AIGC 绘画 SD 和 Midjourney 教程 - 浦外师

这套资料的主题很明确：把 Stable Diffusion 和 Midjourney 这两条 AIGC 绘画主线放在一起讲，而不是只挑一个工具泛泛而谈。对开发者来说，它的价值不在于「看完就能画」，而在于能对照着理解两种工具在提示词结构、工作流和产出控制上的差异，进而判断在自己的项目里该接哪一种、怎么接。

两条工具线，两种工程思路

Midjourney 是闭源托管服务，交互入口集中在 Discord，靠指令和参数控制出图：提示词权重、风格化参数、比例、版本号，都是写在文本里的。Stable Diffusion 则是可以在本地跑的开源模型体系，涉及底模选择、采样器、步数、CFG、ControlNet、LoRA 这类可调项，链条更长，但可控性也更高。教程把两者并置，等于给出一条对照轴：什么时候用 MJ 快速出概念图，什么时候切到 SD 做精细控制和批量生成。这个判断力比记住几个提示词模板更耐用。

从中段案例看可复用方法

资料里出现了敦煌题材的实操、表情包风格制作、传统类字体设计这几类案例，覆盖的正是 AIGC 绘画最常见的几种落地场景：文化元素的风格迁移、系列化 IP 形象批量生产、字形与视觉元素的生成控制。它们不是孤立的演示，而是可以拆成模块复用的——比如表情包那一类，本质上练的是「固定角色一致性 + 批量变量替换」；字体设计那一类，练的是「结构约束下的形态生成」。把这两个能力抽出来，换个题材照样能用，这才是工程视角下真正值得带走的东西。

适合谁来对照实践

• 已经在写前端或后端，想把 AI 出图能力接进自己工具链的人：可以重点看 SD 的本地部署与参数部分，理解推理成本、显存占用和可控性之间的取舍。
• 做产品、做内容、需要批量出图的人：MJ 那部分更适合作为起点，先跑通从提示词到成图的闭环，再谈风格统一。
• 完全没接触过扩散模型、但想补齐这块认知的开发者：建议不要只顺着视频看，边看边把每次生成用到的关键词和参数记下来，形成自己的参数对照表。

需要提醒的是，这套资料更偏操作演示与应用落地，对扩散模型的数学原理、训练细节不会讲得太深。如果你的目标是改模型、训 LoRA、做推理优化，它只能算一个入口，真正吃透还得回到论文和官方文档。

怎么用这份资料更有效

建议的路径是：先挑一个工具跑通最小闭环，用同一组题材分别跑 MJ 和 SD，对比两者的可控维度差异；然后带着具体任务回头看案例，比如要做一组统一风格的头像，就重点研究表情包那一段的思路；最后把验证过的提示词结构、参数组合整理成自己的模板库。整套资料的价值在于提供一条可对照的实践线——只看不练，工具参数记不住；动手对照过，才算真正把这门课用起来。