AI绘画入门学习-第一天

发表于 本文字数： 2.8k 阅读时长 ≈ 10 分钟

# AI绘画

Day 1：安装环境与基础生成

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）。

安装秋葉整合包

参考大佬本人的视频，下面有网盘链接，下载后解压、安装依赖、运行程序即可：

运行程序后，打开窗口：

这里面提供了非常多的可选配内容，但是我们先不管这些，点击右下角的一键启动即可打开程序的主页面，如果页面没有弹出来可以手动打开一下http://127.0.0.1:7860/ 这个是默认的端口

测试生成

在提示词框里面输入 cat ，生成了一只猫猫作为测试，效果还算是不错

延伸了解

进阶了解如何使用web ui

页面里面有非常多的ui按钮之类的东西，较为复杂，下面是教程中的一图流介绍：

【AI绘画】从零开始的AI绘画入门教程——魔法导论【持续更新】

通过阅读这篇文章能够对于ai绘画有一个初步的了解。

这里把文章搬运过来，并且用我自己的话做标注：

标签？tag？

文生图本质是 tag 生成 图片，而非自然语言，文生图对于自然语言的处理和理解实际上都不是很到位。

整合包里面内置了一个tag提示词补全的插件，如果不知道那些 Tag 好，可以使用标签超市 

https://tags.novelai.dev/

正面 Tag（想要的内容）是这些，改善画质用的 Tag： masterpiece, best quality,

通用反面 Tag（不想要的内容），保底不出古神用的 Tag： lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry

Tags编写指南

wow，在评论区捡垃圾的时候捡到好东西了，这里单独开一个文本用作对于这篇文档的研读：

[[AI绘画-研读《Tags基本编写逻辑及三段术式入门与解析》]]

使用X/Y图表

在生成图片时候，可以使用x/y图表快速生成不同参数的图片进行对比。

进阶使用 | AiDraw

进阶学习

带师级别使用

继续看完 【AI绘画】从零开始的AI绘画入门教程——魔法导论【持续更新】 - 哔哩哔哩

的后面的部分吧，这里就不赘述了。

## AI 给我提的建议：
### Day 1 学习记录分析与建议
从你的学习记录来看，你已经成功完成了环境部署和基础生成，并开始探索提示词（Tag）编写和参数对比工具。以下是对你当前进展的总结与后续学习建议，结合你的目标和搜索结果优化学习路径：

当前成果总结

  1. 环境部署成功：通过秋葉整合包一键启动WebUI，并生成基础图片（如猫），验证了硬件配置的兼容性。
  2. 初步探索提示词：了解了正面/负面Tag的作用，并尝试使用标签超市优化生成效果，符合提示词编写的基本逻辑。
  3. 工具使用：尝试X/Y图表进行参数对比，这是优化生成效果的重要技巧。

优化建议与下一步学习方向

1. 完善提示词结构
  • 当前不足：你的测试提示词较简单（如“cat”），需进一步学习结构化描述。
  • 改进方法：
    • 使用“三段式”提示词：主体+细节+风格+质量（如“a fluffy white cat, blue eyes, sitting on a windowsill, soft lighting, anime style, 8k”），参考网页5提到的提示词手册。
    • 权重控制：通过(keyword:1.5)增强关键元素，例如(cat:1.3)提升猫的细节优先级。
2. 模型管理与风格切换
  • 下一步目标：下载不同风格的大模型（如动漫风Anything V5或写实风Realistic Vision），放入models/Stable-diffusion目录并切换使用。
    • 推荐资源：Civitai模型库（https://civitai.com/），筛选高评分模型。
    • 实践任务：用同一提示词生成不同风格图片（如“cat”分别用动漫和写实模型输出），对比效果差异。
3. 参数优化与X/Y图表进阶
  • 当前实践：初步使用X/Y图表，但需系统学习参数组合。
  • 进阶方法：
    • 对比采样方法：测试不同采样器（如DPM++ 2M Karras和Euler a）对图像细节的影响。
    • 调整CFG值：设置X轴为CFG Scale（7-12），观察提示词贴合度与图像锐化程度的变化。
4. 插件预装与后续准备
  • ControlNet插件：提前下载ControlNet模型文件（如canny和openpose），放入models/ControlNet目录，为Day 4的精准控制做准备。
  • LoRA模型：从Civitai下载角色类LoRA（如《原神》角色），放入models/Lora目录，便于后续角色定制。

学习资源补充

  1. 提示词手册：参考网页5提到的《Tags基本编写逻辑及三段术式入门与解析》，系统性学习标签组合。
  2. 视频教程：观看B站秋葉整合包配套教程（如Day 1提到的视频），直观学习界面操作。
  3. 社区案例：浏览Civitai的图片生成案例，分析他人使用的提示词和模型组合。

后续计划衔接

  • Day 2（提示词与参数）：尝试生成复杂场景（如“赛博朋克城市夜景，霓虹灯光，雨天”），结合权重和负面Tag优化细节。
  • Day 3（风格控制）：用不同模型生成同一主题，总结风格差异（如动漫风的扁平色彩 vs. 写实风的光影层次）。
  • Day 4（角色控制）：使用ControlNet固定线稿，生成与预设一致的角色形象。

检验学习成果的标准

  • 基础生成：能生成无明显畸变的复杂场景图（如“骑士骑马冲锋，背景雪山”）。
  • 风格控制：同一提示词可输出3种以上风格（如像素风、水墨风、厚涂油画风）。
  • 效率提升：通过X/Y图表快速筛选出最佳参数组合（如采样器+CFG值）。

按此方向深化学习，后续目标将水到渠成。遇到具体问题可随时查阅秋葉整合包的B站评论区或CSDN教程！ 🚀

Reference