ai绘画攻克四道难关实录：手指、文字、一致性和构图挨个拆
开门见山：ai绘画攻克不了的是「一次出图全对」，能攻克的是把废片率从九成压到三成。我花半年把手指、文字、角色一致性、复杂构图四个难关各做了一轮实验，参数和失败记录都在下面，照抄能省你至少一百次重跑。
ai绘画攻克这个说法是朋友先用的。他在杭州做独立游戏，2025年12月找我帮忙给游戏出立绘，我说行，但我先把丑话讲完：AI绘画要过硬骨头，硬骨头得一个一个啃。我是写小程序外包的程序员，画技停留在火柴人，设备是台拯救者R9000P，RTX 4060的笔记本，本地跑SD WebUI，这套配置到2026年10月也没换。
半年里我给他的项目交了六批图，废片率从第一批的九成掉到最近一批的三成左右。这个过程没法一篇文章讲完，但四个难关各自的打法可以。先看总账。
攻关总账：四道难关的废片率变化
手指、图内文字、角色一致性、复杂构图是公认的四道难关，解法各不相同，分别对应局部重绘、外挂排版、LoRA锁定和分区块控制。先看半年实验的总账表。
| 难关 | 典型症状 | 我的解法 | 废片率变化 |
|---|---|---|---|
| 手指 | 六指、扭曲、握不住东西 | ControlNet深度图加局部重绘 | 约六成降到一成五 |
| 图内文字 | 字母乱码、笔画粘连 | 出图留白加后期排版 | 不再指望AI直接写 |
| 角色一致性 | 换个场景换张脸 | 训练角色LoRA | 约五成降到两成 |
| 复杂构图 | 多人多物挤成一团 | 分区出图后期合成 | 约八成降到四成 |
这张表是2026年3月到8月六批图的累计数据，每批五十到八十张不等。数字不精确到个位，但趋势没问题。下面按攻关顺序一个个说。
手指和图内文字：两个物理外挂的胜利
手指崩用「控制网深度图加局部重绘」组合救，图内文字别硬写，出图时留出空白位置后期加字，两条路线都比调提示词管用。
手的问题我试过三条路。纯改提示词，加「五根手指，解剖正确」，效果随机，2026年3月那批图里这条几乎不起作用。换手部修复模型（adetailer类），能救但救完的手常像戴着硅胶手套。最后稳定下来的是组合拳：先用ControlNet的深度图把手的姿态锁死，出图后手还是崩就框选局部重绘，重绘幅度0.35，蒙版边缘羽化开到最大。这套下来大概三到五次能救回一只手。
说实话，救手这事的性价比我算过账。一张图救手十分钟，一小时能出六张成品，比我学手绘快多了——这账歪但真实。
文字是更干脆的答案：不救了。我试过让模型直接写「OPEN」两个字，2026年4月的模型十次里能对三次，中文「欢迎光临」基本全军覆没。后来我想通了，菜单做成印刷品本来就该后期排版。现在出图时我在提示词里写「木牌上有一块空白区域」，回来用PS打字，字体想用啥用啥，客户改名也不用重新出图。这个思路的转变比任何参数都值钱。
一致性：锁住一张脸的三层办法
角色一致性按成本从低到高分三层：参考图出图、固定种子微调、训练角色LoRA，游戏立绘这种要长期出图的活，直接上第三层最省时间。
第一层是参考图。SD WebUI里垫一张角色图控制生成，快是快，脸会漂，隔几张就换个人。第二层锁种子，固定seed值之后只改场景词，同一张脸能维持十张左右，但姿势一变脸又散了。这两层适合玩票，交不了项目。
2026年5月我下了狠心训了主角的LoRA。素材是前期生成的六十多张合格立绘，训练四千步，跑在4060笔记本上大概两小时十分钟。训完出来的效果一句话：那个角色从此「住」进了模型里，姿势随便换，脸不丢。朋友项目里所有主角图都从这批出，他自己后来也照着训了配角，一个角色两小时，比外包画师画一张立绘还快。
复杂构图这关我至今没完全攻克，最实在的办法是怂：单人多主体拆开画，PS合成。2026年7月有一张「酒馆里六个角色」的单子，我拆成六张单人图各出了七八次，合成加修光花了一个晚上。不体面，但交付了。
六批图交完，朋友的独立游戏进了发行Demo阶段，立绘全部AI参与产出，他省下的预算够再雇一个音效师。回看这半年，我攻克的其实不是某张图，是「哪些该跟AI较劲、哪些该绕开」的判断，这笔账比参数值钱。
常见问题
没有显卡的笔记本也能跑这套攻关流程吗？
4060级别的笔记本显卡跑SD WebUI加ControlNet是够用的，单张出图十秒上下，训练LoRA两小时出头。显卡更弱的机器建议出图走云平台，本地只做修修补补的活。
ControlNet深度图去哪找控制素材？
三个来源：自己用Pose软件摆姿势导出、网上找姿势照片提取深度图、或者直接用草稿图。我常从免费姿势库下深度图，改起来比写提示词直观得多。
角色LoRA训练素材不够怎么办？
先用第二层办法（固定种子）批量出几十张合格的图，挑清楚的当训练素材。我的主角LoRA六十多张素材里，真正撑训练的三十多张，剩下的凑数。素材图记得打标，乱标训出来会串脸。
图内文字AI以后会不会直接解决？
2026年的模型对短英文单词已经能对上三五成，中文还很差。我的判断是设计类交付长期保持「AI出图加后期排版」更稳，文字可改、字体可控，这比模型会不会写字更重要。