AIGC 绘画 SD 和 MidJourney 教程

很多人对 AI 绘画的印象还停留在「输入一句话，等一张图」。真上手才发现，卡住自己的往往不是想象力，而是不知道点哪里：MidJourney 的指令怎么写才不出废图，Stable Diffusion 的模型和采样器怎么配，出图之后想改一个局部又该动哪个参数。这门课要补的就是这类具体缺口。

先分清两个工具的定位差异

MidJourney 和 Stable Diffusion 常被放在一起说，但它们解决的不是同一类问题。MidJourney 更接近「快速出图」：靠提示词和参数在对话式界面里迭代，适合找感觉、定风格、批量试方向。Stable Diffusion 则偏向「可控生产」：本地或云端部署后，模型、LoRA、ControlNet 一层层叠上去，能约束构图、姿势、线条，代价是配置环节多、报错也多。

课程把两者分开讲，再让它们在同一个创作流程里衔接——先用 MidJourney 快速试风格，再用 SD 做精细控制。这一点对自学的人尤其有用：不少教程只讲单一工具，学完仍然不知道怎么把两段能力接起来。

需要补的能力，具体是哪些

• 提示词的结构：主体、风格、镜头、光线、画幅各占什么位置，哪些词是有效的，哪些只是心理安慰。
• 参数的作用：MidJourney 里比例、版本、风格化强度怎么影响结果；SD 里采样步数、CFG、种子各自管什么。
• 模型的选与换：底模决定整体画风，LoRA 决定具体特征，权重高低直接决定「像不像」。
• 控制类插件的用法：用线稿、深度、姿态去约束出图，而不是反复抽卡碰运气。
• 后期与交付：局部重绘、扩图、放大，以及把图用到表情包、字体、海报这类真实场景里。

课程里出现的敦煌风格案例、表情包制作、传统类字体设计，本质都是把上面这些能力落到一个具体成品上。案例驱动的好处是：你不会停在「知道有这个词」，而是被逼着把参数调到出图能用为止。

配套练习建议这样安排

只看不练，AI 绘画的学习曲线会非常平——因为大部分坑都是操作层面的。建议按下面的顺序动手：

• 用同一个提示词，只改一个参数，连续出四张图做对比，建立对参数的直觉。
• 拿一张自己喜欢的图做反向拆解，写出它的提示词结构，再复现一遍。
• 挑一个课程案例（比如表情包或字体），从零走完整流程，中途不跳步骤。
• 选一个需要控制构图的需求，用控制类插件替代纯提示词，比较两种方式的稳定度。
• 把最终成图整理成一个小作品集，标注每张图用了什么模型和参数。

最后一步常被忽略，但它决定了你以后能不能复用——记不住参数，等于每次都在重新摸索。

看完应该能回答的问题

检验自己有没有学进去，可以拿这几个问题自查：

• 同一个提示词在 MidJourney 和 SD 里出图差异明显，可能的原因有哪些？
• 出图人物姿势总是不对，应该优先调提示词还是上控制插件？
• LoRA 权重开太高会出现什么现象，怎么判断该降多少？
• 想把一张成品图改成另一种风格但保留构图，操作顺序是什么？
• 表情包、字体设计这类带明确用途的图，和纯艺术创作在流程上差在哪一步？

如果这些问题你能说出具体操作而不是模糊概念，这门课的目标基本就达到了。反过来，如果只记得「SD 很强、MJ 很好用」，那说明还停留在看过一遍的阶段，需要回到案例里再跑一遍流程。