AIGC 绘画 SD 和 MidJourney 教程 - 浩哥

这套资料的主题很明确：把 Stable Diffusion 和 MidJourney 当成两套生产工具来讲，而不是当成两个「玩具」来演示。浩哥的讲解路径基本围绕「出图」这件事展开——MJ 负责快速出概念、出风格、出可交付的视觉参考，SD 负责可控性更强的细化、风格迁移和局部处理。两套工具各讲各的，但底层思路是通的：先用 MJ 把方向跑通，再用 SD 把细节压住。

技术栈覆盖的两条线

MJ 这条线偏提示词工程和风格控制。资料里 MJ 的入门部分讲得比较细，从基础的 prompt 结构、权重分配到风格化参数的调整都有涉及，后面接的是具体场景：表情包风格、传统类字体设计、敦煌题材的视觉再创作。这几类案例的选择不是随手挑的——表情包考验的是角色一致性和风格统一，字体设计考验的是结构约束下的生成能力，敦煌案例则更像一次完整的主题创作演练，涉及风格参考、色彩控制和画面叙事。

SD 这条线更偏工程化。Stable Diffusion 的本地部署、模型选择、采样器差异、ControlNet 这类控制插件怎么接进工作流，是自学时最容易卡住的地方。资料里对 SD 的处理不是只给参数，而是把「什么情况下该换模型、什么时候该上 ControlNet」这类判断讲出来。这一点对实际落地比较重要，因为 SD 的坑大多不在安装，而在参数之间的相互影响。

项目结构上的特点

从资料的组织方式看，它更接近「案例驱动」而不是「功能罗列」。每个模块基本是一个可独立复用的出图任务：给定一个题材或风格目标，走完从提示词设计到最终输出的完整流程。这种结构的好处是，你可以把每个案例当成一个模板来拆——提示词怎么分层、负面词怎么写、参考图怎么给权重、后期在哪个环节介入。

对开发者来说，这套东西的可复用点在于「流程」而不是「结果」。MJ 的提示词结构可以抽象成变量，SD 的工作流可以导出成配置。如果你打算把 AIGC 绘画接进自己的产品或者内容管线，这些案例提供的其实是一套可参照的参数基线，而不是一堆成品图。

适合拿来做什么

• 对照实践：每个案例都可以自己跑一遍，把参数改一改，观察输出变化，比只看讲解更容易建立手感。
• 工作流拆解：把 MJ 和 SD 各自擅长的环节拆出来，拼成一条从概念到成图的链路。
• 参数基线：把资料里的提示词和配置当作起点，而不是终点，在自己的题材上做迁移。

它不太适合的场景是「只求一键出图」。MJ 和 SD 都有随机性，真正能稳定出图的前提是你理解每个参数在干什么。这套资料的定位更接近「带着你把这个理解过程走一遍」。

自学路径建议

如果按顺序走，建议先把 MJ 的入门部分过一遍，重点不在记住提示词模板，而在理解 MJ 对提示词的响应逻辑——哪些词影响构图、哪些影响材质、哪些影响风格强度。然后挑一个具体案例（比如字体设计或表情包）完整跑一遍，把中间卡住的地方记下来。SD 的部分可以放在后面，因为它需要更多的环境配置和参数调试，先有 MJ 的出图经验，再看 SD 会更容易理解「为什么要加 ControlNet」这类问题。

敦煌案例可以放到最后，当作一次综合练习。它涉及的不只是工具操作，还有题材理解和风格判断，适合用来检验前面学到的东西能不能组合起来用。

一点提醒

这套资料的价值在「过程」而不是「成品」。里面的案例图和参数只是参考，真正要带走的是：怎么把一个模糊的视觉需求翻译成提示词，怎么在 MJ 和 SD 之间做取舍，怎么在出图不稳定的时候定位是哪个环节出了问题。把这三件事练熟，比记住多少个 prompt 模板都有用。