对于想入门AI绘图的新手，Stable Diffusion（SD）是个强大但复杂的工具。这份教程专为萌新设计，系统讲解了从文生图到各种核心参数的含义与实操技巧，旨在帮助用户快速理解SD的工作原理，打破入门壁垒，顺利开启AI绘图创作之旅。
智能速览
Stable Diffusion是开源且免费的AI绘图工具，支持本地安装。
正向提示词定义画面内容，反向提示词则用于排除不想要的元素。
大模型决定图片基础风格，LoRA模型则能精细调整特定特征。
通过调整宽高比可以改变构图，设置总批次数比调整单批数量更稳妥。
CFG值影响AI对提示词的遵循度，随机种子是图像复现的关键ID。
精华内容
面对Stable Diffusion复杂的参数界面，新手常感到无从下手。要真正掌握它，就必须理解每个核心参数背后的逻辑和作用，下面将逐一拆解。
提示词的运用
正向提示词是你想要在画面中看到的内容，直接输入关键词，例如“one girl, garden”，AI便会根据这些描述生成对应的图像。
反向提示词则用于排除不希望出现的元素。例如，在生成花园图像时，如果觉得花朵过多，可以在反向提示词框中输入“flower”。再次生成后，会发现画面中的花朵数量明显减少，实现了更精准的画面控制。
模型选择逻辑
大模型是Stable Diffusion的核心，决定了图像的基础风格。选择写实风格的大模型会生成真实感强的照片，而选择动漫风格的大模型则会产出二次元画风的图像，如同为AI设定了不同的绘画大脑。
LoRA模型则是一个小体积的辅助模型，通常只有几十MB，用于在特定风格或特征上进行精细微调。例如，加载一个“原神贴纸”LoRA，即使提示词中没有相关描述，也能在画面中生成带有该风格的角色元素。
VAE模型可以理解为一种滤镜，它主要影响画面的色彩和整体质感，适当应用能让最终成品更具艺术感。
出图设置
通过设置宽度和高度可以直接控制图像的构图比例。例如，默认的512x512是正方形，若想生成一张竖屏图片，可将尺寸调整为512x768，即2:3的比例，从而改变画面构图。
总批次数和单批数量决定了生成图片的总数。为了避免因单批生成数量过多导致显卡显存溢出，推荐调整总批次数。例如，设置总批次数为2，程序会分两次、每次生成一张图，过程更稳定。
Clip skip参数（Clip跳过层数）影响AI对提示词的理解深度。值设置得越低（如1），生成图像与提示词的关联越紧密；值越高，AI的“自由发挥”空间越大，画面可能偏离关键词但更具想象力。
高级参数解析
CFG值（提示词引导系数）用于控制AI对提示词的遵循程度。CFG值设置得越高，AI生成的画面就越贴近提示词的描述；反之，值越低，AI的创作自由度越大，画面内容可能更加天马行空。
随机种子是每张图像独一无二的“身份证号”。只要固定种子值和所有其他参数不变，就能在任何设备上完美复现同一张图片。点击“随机”按钮，种子会变为-1，每次生成的图像都将是全新的、不可预测的结果。
掌握这些核心参数，就等于拿到了开启Stable Diffusion创作大门的钥匙。从理解基本概念到实践操作，这套流程为新手铺平了学习路径。下一步，就是不断尝试，探索不同模型和参数组合带来的无限可能，你准备好创造属于自己的第一幅AI杰作了吗？
