AI绘画入门学习-概述

发表于 更新于 本文字数： 3.4k 阅读时长 ≈ 12 分钟

# 未完成
# AI绘画

我从今天开始正式立一个小的目标要开始入门学习AI绘画入门，这一篇文章主要是作为提纲挈领的作用，用于为我自己明确目标并且梳理学习的路径。

最终目标：

达到类似于这样的效果：

嗯，我对于背景没有太大的要求，上面的图来自于这两个账号：

(13) さがわ/sagawa (@sagawa_gawa) / X (13) lilium (@lilydisease) / X

虽然这几张图都有或多或少的问题，但是对于光影的把控已经非常到位了，对于肉感也有非常好的刻画。

目标拆分：

我现在想要将我的目标拆分为几个小的目标，但是我对这个并不熟悉，所以我希望使用ai帮我规划一下学习路线：

1
2
3
4
5
6
7
8
9
10
你好，现在请你扮演一位对于AI绘画拥有丰富了解的学姐，现在我希望你能够帮助我入门ai绘画，我拥有 4060ti16G 以及 48G的内存，对于ai绘画的入门应该够用了。
我现在的目标是：
1. 能够使用ai绘画为我生成指定内容的图片
2. 能够通过某种方式来调整图片生成的画风
3. 能够使用通过某种方式来精准的控制画面中的角色（比如说我自己设定的角色或者其他动漫游戏作品中的角色）
4. 能够通过某种方式精确的控制画面中的场景以及人物的动作

我知道我上面的目标的描述可能会有些模糊，这是因为毕竟对于ai绘画来说是一个门外汉，我希望你能够帮我梳理并总结我的目标，我现在正在计划按照秋葉aaaki的教程来进行学习，但是这位大佬并没有给出详细的学习路线，我希望我能够在一周的时间内快速入门并且达到上述目标，我每天能够抽出至少2个小时的时间用于学习这方面的知识。另外，我认为最好的学习方式就是实践，希望你能够尽可能让我在实践的过程中学习。

我希望你能够针对上述我的目标以及学习计划，为我规划一条路线清晰的学习路线，告诉我每个阶段的学习资料，学习目标，如何检验我的学习成果，非常感谢！

DeepSeek的回答： ### AI绘画入门学习路线规划（7天实践版） 硬件说明：你的配置（RTX 4060Ti 16G显存 + 48G内存）完全满足Stable Diffusion本地部署需求，可高效运行模型和插件。

学习目标与阶段拆解

根据你的需求，目标可总结为： 1. 基础生成：能通过文本描述生成指定内容的图片。 2. 风格控制：调整画面风格（如动漫、写实、油画等）。 3. 角色控制：精准生成特定角色（自定义或已有IP）。 4. 场景与动作控制：控制构图、人物动作、场景细节。

学习核心工具：秋葉aaaki整合包（Stable Diffusion WebUI中文版）+ ControlNet插件 + LoRA模型。

每日学习计划

Day 1：安装环境与基础生成

[[AI绘画入门学习-第一天]] 学习目标：完成Stable Diffusion本地部署，生成第一张AI图片。 - 实践步骤： 1. 下载秋葉整合包（解压密码：bilibili@秋葉aaaki），安装.NET依赖项，双击启动器一键运行。 2. 打开WebUI界面（默认地址http://127.0.0.1:7860），输入简单提示词（如“1 girl, masterpiece”），生成测试图。 3. 熟悉界面功能：模型切换、提示词输入区、生成参数（采样方法、迭代步数）。 - 检验成果：成功生成一张基础图片（如猫或人物）。 - 学习资料： - 秋葉整合包安装教程：CSDN博客。 - 界面功能速查表（见下文）。

Day 2：提示词与参数优化

[[AI绘画入门学习-第二天]] 学习目标：掌握提示词编写技巧，调整参数提升生成质量。 - 实践步骤： 1. 提示词公式：使用“主体+细节+风格+质量”结构（如“a knight in armor, detailed armor texture, dark fantasy style, 8k, masterpiece”）。 2. 权重控制：用(keyword:1.5)增强权重，[keyword]降低权重。 3. 参数调整： - 采样方法：推荐DPM++ 2M Karras（速度快且稳定）。 - 迭代步数：20-30步（平衡速度与质量）。 - 提示词相关性（CFG Scale）：7-12（值越高越贴近描述，但可能过锐化）。 - 检验成果：生成一张符合复杂提示词描述的图片（如“科幻城市夜景，赛博朋克风格”）。 - 学习资料： - 提示词手册（附常用风格关键词）：CSDN资源包。

Day 3：风格控制与模型管理

学习目标：切换不同大模型（底模）和LoRA插件调整画风。 - 实践步骤： 1. 下载模型：从Civitai下载风格化大模型（如动漫风Anything V5、写实风Realistic Vision）。 2. 加载模型：将.safetensors文件放入models/Stable-diffusion文件夹，在WebUI中切换。 3. 使用LoRA：下载角色/风格LoRA模型（如Genshin Impact角色LoRA），在提示词中添加触发词（如<lora:genshin_zhongli:0.8>）。 - 检验成果：用同一提示词生成不同风格的图片（如“古风少女”分别用动漫和写实模型输出）。 - 学习资料： - 模型管理教程：SD WebUI文档。

Day 4：精准控制角色（ControlNet + LoRA）

学习目标：通过ControlNet插件固定角色形象，结合LoRA定制角色。 - 实践步骤： 1. 安装ControlNet：在秋葉整合包中启用插件，下载预处理器和模型文件。 2. 线稿控制：上传角色线稿，启用ControlNet的Canny或Lineart模式，生成与线稿一致的角色。 3. 训练自定义LoRA：使用Kohya脚本训练个人角色（需准备20-30张角色多角度图片）。 - 检验成果：生成与线稿或自定义LoRA匹配的角色（如“我的自设角色，蓝色长发，机械臂”）。 - 学习资料： - ControlNet教程：B站视频。

Day 5：场景与动作控制（ControlNet进阶）

学习目标：利用ControlNet控制构图、人物姿势、场景深度。 - 实践步骤： 1. 姿势控制：使用OpenPose预处理器，上传姿势参考图，生成相同动作的角色。 2. 场景控制：用Depth模式输入场景深度图，控制画面层次感。 3. 分镜提示词：结合分镜描述（如“人物站在悬崖边，左手持剑，右手指向远方”）。 - 检验成果：生成指定动作和场景的图片（如“骑士骑马冲锋，背景是雪山”）。 - 学习资料： - ControlNet高级用法：ComfyUI教程。

Day 6：综合实战与优化

学习目标：结合所有技能生成复杂作品，优化细节。 - 实践步骤： 1. 设计完整场景（如“赛博朋克酒吧，女黑客坐在吧台，霓虹灯闪烁”）。 2. 分阶段调整：先用ControlNet固定构图，再通过提示词细化细节（服装、光影）。 3. 使用高清修复（Hires. fix）提升分辨率（2倍放大）。 - 检验成果：输出一张高完成度的综合作品（含角色、场景、风格）。

Day 7：扩展学习与效率提升

学习目标：探索高级插件（如动态扩散、工作流优化）。 - 推荐方向： - 动态模型转换：生成连续动作帧（如转身、行走）。 - 批量生成：用XYZ脚本生成多组参数对比图。 - 效率工具：安装Tiled Diffusion插件减少显存占用。

学习资料汇总

类型 资源链接 用途
整合包 秋葉整合包下载 本地部署SD
提示词 AIGC提示词手册 风格与细节控制
模型库 Civitai 下载大模型与LoRA
进阶教程 ControlNet全解 精准控制画面

检验学习成果的标准

  • 基础生成：能通过提示词生成无明显崩坏的图片。
  • 风格控制：同一主题可输出3种以上不同风格（如油画、像素风、水墨）。
  • 角色控制：生成与线稿或LoRA匹配的角色（误差<10%）。
  • 场景与动作：构图符合预设，人物动作自然无畸形。

按此路线实践，一周后可熟练运用AI绘画工具完成创作需求。遇到问题可随时查阅秋葉整合包的社区讨论（B站/CSDN），或私信我进一步解答！ 🎨

Reference