AI绘画制作怎么做？从选工具到出图落地的全流程实录

三个月前接了个小活，给一本电子书做封面，要"东方龙盘绕山峦，云雾缭绕，水墨感"。AI绘画制作看起来简单，实际上"能用"的图和"看着还行"的图之间，隔着大概8到10次迭代。那次我从下午两点画到晚上八点，中间还漏了一个手指——龙爪多出一根来。这篇不聊AI绘画的原理，只聊怎么把它做出来这一件事。

第一步：选工具，别一上来就用最火的

AI绘画制作的第一步是选工具，不是写提示词。工具选错，后面的力气全白费。追求画面质感选Midjourney，追求可控性选Stable Diffusion（SDXL或Flux），追求上手快选国内的即梦、通义万相、文心一格。

为什么把选工具放第一？举个例子。你要画一张"公司年会海报"，Midjourney出的图特别艺术，但你告诉它"左上角留白放Logo"，它多半装聋作哑。这种场景SDXL加ControlNet才是对的。反过来，你就想生成一张朋友圈发的表情包，装SDXL环境要一小时，值得吗？

下面这张表是我自己用了大半年的主观感受，不是官方数据。

说实话，如果你只是偶尔画一张，别折腾本地部署——注册即梦或者用ChatGPT里的DALL·E就够。真要靠这个吃饭，最后你还是会回到Stable Diffusion。这不是我瞎说，根据 Statista 2025 年 AI 图像生成市场报告，全球AI图像生成市场规模在2024年已突破 3.4亿美元，其中约六成的商用出图来自开源模型生态。

第二步：提示词，动词比形容词值钱

AI绘画制作里，提示词不是形容词堆得越多越好。真正决定画面走向的是主体、动作、场景、光线、风格这五个骨架词。堆五十个beautiful没用，AI只会越画越糊。

我自己写提示词的公式很简单。

1. 主体：画的是什么，具体到品种、性别、年龄
2. 动作：在做什么，很多人漏这一条
3. 场景：在哪里，什么时间
4. 光线：顺光、逆光、侧光，暖调冷调
5. 风格锚点：xxxx风格、xxxx画家、xxxx电影

反面例子。"a dragon, chinese style, beautiful, 8k, hyperdetailed, masterpiece, best quality, cinematic"——这种堆词法出来就是一张糊涂的中庸图。

正面写法。"An oriental dragon coiling around a misty mountain peak, viewed from below, dawn light breaking through clouds from behind, ink wash painting style"——短，但每个词都在给AI约束方向。

顺便说一句（好像有点跑题）——写提示词最玄学的一点是"顺序也有权重"。前面的词权重高，后面的词权重低。所以"东方龙"要放最前面，"水墨风格"放中间，"8k"这种技术词放最后。想深入研究可以看 提示词写作逻辑。

第三步：跑图和筛选，一次四张只挑一张

AI绘画制作里最反直觉的一步：不要盯着单张图改prompt，一次生成4张8张，从里面挑最接近你想要的再做变体。这个方法能把总耗时缩短一半以上。

为什么？因为AI每次生成都有随机性。你改了半天prompt画面不如意，很可能不是prompt的问题，是随机种子（seed）没抽到。与其调参调半天，不如批量出、快速筛。

Midjourney用户直接看四宫格，选最像的点U（Upscale）。SDXL用户建议一次跑batch size=4，seed自动。即梦每次给你4张预览图，一样的道理。

筛图有个我总结的"三秒法则"——三秒内不能让你眼前一亮的图，直接淘汰，不用心疼。别陷入"再改一下就好了"的陷阱，那种改到最后往往还不如重跑一轮。

第四步：局部重绘，翻车经历给的教训

AI画图最容易翻车的地方是手、脚、文字、复杂背景细节。这些地方不要指望prompt能一次搞定，必须用inpaint局部重绘。会用局部重绘的人，出图良品率能从30%拉到80%。

回到那次东方龙翻车的事。五爪龙我数了三遍以为对了，发出去甲方回复"这不是六根爪子吗"。我当场懵——放大一看，龙尾巴下面AI又画出一只多余的脚趾。那次教训让我把"数手指、数脚趾、数牙齿"写进了自己的SOP。

局部重绘的操作在不同工具里叫法不同。

• Midjourney里叫 Vary (Region)，框选要改的部分重写prompt
• SDXL/A1111里叫 Inpaint，画蒙版然后指定新prompt
• Photoshop里叫 生成式填充，Firefly驱动，选区一拖就搞定
• 即梦里叫 局部修改，操作最傻瓜

参数上有个小心得：denoising strength（重绘强度）设 0.4-0.55 最稳。低了改不动，高了改完的地方和原图接不上，形成明显的接缝。

第五步：放大出图，别忘了最后一公里

AI直接出的原图通常是1024x1024或1024x1536，看着还行，打印或大屏一放就糊。放大是AI绘画制作里最容易被忽略的一步。一张好图和一张能商用的图，差的往往就是这一步。

放大有两种思路。

1. 无损纯放大。用 Topaz Gigapixel、Real-ESRGAN、SUPIR 这些超分模型，把1024放大到4K、8K。这种适合已经很满意的图，只是尺寸不够。我这边测过Topaz Gigapixel V7把一张1024的角色图放大到4K，耗时约42秒（RTX 4070），细节保留得比免费的Real-ESRGAN好一档。

2. 高清修复（Hires Fix）。SDXL里可以边放大边补细节，比单纯超分效果好但耗时长。这个对硬件要求高，8GB显存以下别试，容易爆显存。参考 A1111官方Features文档 里的Hires Fix参数建议。

商用出图记得——放大之后再检查一次全图有没有新的诡异细节冒出来。放大模型偶尔会把小瑕疵放大成大问题。

商用出图的三个坑

这是另一个独立话题，详细展开可以看 AI绘画原创性深度解读。这里只点三个最实在的坑。

AI绘画制作用于商用，除了画得好，还有三个坑：模型授权、训练数据侵权、生成内容归属。这三个搞不清楚，等于白干。

第一，模型本身有没有商用授权。Midjourney付费版可商用，DALL·E 3官方声明可商用，SDXL基础模型是CreativeML Open RAIL++-M协议可商用，但一些第三方Lora或大模型可能是"仅个人非商用"，用之前得看模型页面的License说明。

第二，不要在prompt里直接写现役画家/设计师的名字。这在国内外都是灰色地带，"in the style of xxx"看着方便，一旦被追究，理亏在你。用泛化的风格描述（"ink wash painting"、"anime style"）更安全。

第三，人像谨慎。名人、明星、真实存在的人的形象——AI是能画出来的，但你把它印在T恤上卖是妥妥的肖像权侵权。想画真实的人，最少要有本人书面授权。

如果你的图要商用，我建议同时用 AI图像版权检测工具 反查一下，避免撞脸已注册作品。

三款主流工具画同一张封面对比

我用同一段提示词分别在Midjourney V7、SDXL Turbo本地、即梦上画了那张东方龙封面。结论：Midjourney出图最快最惊艳但改动难，SDXL最可控但耗时最长，即梦最省心但风格上限有限。

实测数据（不含挑图和局部修）——

• Midjourney V7：单次生成4张，约60秒。风格立刻抓住"水墨感"，但龙爪数量对了两次，其余都错。
• SDXL 1.0 + 水墨LoRA（本地RTX 4070）：单次batch 4张，约90秒。风格需要调节CFG=7.5、步数28步才最稳。爪子问题依然存在，但ControlNet+骨骼图能解决。
• 即梦：单次4张预览约30秒，稳定但风格锚点弱，"水墨感"要多次prompt迭代才能出来。

总的说，商用交付我会选SDXL+ControlNet，社交媒体海报选Midjourney，追热点视频封面选即梦。

常见问题

AI绘画制作一张图大概要花多少钱？

纯软件成本：Midjourney最便宜档10美元/月约200张、DALL·E 3走ChatGPT Plus 20美元/月不限量但有速率限制、SDXL本地零元但硬件贵（4070起步）。摊到单张成本，Midjourney约0.05美元/张，SDXL本地几乎为零，但硬件回本要几百张起。

AI绘画制作能替代设计师吗？

老实讲，不能替代但会重塑。AI擅长"从0到70"，把最难的创意起点和素材铺垫做完；剩下的30%——甲方沟通、风格统一、版权把控、印刷落地——还是要人来。会用AI的设计师会淘汰不会用的，但设计师这个岗位本身不会消失。

没有显卡能做AI绘画制作吗？

能。云平台如 Replicate、Fal.ai、Runway 都提供按次付费的API，一张图几分钱到几毛钱；即梦、通义万相、文心一格这些国内产品直接网页版，连注册都不要显卡。只有想大规模跑本地、加LoRA训练才必须自己有显卡。

AI绘画制作出的图能通过AI检测吗？

目前主流AI检测（Hive、Optic、SightEngine）对纯AI图识别率在80%以上，但只要经过局部重绘、颜色调整、PS二次处理，识别率会大幅下降。不过我不建议为了骗检测去做处理——正规发布场景标注"AI辅助生成"更加长远稳妥。

说到底，AI绘画制作不是"AI画的"，是"你用AI画的"。工具再强也只是工具，真正让一张图能被用起来的，还是那个数手指、调prompt、反复重跑的人。我做完那张东方龙用了六个多小时。同样的活手绘要多久我不知道，但有一点很确定——我没那个手绘功底，AI是我唯一的出路。