技能提升网最近AI画图的风刮得很大，看着别人随手一丢就是一张“大片”，自己也想试试。结果一头扎进去才发现，各种软件、模型、参数看得人眼花缭乱。一会儿是Midjourney，一会儿是Stable Diffusion，还有DALL-E 3什么的。很多人脑袋一热，花了钱、花了时间，最后发现选的工具根本不适合自己，纯属瞎折腾。
今天咱们就聊聊怎么选AI画图软件，不扯那些虚的，就从最实际的三个维度来分析，帮你找到最适合你的那款，不花一分冤枉钱。
第一个维度：你想用AI画什么？——从需求出发，别搞错了方向
选工具之前，你得先问问自己，学AI画图是为了什么。是单纯觉得好玩，想自己做个头像、画个壁纸，还是想用它来辅助工作，比如做设计、画插画？这两种需求的差别，直接决定了你应该选哪条路。
如果你只是想玩玩，图个新鲜
大部分人刚接触AI画图，都是这个想法。可能是在网上看到了别人做的图，觉得很酷，想自己也做一个发朋友圈。或者，你需要一张独特的图片做社交媒体头像、手机壁纸，甚至是给自己的文章配个图。
对于这种需求，最重要的就是“快”和“简单”。你肯定不希望为了画一张图，要去学一堆复杂的参数，还得配置电脑环境。你需要的是一个能快速上手，输入一句话就能得到一张漂亮图片的东西。
这时候，Midjourney和DALL-E 3就是很好的选择。
Midjourney的效果非常惊艳，特别是V6版本更新后，它对自然语言的理解能力和画面的真实感都非常出色。 你几乎不需要学习什么复杂的“咒语”（prompt），用最日常的语言描述你想要的画面，比如“一只穿着宇航服的猫漂浮在太空中，看着地球，电影感”，它就能给你一张质量很高的图片。 Midjourney是集成在Discord这个聊天软件里的，你只要加入它的服务器，在对话框里输入指令就行了，操作很直接。
DALL-E 3现在集成在了微软的Copilot（之前的Bing Image Creator）和ChatGPT Plus里。 它的最大好处是免费，而且对中文的理解能力比Midjourney要好。 你可以直接用中文跟它对话，让它帮你画图，甚至可以一边画一边修改。比如你让它画了一只猫，然后可以说“让这只猫戴上一顶帽子”，它就能在原来的基础上修改。这种对话式的创作体验，对新手来说非常友好。
如果你是想用于专业工作
如果你是设计师、插画师、游戏开发者，或者任何需要大量创意视觉内容的工作者，那你的需求就完全不一样了。你需要的不仅仅是一张好看的图，你更需要对画面的绝对控制权。
比如，一个游戏公司要设计一个新角色，他们需要这个角色的几十个不同姿势、不同表情的图片，而且所有图片的画风、角色的相貌、服装都必须保持高度一致。这种需求，Midjourney和DALL-E 3就很难满足了。因为它们每次生成的图片都有一定的随机性，很难保证角色的一致性。
这时候，你就需要Stable Diffusion。
Stable Diffusion是开源的，这意味着你可以在自己的电脑上免费部署和使用它。 它最大的优势就是“控制”。通过各种插件和模型，你可以精确地控制画面的每一个细节。
举个例子，你想让AI画一个固定角色的不同动作。你可以用一个叫LoRA的技术，先用这个角色的几十张图片“训练”出一个小模型。之后，你再用这个LoRA模型去生成图片，就能保证画出来的角色永远是同一个人。
再比如，你想让生成的图片和你画的草稿姿势一模一样。你可以用一个叫ControlNet的插件，上传一张你的草稿，或者一张只有人物骨骼姿态的火柴人图片，AI就会严格按照你给定的姿势去生成画面，同时还能保持画面的创意和细节。
这种精细到像素级别的控制，是Midjourney那种“开箱即用”的工具给不了的。当然，这种控制力的背后，是更高的学习门槛。你需要学习如何安装、如何下载和使用不同的模型、如何调整各种复杂的参数。但对于专业人士来说，这种投入是值得的。
第二个维度：你愿意花多少钱和时间？——成本与学习曲线的权衡
聊完了需求，我们再来聊聊实际的投入，也就是钱和时间。
先说钱
完全免费的选择：Stable Diffusion 和 DALL-E 3 (免费版)
Stable Diffusion本身是开源免费的，你不需要为软件本身花一分钱。 但是，它对电脑硬件有要求，特别是显卡。一张好的显卡能让你在几秒钟内生成一张图片，而一张差的显卡可能需要几分钟甚至更久，而且还可能跑不动一些高级功能。如果你电脑配置不行，又不想花钱升级，也可以租用云端的服务器来跑，但这同样需要花钱。
DALL-E 3集成在微软的Copilot里是免费的，虽然有“点数”限制，但每天都会补充，对于非重度用户来说基本够用。 这是目前体验最好的免费工具之一。
按月付费的选择：Midjourney 和 ChatGPT Plus (内置DALL-E 3)
Midjourney是订阅制的，最便宜的套餐大概是每月10美元，可以生成一定数量的图片。 如果你需要大量生成或者更快的速度，就需要购买更贵的套餐。 它的好处是你不需要考虑硬件问题，只要能上网就能用。
ChatGPT Plus用户可以在使用GPT-4的同时，无限制地使用DALL-E 3画图。 这相当于你不仅买了一个聊天机器人，还附带了一个顶级的画图工具。
再说时间，也就是学习曲线
几乎没有学习成本：DALL-E 3 和 Midjourney
这两个工具都追求让用户用最自然的方式去创作。你不需要去学什么代码或者复杂的参数。特别是DALL-E 3，你可以像和人聊天一样去指挥它，学习成本趋近于零。
Midjourney稍微需要一点学习，主要是熟悉一下它的指令格式，比如
--ar 16:9是用来控制图片比例的，--style raw是用来控制风格的。 但这些都是很简单的命令，花个十几分钟看看教程就会了。需要投入大量时间学习：Stable Diffusion
Stable Diffusion的学习曲线非常陡峭。你首先要解决安装问题，对于不熟悉电脑配置的人来说，这可能就是第一个拦路虎。安装好之后，你还要面对一个复杂的界面，上面全是各种参数和选项。
然后，你还需要去了解什么是主模型（Checkpoint），什么是LoRA，什么是VAE，它们分别有什么用，要去哪里下载。你还要学习如何写出高质量的prompt，因为Stable Diffusion对prompt的要求比Midjourney要精确得多，有时候一个词的差别，出来的图就完全不一样。之后，你可能还要学习ControlNet的各种用法，比如如何用它来控制姿势、线稿、景深等等。
可以说，学习Stable Diffusion就像学习一个专业软件，比如Photoshop或者Blender。你需要投入大量的时间和精力去钻研，才能真正掌握它。但是，一旦你掌握了它，你就能获得前面说的那种无与伦比的控制力。
第三个维度：你对画面的控制欲有多强？——效果与自由度的博弈
最后一个维度，我们来聊聊一个更深入的话题：你想要的是一个“听话的画家”，还是一个“有才华但有点个性的画家”？
追求开箱即用的惊艳效果：Midjourney
Midjourney就像一个非常有才华的商业艺术家。你给他一个大致的方向，他就能给你一幅完成度非常高、光影和色彩都非常漂亮的作品。它的默认审美非常在线，特别擅长营造那种“大片感”和“艺术感”。
但是，它的问题在于有点“自作主张”。有时候你想要一个很朴素、很简单的画面，它可能会给你加一些它认为好看的光影或者细节，反而和你最初的想法有了偏差。而且，就像前面说的，你想让它画一个完全一样的角色，或者复制一个特定的画风，会非常困难。
所以，如果你追求的是那种能让你“哇”一声的惊艳效果，对细节的控制要求不高，那Midjourney是最好的选择。
追求像素级的精确控制：Stable Diffusion
Stable Diffusion则像一个技术高超但需要你明确指令的画师。它自己没有什么默认的审美，你给它什么模型、什么指令，它就画什么。最终图片的效果，完全取决于你自己的知识、技术和审美。
它的上限非常高。你可以通过组合不同的模型和LoRA，创造出独一无二的个人画风。你可以用ControlNet来精确控制构图和人物姿态。你甚至可以用它来修复老照片、给线稿上色、将3D模型的草图转换成逼真的渲染图。
举个例子，一个电商设计师需要给一款产品生成多张不同场景的宣传图，但要保证产品本身的样子不发生任何改变。用Stable Diffusion，他可以先固定住产品的主体，然后只让AI去改变背景，比如一会儿是沙滩，一会儿是森林，一会儿是赛博朋克的城市。这种“指哪打哪”的能力，是其他工具无法比拟的。
所以，如果你是一个控制欲很强的人，希望AI能完全按照你的想法来执行，每一个细节都要在你的掌控之中，那么Stable Diffusion是唯一的选择。
总的来说，选择哪个AI画图软件，没有一个绝对的答案。不要听别人说哪个最火就去跟风。先从自己的实际需求、预算和愿意投入的时间精力出发，想清楚这三个维度的问题，你自然就知道哪个工具最适合你了。
