AIGC 绘画 SD 和 MidJourney 教程

这套 AIGC 绘画资料的主题很明确：把 Stable Diffusion 和 MidJourney 放在一起讲，而不是只挑一个工具做演示。对开发者来说，这种双工具并行的结构更接近真实工作流——MJ 负责快速出概念和风格探索，SD 负责可控生成、局部重绘和批量落地。资料以视频演示为主，配套案例文件，适合边看边在本地或云端跑一遍。

技术栈与工具边界

MidJourney 部分从入门操作讲起，涉及提示词结构、参数控制和风格化出图，重点在“快速得到可用的视觉方向”。Stable Diffusion 部分则更贴近工程侧：模型选择、采样器、CFG、种子控制、图生图与重绘强度这些参数会直接影响产出稳定性。资料没有把两者混为一谈，而是按各自擅长的场景分开推进，这一点对建立工具选型判断很有帮助。

如果你已经写过调用 API 的脚本，或者用过 ComfyUI 这类节点式工作流，会发现 SD 部分的参数逻辑和它们是相通的；MJ 部分则更像在调一个黑盒服务，重点在于提示词工程和迭代节奏。

案例驱动的组织方式

从资料线索看，案例覆盖了几类典型场景：敦煌主题的插画创作、表情包风格化制作、传统类字体设计。这几个案例的选取不是随意的——敦煌案例涉及风格迁移与细节保留，表情包考验的是统一风格下的批量变体，字体设计则要求对字形结构和质感有更细的控制。

这种安排的好处是，每个案例都能对应到一组可复用的参数思路。比如做表情包时，固定种子加微调提示词的做法，可以直接迁移到角色设定图、贴纸包、UI 图标等需要系列化产出的任务上。字体设计案例里对边缘和材质的要求，也能延伸到 Logo 草图和标题视觉。

可复用的模块与思路

• 提示词模板：把主体、风格、构图、光照、材质拆成可替换的片段，便于做变量测试。
• 参数预设：针对不同场景保存一组采样器、步数、CFG 和重绘强度，减少重复试错。
• 风格锚定：用参考图或固定种子维持系列作品的一致性。
• 后期衔接：生成结果如何进入重绘、放大、局部修改的流程。

这些模块的价值在于，它们不是只服务于教程里的案例，而是能直接套用到你自己的项目里。比如做电商主图、游戏概念图、社交媒体配图时，思路是通用的。

适合怎样的自学路径

建议不要从头到尾匀速播放。先跟一遍 MJ 入门，建立对提示词和出图节奏的直觉；然后进入 SD 部分，把参数和模型的关系跑通；最后用敦煌、表情包、字体这三个案例做对照练习，每个案例都尝试改一个变量，观察输出变化。遇到效果不稳定的环节，回到参数预设和提示词模板去排查，而不是反复重跑。

这套资料的定位是“对照实践”，不是看完就结束的课程。把案例文件当成起点，替换成自己的主题和素材，才能真正把 SD 和 MJ 的能力内化成工作流的一部分。