AI深度学习生成图片：从模糊到能用的调参记录

接触ai深度学习图片生成整四个月，我第一张图糊得像隔着毛玻璃拍的，上个月交付的那张已经印成了奶茶店的店面海报。中间没换过模型，也没买付费插件。全靠调参。

工具是本地部署的 Stable Diffusion WebUI，显卡 RTX 3060 12G，跑一张 768×512 约14秒。四个月攒了两本半"炼丹笔记"。这篇就是笔记的脱水版，参数全是我自己跑出来的，翻的车也全是我自己翻的。

步数实验：同一组提示词，ai深度学习图片差别有多大

原子答案：同一组提示词只改步数，15步糊脸、30步成型、60步冒脏点，可用率在30步附近见顶。我的甜点区是28到35步，低于20步人物手部必崩，高于40步纯属浪费电。

实验设计很土。固定提示词、固定种子1745032、固定采样器 DPM++ 2M Karras，只动步数，每档跑6张。15步那组，脸是糊的，背景像没干透的水彩。20步，脸能看了，手指还黏在一起。到30步，手分开了，光影有了层次。35步往上，我盯了很久。说实话，分不出谁是谁。

60步那张反而在头发丝上冒出一堆脏点，像烤过头的面包边。计时也记了：30步14秒，60步27秒。不划算。

老实讲，我以前是"步数崇拜"患者，图一糊就加步数。测完才认账：图糊七成是采样器和CFG的锅，步数只背三成。

采样器选谁：我固定用DPM++ 2M Karras，理由很主观

原子答案：Euler a 快但画面软，DDIM 出图带塑料感，DPM++ SDE Karras 质感最扎实但慢且不稳，DPM++ 2M Karras 是速度和稳定性的平衡点。我九成的图都用它，起稿和成图不用换。

主流采样器我挨个跑过。Euler a 20步就有完整构图，颜色偏灰，适合找感觉。DDIM 我个人觉得最不讨喜，50步出的图皮肤像打了蜡。DPM++ SDE Karras 的质感真好，布料纹理一根根立着，代价是慢一倍，六张里常废两张。方差太大。

最后锁定 DPM++ 2M Karras。理由就一个字：稳。30步加 CFG 6.5，六张里五张能用。接商单的时候，稳比上限值钱。

提示词权重那些坑：(光影:1.5)毁了我一晚上

原子答案：权重语法 (词:1.2) 只对本来就压得住的词有效，加到1.4以上，画面会往色偏和畸变跑。我的红线是1.3，再高宁可换词也不硬加。

踩坑现场还原。上个月做奶茶店海报，我在提示词里写了 (cinematic lighting:1.5)，想着电影感光嘛，加重些。出图直接傻眼：整张图橙得像蒙了层琥珀，杯身高光糊成一片白。降回1.2，立刻正常。那晚我调到凌晨一点半，第二天中午就要交稿。挺崩溃的。

负面提示词同理。(worst quality:1.4) 这种写法在社区里传得很广，我实测1.2就够，开到1.4整张图发灰，等于泼了盆水。还有个冷知识：中文词直译后塞进去，权重基本不起作用，模型对英文原词敏感得多。吃过亏我才记住这条。

权重不是力度旋钮。更像盐，少许提鲜，多撒毁锅。

随机种子：ai深度学习图片里最容易被忽视的变量

原子答案：随机种子决定构图和姿态的底牌，同参数同种子可复现，换种子等于重新洗牌。做参数对比必须锁死种子，不然你分不清是参数变好了还是种子运气好。

我干过一件傻事。前两个月对比两组参数，A组锁了种子，B组随手随机，结果B组效果惊艳，我兴奋地以为是 CFG 调对了。复跑，废了。再跑，又废。折腾到半夜才发现变量没控住——种子一换，等于换副牌重洗。

现在的流程固定死了：先抽到构图满意的种子，记下号码，后面所有实验都基于它跑。种子1745032陪我跑了两百多张，笔记里我管它叫"老熟人"。

顺带数了个数。同参数连换20个种子，能用的约13张，可用率65%上下。这数字比教程里承诺的真实。

话说回来，记到第三本笔记时我有点走火入魔，一度想把参数网格化全扫一遍，算下来得跑三千多张，显卡风扇响得像要起飞。后来想通了，调参是手段。真不是目的。

刚上手的朋友，与其背参数，不如先花十分钟弄懂扩散模型在干嘛——从一片噪声里一步步把图"擦"出来，步数是擦的次数，采样器是擦的手法。可以看这篇AI深度学习是什么的白话解释，嫌浅就去翻维基百科的扩散模型词条。原理懂了，很多"玄学"就变成常识。

我的参数对照表（主观打分，不服来吵）

原子答案：这是11个商单沉淀下来的组合，主力是 DPM++ 2M Karras 加30步加 CFG 6.5，SDE 只留给精修。打分纯属个人口味，你可以骂我。

表里没有最优解。只有最不容易翻车的解。

翻车实录：这三个参数组合我劝你别碰

原子答案：CFG 超过11再叠高步数必烤糊，高清修复 denoising 低于0.35等于没修，Euler a 配1.4的负面权重画面必灰。三个坑我都替你踩完了。

坑一，CFG 12加60步：饱和度高到刺眼，皮肤橙红，像美颜拉满的直播截图。CFG 是"提示词服从度"，不是画质旋钮，我以前一直理解错。坑二，高清修复把 denoising 开到0.3：重绘幅度太小，放大两倍后噪点纹丝不动，细节全靠脑补，开到0.45至0.55才有放大意义。坑三，Euler a 加1.4的负面权重：这个采样器色彩本就偏淡，再压一道直接没气色。

补个背景数据。Stable Diffusion 官方模型卡写明它基于 LAION-5B 数据集训练，LAION 官方口径是58.5亿个图文对。模型见过什么，决定它听得懂什么——生僻的中文概念怎么加权都画不出来，根子在这条。技术路线的差异也大，OpenAI 的 DALL-E 2 走的是另一套生成方式，出图味道和本地炼丹完全两回事。

常见问题

采样步数到底设多少合适？

28到35步覆盖九成场景。低于20步人物手部容易崩，高于40步画面几乎没变化，纯耗时间。"步数越高越清晰"这句话，实测不成立。

提示词权重最高能加到多少？

我的红线是1.3。1.2是常用档，1.4以上色偏和畸变的概率明显上升；负面提示词超过1.3，整张图会发灰，等于自废武功。

固定了随机种子为什么出图还是不一样？

查三个地方：步数或 CFG 动没动，采样器换没换，有没有开启影响计算精度的加速选项。种子只在其他参数全部锁死时保证复现。

显卡只有8G显存还能玩ai深度学习图片吗？

能玩。8G跑512×768没压力，768×1152开显存优化也行。再不行就上云端算力，参数经验照样通用，我笔记里有一半是在云上跑出来的。

从模糊到能用，中间隔着两百次抽卡

四个月，180多次实验，两本半笔记，这就是我从糊图侠到能接单的全部成本。ai深度学习图片这件事，入门十分钟，上头一辈子。喜欢抠参数的人，会在这件事里获得一种奇怪的快乐。

想照着练，路线我也替你趟过了：先用学AI绘画的工具选择和练习方法入门，再按炼成第一张能看的图的路径找信心，进阶时补一点AI绘图背后的深度学习基础，想靠它吃饭的，直接看从出图到商单的半年记录。

觉得这份笔记有用，转给那个还在把步数拉到100等出图的朋友，帮他省点电费。