Stable Diffusion

Stable Diffusion出图并不完美。

可以看出，图片有少许瑕疵

当我第一次接触Stable Diffusion时，我从未想过几行提示词能成为通往另一个世界的钥匙，我乐此不疲。

我执着于生成”完美”的图像，用大量反向提示词剔除所有瑕疵。但后来我发现，哪怕我将提示词、反向提示词修饰得再完美，模型训练得再精细，AI总能在出乎意料的地方给予我”惊喜”。这些”惊喜”曾经让我感到挫败。

直到我转变了思路——​​我不再追求一次成型的神来之笔，而是将创作视为一个不断进化的迭代过程​​。

当生成结果不如预期时，我会仔细审视每一张”失败品”，从中选择瑕疵最少、最接近理想状态的那一张，保存它的种子值，然后基于这个相对最优的版本进行微调。

或许是调整一个表情的权重，或许是增加一个细节描述，再次投喂给AI。这个过程就像是在与AI玩一场​​精心设计的解谜游戏​​。每一次迭代都是向正确答案靠近一步。

有时候，仅仅修改一个关键词，或者将采样步数从28调整到35，整个画面就会突然变得生动起来。那种”就是现在！”的顿悟时刻，当一张几乎可用的图片终于出现在屏幕上，带来的愉悦感远超我的预期。我意识到，​​这种愉悦并非来自于轻松获得完美结果，而是来自于解决问题的过程​​。

就像程序员调试代码，科学家进行实验，在无数次尝试后终于看到系统按照预期运行的那一刻，所有的耐心和努力都获得了回报。AI绘画的魅力，或许正藏在这种与机器智能协作探索的美妙节奏之中。

图见图库，教程参考bilibili。

图：