ai绘画控制怎么练？从权重到分区的五级控制阶梯

ai绘画控制这件事，我的结论很直接：不靠玄学，靠阶梯。词加权重、负面词、mask重绘、垫图、分区，五级台阶一路排上去。

我经历了三个阶段。去年十一月刚上手那会儿，纯抽卡，出什么用什么，十张里能有两张凑合就算烧高香——这是被AI牵着走的阶段。十二月到今年二月，学会了怼权重和负面词，开始跟AI吵架，指定想要的它得给。三月之后换成我出题它答卷，接到需求先想该用哪一级控制手段，再决定写不写图。

第三阶段多出来的那点本事，就是这篇要讲的东西。不聊具体按键在哪（那是另一篇的事），聊控制的策略：什么时候该用哪一级，每一级的真实成本是什么，哪一级有依赖陷阱。

权重和负面词：最便宜的两级台阶

权重语法管元素主次，负面词管杂色杂质，这两级控制几乎不加任何成本，实测词后权重1.1到1.3是甜点区，拉到1.5以上画面必崩。先把这两级练熟再谈别的。

权重的意思很简单：一句话里有五个元素，AI平分注意力，你想让其中一个占大头，就在它后面加个数字。写法看工具：Stable Diffusion WebUI里是(red dress:1.25)，有的界面直接写红裙1.25，Midjourney是词后加::1.25。格式记不住没关系，先记住数字范围。

这个范围我自己拿人物图试出过经验：1.1到1.3是甜点区，主体能顶出来，画面不受伤。1.5往上，脸开始糊，手指打结，背景莫名其妙裂开色块——AI被你摁得太狠，直接摆烂。我有阵子不知道这个规律，嫌画面主体不够突出，权重怼到2.0，出来的图像隔着一层毛玻璃看人。教训是一格一格加，0.05一档。

负面词是反向控制：告诉AI别画什么。很多人嫌麻烦不挂，结果每三张里一张多手指、一张水印、一张脸歪。我的做法是每张图都挂同一套，写好一次用半年。这就是我那段通用负面词模板，20条：

lowres、blurry、jpeg artifacts、worst quality、bad anatomy、deformed、bad hands、extra fingers、fused fingers、extra limbs、bad face、asymmetrical eyes、watermark、text、logo、signature、username、out of frame、color banding、oversaturated。

前五条管画质，中间七条管肢体和脸，再五条管水印文字杂标，最后三条管色彩溢出。顺序不用背，整段抄就行。真要说哪里容易翻：负面词不是越长越好，我对比试过20条和40条，40条那组反而出问题——禁令太多，AI把正常氛围词也一起禁了，画面发干。20条上下刚好。

局部重绘：mask边缘不羽化，等于自己给自己挖坑

mask重绘只修不满意的那一块，边缘羽化8到20像素是成败线，硬边重绘几乎必留一圈色差痕迹，重绘幅度0.3到0.45修细节最稳。这个坑我拿发型试错过。

全图重抽一次的成本很高的——尤其是那张九成都不错、只差刘海的图。这时候该上mask：把不满意的地方框出来，只重画那块。

我第一次用就翻车了。改一个刘海，框得方方正正，羽化没开。重绘完单看那一块挺好，拼回原图，接缝处一圈浅色环，像贴了块创可贴。查了半天才知道是mask边缘的问题：羽化开到15像素左右，重绘区和原图之间的过渡就不见了。之后这成了肌肉记忆——羽化8像素起步，脸这种敏感区域给到20。

幅度参数也值一提。0.3到0.45适合修细节，AI对原区域的记忆还在，改动听话；0.5到0.65算大改；超过0.7基本等于重画，风格会和原图脱节。我修手、修领口、修背景杂物，都停在0.35到0.42这个段位。框也别贪大，问题区域外扩两三成就够了，框越大失控面越大。

垫图又快又稳，我为什么反过来戒掉了它？

垫图对构图、画风、神态的控制力最强，代价是写词能力退化：垫图三个月后我离了参考图就不会写词了，戒断法是每周强制三天纯文字出图。这级台阶有依赖陷阱。

垫图（拿一张参考图丢给AI，让它照着出）确实是最强的一级控制。构图、色调、人物姿态，一张图全锁死，效率没得挑。

但连着垫了三个月，有一天我拿一个新需求，脑子里的第一反应是"先找张图垫上"，而不是"先写词"。翻旧文件才发现，纯文字出的图已经两个月没涨过质量了——不用垫图的时候，我根本写不出能打的prompt。参考图替我思考，词被我越写越懒。

我的戒断法分两步。第一步，周一、三、五强制纯文字出图，垫图只留周二、四，把配比从十成垫图压到三成。第二步，每张垫图出完，遮住结果，只看自己写的词，问一句：光看这些词，我能想象出这张图吗？想象不出来，说明词在偷懒，回去补。练了六周，现在纯词出图能到七成满意，垫图反而成了救急手段——只在对构图有硬性要求的时候才请出来。

区域分割和成本账：控制的终点是花小钱办大事

分区词定版式，比如左人物右场景；五级手段按成本排，能用词解决不垫图，能垫图不mask，每升一级多花时间也多一层失控面。倒着用就是白花钱。

最后一级是区域控制：一句话里管住"什么在哪"。典型需求是左人物右场景——人物占画面左侧，右侧留给环境。支持区域提示的工具（比如装了regional prompter的SD）可以直接分区下词；没有这功能的，就用构图词顶上：「人物位于画面左侧三分之一处，右侧留白展现远山与天空」。实测构图词的命中率六成上下，比纯赌强，但到不了分区工具那种九成稳。

五级手段摆在面前，怎么挑？我给自己定了一笔成本账：

一句话背下来：能用词解决的不垫图，能垫图解决的不重绘。很多人反着来——图不对就先找参考图，细节崩了就全图重抽，每一级都用最贵的手段，出一张图费一小时，还把自己练成了操作工。我现在的固定流程：先把权重和负面词拧到位，看结果；版式有要求就加构图词或分区；还差一口气，才请垫图或mask出来救场。从写词到定稿，普通任务控制在十五分钟内。

话说回来，这套账也有例外。做系列图、做角色一致性，垫图就是必选项，成本再高也得认——控制等级的选择永远是看任务，不是看原则。这是用钱的逻辑，我在上一篇精准控制工具盘点里也提过。

三个阶段的经历讲完了。现在我桌面还留着去年十一月那张抽了四十多次才勉强及格的图，用它提醒自己：失控不是AI的问题，是我还没学会递台阶。五级控制从弱到强排在这儿了，从最便宜的两级开始练，两周后你回头看出图记录，曲线会告诉你答案。

常见问题

权重数字加在哪些词上最划算？

人物主体、关键材质、构图方向这三类。像「高清」「杰作」这种万金油词不值得加权，AI本来就默认当它们存在，加了纯浪费额度。优先给真正决定成败的词，比如服装的核心色、画面的核心构图。

负面词模板能直接全部照抄吗？

能，但抄完留一句观察空间。我这套20条偏通用，个别风格会被误伤——比如你要画做旧胶片感，「jpeg artifacts」得临时摘掉，不然AI会把颗粒感也当瑕疵禁掉。模板是底座，按需增删一两条。

局部重绘总把衔接处修花，怎么救？

查两件事：羽化开了没，幅度是不是超了0.45。框要框在问题区域外扩两三成的位置，别贴边框。脸这类精细区域，羽化给到20像素，基本就没有接缝了。

写词能力和垫图可以兼得吗？

可以，重点是配比。垫图出图照写完整prompt，别因为「反正有图」就把词写个半截；再按我那个遮图自测法定期检查。垫图当杠杆用，别当拐杖。

这套阶梯对写实风和二次元风都适用吗？

通用。差别在参数细节：二次元对手部容错高，负面词里肢体类可以精简；写实风对皮肤材质敏感，mask重绘幅度要压得更低，我写实那张一般停在0.35以下，不然补丁感很明显。

延伸阅读

想把上面每一级工具的具体参数再抠细一层，看这篇工具盘点：AI绘画精准控制：主流控制手段与工具盘点。

图控住了，画质还不够看，下一步交给优化：AI绘画画质优化实操：放大、修复与参数微调。