LiblibAIstable diffusion在线怎么开始？新手操作步骤

第一次用LiblibAI体验stable diffusion在线生图，可以先走最短路径：选择一个与题材匹配的Checkpoint，进入文生图，写清主体、场景、光线和风格，再设置画幅与少量候选。首轮不要同时研究所有高级参数，先完成一组可比较的结果。

官方地址：https://www.liblib.art/

开始前准备什么

先把任务缩小成一句可以检查的话。例如“生成一组横版山湖旅行插画，画面有雪山、湖泊和小木屋，用于文章头图”。这句话已经包含题材、主体、画幅和用途，比“画一张好看的风景”更容易选模型和判断结果。

建议准备一个记录表，保存所用模型、提示词、负面提示词、采样方法、步数、宽高和生成数量。结果不好时，有记录才能知道修改了什么。

第一步：先选一个与题材匹配的模型

官方入门教程说明，Checkpoint大模型会影响图片的主要样式与风格。新手可以先按题材筛选：真人照片优先看写实模型，旅行海报可选插画或设计类模型，二次元角色则选对应动漫模型。不要只看封面，应阅读模型页面的介绍、示例提示与推荐参数。

选定模型后进入文生图，并确认创作界面已经加载当前Checkpoint。VAE通常可先使用平台匹配项；只有出现综合色彩或解码问题时，再按模型说明调整。

第二步：选择文生图而不是复杂工作流

对第一次尝试来说，文生图最适合建立基础认识。用户只需用文字描述画面，然后观察模型如何响应。图生图需要准备参考图，ComfyUI则涉及节点连接，等基本提示词和参数熟悉后再学更合适。

新手首轮的目标不是一次做出最终作品，而是确认模型能否理解题材、画面比例是否合适，以及提示词中的主要元素能否出现。

第三步：把提示词拆成四组

官方教程建议把提示词按画面风格、质量、人物或主体、背景和修饰元素分类。山湖旅行插画可以用下面的结构：

负面提示词只写当前不希望出现的内容，例如模糊、低质量、文字、水印、严重变形和多余人物。不要在第一次就粘贴过长模板，否则很难知道哪些词真正有作用。

第四步：设置首轮参数并生成四张候选

采样方法可以先参考模型作者建议；如果没有特别说明，再从常见选项开始。官方入门教程指出，迭代步数过高时，细节未必继续明显提升，反而会增加等待时间。新手可先使用教程建议的常规范围，再根据模型说明和实际效果调整。

宽高要对应使用场景。文章头图适合横向画幅，头像适合方形，手机壁纸适合竖向。首轮只生成少量候选，例如四张，足够判断方向，又不会在错误提示上浪费大量生成。

第五步：按统一标准检查结果

• 主题：雪山、湖泊、小木屋等核心元素是否出现；
• 构图：主体位置和左侧留白是否满足头图需求；
• 光线：是否有日出方向和综合色彩关系；
• 结构：建筑、树木和倒影是否存在明显异常；
• 风格：结果是否保持旅行插画而非照片或动漫人物图。

先找出四张图共同的问题。如果所有结果都缺少小木屋，提示词需要强化主体关系；如果只是某一张构图不理想，可能属于随机差异，不必马上更换模型。

第六步：一次只改一个变量

首轮结果完成后，优先只修改提示词。例如把“远处小木屋”改成“湖泊右岸有一座清楚可见的小木屋”，其他设置保持不变。若元素正确但整体画风不合适，再测试另一个Checkpoint；若构图过挤，再调整画幅或加入留白描述。

1. 保存首轮参数和四张结果；
2. 选出最需要解决的一个问题；
3. 只修改对应提示词或一个参数；
4. 生成相同数量的候选；
5. 比较前后通过率，保留有效修改。

新手常见问题

模型很多，不知道选哪个：先根据题材和官方示例缩小范围，再用同一提示词各生成少量候选。

中文提示词能不能用：官方教程说明文本框支持中文输入并自动翻译。涉及专业术语和模型触发词时，仍应检查翻译结果。

步数是不是越高越好：不是。超过一定范围后，细节增益可能变小，应以模型建议和实际对比为准。

第一轮不好要不要换模型：先判断是模型风格不匹配，还是主体、场景和构图描述不清。提示问题应先修改提示词。

结论

LiblibAIstable diffusion在线入门可以概括为：选对Checkpoint，进入文生图，把提示词拆成主体、场景、光线与风格，设置符合用途的宽高和少量候选，然后按统一标准检查。首轮完成后每次只改一个变量，很快就能形成可复用的在线生图步骤。