AIGC 绘画 SD 与 Midjourney 教程 - 浦外师

这套资料的主题很明确：把 Stable Diffusion 和 Midjourney 两条主流 AIGC 绘画路线放在一起讲，并且用多个可跟做的案例串起来。它不打算停留在「输入一句话就出图」的层面，而是把工具链、操作节奏和风格控制这些工程化的部分摊开给你看。对已经上手过一两个生成工具、但出图始终靠碰运气的开发者来说，这份资料的对照价值比单纯看演示更高。

两条工具线，各自的定位不同

Midjourney 的部分占了较大篇幅，从入门讲到较完整的操作流程，重点在于提示词的写法与迭代节奏：怎样用一组描述把画面结构定下来，怎样通过参数控制画幅、风格和细节倾向，以及如何在已有结果上做二次调整。它的优势是上手快、出图稳定，适合做概念图、风格探索和快速验证想法。

Stable Diffusion 这条线则更偏向可控性和本地化。资料里涉及 SD 与 MJ 的对照操作，隐含的工程问题是：当你需要固定画风、批量出图、或者把生成流程接到自己的脚本里时，SD 的模型、采样、提示词权重这些参数就是必须理解的对象。这部分内容适合那些不满足于网页端点按、想搞清楚「为什么这张图是这样」的读者。

案例驱动：从敦煌到表情包

资料里能看到两类明显不同的案例方向。一类是偏艺术与风格的创作，比如围绕敦煌题材的操作演示，这类案例考的是风格迁移和画面氛围的控制，提示词里对材质、色彩、构图的描述需要相当具体，光靠几个关键词很难接近目标效果。另一类是表情包风格与制作，属于轻量化、可复用性强的场景，出图尺寸、角色一致性、批量产出的问题会在这里集中出现。

把这两类放在一起看，其实覆盖了 AIGC 绘画的两个典型诉求：一是追求质量与风格上限，二是追求稳定与可批量。教材里同时给出这两条路径，读者就可以按自己的项目需求去对照，而不必在一个方向上硬套。

可复用模块与自学路径

如果按工程视角来拆，这套资料里能沉淀下来的可复用部分大致有三块：提示词的模板化写法，也就是把常用的风格、画质、构图描述整理成可替换的片段；工作流的固化，从出草图、选图、局部重绘到放大，形成一套可重复的步骤；以及工具之间的分工，什么场景用 MJ 快出，什么场景回到 SD 精修。

自学时建议不要顺着视频从头看到尾。更有效的做法是：先挑一个自己真正想做的题材，用 MJ 部分快速跑通一遍流程，建立对提示词效果的直觉；然后带着「哪里控制不住」的问题去看 SD 相关的内容，把参数和模型这两块补上。案例演示本身不是目的，它是用来校准你对自己出图结果判断的参照。

适合谁拿来对照实践

• 已经用过生成工具、但出图质量不稳定，想知道提示词和参数到底在起什么作用的开发者；
• 需要把 AIGC 绘画接入自己的内容生产流程，关注批量产出与风格一致性的工程实践者；
• 做设计或独立创作，希望同时掌握快速出稿与精细控制两套手段的人。

整体来看，这份资料的价值在于把两个工具的实操过程留了痕，案例也比较具体，适合当成动手时的对照材料，而不是被动观看的演示合集。边看边打开工具跟着调，收获会比纯看大得多。