很多做视觉设计、电商运营和自媒体的朋友在接触 AI 绘画时，常常被本地部署 Stable Diffusion 的显卡门槛、环境配置和几十 GB 的模型存储搞得焦头烂额。国内的哩布哩布平台（LiblibAI）把开源模型社区与在线算力整合到一起，无论是直接在网页端调用云端算力生图，还是把模型下载到本地配合 WebUI 或 ComfyUI 使用，都是目前国内落地效率极高的工作路径。

做好 AI 生图的关键其实不在于背多少复杂的术语，而在于搞清楚底模与微调模型的底层逻辑、参数调优区间以及规范的工作流 SOP。

一、 运行环境选择：在线生图与本地部署权衡

Liblib 平台目前主要提供三种工作模式：云端极简生图/原生 WebUI、在线 ComfyUI 工作流，以及本地客户端启动器。不同硬件条件与业务场景下的选型逻辑如下：

如果你的本地显卡显存低于 6GB，建议直接在云端使用平台赠送的每日免费算力完成测试；当有固定商用批量需求且硬件达标时，再通过平台下载模型到本地运行。

二、 核心资产管理：大模型（Checkpoint）与 LoRA 的匹配规则

在 Liblib 平台下载或调用模型前，必须分清两类核心模型文件的性质与从属关系：

1.大模型（Checkpoint / 底模）：文件体积通常在 2GB 到 7GB 不等，决定了画面的基础画风（写实摄影、动漫二次元、3D 渲染、水墨国风等）与底层人体结构。

2.LoRA（低秩适应模型）：文件体积一般在几十 MB 到几百 MB，属于“画风、角色、特定服装或特定产品结构”的微调插件。

核心铁律：底模基底版本必须严格一致

很多新手生成图片崩坏、肢体畸变或报错，绝大多数是因为底模与 LoRA 版本不兼容。

•SD 1.5 架构：社区积累模型最多，算力消耗最低，出图速度极快，微调细节极为丰富。但原生分辨率一般为 512×512 或 768×768，需要配合高清修复。

•SDXL 架构：参数量大幅增加，原生支持 1024×1024 构图，画质细腻度与大场景掌控力强，文字生成能力有初步改善，显存需求高于 SD 1.5。

•FLUX.1 架构：新一代开源大模型，语义理解与手指、文字细节呈现极高，但对显存和算力开销很大。

避坑提醒：
凡是基于 SDXL 训练的 LoRA，绝对不能挂载到 SD 1.5 的底模上运行；同理，FLUX 模型的 LoRA 也只能在 FLUX 架构底模下生效。在 Liblib 页面下载或在线添加模型时，注意看模型详情页右侧的“基础算法”标签。

模型下载与本地存放规范

如果你使用本地客户端或自建 WebUI，下载的文件必须放置在对应文件夹内：

•Checkpoint 大模型放置路径：`models/Stable-diffusion/`

•LoRA 模型放置路径：`models/Lora/`

•VAE 滤镜模型放置路径：`models/VAE/`

三、 LoRA 模型的精准调用与权重控制法则

在云端在线生图界面，点击“添加 LoRA”即可直接选取模型。但要想稳定成片，必须掌握以下三个核心实操细节：

1. 触发词（Trigger Words）必须填写

绝大部分 LoRA 在训练时都绑定了特定的触发词。

•操作要点：进入该 LoRA 的模型介绍页，查看作者注明的“触发词”（例如 `cyberpunk style`, `traditional hanfu`, `glass bottle` 等）。

•放置规则：将触发词放在正向提示词的最前端或主体描述中。不写触发词，LoRA 的特征表现力往往会大打折扣。

2. 权重设置（Weight）的黄金区间

LoRA 并不是数值拉得越高越好：

•0.6 ~ 0.8（推荐黄金区间）：既能完美呈现 LoRA 的特征（如特定的服装纹理、面部特征），又保留了底模自身的结构稳定性与泛化能力。

•0.8 ~ 1.0：特征表现极强，但画面容易出现对比度过高、皮肤塑料感或轻微线条过锐。

•大于 1.0：极易产生“炸模”现象，出现严重的肢体畸变、色彩过饱和、噪点碎裂。

•0.3 ~ 0.5：仅吸取极微弱的风格或色彩倾向。

3. 多 LoRA 叠加协同原则

在商用生图中，经常需要叠加使用：例如“写实人脸 LoRA + 某种特定服饰 LoRA + 特定光影风格 LoRA”。

•权重总和控制：单张生图建议同时挂载的 LoRA 数量不超过 3 个。

•权重平衡公式：多个 LoRA 同时启用时，单个 LoRA 的权重应主动下调。通常建议主特征 LoRA 设为 `0.6 ~ 0.7`，辅助风格 LoRA 设为 `0.3 ~ 0.5`，避免互相竞争破坏画面结构。

四、 商业级高保真生图实战 SOP（附直接套用模板）

下面以一套高质感电商人像摄影为例，拆解一套标准、稳定的在线生图流程。

第一步：选定基底模型与设置基础画幅

•底模选择：在模型库中挑选写实大模型（如麦橘大模型、麦橘写实系列或麦橘真实摄影底模，SD 1.5 或 SDXL 均可）。

•画幅设置：电商主图建议选择 `3:4`（如 768×1024）或 `1:1`（如 1024×1024），人像特写切忌直接使用过长比例（如 9:16），否则容易出现双头或多肢体现象。

第二步：参数面板标准化设置

•采样方法（Sampler）：推荐 `DPM++ 2M Karras` 或 `Euler a`。追求写实细节选前者，画面质感最稳定。

•采样步数（Steps）：建议设在 `25 ~ 35` 步之间。低于 20 步细节不足，高于 40 步边缘容易生硬且白白浪费算力。

•提示词引导系数（CFG Scale）：严格控制在 `6.0 ~ 7.5` 之间。过高会导致画面烧焦发硬，过低会导致不听从提示词指令。

•随机种子（Seed）：设为 `-1`（随机）。当跑出一张构图满意的样张后，立即固定该 Seed 值，进行微调。

第三步：提示词编写规范与可直接套用模板

遵循结构化编写逻辑：主体描述 + 细节特征（含 LoRA 触发词） + 服饰材质 + 环境与光影 + 镜头参数与画面质感。

1. 正向提示词代码块（可直接复制）

(masterpiece, top quality, photorealistic, 8k raw photo:1.2), 
1girl, 25 years old, East Asian face, detailed facial features, natural skin texture, subtle pores, soft smile, looking at viewer,
(wearing a minimalist beige cashmere sweater:1.1), modern clean neckline,
standing in a modern sunlit minimalist coffee shop, large floor-to-ceiling windows, blurred background,
soft morning directional sunlight, rim light, volumetric lighting,
shot on 85mm f/1.4 lens, shallow depth of field, sharp focus on eyes, Hasselblad photography, cinematic color grading

核心配置与实现逻辑示意

##### 2. 负向提示词代码块（过滤低质与畸变的核心屏障）

(worst quality, low quality:1.4), (deformed, distorted, disfigured:1.3), 
poorly drawn, bad anatomy, wrong anatomy, extra limb, missing limb, floating limbs, disconnected limbs, mutation, mutated, 
extra fingers, mutated hands, poorly drawn hands, missing fingers, liquid body, 
bad eyes, crossed eyes, blurry, text, watermark, signature, logo, oversaturation, plastic skin, doll-like

第四步：细节优化与分辨率放大

直接生成的原生图片尺寸有限，皮肤与布料细节无法满足商用高清印刷或大屏展示。

1.面部修复（Restore Faces）：如果使用的是 SD 1.5 系列写实模型，可勾选该项修正远景五官走形；如果画面是中近景特写且底模质量过硬，则无需勾选，避免面部产生平滑磨皮感。

2.高清修复（Hires. fix）：

•放大算法：写实摄影类首选 `R-ESRGAN 4x+` 或 `4x-UltraSharp`；二次元动漫类选择 `R-ESRGAN 4x+ Anime6B`。

•重绘幅度（Denoising Strength）：数值必须控制在 `0.3 ~ 0.45` 之间。如果设得太高（> 0.6），画面内容会发生重构；如果太低（< 0.2），放大后模糊无新细节。

•放大倍数：建议先进行 `1.5` 到 `2` 倍放大。

五、 模型商用合规与版权风险避坑清单

在进行商业交付、为客户制作宣传物料或自媒体变现时，必须严守版权规范，避免陷入法律纠纷：

1.核对模型详情页的协议标签：

在 Liblib 每个模型主页的右下侧，作者都会明确标出使用限制。重点关注以下四项：

•是否允许商用：部分模型标记为“严禁商业用途”或“仅供学习交流”，此类模型生成的图片绝不可直接用于广告、商品包装或商业付费委托。

•生成衍生作品是否需获得作者许可：有些作者要求商业使用必须联系其本人签署许可协议。

•是否允许融合模型/再发布：涉及个人二次微调训练后的模型上传规则。

2.肖像权与知名 IP 规避：

严禁使用抓取特定现实明星、公众人物面部数据训练的 LoRA 进行商用变现；严禁商业使用含有知名品牌商标、知名动漫 IP 原型微调的 LoRA，否则极易侵犯他人肖像权与外观专利/著作权。

3.内容安全红线：

平台执行严格的内容审查机制。在编写提示词时，杜绝一切涉黄、涉暴、涉政的隐晦词汇与敏感词，合规提示词是保证账号长期稳定使用的基石。

按照这套标准流程操作，先在线理顺底模与 LoRA 的匹配关系，严格控制权重和参数区间，再结合高清修复进行输出，就能稳步产出符合商业交付标准的视觉作品。