比最高。超过 40 步画质提升极其有限，只是浪费时间
  2. 提示词引导系数：控制提示词的服从程度，7 到 9 是常用区间。太高画面会过饱和发糊，太低则不遵循提示词
  3. 采样器：追求稳定性选 DPM 系列，追求速度选 Euler 系列。不了解就用默认
  4. 分辨率：不要一上来就开很高。先用标准尺寸出图确认构图，满意后再放大或高清修复

第四条是最有效的省时间技巧。高分辨率生成慢且放大后细节问题更明显，分步走比一步到位快得多。

第五步：用 ControlNet 控制构图

当你需要精确控制人物姿态、画面结构时，ControlNet 是关键工具。常见用法：

  • 姿态控制：上传参考图或骨骼图，让生成的人物保持指定动作。电商服装图必备
  • 线稿上色：上传线稿，让 AI 填色完成插画
  • 深度控制：保持参考图的空间结构，换风格和内容
  • 边缘检测：保留轮廓结构，适合产品设计变体

权重设置：0.6 到 0.8 之间通常效果最好。权重过高会让画面僵硬失去 AI 的创造性，过低则控制不住。

第六步：LoRA 的叠加与权重

LoRA 权重建议 0.6 到 0.8。多个 LoRA 叠加时，总权重不要超过 1.5，否则画面会崩坏——表现为色彩异常、结构扭曲。

实践中更稳妥的做法是一次只加一个 LoRA，确认效果后再考虑叠加。贪多是最常见的失败原因。

第七步：高清修复与后期

确认构图满意后，使用高清修复功能放大。放大倍数建议 1.5 到 2 倍，配合较低的重绘幅度（0.3 到 0.5），既能提升清晰度又不会改变画面内容。

重绘幅度过高会重新生成内容，人物长相可能变化。做系列图时要特别注意这一点。

常见问题与误区

  • 问：出的图和示例图差很远？检查是否用了相同的底模、VAE 和参数。示例图通常附带完整参数，直接套用最接近。
  • 误区：提示词越长越好。堆砌大量风格词会互相干扰，画面反而平均化。20 到 40 个词通常足够。
  • 问：手部总是畸形？这是当前技术局限。解决方案：构图时避免手部特写，或用局部重绘专门修复，或后期手工处理。
  • 误区：参数照抄就行。不同模型的最佳参数不同。换底模后要重新调提示词引导系数和步数。
  • 问：生成太慢？降低分辨率和步数，或减少同时生成的张数。批量出图建议先小图筛选再放大的两阶段流程。

效率数据与实测结论

以电商产品图场景为例：本地部署方案前期投入约 6 到 8 小时（含环境配置和模型下载），单张出图约 20 秒；在线工作台前期投入约 30 分钟，单张出图约 15 到 25 秒（取决于队列）。

对于月产出在 200 张以内的创作者，在线方案在总时间成本上明显占优。超过这个量级，或者需要大量定制训练，再考虑本地部署也不迟。工具选择要看真实用量，而不是想象中的用量。