晚上十一点,做电商的朋友给我发了一张图:产品是保温杯,背景却是赛博都市,字体歪成两条蚯蚓。他问我:“模型不是挺聪明吗?我就说了句‘高级感海报’。”
这句话就是坑的根。AI绘画像请一个很会看脸色、但不会读心的助手。你丢给它“高级感”,它脑补的是光影、材质、构图、镜头、品牌气质一堆变量;你只给一个形容词,它只能随机开奖。好看靠运气,稳定靠流程。
工具不是玄学,是工位
很多人问“Midjourney、SD、FLUX到底谁强”,这问题本身就偏了。不是谁强,是谁坐进你的工位。
要一眼好看、少折腾、做社媒封面和概念稿,Midjourney仍然最顺。2026年的公开资料里,Midjourney默认模型已经写到V8.2,但它还是不能本地跑,也基本不给正式API,企业自动化别硬往上凑。要中文提示词、日常配图、边聊边改,Gemini和ChatGPT内置生图更接地气;国内账号链路顺一点,就看即梦、可灵、豆包这类国产工具,但商用规则要逐条看官方条款。
真正要控制构图、批量出图、训练自家风格,才轮到Stable Diffusion和FLUX上场。2026年的局面很清楚:SDXL靠生态吃饭,LoRA、ControlNet、IP-Adapter这类配件最齐;FLUX系靠提示词听话和文字渲染吃饭,你说“红色围巾”,它很少给你改成粉色披肩。技术派常把两者配成双轨:SDXL跑量,FLUX出精稿。别追新追到丢产能,新模型的生态往往要等半年到一年才长齐。
一张图怎么选?记住一句土话:看 Gallery 的样图,都是店家橱窗里的模特;量产效果至少打七折。别信海报,信你自己同一提示词连跑二十张的中位数。
本地跑不跑,先算三笔账
自建Stable Diffusion听起来自由,自由不是不要钱,是把云服务费换成显卡费、电费和维护脾气。
硬件账很直接:SD 1.5推理4–6GB显存能跑,SDXL建议10–12GB,SD3.5 Large和FLUX.1要16–24GB;24GB的RTX 4090是甜点卡。速度上,4090跑SDXL 1024×1024、30步大约4–6秒,FLUX.1 dev 20步约15–25秒;单卡SDXL月产能能到15–25万张,自建后单张成本可压到新台币0.2元以下,而按张计费的云端生图API常见是0.5–4元一张。月量破万,或者素材敏感,自建就开始占便宜。
维护账别装没看见。AUTOMATIC1111在v1.10.1之后基本停更大版本,新模型支持慢;新人和小团队更现实的是ComfyUI,或者A1111兼容、更省显存的Forge系。ComfyUI像把厨房流程摊开:模型加载、提示词编码、采样、VAE解码、保存,全是节点。好处是稳,坏处是第一次打开像看地铁线路图。怕节点,就先别碰深度定制;要吃生态红利,就得接受“依赖冲突每月至少来一次”。
服务账常被忽略。单人玩,batch 1求快;团队共用,要加队列,互动任务优先,夜间跑批量。标准架法不复杂:ComfyUI或Diffusers当生成核心,前面用Redis/RabbitMQ吸收尖峰,再包一层参数化API,让不会节点的同事也能点按钮。单卡别硬扛所有人,平均等待常年超过30秒,再谈第二张卡。
提示词别写作文,写镜头工单
提示词不是咒语,是工单。你交给摄像师一张工单,会写“主体是谁、什么风格、什么景别、什么光线、不要什么”。AI也一样。
一个稳的骨架是四层:主体、风格、构图、约束。别写“画一张科技感海报”,太空了。改成:“一台银色保温杯放在深灰石台上,中景微俯拍,左侧硬光勾边,背景留30%暗部放标题,商业产品摄影,冷色,高级,不要人物、不要文字、不要塑料反光。”看见没,连“不要什么都”说了。模型最怕你客气。
语言也有脾气。Gemini、ChatGPT这类对话式生图,中文能直接聊;Midjourney更吃英文提示词,中文硬塞容易理解漂移;SD/ComfyUI生态里大量LoRA按英文标签训练,中英混用不是不行,但要固定范式,别今天全中文,明天全Tag。想稳,就把常用词做成模板:产品图一套、人物海报一套、国潮插画一套。模板不是偷懒,是控制变量。
随机性也别全怪模型。同一个词,步数、CFG、采样器、随机种子、参考图权重,都会改结果。草稿期用少步数加速,LCM/Turbo类流程能把步数压到4–8步;定稿再拉高步数、加高清修复。每次只改一个变量,像做菜只动盐,别盐糖油辣椒一起下,然后问为什么不是那个味。
商用红线,不在画里,在授权清册里
这张图能不能卖钱,不看它好不好看,看三条:模型许可、输入素材权利、输出审查记录。
同是Stable Diffusion,牌照不一样。SD1.5和SDXL走OpenRAIL系,商用基本开放但有禁止用途;SD3.5是Stability AI社群授权,年营收100万美元以下通常可商用,超过要企业授权;FLUX.1里,schnell是Apache 2.0,dev是非商用,拿dev直接做商业服务就是违约。Midjourney也一样,年营收过100万美元的公司和员工,要按规则上Pro/Mega,否则生成物所有权条件可能不满足。别用“开源”两个字当万能护身符。
更阴的坑在派生模型。合并模型、微调版、社群LoRA,授权会跟着底模走;拿非商用底模merge出来的东西,照样不能商用。训练自家风格LoRA也一样,素材必须有权使用,给客户训品牌模型前,把素材授权和产出归属写进合同。建议团队做一张“授权清册”:模型、LoRA、来源链接、许可类型、能否商用、下载日期,上新模型前过一遍。花一天建表,能挡掉未来九成纠纷。
公开前再过一道人审:真人肖像、品牌logo、授权角色、商标元素,像开车过减速带,慢一点不丢人。还有个小细节,本地ComfyUI/A1111默认会把提示词写进PNG信息里,外发图片前记得清元数据。你以为删掉聊天框就干净了,文件里还躺着配方。
AI绘画早过了“画得像”的新鲜期。现在拼的是:工具放进哪条流水线,提示词写成哪张工单,授权清册有没有跟上。画只是最后那一下,前面全是手艺。
你最近一次AI出图翻车,是提示词太飘,模型太倔,还是商用授权没查清?评论区说说,我按你的场景拆一张可复用的提示词工单。
文中性能与授权口径我按这些资料核对过:Stable Diffusion商用部署指南2026、Midjourney与Stable Diffusion 2026年11月比较、Stable Diffusion 2026年4月导入与商用解说、2026年AI图像生成工具横评、AI生图从提示词到复核。
