AI绘画新手必看：Stable Diffusion与Midjourney的保姆级入门指南（附免费资源）

AI绘画新手必看：Stable Diffusion与Midjourney的保姆级入门指南（附免费资源）

你是否也曾被社交媒体上那些天马行空、精美绝伦的AI绘画作品所震撼，内心跃跃欲试，却又被复杂的安装步骤、晦涩的参数和五花八门的工具劝退？别担心，这种感觉我太熟悉了。几个月前，我也和你一样，站在AI绘画的门口，看着里面眼花缭乱的世界，不知从何下脚。今天，我想和你分享的，不是一篇冰冷的技术文档，而是一份我亲身踩过无数坑后，为你梳理出的、真正"即学即用"的实战地图。我们将聚焦于目前最主流的两大工具：Stable Diffusion 和 Midjourney。前者以其强大的开源自由度和本地化能力著称，后者则以极致的易用性和惊艳的艺术效果闻名。无论你是想在自己的电脑上搭建一个专属的AI画室，还是希望快速上手，在云端轻松创作，这篇文章都将手把手带你走完全程，并附上那些真正免费、国内可访问的宝贵资源。让我们忘掉那些冗长的技术发展史，直接从"如何画出第一张属于自己的AI画作"开始。

1. 启程之前：理解你的"画笔"与"画布"

在开始动手之前，花几分钟了解你即将使用的工具本质，能让你在后续操作中少走很多弯路。你可以把 Stable Diffusion 想象成一个功能极其强大的"开源画室"。它允许你完全掌控绘画的每一个环节------从选择画布材质（模型）、调配颜料（参数），到决定光照和笔触（提示词）。它的核心优势在于自由 和隐私：你可以下载各种风格的模型，在本地电脑上运行，生成的作品完全属于你，且不受任何在线服务的条款限制。但这份自由也伴随着一定的技术门槛，你需要处理软件安装、硬件配置等问题。

而 Midjourney 则更像一个顶级的"云端艺术工作室"。你无需关心背后的服务器、模型或代码，只需通过简单的聊天指令，向工作室里的"天才画师"描述你的想法，它就会在几分钟内为你呈现数幅作品。它的核心优势在于易用性 和出图质量的稳定性。Midjourney在艺术美感、构图和色彩方面，往往能给出令人惊叹的"开箱即用"效果，尤其适合追求快速、高质量视觉呈现的用户。当然，这种便利性通常以订阅付费和依赖其官方服务器为代价。

为了让你更清晰地做出选择，这里有一个简单的对比表格：

特性维度	Stable Diffusion (SD)	Midjourney (MJ)
核心模式	开源、可本地部署	闭源、云端服务
成本	本地运行免费（需硬件），云端按算力付费	按月订阅制，有免费试用额度
上手难度	中等偏高，需配置环境	极低，像聊天一样使用
自定义程度	极高，可更换模型、训练专属风格、精细控制	较低，主要通过提示词和参数控制
隐私性	极高，完全本地处理	较低，图片生成于官方服务器
艺术风格倾向	依赖所选模型，范围极广	自带强烈的"MJ风格"，偏艺术、奇幻、电影感
最佳适用场景	技术爱好者、需要特定风格/版权、批量生产、研究学习	设计师、创意工作者、快速概念可视化、社交媒体内容创作

提示 ：对于零基础且希望立即体验AI绘画魅力的朋友，我强烈建议你先从Midjourney的免费试用开始。它能让你在十分钟内获得正反馈，建立信心。而对技术有好奇心、希望深度掌控，或对生成内容的版权有严格要求的朋友，Stable Diffusion是你的不二之选。

2. 第一站：零门槛体验Midjourney的魔法

Midjourney的运行平台是Discord，一个在国外非常流行的社群交流应用。别被"国外应用"吓到，整个过程就像注册一个微信那么简单。

2.1 三步进入魔法世界

1. 注册Discord账号：访问 Discord 官网或下载其客户端，用邮箱完成注册。
2. 加入Midjourney服务器：在Discord中，点击左侧的"探索公开服务器"按钮（一个指南针图标），搜索"Midjourney"，找到并加入其官方服务器。
3. 找到新手频道：进入服务器后，你会在左侧看到很多以"newbies-"开头的文字频道。随便找一个点进去，这里就是你可以开始作画的地方。

现在，你已经在Midjourney的画廊里了。你会看到无数其他用户正在生成图片，聊天框里飞速滚动着各种指令和精美的图片。你的创作也将从这里开始。

2.2 你的第一句"咒语"：提示词基础

在Midjourney中，一切创作始于一条以 /imagine 开头的指令。在聊天框中输入 /imagine 然后按空格，就会自动弹出提示词输入框。

关键就在这里：提示词（Prompt）是你与AI沟通的唯一语言。 它的质量直接决定了画面的质量。对于新手，记住一个简单的公式：

/imagine prompt: [主体描述] + [细节与风格] + [画质与参数]

让我们来拆解一个实例。假设你想画一只猫：

• 基础版 ：/imagine prompt: a cute cat 这会生成一张非常普通的猫的图片。
• 进阶版 ：/imagine prompt: a majestic Siberian forest cat, sitting on a mossy ancient stone in a sunbeam, photorealistic, detailed fur, cinematic lighting, 8k 让我们看看这个提示词包含了什么：
  • 主体 ：a majestic Siberian forest cat (一只威严的西伯利亚森林猫)
  • 场景与细节 ：sitting on a mossy ancient stone in a sunbeam (坐在阳光下的长满苔藓的古石上)
  • 风格 ：photorealistic, cinematic lighting (照片级真实感，电影感灯光)
  • 画质 ：detailed fur, 8k (细致的毛发，8K分辨率)

输入这条指令后，Midjourney机器人会开始工作，大约一分钟左右，它会返回四张预览图。

2.3 与作品互动：Upscale、Variate 和 Remix

生成四宫格后，下方会有两排按钮：

• U1, U2, U3, U4：分别对应放大第1、2、3、4张图。选择你最喜欢的一张进行放大和细节深化。
• V1, V2, V3, V4：基于对应编号的图片，生成四张新的、风格类似的变体。
• 刷新按钮：如果对四张都不满意，可以重新生成一组。

注意 ：Midjourney新用户通常有25次左右的免费生成额度。使用/imagine命令每次会消耗额度。Upscale（放大）和Variate（变体）同样会消耗额度。请珍惜你的免费次数，在输入提示词前多思考一下。

2.4 必须掌握的几个核心参数

在提示词末尾，你可以添加参数来更精确地控制输出。最常用的有：

• --ar 16:9：设置图片宽高比，如16:9（宽屏）、1:1（正方形）、2:3（竖版）等。
• --v 5.2：指定使用Midjourney的版本。目前最新是v5.2，不同版本画风和理解能力有差异。
• --s 750：设置"风格化"强度，数值范围0-1000，越高AI的艺术发挥空间越大，画面可能更惊艳但也可能偏离你的描述。
• --no：排除某些元素，例如 --no text, people 表示不希望画面中出现文字和人物。

一个完整的指令示例：

/imagine prompt: a cyberpunk samurai standing in neon-lit rainy street, blade glowing blue, by Makoto Shinkai and Simon Stalenhag, hyper-detailed, cinematic, --ar 3:4 --v 5.2 --s 600

3. 第二站：搭建你的本地AI画室------Stable Diffusion WebUI

如果你决定探索更自由的Stable Diffusion世界，那么 AUTOMATIC1111的Stable Diffusion WebUI 是目前最流行、对新手最友好的本地部署方案。它提供了一个直观的网页界面，隐藏了背后复杂的命令。

3.1 环境准备：硬件与软件门槛

首先，确认你的电脑是否满足基本要求：

• 显卡（GPU） ：这是最重要的部分。推荐使用NVIDIA显卡 ，且显存最好不低于4GB。6GB或以上显存会有更流畅的体验。AMD显卡支持较差，需要额外配置。
• 内存：建议16GB或以上。
• 硬盘空间：至少预留20GB空间用于安装和存放模型。

软件方面，你需要准备：

1. Python：版本建议3.10.6或3.10.11。安装时务必勾选"Add Python to PATH"。
2. Git：用于从代码仓库获取WebUI。
3. 合适的模型文件 ：这是SD的"大脑"，决定了画风。最著名的基础模型是 Stable Diffusion 1.5 或更新版本的 SDXL。你需要从Civitai、Hugging Face等模型社区网站下载 .safetensors 格式的模型文件。

3.2 一键安装与启动（Windows）

对于Windows用户，现在有极其简便的安装方式。这里介绍使用 "秋叶启动器" 的方法，它集成了所需的一切，大大简化了流程。

1. 下载启动器：在B站或GitHub搜索"秋葉aaaki"的Stable Diffusion整合包，下载其发布的启动器压缩包。
2. 解压与放置模型 ：将压缩包解压到一个英文路径 的文件夹（如 D:\sd-webui）。将你下载好的模型文件（.safetensors格式）放入解压后文件夹内的 models/Stable-diffusion 目录下。
3. 启动 ：运行文件夹内的 启动器.exe。在启动器界面，点击"一键启动"。程序会自动处理所有依赖并打开WebUI界面。

首次启动会下载一些必要组件，时间取决于网络，请耐心等待。成功后，你的默认浏览器会自动打开一个本地网页（通常是 http://127.0.0.1:7860），这就是你的绘画操作台了。

3.3 WebUI界面初探与生成第一张图

界面看似复杂，但核心区域就几个：

• 左上角"Stable Diffusion checkpoint"：在这里选择你要使用的基础模型。
• 正中的大文本框 ：这是正向提示词（Prompt） 框，描述你希望画面里有什么。
• 下方的文本框 ：这是反向提示词（Negative prompt） 框，描述你希望画面里避免出现什么 （如：bad hands, blurry, ugly）。
• 右侧的生成参数：如采样步数（Steps）、图片尺寸（Width/Height）、生成数量（Batch count）等。

现在，让我们生成第一张图：

1. 确保已选择一个模型（例如 v1-5-pruned-emaonly.safetensors）。
2. 在正向提示词输入：masterpiece, best quality, 1girl, beautiful, detailed eyes, looking at viewer
3. 在反向提示词输入：lowres, bad anatomy, bad hands, text, error, extra digit, worst quality
4. 点击巨大的 "Generate" 按钮。

稍等片刻，你的第一张由本地Stable Diffusion生成的图片就会出现在下方了！虽然可能不那么完美，但这标志着你的本地画室已经成功运转。

4. 第三站：从"能画"到"会画"------提示词工程与模型艺术

无论是Midjourney还是Stable Diffusion，提示词都是创作的灵魂。掌握一些技巧，能让你从"随机抽卡"变成"精准指挥"。

4.1 结构化你的提示词

将提示词想象成给AI的"任务简报"，结构越清晰，结果越可控。一个高级的提示词通常包含以下层次：

[图像类型/质量词] + [主体] + [细节描述] + [环境/背景] + [构图/视角] + [艺术风格/参考艺术家] + [渲染引擎/画质] + [参数]

• 质量词 ：如 masterpiece, best quality, ultra-detailed, 8k。这些词通常放在开头，能有效提升基础画质。
• 艺术家与风格 ：这是塑造画面风格的利器。例如 by Studio Ghibli（吉卜力风格），art by James Jean（艺术家风格），in the style of cyberpunk 2077 concept art（游戏概念艺术风格）。
• 光照与镜头 ：cinematic lighting, volumetric fog, god rays, wide angle lens, low angle shot 等词汇能极大增强画面的戏剧感和专业度。

4.2 探索模型的宇宙：Checkpoint, LoRA, Embedding

Stable Diffusion的生态之所以强大，在于其丰富的模型体系。

• Checkpoint（大模型） ：这是主模型，文件很大（通常2-7GB），决定了基本的画风和能力范围。比如 ChilloutMix 擅长亚洲真人风格，DreamShaper 通用性很强，Anything V5 适合动漫二次元。
• LoRA（低秩适应模型）：一种小型模型（几十到几百MB），用于微调大模型，实现特定人物、画风或概念的固定。比如你可以下载一个"汉服风格"的LoRA，加载后，用简单提示词就能让任何人物穿上汉服。
• Embedding（文本嵌入）：更小的文件（几十KB），通常用于定义某种负面特征或强化某种风格，直接通过提示词触发。

在WebUI中，你可以在"生成"按钮下方的 "Additional Networks" 标签页中加载和设置LoRA的权重。通过组合不同的大模型和LoRA，你可以创造出独一无二的专属风格。

4.3 控制构图：从随机构图到精准布局

默认的生成是随机的。但我们可以通过一些技巧施加控制：

• 使用参考图（img2img）：在WebUI的"img2img"页面，上传一张草图或照片，AI会以其为构图参考进行重绘。通过调整"Denoising strength"（降噪强度）可以控制变化程度。
• ControlNet插件：这是SD生态的"革命性"插件。它允许你通过上传线稿、深度图、姿态图等，精确控制生成人物的姿势、画面的构图和透视。安装ControlNet后，你甚至可以让人物摆出指定的复杂动作。

安装ControlNet通常需要通过WebUI的"Extensions"标签页进行。虽然需要一点学习成本，但它能将你的创作控制力提升数个量级。

5. 第四站：绕过门槛的云端捷径与免费资源

不是每个人都有高性能显卡，或者暂时不想折腾本地安装。别担心，我们还有强大的云端方案。

5.1 免费体验Stable Diffusion：Google Colab

Google Colab 提供了一个可以免费使用GPU的Python编程环境。许多开发者将Stable Diffusion WebUI打包成了Colab笔记本，你只需在浏览器中点击运行，就能使用谷歌的服务器来生成图片。

操作流程简述：

1. 拥有一个谷歌账号。
2. 搜索例如 Stable Diffusion WebUI Colab 这样的关键词，找到分享的笔记本链接（例如来自GitHub用户 camenduru 的仓库）。
3. 打开链接，点击"复制到云端硬盘"。
4. 在Colab界面，依次点击"运行时" -> "更改运行时类型" -> 选择"T4 GPU"或"A100 GPU"（免费用户通常只能选到T4）。
5. 点击代码执行单元旁的"播放"按钮，等待安装完成。最后会生成一个 ngrok 或 gradio 的公共链接，点击它就能打开WebUI界面。

注意：Colab免费版有使用时长限制（通常每天数小时），且运行时可能中断，生成的图片需要及时保存。但它绝对是零成本体验SD完整功能的最佳途径。

5.2 其他值得尝试的免费/低成本平台

• Playground AI：一个优秀的在线SD平台，每天有免费生成次数，界面友好，速度较快。
• Leonardo.AI：同样基于SD技术，提供了丰富的官方训练模型和强大的实时画布编辑功能，每天有免费额度。
• Bing Image Creator (Designer)：微软出品，由DALL-E 3驱动，生成速度极快，图像理解能力很强，通过微软账户有免费额度。

5.3 模型与提示词资源站

• Civitai：Stable Diffusion模型的"大本营"，拥有海量用户分享的Checkpoint、LoRA和Embedding，是寻找灵感和管理模型的必备网站。
• PromptHero：专注于收集和分享高质量的AI绘画提示词，你可以在这里搜索特定风格或物体的提示词作为参考。
• Lexica.art：一个Aperture模型（SD早期分支）的提示词搜索引擎，界面简洁，图片质量高，是学习提示词构成的绝佳范例库。

6. 常见问题与效果优化：从"翻车"到"封神"

新手阶段，生成结果不如意是常态。这里列举几个典型问题及解决方案：

问题一：人物脸部崩坏、手部畸形。

• 原因：AI对复杂结构（如手部）的学习尚不完善；采样步数过低；提示词不够具体。
• 解决 ：
  1. 在反向提示词中加入 bad hands, bad anatomy, extra fingers。
  2. 使用 "面部修复" 功能（如WebUI中的 Restore faces 选项，或使用 GFPGAN、CodeFormer 等插件）。
  3. 提高采样步数（如从20提高到30-50），使用更擅长人物的模型。
  4. 对于SD，可以尝试使用专门修复面部的LoRA或After Detailer插件。

问题二：画面模糊、缺乏细节。

• 原因：提示词过于简单；未使用高质量词汇；模型本身分辨率低。
• 解决 ：
  1. 在提示词开头加入 masterpiece, best quality, ultra-detailed, 8k, HDR。
  2. 使用 "高分辨率修复"（Hires. fix） 功能（在SD WebUI中勾选）。先以较低分辨率生成构图，再以高倍率（如2x）和重绘幅度（如0.3-0.5）进行放大和细节补充。
  3. 尝试不同的采样器（Sampler），如 DPM++ 2M Karras 或 Euler a 通常细节较好。

问题三：生成的图片完全不是我想要的。

• 原因：提示词有歧义或过于笼统；模型不理解某些生僻概念。
• 解决 ：
  1. 具体化，具体化，再具体化。将"一只狗"改为"一只金色的成年拉布拉多犬，在秋天的公园里快乐地奔跑，嘴里叼着飞盘"。
  2. 使用括号 () 来增加权重，例如 (sunlight:1.2) 表示阳光的权重是1.2倍。使用方括号 [] 来降低权重。
  3. 尝试用更常见的同义词替换生僻词。如果画不出"麒麟"，试试用"Chinese mythical creature, dragon-like, deer body"来描述。

问题四：我想让AI生成特定姿势或精确复制某个元素。

• 解决 ：这是 ControlNet 和 img2img 的用武之地。
  • 对于姿势：在ControlNet中上传一张人物姿势图（可以是简笔画），预处理器选 openpose，模型选 control_openpose，就能牢牢锁住姿势。
  • 对于复制元素：在img2img中上传参考图，并配合较低的降噪强度（如0.3-0.4），AI会在保留原图大部分结构和内容的基础上进行风格化或细节重绘。

最后，我想说的是，AI绘画是一个需要耐心和探索的过程。它不像传统软件那样有确定的按钮，更像是在与一个充满想象力但有时会误解你的伙伴合作。最好的学习方式就是多尝试、多观察、多交流 。看到别人优秀的作品，去分析它的提示词；自己生成不满意的图，去思考是哪个环节出了问题。从Midjourney简单的/imagine开始，到在Stable Diffusion里调试一个个参数、加载不同的LoRA，每一次"翻车"都是向"封神"迈进的一步。我自己的文件夹里存满了各种失败的"黑历史"，但现在回头看，那正是我理解这个工具如何"思考"的宝贵记录。现在，打开你的Discord或WebUI，输入你的第一个提示词吧，属于你的奇幻世界正在等待被创造。