LiblibAI文生图怎么做横版场景插画?从选模型到四图筛选
LiblibAI 文生图做横版场景插画,可以按“定用途、选风景模型、分层写提示词、设置16:9、一次生成四张、检查构图、单变量修改、导出记录”八步完成。本文以晨雾山谷村落为例,重点不是堆叠形容词,而是让前景、中景、远景和光线形成清楚层次。
官方地址:https://www.liblib.art/
第一步:先确定横版图要解决什么
同样是风景图,文章头图、桌面壁纸、视频封面和游戏概念图的构图要求不同。第一次练习可将任务限定为:16:9横版插画,用于文章头图;主体是晨雾中的山谷村落;左侧保留少量视觉空间,画面不能出现文字和商标。
把目标写成一句可检查的话:“清晨阳光照进山谷,河流经过白墙村落,近处树木形成框景,远处山峦被薄雾分层。”这句话已经包含时间、空间、主体和氛围,比“唯美风景、高清大图”更能指导生成。
第二步:选择一个适合风景的Checkpoint
官方入门教程介绍了 Checkpoint 模型选择,以及从模型库加入模型后进入在线生图的路径。选择时先看模型示例是否擅长自然景观、建筑和大场景,再阅读模型说明中的推荐提示词与参数。
第一次生成只使用一个底模。不要同时叠加多个风格 LoRA,因为横版场景已经涉及建筑、植被、水面、雾气和光线,多模型冲突会增加判断难度。模型选择的目标是找到合适起点,不是一次收集最多素材。
第三步:把提示词按空间层次拆开
官方教程建议把提示词按画面细节与生成标准组织,并用词组化方式方便替换。场景插画可以进一步分为六组:
| 词组 | 负责内容 | 本例方向 |
|---|---|---|
| 主体 | 画面的视觉中心 | 晨雾山谷中的白墙村落与河流 |
| 前景 | 建立入口和景深 | 树枝、岩石、少量野花 |
| 中景 | 承载主体细节 | 村落、河岸、桥与田园 |
| 远景 | 形成纵深 | 重叠山峦、薄雾、远处天空 |
| 风格 | 统一材质与表达 | 细腻自然插画、克制色彩 |
| 光线 | 确定时间和情绪 | 日出侧光、柔和暖色、体积雾 |
负向提示词围绕不需要的内容书写,例如文字、水印、重复建筑、扭曲屋顶、过度饱和和杂乱前景。不要把所有已知负向词一次塞满;先生成一轮,再针对真正出现的问题补充。

第四步:设置16:9并一次生成四张
官方教程说明参数区包含采样、迭代步数、宽高和生成数量等选项。这里先选择16:9横版比例,并参考当前模型作者建议设置采样与步数。第一轮的目标是比较构图,不需要一开始就追求最大尺寸。
- 确认模型与六组提示词;
- 选择16:9横版画面;
- 设置一次生成四张;
- 记录采样方法、步数、引导强度和随机种子;
- 生成过程中不临时修改提示词。
四张同条件结果能帮助判断模型是否稳定。如果只生成一张,很容易把随机结果误认为提示词效果。
第五步:按五项检查筛选,而不是只看第一眼
四张图出来后,先淘汰存在明显结构问题的结果,再从剩余图片中选择氛围最符合目标的一张:
- 构图层次:前景是否只是框景,中景村落是否清楚,远山是否形成纵深;
- 地平线:河面与山谷关系是否自然,画面有没有明显倾斜;
- 建筑结构:屋顶、窗户、桥梁和道路是否连贯;
- 光线:日出方向、山体受光和水面反射是否一致;
- 干扰项:是否出现文字、标志、重复物体或过强前景。

第六步:第二轮只修改一个主要问题
如果村落太小,就加强中景主体与镜头距离描述;如果远山抢主体,就降低远景对比;如果雾气遮住建筑,就减少雾的强度;如果画面太平,则调整光线方向或增加前景框景。每次只改一组提示词,其他模型与参数保持不变。
第二轮再生成四张,与第一轮并排比较。有效修改应让目标问题改善,同时不破坏已稳定的结构。如果结果全面变差,可以直接回到上一版,不要在错误方向继续叠词。
第七步:什么时候需要换模型
连续两轮都出现相同类型的风格偏差,例如模型始终生成摄影质感而不是插画,或者建筑结构长期不符合目标,才考虑更换 Checkpoint。若问题只出现在某一张候选图,通常先通过筛选和提示词调整处理。
换模型后应回到第一轮测试,保持主题、画面比例和主要提示词不变。这样才能判断差异来自模型,而不是多项设置同时变化。
第八步:导出时同时保存生成记录
导出最终横图之外,还应保存:
- 模型与附加模型名称、版本和用途;
- 正向、负向提示词的分组版本;
- 宽高、采样、步数、引导强度和种子;
- 第一轮四图联系表与第二轮对比;
- 入选理由、人工修改和导出版本号。
文件名可使用“主题_用途_比例_版本”,例如“晨雾村落_文章头图_16x9_v02”。如果未来需要竖版或方形图,应从成品母版重新适配,不要直接拉伸横图。
常见问题
提示词必须写英文吗?
官方入门教程提到平台支持中文提示词自动翻译。无论使用中文还是英文,关键都是分组清楚、目标具体,并在每轮只修改相关词组。
步数越高越好吗?
不是。官方教程指出步数过高不一定继续提升细节。优先参考当前模型说明,并用小范围比较找到合适设置。
为什么横图总是主体不突出?
通常是主体词不明确、中景内容太多或前景对比过强。先明确视觉中心,再减少无关元素,而不是继续增加质量形容词。
四张都不好怎么办?
先检查模型是否匹配题材,再检查主体与空间层次是否明确。一次只修正一个原因,连续两轮仍偏离时再换底模。
总结
LiblibAI 文生图制作横版场景插画,核心是把一句想法拆成可控制的步骤。先确定用途和主体,选择一个风景 Checkpoint,按前景、中景、远景、风格和光线组织提示词,再用16:9一次生成四张。筛图时先看结构与层次,第二轮只改一个问题,最后把成图与参数一起保存。这样得到的不只是单张风景图,而是一套可继续复用的场景生图方法。
靛青纸灯与夜雾手机壁纸怎么避免出现文字和建筑标志
- 上一篇
- 靛青纸灯与夜雾手机壁纸怎么避免出现文字和建筑标志
- 下一篇
- MySQL 事务隔离级别下普通 SELECT 为什么看不到新提交
-
- 文章 · 软件教程 | 2小时前 |
- VS Code 怎样为工作区配置独立环境变量
- 480浏览 收藏
-
- 文章 · 软件教程 | 2小时前 | docker · 软件教程 · build Docker Compose dry-run up 容器启动预览
- Docker Compose dry-run 怎样预览服务启动会执行哪些操作
- 305浏览 收藏
-
- 文章 · 软件教程 | 2小时前 | github · GitHub Pull Request CODEOWNERS 必需评审人
- GitHub Pull Request 怎样设置必需评审人
- 188浏览 收藏
-
- 文章 · 软件教程 | 2小时前 |
- VS Code 任务怎样把编译错误映射到编辑器问题面板
- 284浏览 收藏
-
- 文章 · 软件教程 | 2小时前 | 开发环境 · docker · Docker Compose volumes 只读挂载 read_only
- Docker Compose 怎样为开发服务挂载只读目录
- 287浏览 收藏
-
- 文章 · 软件教程 | 2小时前 |
- GitHub Codespaces 怎样固定项目的开发容器配置
- 422浏览 收藏
-
- 文章 · 软件教程 | 2小时前 |
- JetBrains IDE 怎样只重排当前文件的导入顺序
- 482浏览 收藏
-
- 文章 · 软件教程 | 2小时前 |
- Docker Compose 怎样查看多个配置文件合并后的最终配置
- 353浏览 收藏
-
- 文章 · 软件教程 | 2小时前 |
- GitHub Issues 怎样用表单收集结构化信息
- 150浏览 收藏
-
- 文章 · 软件教程 | 2小时前 |
- VS Code 多光标怎样批量修改同一列文本
- 460浏览 收藏
-
- 文章 · 软件教程 | 2小时前 |
- VS Code 怎样为工作区设置默认终端配置文件
- 161浏览 收藏
-
- 文章 · 软件教程 | 10小时前 |
- VS Code 用户代码片段按文件名模式限定展开范围
- 270浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 695次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 707次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 776次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 736次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 569次使用
-
- LiblibAI是什么?核心功能和适合人群说明
- 2026-09-09 315浏览
-
- LiblibAI适合插画师吗?从创作任务看是否值得用
- 2026-09-09 476浏览
-
- LiblibAI对插画师有什么帮助?常用场景和能力边界
- 2026-09-09 391浏览
-
- 插画师选择LiblibAI前要看什么?功能、成本与交付检查
- 2026-09-09 262浏览
-
- LiblibAI做设计提案草图好用吗?三类项目测试方法
- 2026-09-09 450浏览

