AI绘画批量出图技巧：一次生成几十张图的高效方法

去年9月我接了一个活儿——给一个电商客户出300张不同场景的产品图。按照我当时的习惯，一张一张写Prompt、调参数、跑图、看效果、不满意重来。第一天从早上10点干到凌晨2点，出了大概40张——把自己差点干废了。

第四天我受不了了，花了一整个下午研究批量工作流。第五天？一小时出了120张，其中80张客户直接用了。

批量出图这件事，我算是被现实逼着学会的。这篇把所有批量技巧一次性摊开，从最土的办法到最先进的自动化工作流。不管你用的是AUTOMATIC1111还是ComfyUI还是在线工具——总有一款适合你的批量方案。

最基础：Batch Count和Batch Size的区别

先说最让人困惑的两个参数。Stable Diffusion WebUI的生成界面有Batch Count和Batch Size两个选项，很多人分不清。

Batch Count = 跑几轮。设成10就是跑10轮，每轮出Batch Size那么多张。总出图数 = Batch Count × Batch Size。

Batch Size = 一轮同时跑几张。设成4就是一锅出4张图。这个参数受显存限制——8GB显存建议Batch Size不超过4，12GB不超过6，24GB可以试8。

效率对比：Batch Count=10, Batch Size=1 → 10张图，用时约10x。Batch Count=2, Batch Size=5 → 10张图，用时约2.5x。同样出10张图，大Batch Size能快4倍。前提是你的显存放得下。

但Batch Size太大有个坑——出图质量会下降。我实测过：Batch Size=8比Batch Size=1出的图细节少大约15%-20%，特别是小物体的边缘会糊。建议生产环境用4，测试环境用1。

Prompt List大法：一份列表批量出100张

这是我最常用的批量方式，也是最容易上手的。核心思想：在记事本里写好一批Prompt（一行一个），让SD按顺序全部跑一遍。

操作步骤：SD WebUI → Script下拉菜单 → 选"Prompts from file or textbox" → 在文本框里贴入你的Prompt列表（一行一条）→ 设置Batch Count → 点生成。

我常用的Prompt列表模板长这样：

"A serene Japanese garden with cherry blossoms, morning light, 4k --ar 16:9"
"A cozy coffee shop interior with rain outside the window, warm tones, cinematic --ar 16:9"
"A futuristic cityscape at dusk, flying vehicles, neon lights, cyberpunk, 8k --ar 16:9"

一条一条写慢？我有两个加速法：一是用ChatGPT帮我扩展主题（给一个主题让AI生成50个变体Prompt）；二是做一个"Prompt骨架"然后替换关键词。比如骨架是"A [STYLE] portrait of a [CHARACTER] in [SETTING], [LIGHTING], 4k"——把方括号里的内容轮换。

我上周用这个办法一晚上出了400张角色立绘草稿，从中筛了23张做成系列发到ArtStation，反响还不错。如果不是批量出，做400张至少一周。

关于Prompt的写法细节，关键词教程里有从基础到进阶的完整拆解。

Wildcard随机词库：让AI给你惊喜

Wildcard是SD WebUI独有的一个功能，简单说就是"把Prompt里的某些词变成随机变量"。

操作：在SD根目录下创建/scripts/wildcards文件夹 → 创建.txt文件（比如subjects.txt）→ 里面每行一个可选词（猫、狗、龙、机器人、宇航员）→ Prompt里用__subjects__调用。

我建了8个常用Wildcard文件：subjects（主题对象）、environments（场景）、lighting（光线）、colors（色调）、materials（材质）、poses（姿势）、times（时间）、styles（风格）。每个文件里大概30-50个词。

组合用法：Prompt里写"A __colors__ __subjects__ in a __environments__, __lighting__ lighting, __styles__ style"。每次生成，AI自动从各个文件里随机抽词组合。理论上组合数 = 50×50×50×30×30 = 超过1亿种——一辈子跑不完。

Wildcard的关键不是词多——是词的质量和相关性。你的subjects文件里混了"猫"和"摩天大楼"没问题，但如果混了"猫"和"资产负债表"——后者的出图效果99%是废的。定期清理Wildcard文件，删掉生成效果差的词，比加新词更重要。

X/Y/Z Plot：参数矩阵对比，测试效率翻10倍

如果说Prompt List是解决"出图多"的问题，X/Y/Z Plot解决的是"选最优参数"的问题。这个功能让你一次跑完所有参数组合，然后在一张大图里对比效果。

SD WebUI → Script → X/Y/Z Plot → 设置X轴变量（比如CFG Scale: 3,5,7,9,11,13）、Y轴变量（比如Sampler: Euler a, DPM++ 2M Karras, DDIM）。然后一次性生成一个6x3=18张图的对比矩阵。

我每次用新模型的第一步就是跑一个5x4的X/Y/Z矩阵（CFG Scale x Sampler），花大约10分钟，就能找到这个模型的最佳参数组合。以前手动试参数要花2小时以上。

进阶用法：Z轴设Steps（20,30,40,50），一次跑出所有变量组合。一张对比图里包含几十组结果，5分钟扫描就能锁定最优方案。

这个技巧对选择模型参数特别有用，我们在模型选择指南里也建议用XY Plot来横向测评不用Checkpoint的效果。

ComfyUI全自动工作流：挂机跑图不求人

ComfyUI的批量能力跟SD WebUI完全不是一个级别。核心原因是ComfyUI可以把"加载模型→生成→放大→保存"串成一条全自动管线。

我的ComfyUI批量工作流结构：Load Checkpoint → CLIP Text Encode(多个Prompt输入节点) → KSampler(批量模式) → VAE Decode → Upscale Image → Save Image(自动编号命名)。

配合ComfyUI Manager里的Efficiency Nodes插件，可以做到：输入一个JSON列表（包含50组Prompt和参数），然后挂机，一小时后回来收图。全部自动命名好，按编号存到指定文件夹。

我的生产环境跑法：每天睡前挂机跑200-300张图（Batch Count=4, Batch Size=4），用SD1.5模型（快），早上起来筛图。平均保留率大约8%——也就是一晚留16-24张可用的。一周就是112-168张，一个月500-700张。这个数量够我做素材库、POD、甚至接商业单用了。

ComfyUI的搭建本身有一定门槛，我们在AI智能绘画体验对比里做过SD WebUI和ComfyUI的全面对比，可以帮你判断什么时候该切工作流。

在线工具的批量方案（Midjourney和国产工具）

不用Stable Diffusion也有批量办法，虽然效率低一些。

Midjourney：没有原生批量功能。但有三个变通方案：一是用/describe批量获取描述词然后反向生成；二是在MJ的Fast模式下一个Prompt连续生成4张变体（点V1-V4）；三是用第三方Discord Bot做自动化——不推荐，容易被封号。MJ用户真实批量天花板大概是一小时30-40张（手动操作），跟SD的200张没法比。

国产工具：通义万相和即梦AI目前都是纯手动——一次一张或四张，没有脚本能力。但LiblibAI（云端SD）支持WebUI原生的脚本功能，包括Prompt List和X/Y/Z Plot。不想配本地环境的可以用LiblibAI做批量——除了比本地慢30%左右，功能几乎一样。

批量跑图对画风一致性的要求很高，尤其是超现实这类风格，在超现实主义风格那篇里我们讲了同风格的Prompt模板化写法，对批量场景特别有用。

批量出图的三大翻车场景和补救方案

翻车一：显存溢出。Batch Size设太大，显存放不下，直接报CUDA Out of Memory。解决方案：降Batch Size，或者用--medvram或--lowvram启动参数。后者把模型的一部分放内存里，虽然慢但不报错。

翻车二：所有图长一个样。Wildcard词库太少、Prompt模板太死板，出来的图虽然不同但肉眼分辨不出区别。解决方案：至少要3个以上的随机变量组合才能产生肉眼可见的差异。一个变量随机出50张图，看起来都一样——三个变量融合才能制造真正的多样性。

翻车三：硬盘被塞爆。批量出图不控制分辨率的话，一小时能吃掉20-30GB硬盘空间。解决方案：在生成阶段用512x768出草稿，筛选后用Upscale功能只放大保留的图。这样能节省约80%的存储空间。

常见问题

批量出图会影响画质吗？

只影响细节密度，不影响整体构图和色彩。Batch Size越大，单张分配的"注意力"越少，小细节牺牲越明显。建议：批量草稿阶段用Batch Size=4-6求速度，确定要保留的图后用Batch Size=1重新跑一次保证质量。两步走比一步到位更经济。

我没有高端显卡还能批量跑吗？

能。三种方案：用LiblibAI等云端SD（免费但有排队）、用Google Colab跑SD（免费GPU额度每周约20小时）、用CPU模式跑（极慢但能挂机）。4GB显存用Batch Size=1也能批量——就是慢一点，一晚上挂机也能出100张。

Wildcard文件和Prompt List文件该怎么组织？

按项目建文件夹，别把所有Wildcard混在一个文件里。比如：project_fantasy/subjects.txt, project_fantasy/environments.txt。换项目时换文件夹就行了。我在桌面专门建了个Wildcard目录，里面有17个子目录对应17种风格类型——武侠、赛博朋克、奇幻、日系、写实、超现实……用哪个切哪个，清爽。

Midjourney以后会出批量功能吗？

目前的路线图里没有。MJ的产品哲学是"精品化"而非"数量化"——它希望你每次交互都有发现感，而不是挂机出几百张筛。从商业逻辑上说，MJ按GPU时间计费，批量出图会吃掉海量算力但创造的用户价值有限。所以我判断MJ短期内不会推批量功能。

批量出图这件事的本质不是"省时间"——是"把省下来的时间用来做筛选、打磨、组合"。AI时代创意工作者的核心能力正在从"执行力"转向"判断力"——不是你能不能画出来，而是你能不能从500张AI草稿中挑出那3张真正该被继续打磨的作品。

把这些批量技巧跟你已有的工具链结合，试一周你就能感觉到变化。原来一天出20张图累得够呛，现在挂一晚上收200张——筛选和判断的压力反而成了创作中最有意思的部分。