MJ 让你填空，SD 让你选模型
阅读说明：这本书在微信读书上只开放试读，翻到第 3 章"文生图"就到底了，共 81 屏、3 章、6 分 30 秒。 所以这篇笔记只覆盖前三章：人工智能绘画概论、Stable Diffusion 基础参数、文生图开头。不是全书。
先把这个说清楚，免得你以为是全书的读后感。
也正因为只有三章，它反而把一件事讲透了——Stable Diffusion 和 Midjourney，根本不是同一类东西。
一、模型在谁手里
第 2 章第一句就给了我答案：
"在 Stable Diffusion 中，最重要的是主模型，它对所绘画画面起到决定性的作用。"
接着它解释：Checkpoint 模型是绘图的基础模型，也被叫作大模型、底模型、主模型；在 WebUI 上叫"Stable Diffusion 模型"；装完软件必须搭配主模型才能用。
模型从哪来？Civitai。书里说那里"汇聚了全世界的 AI 绘画爱好者，每天都有新的模型分享"。
这三句话连起来，就解释了 SD 最特别的地方：它卖的不是画风，是画风的选择权。
书里配了一组对照图：同一句提示词，换三个不同模型，出来是三种画风——写实照片、二次元、清新插画。
这是 Midjourney 做不到的。MJ 你只有一个模型，风格差异靠提示词里那串词去挤；SD 是直接换底片。
所以我上一本读 Midjourney 时说的"九个空"，到这儿要加一条：MJ 让你填空，SD 让你选模型。 前者是语言问题，后者是资产问题。
二、四个旋钮，和它们真正管的事
第 2.2 节把 WebUI 面板上的参数一个个过了一遍。真正影响结果的，我认为只有四个：
采样方法（Sampler）——决定"怎么去噪"。
迭代步数（Steps）——决定去噪走多少步。
提示词引导系数（CFG Scale）——决定它多听提示词的话。
输出分辨率——决定宽高。
另外还有"总批次数"和"单批数量"，这两个只管一次出几张，不影响单张质量。
四个里面，最容易被新手搞错的是第三个：CFG 不是越高越好。
它管的是"模型对提示词的服从程度"。调低，它自由发挥，画面柔但常跑题；调高，它死死抓住你的词，画面会变硬、边缘发脆，调过头直接崩成色块。
而分辨率那一条，书里点得很实在：尺寸不对，人就跑形。 这是新手第一个坑，也是最不该踩的坑——它跟你的提示词水平无关，纯粹是设置问题。
三、采样器原理，这 81 屏里最有含金量的一段
第 2.2.3 节讲采样方法，先讲原理。我把这段几乎原样抄了下来，因为它是我读过的、对扩散模型最省字的解释：
扩散模型的原理是对图像进行加噪与去噪处理。Stable Diffusion 采样是一种去噪算法，它在每个去噪步骤后生成图像并与文本提示词进行比较，然后对噪声进行一些修改，直到生成的图像逐渐与文本（即提示词）描述相匹配。
拆开看就三步，循环很多遍：
先对一张噪声图去一点噪 → 得到一张模糊的图 → 拿这张图去跟你的提示词对一次 → 根据差多少，决定下一步噪声怎么改。
这个"对一次"很关键。它说明提示词不是一开始就生效的，它在整个过程中反复起作用，每一步都在拉方向。
所以步数太少，它还没来得及被拉到位；步数太多，它又被拉过了头，画面变僵。这就是为什么"步数不是越高越好"。
书里给了四个推荐：Euler a、DPM++2M Karras、DPM++2S a Karras、DPM++SDE Karras。
并且说 Euler a 是默认采样器，平衡性好，能呈现平滑的颜色和边缘。
这句提醒其实比那四个名字有用：不知道选谁的时候，先别动默认值。 新手换采样器换出来的差异，八成是变差。
四、几个立刻能省力的功能
第二章有一页列了扩展功能，我圈了三个：
WD 1.4 标签器（Tagger）——从图像反推提示词。
这个功能解决的是新手最痛的一步：看到一张好图，想要同样的效果，但不知道怎么描述。有了它，直接把图喂进去，让它告诉你该写什么词。这比背关键词表快得多。
面部修复、可平铺、高分辨率修复——三个开关，各管一件事。脸崩了开第一个；做纹样、做壁纸开第二个；想出大图又不想重画，开第三个。
模型合并与 LoRA——LoRA 是微调插件，模型合并能把两个模型糅在一起。
这两个是 SD 生态真正的入口，但也是"组合爆炸"的开始：模型几百个，LoRA 上千个，参数还有四五项，你永远调不完。
这本书后面本该讲怎么在这堆组合里找到路，可惜试读到此为止。
五、只读到三章，能说的是这些
一是试读本身就是最大的短板。 三章里有一章半在讲怎么装软件、怎么认界面。真正讲创作的"文生图"刚开头就断了。这本书的核心价值，我并没有读到。
二是参数给了名字，没给数值。 步数写多少、CFG 给几、分辨率多大合适——书里多数只解释了"是什么"，很少给"填几"。对新手来说，后者才是刚需。
三是这类书天然会过期。 界面截图、插件位置、模型下载地址，全都绑在某个版本上。SD 的生态又是所有 AI 工具里变得最快的。买纸质书学 SD，本身就是一个矛盾。
它的优点是：它把原理讲在了操作前面。 先告诉你扩散模型在干什么，再告诉你哪个按钮对应哪一步。这个顺序对，因为知道原理的人，参数调错也知道往哪边调；不知道的人，只能照抄别人的数字。
六、一句话
读完 Midjourney 那本，我以为 AI 绘画的难点是"把话说清楚"；读完这 81 屏我才明白，那只是一种玩法。MJ 是租一间装修好的房子，你只能挑家具；SD 是给你一块地和一堆建材，画风由你自己决定。 前者上手快，后者上限高——代价是，你得先知道水泥和腻子分别干什么用。这本书讲的就是这个"分别干什么用"，可惜只讲了开头。
阅读记录：微信读书网页版逐页翻阅，试读 81 屏 / 3 章 / 6 分 30 秒（全书未开放，仅记录已读部分）。
本书知识图谱见文中配图，原图地址：https://jiangtian.top/zb_users/upload/kg/sd-model-first-map.png
发表评论: