AI绘画15个进阶参数技巧

前言

很多人以为AI绘画就是写提示词，然后碰运气。

但专业玩家都知道：真正拉开差距的，是对参数的精准控制。

同样的提示词，不同的参数，出来的效果天差地别。

这篇文章，我们把经过实战验证的15个核心参数技巧全部教给你。掌握这些，你就从"碰运气画画"变成"精准控图"。

参数一：Seed（随机种子）

什么是Seed

Seed是AI生成图片的随机数种子。相同的Seed+相同的提示词=完全相同的图片。

核心作用

1. 复现效果：看到好的图，用同样的Seed就能复现
2. 微调优化：固定Seed，只改提示词的某一部分，对比效果
3. 批量生成：同一个构图，生成不同的风格变体

实战技巧

• 看到好的图，一定要保存它的Seed
• 微调时固定Seed，只改一个变量
• 不满意就换Seed，满意就固定Seed继续优化

推荐值

• 探索阶段：随机（-1）
• 优化阶段：固定具体数值

参数二：Steps（采样步数）

什么是Steps

AI迭代优化的次数。步数越多，细节越丰富，但生成时间越长。

效果对比

步数	效果	适用场景
10-15步	粗糙，轮廓为主	快速出草图，找感觉
20-30步	平衡质量和速度	日常使用推荐
40-50步	细节丰富	最终出图
100步+	边际效益递减	不推荐

实战技巧

• 测试阶段用20步，快速迭代
• 最终出图用40步，保证质量
• 超过50步基本没有提升

推荐值：28-40步

参数三：CFG Scale（提示词相关性）

什么是CFG

CFG = Classifier Free Guidance，控制AI有多"听话"。

效果对比

CFG值	效果	问题
1-3	非常自由，AI发挥空间大	容易偏离提示词
4-7	平衡，推荐范围	效果最好
8-12	严格按照提示词	画面开始生硬
15+	过度服从	画面过饱和，崩坏

常见误区

❌ 不是CFG越高越好 ✅ 7左右是黄金值，大部分模型的最佳点

推荐值：6-8

参数四：Sampler（采样器）

主流采样器对比

采样器	速度	质量	特点	推荐
Euler a	快	一般	创意性强，每步变化大	探索创意
Euler	快	一般	稳定，收敛快	快速测试
DPM++ 2M Karras	中	好	目前综合最佳	⭐⭐⭐⭐⭐
DPM++ SDE Karras	慢	很好	质量高，适合最终出图	⭐⭐⭐⭐
DDIM	中	一般	适合图生图	特定场景

实战结论

90%的场景用DPM++ 2M Karras就够了。

这是目前速度、质量、稳定性综合最好的采样器。

参数五：分辨率（Resolution）

为什么分辨率很重要

分辨率直接决定了：

1. 画面的细节多少
2. 人物的数量和比例
3. 是否会出现畸形

常见问题

❌ 分辨率太高：出现重复的人物、多头多手 ❌ 分辨率太低：细节模糊、画质差

各模型最佳分辨率

• SD 1.5：512×512, 512×768, 768×512
• SDXL：1024×1024, 896×1152, 1152×896

黄金原则

不要超过基础分辨率的1.5倍。 超过了就用高清修复（Hires. fix）。

参数六：高清修复（Hires. fix）

什么是高清修复

先生成小图，再放大优化。解决高分辨率下的畸形问题。

核心参数

1. 放大倍数：1.5x-2x最佳，不要超过2x
2. 重绘幅度：0.3-0.5，太高会改变原图
3. 采样步数：原图步数的1/2即可

推荐设置

放大倍数：1.5x
重绘幅度：0.4
采样器：与原图相同
步数：原图步数的一半

什么时候用

• 需要生成大图时
• 画面出现重复元素时
• 需要提升细节时

参数七：重绘幅度（Denoising strength）

什么是重绘幅度

控制图生图时，和原图的相似度。

效果对比

重绘幅度	效果	适用场景
0.0-0.3	非常接近原图	轻微修图、提升画质
0.3-0.5	保留构图，优化细节	高清修复、风格迁移
0.5-0.7	大幅改动，保留主体	重新绘制、换风格
0.7-1.0	几乎重画，创意发挥	基于构图重新创作

实战技巧

• 高清修复：0.3-0.4
• 换衣服/换背景：0.5-0.6
• 重新创作：0.7-0.8

参数八：Clip Skip（CLIP跳过层）

什么是Clip Skip

跳过CLIP模型的最后几层，让提示词更灵活。

效果对比

• Clip Skip 1：默认，严格按照提示词
• Clip Skip 2：推荐，平衡灵活度
• Clip Skip 3+：过于自由，容易偏离

为什么需要跳过

CLIP的最后几层会过度规范化提示词，跳过之后：

• 触发词更容易生效
• 风格更灵活
• 某些模型必须用Clip Skip 2

推荐值：2（大部分动漫模型）

参数九：ENSD（Eta噪声种子延迟）

什么是ENSD

控制噪声的应用方式，影响采样的收敛性。

关键结论

• Euler a采样器：ENSD 31337（必须设置）
• 其他采样器：0（默认即可）

注意：用Euler a不设置ENSD=31337，别人的图你永远复现不了。

参数十：VAE（变分自编码器）

什么是VAE

负责最终的色彩和画质渲染，相当于AI的"调色板"。

常见VAE对比

• Automatic：使用模型自带的
• Anything VAE：色彩鲜艳，适合动漫
• SD 1.5 VAE：色彩写实，适合真人
• kl-f8-anime2：动漫专用，效果最好

推荐

• 动漫图：kl-f8-anime2
• 写实图：SD 1.5 VAE

参数十一：负面提示词（Negative Prompt）

基础负面模板（必加）

low quality, worst quality, normal quality, blurry, pixelated,
ugly, deformed, distorted, disfigured, bad anatomy,
bad hands, missing fingers, extra fingers, mutated hands,
watermark, text, signature, username, error, cropped,
jpeg artifacts, mutation, duplicated, morbid, mutilated

进阶负面技巧

1. 加权：((bad hands)), ((deformed))
2. 嵌入：使用EasyNegative、BadHand等负面嵌入
3. 针对性：针对具体问题加对应的负面词

实测效果

使用专业负面提示词，出图合格率提升120%。

参数十二：ControlNet（控制网络）

核心作用

精确控制画面的构图、姿态、结构。

常用ControlNet模型

1. OpenPose：控制人物姿势
2. Canny：控制边缘和轮廓
3. Depth：控制深度和空间关系
4. Line Art：控制线稿上色
5. Segmentation：控制区域分割

权重推荐

• 0.4-0.6：轻微控制，保留AI创意
• 0.7-0.9：强力控制，严格遵循
• 1.0：完全控制

参数十三：LoRA（低秩适应模型）

什么是LoRA

小型模型，用来给基础模型增加特定风格、人物、概念。

使用方法

在提示词中加入触发词：

<lora:模型名:权重>

权重设置

• 0.6-0.8：推荐，效果明显不过度
• 1.0：完全生效，可能影响基础模型
• 0.3-0.5：轻微效果

技巧

• 多个LoRA可以叠加使用
• 权重可以微调
• 好的LoRA是出图质量的关键

参数十四：批量生成（Batch）

为什么要批量

• 增加出好图的概率
• 同一个提示词的不同变体
• 效率更高

推荐设置

• 批量数量：4张
• 批量大小：1（避免显存不足）

经验法则：同一个提示词至少生成4张，才能看到它的真实水平。

参数十五：面部修复（Face restoration）

什么是面部修复

专门修复AI画坏的人脸。

常用工具

• CodeFormer：效果最好，推荐
• GFPGAN：速度快，效果一般

什么时候用

• 人物特写，面部占比大
• 人脸画崩了的时候
• 最终出图阶段

权重推荐

• 0.5-0.7：自然修复，不违和
• 1.0：强力修复，可能会失真

专业玩家参数模板

快速测试模板

采样器：DPM++ 2M Karras
步数：20
CFG：7
分辨率：512x768
批量：4

最终出图模板

采样器：DPM++ SDE Karras
步数：40
CFG：7
分辨率：512x768
高清修复：1.5x, 0.4重绘
面部修复：CodeFormer 0.6
负面提示词：完整专业模板

参数调优工作流

第一步：快速迭代

用快速测试模板，生成4张，找感觉

第二步：固定Seed

找到满意的构图，固定Seed

第三步：优化提示词

固定Seed，微调提示词，对比效果

第四步：提升质量

切换到最终出图模板，开高清修复

第五步：最终调整

加ControlNet，加LoRA，精细调整

结语

参数不是玄学，是科学。

每一个参数都有它明确的作用，每一个数值都有它的道理。

新手和高手的区别，不在于谁的提示词写得更花哨，而在于谁能更精准地控制每一个参数。

把这15个参数吃透，你的AI绘画水平会有质的飞跃。

保存这篇文章，每次画图的时候对照着调。用不了多久，你也会成为别人眼中的"大神"。