LiblibAI SD在线绘图如何把草图生成成品?图生图操作步骤
把草图生成成品,不是一次点击就把线稿“上色”,而是一个从构图约束到风格探索,再到细节收敛的过程。在 LiblibAI 的 SD 在线绘图中,可以先用图生图保留草图的主要轮廓,用提示词补充色彩、材质和光影,再从多张候选里选对构图,通过第二轮低幅度重绘做成品化。
官方地址:https://www.liblib.art/
开始前:先判断草图是否适合直接生成
图生图会参考原图,但不会把草图当成不可变更的工程图。开始前先检查三件事:主体是否清楚,前后遮挡是否合理,亮暗大关系是否已经表达出空间。如果一张草图里的椅子、书架和窗户连在一起,生成后往往会出现家具结构错位;这类问题应先回到草图修改,而不是只靠负向提示词补救。
对初学者来说,一张合适的输入草图应当有明确外轮廓、少量必要结构线和简单的明暗分区。不必先把材质画得很细,因为木材、布艺、植物和阳光等信息可以交给提示词和模型补充。
第一步:选一个与目标风格接近的模型
进入图片生成或 WebUI 后,先看模型示例图是否接近目标。想做温暖的绘本阅读室,就优先选色彩柔和、室内材质表现稳定的插画模型;如果目标是写实空间,则要关注透视、灯光和家具质感。一开始不建议叠加太多 LoRA,否则难以判断画面变化来自哪个变量。
模型与草图的理解方式可能不同,所以本文中的参数是测试起点,不是所有模型通用的唯一答案。有条件时,先用较小尺寸快速生成四张,证明模型方向正确后再提高分辨率。
第二步:上传草图并建立首轮参数
切换到图生图,上传整理好的草图。提示词不要写成一段空泛的形容词,可以按“主体与空间—画面风格—材质细节—光线氛围—质量要求”分层组织。例如阅读室可以明确写出木质书架、单人沙发、靠窗植物和侧逆光,再补充柔和插画风格。负向提示词用于排除明显问题,如模糊、重复家具、错乱透视和无关文字。
首轮可从中等重绘幅度起步,例如 0.4–0.5 附近。幅度太低,成图可能仍像涂色后的线稿;幅度太高,模型又可能重新安排家具与窗户。采样步数可先选中等区间,官方入门教程将 15–25 步作为实用起点;与其盲目增加步数,不如保持其他设置不变,先对比重绘幅度。

第三步:一次生成多张,但每轮只测一个主变量
首轮生成的目标是找到方向,而不是立刻输出最终大图。建议在同一组提示词和尺寸下生成多张候选,观察模型对草图的稳定部分和随机部分。如果四张图都改掉了椅子位置,应先降低重绘幅度;如果四张都缺乏材质,再加强木纹、布艺和玻璃反光的描述。
每轮主要改一个变量,才能知道改动是否有效。一个实用顺序是:先调重绘幅度保住构图,再改主要提示词确定风格,然后改负向词排除重复物体,最后才测试 LoRA 或采样方法。
第四步:从候选图里选出可继续精修的底图
挑候选图时不要先被局部高光或色彩吸引,应按四层顺序检查:第一层是大构图,书架、沙发与窗户的位置是否正确;第二层是主体识别,关键物件是否变形或融合;第三层是光影方向,阳光、台灯与阴影是否一致;第四层才是手指、书页、植物叶片等局部细节。
构图错了的图即使细节漂亮,后续也很难修;构图正确但局部粗糙的图,反而适合作为二次图生图的底图。选中一张后记录当前模型、提示词、尺寸、采样步数、重绘幅度与种子,便于回溯。

第五步:二次图生图收敛细节
把选中的候选图送入新一轮图生图,此时目标从“找方向”变成“保留正确内容”。可将重绘幅度比首轮适当降低,只在提示词中增加必要的修复目标,如木纹清晰、玻璃反光自然、书本边缘整齐。如果一次加入太多局部要求,可能让已经正确的大结构又发生变化。
只有当小尺寸结果已经稳定,再做高清修复或更大尺寸输出。官方教程也将高清修复解释为借助图生图进行二次放大的过程。如果放大后出现新纹理、多余线条或物体变形,应降低放大阶段的重绘幅度,而不是无限增加采样步数。
常见问题怎么快速定位
成图几乎还是线稿:先小幅提高重绘幅度,再检查提示词是否写清画风、材质和光影,不必立即更换全部参数。
成图偏离原草图:降低重绘幅度,减少与空间结构冲突的提示词;如果草图本身轮廓太淡或遮挡不清,则回去补强草图。
同一物体重复出现:检查草图中是否有容易被误认为第二个物体的线条,同时在负向提示词中排除重复家具、额外植物等具体问题。
颜色每轮都飘移:在提示词里明确主色、辅色和光源色,选定候选图后固定种子,二次重绘时降低变化幅度。
可复用的草图转成品清单
- 清理草图的多余线条,确认主体、遮挡和明暗关系。
- 选一个与目标风格接近的模型,首轮先不叠加过多 LoRA。
- 上传草图,按场景、风格、材质、光线和质量分层写提示词。
- 从中等重绘幅度开始,用中等尺寸一次生成多张候选。
- 每轮只改一个主变量,优先收敛构图,再修风格与细节。
- 选中构图正确的底图,记录模型、提示词、种子和参数。
- 用更低重绘幅度做二次图生图,最后再高清修复与导出。
这套方法的核心是把“草图约束”和“模型创造”分两轮处理:第一轮容许多出候选、找对方向,第二轮则减少变量、保住已经正确的内容。只要每轮都能说清自己正在解决构图、风格、材质还是细节问题,草图转成品就会比一次叠加所有参数更容易稳定。
Python 3.14 asyncio pstree 如何定位未结束任务
- 上一篇
- Python 3.14 asyncio pstree 如何定位未结束任务
- 下一篇
- Go bufio.Scanner 如何自定义分隔符读取记录
-
- 文章 · 软件教程 | 24分钟前 | 开发工具 · vs code · Remote SSH · 远程开发 · 集成终端 · VS Code 默认终端 Remote SSH 远程终端 terminal.integrated.defaultProfile
- VS Code Remote SSH 如何选择远程工作区的默认终端
- 292浏览 收藏
-
- 文章 · 软件教程 | 1小时前 | vs code · 软件教程 · 多根工作区 · 工作区配置 · 语言服务 · VS Code settings.json 语言服务 多根工作区 Folder Settings
- VS Code 多根工作区如何分别设置语言服务
- 172浏览 收藏
-
- 文章 · 软件教程 | 1小时前 | 故障排查 · AI工具 · LiblibAI · Stable Diffusion · 在线生图 · LiblibAI 提示词排查 stable diffusion在线 效果不好 参数排查
- LiblibAI做stable diffusion在线效果不好怎么办?提示与参数排查
- 312浏览 收藏
-
- 文章 · 软件教程 | 2小时前 | 入门教程 · AI工具 · LiblibAI · Stable Diffusion · 在线生图 · 新手教程 文生图 WebUI LiblibAI stable diffusion在线
- LiblibAIstable diffusion在线怎么开始?新手操作步骤
- 485浏览 收藏
-
- 文章 · 软件教程 | 2小时前 | 开发环境 · docker · vs code · devcontainer.json VS Code Dev Containers 开发容器
- VS Code Dev Containers 如何让团队共享一致开发环境
- 399浏览 收藏
-
- 文章 · 软件教程 | 20小时前 | power query · Excel教程 · 数据整理 · 表格合并 · 办公技巧 · Excel 数据整理 合并工作表 Power Query 追加数据
- Excel Power Query 如何合并多个同结构工作表
- 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
-
- 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。
- 98次使用
-
- OpenCompass
- OpenCompass是上海AI实验室推出的开源大模型评测平台,提供CompassKit、CompassHub和CompassRank三大核心组件,支持LLM及多模态模型的一站式标准化评估与排行榜查询。
- 28次使用
-
- SuperCLUE
- SuperCLUE是权威的中文大语言模型综合评测基准,涵盖语言理解、知识应用、AI Agent智能体及安全性等12项核心能力。通过多轮对话与客观测试,定期发布榜单与技术报告,为模型研发、优化及行业选型提供科学依据。
- 253次使用
-
- C-Eval
- 深入了解C-Eval中文评估套件,涵盖52个学科与4级难度。本文详解其功能特点、Zero-shot/Few-shot使用方法及代码示例,助您全面评测LLM中文理解与泛化能力。
- 180次使用
-
- AI Prompt Library
- 探索AI Prompt Library免费资源库,涵盖营销、写作及多场景AI提示词。兼容ChatGPT、Claude等工具,一键复制优化输出,提升工作效率。
- 114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

