AI 绘画入门：一张图是怎么从文字里“长”出来的

AI 图像生成，本质是"用文字或图，让模型画出一张新图"。2026 年主流两家：Stable Diffusion（开源生态）和 Midjourney（闭源在线王者）。本篇讲清楚它们和怎么选。

Stable Diffusion 家族

开源、能本地跑、生态爆炸：SD1.5、SDXL、再到 FLUX 系列，加上 ControlNet、LoRA、各种采样器，玩法最自由。代价是要折腾环境和参数。

Midjourney

闭源，在网页/Discord 里输提示词出图，审美和"出片率"很稳，新手最容易出好看的图。缺点是控制权少、按订阅付费、不上本地。

怎么选

想省心出美图、做概念探索，MJ 快；要可控、可批量、可私有、接工作流，SD/FLUX + ComfyUI 是归宿。

提示词怎么写出生图

生图 prompt 的骨架是"主体 + 环境 + 风格 + 光线 + 镜头"。比如"一个戴草帽的女孩，站在向日葵花田里，宫崎骏动画风，午后暖光，广角镜头"，五个维度都给到，出来的图才有画面感。只写"漂亮的女孩"，模型只能给你一个最平庸的默认值。

进阶玩法是权重语法。用 (red hair:1.3) 这种写法给某个词加权，用 [blue:red:0.5] 做transition，能精确拿捏细节。中文模型（如通义万相）直接写中文也行，但英文提示词在主流模型上理解更准，关键描述混点英文往往更稳。

出图翻车怎么办

最常见的多手指、畸形脸，优先用"局部重绘（inpaint）"圈出坏掉的地方重生成，比整张重画省时；手部问题也能靠专门的手部修复模型（如 handfix）补一刀。其次是用负向提示词（negative prompt）把"多指、模糊、扭曲"列进去，从源头压住。

还有一种隐性翻车是"没按你想的构图来"。这时候别猛加权重硬刚，试试用 ControlNet 垫一张姿势/线稿图，或者直接换模型——不同底模对同一个 prompt 的诠释差很远。出图本质是"和模型对话"，多试几轮、记下哪套词对应哪类效果，比盲目堆描述管用。