Stable Diffusion提示词与底模调参指南：从入门到AI壁纸实战

1. 先把话说清楚：Stable Diffusion能画猫娘壁纸，但和你想的不太一样

很多人看到“Stable Diffusion 入门指南”这种标题，第一反应是：这不就是打一行字、点一下生成、然后坐等壁纸被画出来嘛。我第一次跑的时候也是这么想的，结果点完“Generate”，等了半分钟，出来的是一张五官歪到发际线的猫耳女孩。怎么说呢，不算失败，至少它有猫耳，只是这张脸放桌面上会让整个电脑都显得不太聪明。

这里先给零基础的朋友一个明确预期：Stable Diffusion 能画猫娘壁纸，但“打字出图”只是流程的起点，不是全部。真正决定壁纸质量的是四个环节——底模选对没有、提示词有没有把需求说清楚、参数调没调明白、后期有没有做放大修复。这四个环节里任何一步偷懒，都会直接反映在最终图像上。这篇内容就是围绕这四个环节展开的，而且会尽量把每个环节里那些“教程里不提、但实际跑图时天天遇到”的细节讲透。

我这套流程跑了好几个月，前后折腾过不同的底模、采样器和修复方案，下面写出来的不是理论最优解，而是验证下来比较稳、零基础也容易跟着走的一套组合。适合人群我直接说：完全没装过Stable Diffusion、第一次接触文生图的绘图爱好者，或者已经能出图但总觉得成品离“壁纸”还差一口气的朋友。如果你已经会熟练写多段提示词、能自己去调模型混合了，那这篇的深度对你来说可能偏入门，但里面有些坑是我跑了几百张图才发现的，看完多少有点收获。

2. 环境准备没你想的复杂，但别第一步就劝退自己

2.1 先别急着装环境，把“跑图要花多少钱/时间”这件事搞清楚

零基础最容易在“环境准备”这一步被劝退，因为网上一搜全是“装Python、配CUDA、下载几十个GB模型”的长篇教程。我的建议是：除非你确定要长期玩，否则先不要碰本地环境。我之前就是这样带一个新入坑的朋友上手的——让他先打开某个在线绘图服务体验一下，免费额度足够他跑几十张图，把“出图到底是怎么一回事”“提示词大概起了什么作用”搞明白，再决定要不要在本地折腾。

为什么这么建议？因为Stable Diffusion本地跑要准备一个底模，动辄4到7GB，再加上各种增强模块和修复组件，硬盘占用30GB很正常。如果只是好奇画几张猫娘，完全没必要先背这个包袱。等你在在线服务上跑出了几张满意的图、确认自己喜欢这个流程，再考虑本地安装，这时学习成本反而低很多。

本地环境这块，门槛比大多数人想象的低。你要是用的是NVIDIA显卡，显存有6GB以上，其实已经足够跑通完整流程了，速度也不会让人崩溃。没有N卡也不用绝望，目前很多工具链对核显、AMD卡的支持比早期强了不少，只是中间需要额外配置一些兼容层，对零基础来说稍折腾。我的经验是：第一次搞本地环境，别追求所谓的最优配置，能用就行。装一个整合好的WebUI界面，比从命令行一行行配要省心太多，等你跑顺了再回头补底层知识也不迟。

2.2 为什么推荐WebUI界面而不是一开始就学底层的调用方式

Stable Diffusion的调用方式，简单说可以分成两类：一类是图形化界面，装好之后像用普通软件一样，输入框写提示词、点按钮生成；另一类是工作流式的可视化编排界面，可以用连线把各种处理模块串起来，功能更自由，但对新手会有点“一上来就让你面对一堆零件”的压力。

我的建议非常明确：零基础先用图形化界面的WebUI。不是因为工作流式的方案不好，而是因为入门期最需要的是“快速把全流程跑通”，图形化界面打开就是一个提示词框和一个生成按钮，思路非常直白。等工作流式的界面你摸熟了、觉得这种一块块搭积木的方式能给你更多控制力，再迁移过去也不难。我就见过一些人第一天就挑战复杂工作流，结果被一堆连线搞到放弃，最后反而用图形化界面跑得很愉快。

版本管理这里多说一句：看到“要更新啦”的提示，别手一抖就点。很多人都有过这个经历——更新完界面变得陌生不说，之前能算出来的某些模型表现突然变差，查了半天发现是新版改了内部算法逻辑。我的习惯是：日常使用固定在一个稳定的版本上，除非碰到必须更新才能解决的问题，不然就一直用顺手的老版本。这个习惯给我省了好多不必要的麻烦。

2.3 运行参数里最容易忽略的三个小问题

本地跑图还要注意三个小事。第一，出图分辨率别一上来就拉满。很多人的显卡被高分辨率弄崩，不是显卡真的不行，而是参数设置太贪心。对入门来说先跑512×512附近的小图，把流程跑通，之后再用放大功能做壁纸，这个思路我后面会细说。第二，文件路径别带中文和空格，这算玄学问题，但很多人因为路径里有中文导致模块加载失败，排查半天，把文件夹重命名一下就好了。第三，临时文件和输出目录设好，出图多了之后要是散在一堆默认目录里，整理起来会让人爆炸，一开始就把输出目录规划好，能省很多时间。

3. 底模选不对，提示词写得再精致也是浪费时间

3.1 壁纸效果到底靠什么模型来兜底

把环境搞定后，很多人会卡在下一个选择上：模型那么多，我该下载哪个？不少教程会说“新手随便挑一个分数高的就行”，这个建议其实很坑。我自己一开始就是看哪个下载量高就抓哪个，结果画出来的猫娘个个带着一种奇怪的塑胶感，怎么调提示词都洗不掉那股味道，后来才知道问题出在底模的选择上。

对画“壁纸级的猫娘”这个具体需求，底模才是真正的天花板。提示词能微调发型、眼睛颜色、背景氛围，但整体画风、线条质感、光影习惯，大部分由底模决定。简单类比一下：底模像是你的画师，提示词像是你对画师说的话。你请了一个擅长水彩风景的画师，无论怎么描述“我要赛博朋克霓虹感”，他画出来也还是带着水彩味。所以零基础第一步不是学提示词，而是认识自己的需求适合哪一类底模。

画猫娘壁纸，通常需要的是一种“清晰、明亮、背景有氛围感”的动漫壁纸风格。这种需求恰恰是很多综合模型的弱项——综合模型什么都能画，样子也不差，但很难在某个风格上达到“惊艳”的程度。所以我的建议是：在模型社区里找专门做动漫插画方向的底模，下载页面一般都会写明风格标签和适合的场景，如果描述里出现了“壁纸”“动漫”“厚涂”“赛博”这类关键词，方向基本就对了。

3.2 别只盯着下载量，还要看模型的“出图基准”

下载模型还有一个新手不太懂的维度：不同底模对同样提示词的响应方式不一样，甚至“猫娘”这个词在某些模型里是强项，在另一些里只是勉勉强强。我的经验是，与其看下载量排名，不如看这个模型展示图里有多少是你想要的风格。如果展示图里十张有八张都是动漫美女壁纸，那它大概率适合你；如果展示图全是写实风景、机器人、3D渲染，哪怕排名第一也别选。展示图代表了作者最想让这个模型产出的方向，选模型基本可以当成“选画师”来看下示。

文件格式上也提醒一句：很多模型站点会提供不同后缀的文件，比如常见的.ckpt和.safetensors，新人的直觉是大小差不多就随意下载。但其实二者的加载安全性差异很大，.safetensors格式在加载时不会执行额外数据，安全性更好。现在社区主力已经转向这个安全格式，我也建议下载时优先选它。你说完全不懂格式区别也没关系——记住“选.safetensors”这一个判断就够了，能避免很多未知风险。

3.3 有了底模还不够，别忘了“穿好衣服”的VAE

零基础最容易忽略、又恰恰特别影响壁纸效果的一个组件叫VAE。这个词第一次见确实一头雾水，你只需要知道它的作用是让画面的颜色和细节更饱满，不挂的情况下出图经常发灰、发暗，像是蒙了一层雾。我刚跑图那阵子总觉得别人出的壁纸颜色通透，自己出的灰扑扑的，排查很久才发现是没给模型配置VAE。

检查方法很简单：出图如果整体灰蒙蒙、黑色不黑、白色不白，很有可能是VAE没挂上或挂错了。因为猫娘壁纸通常颜色鲜艳、有大面积皮肤和头发颜色，VAE的影响会被放大得特别明显。项目里应当在设置里给底模配上对应风格的VAE，或者直接用“自动”模式让界面自己选。挂好之后你再跑同一张图，色差几乎是肉眼可见的大。

3.4 额外提示：辅助小模型才是“锦上添花”的关键

把底模配好、VAE挂上之后，想要画面更贴近“猫娘”这个题材，还有一类小模型值得一提，就是通常称为LoRA的轻量级增强模块。它体积小、下载快，作用是给底模注入特定的风格或主题特征。比如猫耳的形状、瞳孔的样式、尾巴的蓬松感，这些细节用提示词描述有时候不稳定，挂一个主题LoRA就能显著提升“猫娘感”。

怎么选LoRA同样看展示图和触发词说明，一般下载页会写明需要在提示词里加入什么词来激活它。入门期我的建议是：先别贪多，每次只挂一个。同时挂好几个生僻LoRA容易互相打架，出图反倒变怪。等你跑顺了、能判断每个LoRA的效果了，再尝试组合也来得及。

4. 提示词不是英文作文，本质是给画师的购物清单

4.1 把“猫娘壁纸”翻译成一串画质描述词

底模选好之后，很多人以为接下来就是写猫娘两个字然后等着出图。抱歉，没那么简单。模型并不理解“猫娘”这个词背后包含的全部细节——耳朵的形状、眼睛的神态、画面的构图、背景的氛围，都需要你用提示词尽量拆开来说。倒不是说必须写满五十个词才有好图，但至少要把画面里最直观的要素表达清楚。

我把写提示词类比成给一个陌生画师开购物清单：你告诉他“我要一张带猫耳朵的女孩壁纸”，他能画的其实是无限种可能。但如果你加上“粉发、紫瞳、竖瞳、兽耳、蓬松尾巴、室内暖光、浅景深”，他就能大概锁定你要的方向。实际操作中，新手可以先把这句话复制下来用，之后自己往里面加词：

code复制masterpiece, best quality, 1girl, cat ears, animal ears,
tail, long pink hair, purple eyes, vertical pupils,
solo, upper body, warm lighting, soft light, detailed background,
indoor, depth of field, wallpaper

注意看这里包含的信息层级：前面几个是“画质总控词”，后面跟着人物和特征细节，接着是景别和参数词，最后是背景和光影。顺序不重要，至少在我推荐的流程里，只要词都在，效果差别不大。但每一层都有存在的原因，缺了某一层，画面就会出现某个方向的偏移。

4.2 负面提示词才是让壁纸变干净的隐形功臣

新手大多只盯着正面提示词怎么堆砌，却忘了“我不要什么”同样重要。Stable Diffusion在自由发挥的时候，很容易把手指画多一根，或者把脸画歪，这和它内部训练时的数据质量有一定关系。通过负面提示词把常见的瑕疵“明令禁止”一下，废图率会明显下降，这也是我后来出图更稳的一个关键习惯。

下面这串是我的常用负面词，几乎跑所有动漫人物都适用，你可以先直接抄走：

code复制lowres, bad anatomy, bad hands, missing fingers, extra digit,
fewer digits, cropped, worst quality, low quality, normal quality,
jpeg artifacts, signature, watermark, username, blurry, bad feet,
extra limbs, disfigured, deformed

里面对应的是低分辨率、解剖结构错误、多手指少手指、画面被裁切、水印签名、模糊畸形等等。有些词看起来重复，比如“worst quality、low quality、normal quality”出现了三次，但这是在多个维度上压低画质波动的下限，实测有效。挂上这串词你再对比出图，废图率能降一半不止。

4.3 想要猫娘更“穿得像角色”，把背景和动作也写成词

纯写“1girl, cat ears”大概率得到一张“站着的人像”。壁纸级的猫娘通常有一点点故事感：要么是窗边的光线，要么是城市夜景的霓虹，要么是抱着一个物件。零基础最容易忽略的是背景词，结果出来的人物画得不错，背景却是空白色块，放桌面显得很单调。

想让背景有氛围，无非是在正面提示词里补充环境词。比如你要一张放在电脑桌面上的横版壁纸，可以试着把背景意向从“indoor room”换成“by the window, sunset, city street, bokeh, night neon lights”。这些词不是越多越好，每个场景挑两三个词精确描述，比堆叠十几个泛泛而谈的词更有效。你用的底模对某些环境词有很深的“擅长区”，对另一些则平平无奇，这些都要靠多试几次才能摸清底细。

另外，猫娘听起来像是一个固定的题材，但不同风格的猫娘画面气质完全不同。你能想到的“傲娇感”“慵懒感”“神秘感”，大部分都能靠光线和构图词去暗示。只是现阶段别贪心，先固定一到两种风格，跑熟之后再来探索别的方向。

5. 参数不用背，但你要知道每个旋钮在干什么

5.1 出图质量和速度在你眼里的几个核心参数

打开WebUI界面，右侧一堆参数，真正影响壁纸效果的核心就几个。这里我直接用一张表把设法和原因写清楚，方便你对着调：

采样步数和CFG这两个对新人最容易踩坑。把CFG拉满到15以上，一个直接的后果是画面颜色变得“油汪汪的”，像盖了一层塑料膜，猫耳女孩的脸颊也容易红得不自然。CFG在7到9这个区间，通常能很好地平衡“听提示词”和“画面自然感”两个方向。

分辨率这里特别强调一下：壁纸不是靠初始参数硬拉到3840×2160出来的。直接出大图，显存压力大，耗时久，而且画质并不会因此更好，反而可能崩出更多结构错误。正确思路是小尺寸出图，确认构图满意，再用放大功能把它拉大成壁纸尺寸。这套思路我后面会展开讲，但你现在可以先记住这个方向。

5.2 同一个参数，为什么有些人调了有效、有些人没效

这个问题很多人困惑。同一套参数值，为什么别人能出清晰壁纸，自己复制过去却是糊的？原因在于参数生效方式依赖底模内在习惯。某些底模的训练分辨率和偏好参数与别的模型差异明显，对A模型合适的CFG范围和采样器，对B模型可能就偏低或者产生反效果。

我的建议是：先用一套基础参数把流程跑通，固定一个底模，花几天时间只调CFG和步数这两项，感受变化规律。等你大概明白“这个模型在什么参数下最顺眼”了，再尝试其他参数组合。新人最怕的就是今天换个底模，明天换个采样器，结果根本分不清画质变好是因为什么，后面排查问题也无从下手。

还有一个很容易被忽略的事：画面质量并不全由参数决定，提示词的配合方式也占一半。如果你提示词从头到尾用低质量词汇，哪怕参数全对，出图上限也被压住了。这也是为什么我在章节里不厌其烦地强调“底模+提示词+参数”三位一体，缺了哪个维度，单靠另一个维度弥补都很难。

5.3 高清修复功能的神奇之处：大图的正确生产顺序

等到构图和提示词都满意了，就该处理“壁纸尺寸”这个正经需求了。这时候需要用一个叫“高清修复”的功能。它的原理并不难懂：把底图上关键区域放大并重新细化，填补放大过程中丢失的细节。不过同时它也是一把双刃剑——用得好，从普通人物图变壁纸级背景；用得不好，人物脸部可能会被“画”得面目全非。

我的推荐做法是分三步走：第一步，小底图先用前面参数跑出一张构图满意的图；第二步，把这张图交给高清修复或放大组件，放大两倍左右，同时适当降低提示词权重；第三步，检查放大后的脸部细节，如果出现奇怪变形，就用局部重绘单独修复脸部。注意放大倍数不要一次拉到四倍以上，容易出现细节伪影和塑料质感。壁纸场景通常来说，放大到两倍已经足够日常桌面使用。

6. 壁纸级出图之后的精修：脸崩修复和不满意的重来

6.1 零基础也能用的局部修复方式

前面提到放大后可能出现脸部结构崩坏，这不是你的错觉，也不是模型垃圾，而是放大进一步暴露了底图本身的结构缺陷。修复这事，零基础也可以操作：把图发送到局部重绘功能，用画笔把脸部区域涂抹覆盖，填写描述脸部特征的一段提示词，再对局部单独生成一遍。

这套操作不复杂，但有几个细节容易踩坑。第一，涂抹区域别只框一个很小范围，要给模型留出一定的容错空间，太小的话生成的脸和原图衔接会非常生硬。第二，重绘时采样步数和CFG建议保持和原始生成相近，因为差距太大会让脸部风格和身体风格产生割裂感，像“贴了一张脸”上去。第三，多生成几个候选，从里面挑那张看起来最自然的。

我自己的习惯是：每次跑图都先跑4张候选，选一张整体最顺眼的再做局部修复。在候选图上修，比在唯一一张图上死磕要省心得多。因为Stable Diffusion本身的随机性意味着每次生成结果都会有差异，好的底图才有好的修复空间，底图构图阶段就不满意的图，后期修再久也是治标不治本。

6.2 背景不好看，把主体抠出来换个新场景

有时候人物画得不错，但背景和你想象中差得远，比如要的是城市夜景，出来的却是一面空墙。这种情况不用整张重画，还有一条更快捷的路——把人物主体抠出来，放到新背景里合成。很多WebUI都内置了简单的背景替换能力，或者你可以用通用的图像处理工具，手工抠图再合并图层。

这里的关键技术点是：合成之后要处理人物和背景的交界。直接贴上去的边缘会非常假，需要加一点模糊或调整人物边缘的透明度，让人物和背景稍微融合。动漫风格的画面交界本来就不是全实线，部分边缘虚化反而更像插画壁纸。零基础做这个也不难，多试几次之后你会发现，素材库里的壁纸十有八九就是这么拼出来的。

6.3 想要“批量出图、慢慢挑”，可以试试固定种子微调法

我已经有满意的底图了，但我想让人物的发型换一下、或者表情更自然一点，需要全部重画吗？完全不用。只要在生成时把“随机种子”记下来，然后固定这个种子，只修改提示词里个别词，再点击生成，就能得到一张构图几乎一样、但细节按你新提示词变化的图。这个技巧在微调阶段能省很多时间。

这个方法看似简单，实际使用中有一个注意点：修改的提示词越少，保留的构图越完整。如果你想改动太多地方，不如直接重新抽几张再选。另外，有些参数改动会导致种子“失效”，比如换了分辨率或换了一个差异较大的采样器，这时构图可能完全改变，所以微调时尽量保持其他参数不变。

7. 常见问题排查清单：这些坑我替你踩过了

跑图的路上，有些问题几乎每隔几天就会有人在社区里问一遍。我这里直接把它们整理成一张排查清单，你在确认“为什么我的图这么奇怪”的时候可以按顺序查一遍：

补充一个新手刚接触时常遇到的迷惑：同一套提示词、同一套参数，为什么偶尔会跑出一张颜色完全不对的图？这种问题通常跟采样器的随机性有关。如果你对一张图的大部分内容满意、只是某个细节颜色不对，直接用局部重绘把那个区域修一下就好，不需要整张重来。

至于“为什么我在社区里看到别人用一模一样的模型和提示词，出图却比我好看很多”这类问题，答案往往死磕在“他们跑了多少次、挑了多少张”。这是个概率游戏，出图几百张之后，你的平均水平会显著提升，因为你会逐渐下意识地知道什么提示词和参数组合在你的底模下更容易出好图。这种手感只能靠经验积累，没有捷径。

8. 最后分享几个我自己的使用习惯

跑了几百张猫娘壁纸之后，有些操作细节值得单独说给你听，因为这些习惯帮我省下了大量反复调试的精力。

第一，出图前想清楚分辨率目标再动手。如果是做电脑桌面壁纸，就先按16:9的宽高比构图，在720p到1080p之间的小分辨率跑底图；如果是手机壁纸，则反过来优先考虑竖构图。构图方向定好再写提示词，写出来的背景词会贴合很多。

第二，善用“4张候选图”模式。不要一张一张生成然后看运气，批量出图一次给四个方案，从中选一个最满意的做精修。很多人觉得反复点生成很爽，但其实批量方式出好图的效率会高很多，因为你可以快速对比不同采样器、不同种子的差异。

第三，建立一个自己的提示词库。把跑出过好图的完整提示词连同参数和效果截图保存在一个文档里，日后想复现某类风格就有据可查。我现在已经不记单独的词了，只记“完整的成功组合”，包含底模、参数、提示词和种子。临时想画一张特定风格的图，直接调出这个库来改，比自己从零开始拼词快得多。

最后给你一个最实际的动作建议：这篇文章看完，别急着把所有环节都配置完美，先找任何一个在线服务或本地WebUI跑出一张能看的猫娘图，哪怕它很粗糙。这个过程能让你把“出图闭环”先打通，剩下的优化细节，一张图一张图地试出来就好。Stable Diffusion和做菜很像，菜谱看一百遍不如亲手炒一盘，炒糊了再翻回去看看哪里不对劲，下一次就有数了。希望这篇入门指南能帮你少走一点我走过的弯路，早日把你的猫娘壁纸挂上桌面。