说实话，我第一次看到Midjourney生成的图片时，整个人是懵的。那光影、那质感，我当时真的以为是谁请了顶级插画师连夜赶出来的稿子。直到我亲手打开那个界面，输入几个关键词，看着进度条一点点走完，才意识到——这个玩法，真的把普通人拉进了专业创作的门槛。
今天不跟你扯什么“人工智能赋能美学变革”的大道理，我就想跟你聊聊，作为一个完全不懂代码、不懂绘画的普通人，怎么在周末两天内，从零开始，让Midjourney和Stable Diffusion成为你朋友圈里的“神笔马良”。
一、先理清思路：你到底需要哪种“爆款”？
在动手之前，我得先问你一个问题：你想做什么样的图？
因为Midjourney和Stable Diffusion虽然都能画图，但它们的“性格”完全不同。
Midjourney像个天才画家，你给它一个模糊的想法，它能给你惊艳的结果，但它不给你太多细节控制。比如你说“一只在月球上喝咖啡的猫”，它可能给你一只非常优雅、光影绝美的猫，但如果你想要“这只猫必须戴着一顶红色的贝雷帽，手里拿的是星巴克的杯子”，它就有点挠头了。
而Stable Diffusion像个拥有无限画材的工作室，你能精确控制每一处细节——构图、色调、人物姿态、背景元素——但前提是，你得会“指挥”它。它没有Midjourney那么“智能”，你需要更专业的提示词，甚至需要搭配ControlNet这样的插件来约束画面。
所以，如果你的目标是“快速出图，发朋友圈收获一片点赞”，Midjourney是首选。如果你的目标是“我要做一套统一风格的头像，或者我想把照片变成动漫风”，Stable Diffusion更合适。
咱们先从最容易上手的Midjourney开始。
二、Midjourney：让灵感像呼吸一样自然
1. 如何入门？别慌，先注册账号
很多人听到Midjourney，第一反应是“好贵”、“好麻烦”。其实现在入门比两年前简单太多了。
你需要一个Discord账号（类似国外的QQ群），然后加入Midjourney的官方服务器。这里有个小窍门：如果你不想在官方服务器里看别人的图，可以创建一个“私密服务器”，这样你的生成记录就只有你自己能看到，保护隐私。
注册完成后，你会获得一定额度的免费试用时间（具体额度随官方政策变化，建议去官网确认最新情况）。别心疼那几分钟免费时间，先用来熟悉界面，别一上来就憋大招。
2. 提示词的秘密：怎么说话，AI才听得懂
这是最关键的一环。很多人觉得AI画画是“玄学”，输入什么出什么，其实不是。AI是一个极度依赖语言逻辑的执行者。
让我用一个真实的例子告诉你，为什么你生成的图总是“怪怪的”。
场景：你想生成一张“赛博朋克风格的东京街头夜景，有一个穿着汉服的女孩站在雨中”。
新手提示词：
赛博朋克，东京，雨夜，汉服女孩，好看
结果：画面很乱，汉服和赛博朋克元素打架，女孩的脸可能被扭曲，雨也没下明白。
进阶提示词：
Cyberpunk Tokyo street at night, heavy rain, neon lights reflecting on wet pavement, a young Chinese girl wearing traditional Hanfu dress, holding a transparent umbrella, cinematic lighting, 8k resolution, highly detailed, bokeh background, mood: melancholic but hopeful --ar 16:9 --style raw --v 6.0
结果：你得到的是一张电影海报级别的图像。雨水的质感、霓虹灯的反射、汉服的飘逸、赛博朋克的氛围，全都融合在一起。
看到了吗？差别就在细节和结构。
3. 提示词的黄金结构
我总结了一个公式，你可以直接套用：
[主体描述] + [环境/背景] + [艺术风格/媒介] + [光照/氛围] + [技术参数]
- 主体描述：越具体越好。不是“一个女孩”，而是“一个20岁的东亚女性，长发湿漉漉地贴在脸颊，眼神略带忧郁，穿着淡粉色的汉服，外披一件透明的塑料雨衣”。
- 环境/背景：不仅是地点，还有天气、时间。比如“雨夜的东京新宿街头，积水倒映着广告牌的光芒”。
- 艺术风格：这是决定“味儿”的关键。你可以用“Cyberpunk style”、“Studio Ghibli style”（吉卜力风格）、“Oil painting”（油画）、“Polaroid photo”（拍立得照片）、“Unreal Engine 5 render”（虚幻引擎5渲染）等。
- 光照/氛围：光影是照片和AI图的本质区别。“Cinematic lighting”（电影光）、“Golden hour”（黄金时刻）、“Neon glow”（霓虹光）、“Soft diffused light”（柔和散射光）。
- 技术参数：这是Midjourney的“暗语”。
--ar 16:9：设置宽高比，适合发朋友圈的横图。--style raw：减少Midjourney的“艺术化”修饰，让画面更真实。--v 6.0：指定使用最新的V6版本，画质和细节提升巨大。--s 250：调整风格化程度，数值越低越真实，越高越艺术。
4. 实战演练：做一个“朋友圈爆款”头像
假设你想做一个“中国风武侠少年，手持长剑，背景是竹林，水墨画风格”的头像。
第一步：在Discord里输入 /imagine prompt:
第二步：输入提示词：
A young Chinese martial arts warrior, holding a traditional Jian sword, standing in a dense bamboo forest, ink wash painting style, monochrome with subtle green accents, elegant and powerful posture, misty atmosphere, highly detailed brush strokes, minimalist composition --ar 1:1 --style raw --v 6.0 --s 100
第三步：发送后，你会看到四张初稿。这时候，你可能会发现某一张的人物姿势很好，但背景太乱；另一张光影不错，但剑的细节不对。
第四步：使用“Vary (Region)”功能。这是Midjourney的神器！你可以框选画面中的某个区域（比如只框选人物），然后重新生成这一部分的细节，而不影响其他部分。或者，你可以点击某张图下方的“Upscale (U1-U4)”来放大某一张，获得高分辨率版本。
第五步：如果某张图整体感觉对了，但颜色不喜欢，可以使用“Remix”模式，在保留原图构图的基础上，修改提示词中的风格部分，比如把“ink wash painting”改成“watercolor”。
5. 常见坑与避坑指南
- 人物手部崩坏：这是AI的通病。如果生成的人手有问题，尝试在提示词中加入“perfect hands, detailed fingers, anatomically correct”，或者使用“Vary (Region)”只重绘手部。
- 风格不统一：如果你需要生成一组图片（比如四格漫画），建议在提示词中加入固定的风格描述，并使用“–cref”功能，上传一张参考图，让AI保持风格一致性。
- 文字乱码：Midjourney V6之后对文字的支持好了很多，但还是不建议让它生成复杂的中文字符。如果需要文字，建议后期用PS或其他工具添加。
三、Stable Diffusion：把创作控制权牢牢抓在手里
如果说Midjourney是“请神”，那Stable Diffusion就是“自己开宗立派”。它免费、开源、可本地部署，但学习曲线陡峭。
1. 为什么选择Stable Diffusion？
- 完全免费：只要你有显卡，就能无限次生成。
- 隐私安全：所有图片都在你本地生成，不会上传到任何云端。
- 高度可控：通过ControlNet等插件，你可以精确控制人物的姿势、边缘、深度图等。
- 模型生态丰富：你可以从Civitai等网站下载各种风格的大模型，从写实照片到动漫美少女，应有尽有。
2. 环境搭建：别被劝退，其实没那么难
很多人听到“本地部署”、“Python”、“Git”就头疼。但现在的解决方案已经非常友好。
我推荐使用 Stable Diffusion WebUI (Automatic1111) 或 ComfyUI。对于新手，Automatic1111更直观，像网页一样操作；ComfyUI更强大，但需要连线逻辑。
最简单的入门方式：
- 下载“秋叶整合包”（国内非常流行的打包版本，集成了Everything，一键启动）。
- 解压到D盘（建议用英文路径）。
- 运行启动脚本，等待自动下载依赖（这需要一些时间，建议开VPN）。
- 启动后，浏览器会自动打开一个本地网页，你就可以开始使用了。
硬件要求：
- 显卡：NVIDIA显卡，显存建议8GB以上（12GB更佳）。
- 内存：16GB以上。
- 硬盘：预留50GB以上空间。
3. 提示词体系：和Midjourney有什么不同？
Stable Diffusion的提示词逻辑类似，但更强调“权重”和“负面提示”。
正面提示词：
- 使用括号调整权重：
(masterpiece:1.2)表示增加权重，[bad:0.8]表示降低权重。 - 常用质量标签：
best quality, masterpiece, ultra-detailed, 8k, photorealistic。
负面提示词：
- 这是SD的杀手锏！你可以在负面提示词中告诉AI“不要什么”。
- 常用负面词：
lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality。 - 还有一个神器叫 BadDream 或 EasyNegative，这些是预训练好的负面嵌入模型，只需要在负面提示词中写上它们的名称，就能大幅提升画面质量。
4. ControlNet：让AI听话的核心武器
ControlNet是Stable Diffusion区别于其他工具的真正核心竞争力。它可以让你用一张线稿、一张深度图、一张人物姿势图，来精确控制生成结果。
场景：你有一张自己在旅游时拍的照片，想把自己变成“宫崎骏动画风格”。
步骤：
- 在SD的ControlNet单元中，上传你的照片。
- 选择预处理模型：
canny（边缘检测）或depth（深度图）。 - 设置权重：
0.8左右。 - 输入提示词：
Miyazaki Hayao style, anime, colorful, beautiful scenery, girl standing on a hill。 - 生成。
你会发现，AI不仅把照片变成了动漫风格，还完美保留了你原本的构图和人物姿态。这就是ControlNet的威力。
5. 实用插件推荐
- ADetailer：自动修复人脸和手部。生成后，这个插件会自动检测人脸，用另一个模型重新绘制，解决脸部崩坏问题。
- Regional Prompter：允许你在画面的不同区域使用不同的提示词。比如，你想生成“左边是森林，右边是城市”，这个插件就能做到。
- IP-Adapter：类似于Midjourney的“风格参考”，但更强大。你可以上传一张参考图，让生成图在风格、内容、甚至面部特征上与之保持一致。
6. 实战：制作一组“四格漫画”头像
假设你想做一套四格漫画，讲述一个小故事。
第一步：确定故事线。比如：早上起床 -> 上班路上 -> 工作中 -> 下班回家。
第二步：使用LoRA模型。LoRA是一种小型训练模型，可以固定画风。比如你喜欢的某个画师的风格，可以在Civitai上找到对应的LoRA模型，加载后生成，画风就会高度统一。
第三步：使用ControlNet的OpenPose。你可以找一张参考姿势图，或者用手势生成姿势图，确保四格中的人物动作连贯。
第四步：批量生成。使用SD的“批量生成”功能，一次生成多张，然后从中挑选最佳组合。
四、进阶技巧：如何让图片更“像人”而不是“像AI”
现在朋友圈里AI图泛滥，如何脱颖而出？秘诀在于“不完美的完美”。
1. 引入“随机性”
完全精确的AI图往往显得死板。你可以故意在提示词中加入一些“意外”元素，比如“slightly out of focus”（轻微失焦）、“motion blur”（动态模糊）、“film grain”（胶片颗粒感）。这些瑕疵会让图片更有“人味儿”。
2. 后期微调
不要以为生成完就结束了。用Photoshop或甚至免费的Photopea，对图片进行微调：
- 调整色彩饱和度，让画面更通透。
- 添加噪点，模拟真实相机质感。
- 手动修正AI生成的错误细节（比如多出来的手指）。
- 添加文字或贴纸，增强叙事性。
3. 创建个人风格库
长期积累你的成功提示词。建立一个文档或Notion页面，记录下每次生成爆款图所用的提示词、参数、以及最终效果。你会发现，有些组合是“万金油”，有些则只适合特定场景。
五、伦理与版权：别踩红线
作为创作者，我们必须清醒。
- 版权意识：Midjourney生成的图片，目前在美国版权法下，创作者拥有版权，但商用仍需注意其服务条款。Stable Diffusion生成的图片，版权归属较模糊，商用前务必咨询法律意见。
- 尊重原创：不要使用他人的作品作为参考图去“克隆”风格，尤其是在未经同意的情况下。
- 真实性声明：在发布AI生成图片时，建议标注“AI生成”，这是对观众的尊重，也是避免争议的聪明做法。
六、结语：工具是死的，人是活的
回到开头的问题：什么是“爆款”？
爆款不是参数堆砌的结果，而是你想法的视觉化。Midjourney和Stable Diffusion只是笔和纸，真正决定作品高度的，是你眼中的世界、你讲的故事、你传达的情感。
我见过很多用Midjourney生成精美风景图的人，点赞寥寥。也见过有人用Stable Diffusion生成一张略显粗糙但充满个人趣味的头像，收获数百点赞。为什么？因为后者有“人”的温度。
所以，别沉迷于研究最新的模型参数。先去观察生活，去构思一个有趣的故事，然后用这些工具，把你的故事画出来。
当你第一次看到AI完全按照你的想象，呈现出一张从未存在过的画面时，那种惊喜和创造欲，是任何算法都无法替代的。
现在，去打开Discord，或者启动你的WebUI，输入你的第一个提示词吧。记住，第一张图永远不会完美，但第二张、第三张……会越来越像你想要的那样。
祝你玩得开心，期待在朋友圈看到你的作品。