手把手教你调出最美李慕婉：提示词怎么写？参数怎么设？一篇搞定

手把手教你调出最美李慕婉提示词怎么写参数怎么设一篇搞定1. 从零开始快速部署李慕婉生成模型1.1 模型简介与准备工作李慕婉-仙逆-造相Z-Turbo是一款专门用于生成《仙逆》小说女主角李慕婉形象的AI绘图工具。它基于Z-Image-Turbo模型加入了针对李慕婉角色特征训练的LoRA模块能够精准捕捉角色的独特气质和形象特征。你需要准备一台能够运行Docker的计算机推荐配置NVIDIA显卡8GB显存基本的命令行操作知识对《仙逆》小说中李慕婉角色的了解1.2 一键部署模型服务部署过程非常简单只需几个步骤拉取镜像docker pull csdn-mirror/li_mu_wan_z_turbo运行容器docker run -it --gpus all -p 7860:7860 csdn-mirror/li_mu_wan_z_turbo等待模型加载初次启动可能需要3-5分钟1.3 验证服务是否正常运行在终端执行以下命令查看日志cat /root/workspace/xinference.log当看到Model li_mu_wan_z_turbo loaded successfully字样时说明模型已成功加载。2. 基础使用生成你的第一张李慕婉图片2.1 访问WebUI界面模型启动后在浏览器中访问http://localhost:7860你将看到一个简洁的Gradio界面包含以下主要部分提示词输入框Prompt负面提示词输入框Negative Prompt生成按钮参数调整区域图片显示区域2.2 输入第一个提示词尝试输入以下基础提示词Li Mu Wan, Xian Ni, long black hair, azure robe, standing on cloud, anime style点击Generate按钮等待约30秒你将看到第一张生成的李慕婉图片。2.3 理解基础参数初次使用时建议关注以下三个核心参数采样步数Sampling Steps推荐20-25步图片尺寸Width/Height推荐768x1024竖版或896x896方版CFG Scale推荐7-9之间3. 提示词进阶如何精准描述李慕婉3.1 角色特征关键词要让生成的图片更符合原著中的李慕婉形象必须包含以下核心关键词必选关键词Li Mu Wan角色名Xian Ni作品名long black hair黑色长发azure robe青色道袍cold and aloof expression清冷表情可选增强词pale skin白皙皮肤slender figure纤细身材elegant posture优雅姿态mystical aura神秘气息3.2 场景与氛围描述不同的场景描述会产生截然不同的效果云海仙境standing on floating island, misty clouds, soft glow, ethereal lighting竹林修行in bamboo forest, holding ancient scroll, cultivation atmosphere, dappled sunlight月下独酌under moonlight, holding wine cup, melancholic mood, starry sky background3.3 负面提示词的重要性负面提示词能有效避免常见问题建议始终包含以下内容deformed, mutated, disfigured, poorly drawn face, extra limbs, extra fingers, bad anatomy, bad hands, missing fingers, fused fingers, text, error, cropped, worst quality, low quality, jpeg artifacts, signature, watermark, username, blurry4. 参数优化调出完美效果的秘诀4.1 分辨率与长宽比不同用途推荐不同的尺寸设置用途推荐尺寸特点手机壁纸768x1024竖版突出人物全身电脑桌面1024x768横版适合添加背景头像896x896方版便于裁剪插画1024x1024平衡细节与稳定性4.2 采样器选择模型支持多种采样器推荐使用DPM 2M Karras平衡速度与质量Euler a适合快速生成草图DPM SDE Karras最高质量但较慢4.3 风格控制参数两个关键风格参数Character Fidelity0.7-1.0越高越贴近原著Artistic Freedom0.3-0.6适度放开创意空间推荐组合严谨同人Fidelity0.95 Freedom0.3创意改编Fidelity0.8 Freedom0.55. 高级技巧让李慕婉活灵活现5.1 局部重绘修正细节当生成图片大部分满意但有小瑕疵时可以使用局部重绘功能在Gradio界面切换到Inpaint标签页上传需要修改的图片用画笔圈出要修改的区域输入针对该区域的提示词点击生成仅修改选定区域5.2 多图对比选择最佳使用Batch count参数一次生成多张图片推荐2-4张然后选择最满意的一张。这比重试多次更高效。5.3 随机种子控制找到满意的图片后记录其Seed值可以生成风格一致的系列图片。微调提示词或参数时保持种子不变可以观察单一变量的影响。6. 常见问题与解决方案6.1 图片质量不稳定怎么办可能原因提示词过于简略采样步数过低分辨率设置不合理解决方案增加具体描述词将采样步数提高到25-30使用推荐分辨率确保包含负面提示词6.2 生成的人物不像李慕婉可能原因缺少核心角色关键词风格参数设置不当解决方案确保提示词包含Li Mu Wan和Xian Ni提高Character Fidelity值添加更多角色特征描述6.3 显存不足报错解决方法降低分辨率如768x768关闭其他占用显存的程序减少Batch count值使用--medvram参数启动如有7. 总结从新手到高手的进阶路径通过本教程你已经掌握了从基础部署到高级调参的全部技巧。以下是快速提升的三个阶段建议初级阶段熟悉基础提示词和参数生成清晰的单人像中级阶段尝试复杂场景和动作控制光影和氛围高级阶段使用局部重绘和种子控制创作系列作品记住好的AI绘图作品精准的描述合理的参数耐心的调整。每次生成后分析优缺点逐步优化你的提示词库。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。