九哲-AI绘画系统课程

很多人第一次打开 AI 绘画工具时的体验是：输入一句话，出来一张图，觉得神奇；再输第二句，出来一张似是而非的图，就开始迷惑了。问题往往不在工具，而在于跳过了一些说不清楚但绕不过去的基础环节——采样步数怎么定、重绘幅度调到多少画面才不会崩、ControlNet 的预处理器该配哪个模型。这门课针对的就是这些「说不上难，但没人讲就学不会」的地方。

它适合补哪几个缺口

• 只会文生图，遇到具体需求就卡住。比如手部画崩了不知道怎么修、想让角色摆出指定姿势却只能靠反复抽卡、想把草图变成成品但没有稳定的控制手段。
• 知道参数名字，不知道参数后果。重绘幅度、采样器、CFG 这几项，调大调小分别会牺牲什么、保住什么，课上是用实际画面给结论的。
• 没有工作流意识。单张出图能凑合，一旦要批量、要稳定复现、要后期衔接，就变成一堆孤立操作。
• 插件装了一堆，用不起来。ControlNet 和 Openpose 这类工具，难的不是安装，是搞清每种控制方式适合约束什么。

课程实际处理的问题

课程从最基础的出图讲起，但重心明显放在「控制」这条线上。图生图部分不只讲上传参考图，而是把局部重绘和涂鸦的适用场景分开说：哪些改动适合用蒙版小范围重绘，哪些需要靠涂鸦给出结构再交给模型补细节。这一步想通了，改图效率会明显不一样。

ControlNet 与 Openpose 单独成段，说明编者也清楚这是多数人卡住的地方。骨架控制、边缘约束、姿态迁移各自解决什么问题，需要配合什么预处理方式，属于看一遍未必会、动手跑两遍才踏实的内容。

后期处理这一段容易被当成收尾，实际上是出图质量的分水岭。细节修复和高清放大处理不好，前面调得再准，成品也会显得糊或假。课里把这部分单独拎出来讲，是有道理的。

另外还有一类偏应用的内容，例如老照片复原。它看起来像一个单独案例，但实际调用的正是前面图生图、重绘、放大的组合能力，可以当作对整条链路是否真的掌握的一次检验。

建议的练习方式

• 每看完一段就用自己的图复现一遍，别停在「看懂了」。
• 同一张底图，固定其他参数，只改一个变量做对比，把参数和结果的对应关系记下来。
• 选一张自己不满意的旧图，从局部重绘改到手部和面部，再用高清放大走一遍完整流程。
• 找一个真实目标（比如复原一张家里的旧照片），全程不跳过任何一步。

看完应该能回答的问题

• 图生图和局部重绘的分界线在哪，什么情况下不该整张重画？
• 重绘幅度给高了画面为什么会跑偏，给低了又为什么不变化？
• 想让画面里的人摆出指定姿势，应该用哪种控制方式，预处理选什么？
• 高清放大之后细节变糊或变僵，通常该回去调哪一步？
• 从一张草图到一个可交付的成品，中间最少要经过哪几个环节？

如果这几个问题你现在答不上来，这门课值得按顺序过一遍；如果大部分能答上来，可以只挑 ControlNet 和后期处理这两段查漏补缺，其余跳过也不会漏掉关键内容。