我接了個(gè)活，為一家童書電商公司生產(chǎn)教輔插圖。本文記錄了我如何分析可行性，如何做前期準(zhǔn)備，如何干完第一單，如何決定金盆洗手的整個(gè)過程。

其中也會(huì)穿插大量 AI 技巧和技術(shù)實(shí)踐，講原理和思路為主，具體操作不會(huì)寫得那么詳細(xì)。別慌，如果你對(duì)那些神秘的 AI 術(shù)語不感興趣，我保證你也能看懂。我會(huì)把技術(shù)細(xì)節(jié)放在特定模塊里，故事部分盡量避免術(shù)語。你可以直接快進(jìn)跳過，不影響你看故事。

鑒于為客戶保密的義務(wù)，我無法直接展示成品，但可以用變通的方法讓你看到類似的效果。所以你在本文中看到的圖片，全部都是我事后生成。

現(xiàn)在項(xiàng)目已經(jīng)完結(jié)，在故事開始前，先分享一個(gè)結(jié)論：AI 不能讓普通人代替插畫師，但是能讓掌握 Photoshop 的人代替插畫師。

更多AI實(shí)戰(zhàn)方法：

一、機(jī)會(huì)

2025 年 4 月，朋友給我推薦了個(gè)活，AI 生成兒童插畫。量非常大，一個(gè)月能有一萬張左右。按朋友給的報(bào)價(jià)，只要我產(chǎn)能足夠，哪怕只是接下其中 2000 張，利潤(rùn)也會(huì)非?？捎^。

打動(dòng)我的關(guān)鍵點(diǎn)是：量大。

因?yàn)槲易畲蟮谋臼?，是擅長(zhǎng)從亂麻般的復(fù)雜流程中理出頭緒，并做成自動(dòng)化流水線。所有環(huán)節(jié)各個(gè)擊破，用 Python、提示詞工程、Excel、多維表等技術(shù)和工具串起來，實(shí)現(xiàn)以一敵十的效果。

這個(gè)本事簡(jiǎn)單說就是：工業(yè)化。

當(dāng)然，AI 生圖我本身也有豐富經(jīng)驗(yàn)，是能接這個(gè)活的前提。

從賺錢角度來說，這似乎是個(gè)不錯(cuò)的生意。雖然現(xiàn)在 AI 生圖工具遍地是，人人都能生成像模像樣的兒童插畫，但生成一兩張和上萬張可完全是兩碼事。上萬張手動(dòng)生成，耗費(fèi)的精力并不亞于一份全職工作。

我的算盤是，把生成插圖的一整套流程都自動(dòng)化，耗費(fèi)極少時(shí)間，掛機(jī)大批量出圖。我的主要精力只用來挑選圖片，以及與客戶溝通。對(duì)，因?yàn)?AI 生成的圖總免不了有問題，要碰運(yùn)氣（行話叫抽卡），所以我會(huì)讓程序?yàn)槊糠瀹嬌啥鄰垐D片，我來從中挑選。如果一張可用的都沒有，就標(biāo)記一下，進(jìn)入重試流程，再來一輪，直到找到可用的。

至于細(xì)節(jié)的修改，比如人物多個(gè)手指、少個(gè)手指，雖然我用 AI 工具和 PS 也能修，但親自動(dòng)手產(chǎn)量上不去。我只想賺自動(dòng)化的錢，手工活的錢我打算二次外包給插畫師賺。我朋友正好有這方面門路，能幫我找到插畫師。初步談下來，插畫師有合作意向，我給的價(jià)格也在對(duì)方接受范圍內(nèi)。

接單的要素集齊。這樣一來，我就有了一根高效的杠桿，用自己極少的時(shí)間，產(chǎn)生超越自己時(shí)薪的利潤(rùn)。那幾天心情愉快，在廚房洗奶瓶時(shí)都會(huì)不自覺唱幾句。

1. 技術(shù)分享

技術(shù)部分開始。

① 選擇模型

在這個(gè)時(shí)間點(diǎn)，AI 生圖的現(xiàn)狀是：最頂流的模型，國(guó)外的是 gpt 4o，國(guó)內(nèi)的是即夢(mèng)（豆包）。開源模型方面，效果最好且生態(tài)完善的是 Flux dev。

由于出圖量大，不能只看效果，還得顧及成本。gpt 4o 成本過高，即夢(mèng)沒有官方 API?？蛻魧?duì)圖片的風(fēng)格又有明確要求（真的非常具體），可行的方案只能是開源模型。

在開源模型中，SDXL 和 Flux dev 是兩個(gè)主流方案。SDXL 便宜且快速，但我知道它的局限。童書插圖有大量多人出現(xiàn)的場(chǎng)景，當(dāng)一個(gè)穿著藍(lán)色條紋短袖 T 恤的小男孩，和穿著卡其色開衫的媽媽同時(shí)出現(xiàn)在畫面中，SDXL 經(jīng)常會(huì)把兩人衣服都畫成藍(lán)色或卡其色，廢稿率奇高。用 Flux dev 就要穩(wěn)定得多。

拿我在其他項(xiàng)目中的對(duì)比結(jié)果舉例。上圖是 Flux dev 畫的，完美地遵循了我對(duì)人物外貌的要求：女主青綠色衣服、銀灰色長(zhǎng)發(fā)；男主紅色衣服，紅色頭發(fā)。甚至人物的眼珠顏色都遵照了指令。

然后 SDXL 生成的就是這么個(gè)玩意，一團(tuán)混亂。

這是兩者的 CLIP 模型能力差異所導(dǎo)致。CLIP 模型是理解和處理圖文對(duì)應(yīng)關(guān)系的模型。擴(kuò)散模型不懂人話，CLIP 懂。CLIP 把你輸入的提示詞轉(zhuǎn)化成擴(kuò)散模型能理解的“語言”，相當(dāng)于是個(gè)翻譯。如果翻譯自身語言水平差，當(dāng)然容易雞同鴨講。

于是 Flux dev 成了唯一的選擇。

② 選擇模型調(diào)用方式

另一方面，生圖過程如果想要自動(dòng)化，必須通過程序來調(diào)用。

目前 Flux 生圖有 3 種方式：WebUI、ComfyUI、直接編程調(diào)用。我最熟悉的是 ComfyUI，它提供 API，可以把一整個(gè)工作流傳進(jìn)去。只要模型和其他資源都準(zhǔn)備到位，這邊程序輸入一個(gè)工作流，運(yùn)行完那邊輸出一張圖片。把這個(gè)過程封裝成工具函數(shù)，放在一個(gè)更大的程序中循環(huán)調(diào)用，就可以實(shí)現(xiàn)大批圖片的連續(xù)生成。

③ 選擇運(yùn)行環(huán)境

還有個(gè)問題是，AI 生圖耗費(fèi)大量運(yùn)算資源，這些運(yùn)算資源從哪來？我的個(gè)人電腦是一臺(tái) 7000 多的 i7 處理器 Windows 筆記本，顯卡很爛，運(yùn)行 SDXL 都要 10 分鐘一張圖，顯然指望不上了。換電腦是個(gè)法子，但考慮到合作還沒穩(wěn)定開展，且要根據(jù)需求量靈活擴(kuò)展運(yùn)算資源，云端機(jī)器是更合適的方案。

最硬核的辦法是去云服務(wù)商買機(jī)器、買存儲(chǔ)，不過我這種半吊子開發(fā)者折騰起來也夠嗆。最終鎖定了兩個(gè)更簡(jiǎn)單友好的平臺(tái)：Replicate 和 Runcomfy，只需要對(duì)接 API，不用費(fèi)勁折騰機(jī)器配置。

Replicate 上提供 Flex dev Lora 模型。輸入提示詞和一些參數(shù)，運(yùn)行完，一張圖就出現(xiàn)在我電腦上，非常簡(jiǎn)單。其中 Lora 模型我需要自己訓(xùn)練，然后放到 Huggingface 或 Civitai 上，通過鏈接來調(diào)用。這個(gè)模型是按張計(jì)費(fèi)的，一張圖人民幣 2 毛左右。

但是 Replicate 有一點(diǎn)滿足不了我。它無法使用任意自定義節(jié)點(diǎn)，畢竟這個(gè)平臺(tái)提供的不只是生圖模型，文本、語音……什么模型都有，它不會(huì)專為ComfyUI提供這么細(xì)致的支持。而我打算使用的圖像放大技術(shù)，需要用到一個(gè)叫TTP_Image_Tile_Batch的節(jié)點(diǎn)，Replicate并不支持。

Runcomfy 則更加專注于 ComfyUI。它有云端機(jī)器，而且?guī)в写鎯?chǔ)，意味著我可以把要用的模型、自定義節(jié)點(diǎn)傳上去，這個(gè)平臺(tái)理論上可以運(yùn)行任意生圖模型和自定義節(jié)點(diǎn)。Runcomfy 按機(jī)器運(yùn)行時(shí)間計(jì)費(fèi)，精確到分鐘。每次要生圖，無論是打開在線 ComfyUI 界面手動(dòng)操作，還是通過 API，都要先啟動(dòng)一臺(tái)機(jī)器。從機(jī)器啟動(dòng)成功那一刻開始計(jì)費(fèi)，用完關(guān)掉機(jī)器停止計(jì)費(fèi)。

關(guān)鍵是，算下來它一張圖還比 Replicate 便宜！

技術(shù)部分結(jié)束。

二、準(zhǔn)備

正式接單前，經(jīng)過了兩輪試稿。

1. 試稿磨合，客戶認(rèn)可

第一輪試稿，根據(jù)客戶給出的風(fēng)格參考圖，分別用水彩和扁平兩種風(fēng)格畫出：公園里，男孩伸手想要摘花，媽媽連忙勸阻。

最終客戶滿意的效果類似這樣，左水彩，右扁平。肢體問題請(qǐng)忽略（這是我事后生成），主要看風(fēng)格：

挑戰(zhàn) 1：滿足風(fēng)格要求

剛開始我偷了點(diǎn)懶，認(rèn)為客戶對(duì)風(fēng)格的要求沒有那么高，沒有專門訓(xùn)練風(fēng)格模型，而是去 AI 社區(qū)找別人的模型來用。生成了幾次，客戶對(duì)水彩風(fēng)格勉強(qiáng)接受，但認(rèn)為扁平風(fēng)格和他們的參考圖差異太大。

別人模型的生成結(jié)果。

客戶公司自己就有一大批插畫師，有相當(dāng)數(shù)量的插圖是他們的插畫師純手工繪制的。于是乎，他們盯風(fēng)格那叫一個(gè)細(xì)，甚至對(duì)于人物眼睛大小和畫法、水彩勾線的筆觸質(zhì)感、扁平色塊上微妙的鉛筆紋理，都有要求。

這下沒懶可偷了，只能用最精確的方式：自己訓(xùn)練模型。這事聽起來嚇人，但 AI 發(fā)展這么久了，借助現(xiàn)成的工具其實(shí)挺簡(jiǎn)單的。而且整個(gè)訓(xùn)練過程也不貴，只花了我不到 100。

客戶每種風(fēng)格都提供了幾十張參考圖，足夠訓(xùn)練了。模型訓(xùn)練出來后，除極個(gè)別風(fēng)格細(xì)節(jié)沒還原出來，其它方面簡(jiǎn)直以假亂真。恰好，缺失的風(fēng)格細(xì)節(jié)，我也有辦法用 PS 來實(shí)現(xiàn)，而且也能自動(dòng)化。這下風(fēng)格沒有問題了，客戶也認(rèn)為非常好。

挑戰(zhàn) 2：準(zhǔn)確表現(xiàn)人物互動(dòng)

另一個(gè)問題是 AI 對(duì)圖片內(nèi)容的理解。它雖能畫出公園，畫出小花，畫出男孩和媽媽，但人物的行為總是差點(diǎn)意思。比如男孩摘花視線卻不看花，男孩蹲下左手竟然放在右邊膝蓋上，媽媽伸手不像阻止卻像接受男孩獻(xiàn)花。

這個(gè)畫得像媽媽扶男孩起來，男孩眼睛也不知道在看哪里。

這諸多問題的根源是，AI 能理解你要它畫的事物，但不理解事物之間的關(guān)系。因?yàn)樗⒉徽娴南袢祟愡@樣先理解物理世界再學(xué)畫畫，它像是個(gè)一輩子被關(guān)在地窖里的圈養(yǎng)畫師，看了無數(shù)別人的畫，然后開始邯鄲學(xué)步畫世間萬物。

為此，我專門優(yōu)化了我的生圖系統(tǒng)。我在讓 deepseek 生成畫圖提示詞的時(shí)候，要求它把人物的動(dòng)作神態(tài)描述得極其細(xì)致，細(xì)到人物站在畫面的什么位置，多少度朝向哪個(gè)方向，視線看著哪里，左手在干什么，右手在干什么，等等。

這樣確實(shí)有大幅改善，但無法完全杜絕此類問題。AI 本身能力也就到這了，如果抽卡無法解決，只能后期手動(dòng)修復(fù)。

挑戰(zhàn) 3：解決手部畸形

還有個(gè)普遍問題：畸形的手，這是 AI 生圖老大難。手應(yīng)該是人類變化最豐富的肢體了，畢竟人類通過物理接觸來與周圍環(huán)境互動(dòng)，無論什么形狀的物體，都優(yōu)先通過手來操作。目前的 AI 哪怕是閱圖無數(shù)，能把人臉畫得惟妙惟肖，也還是領(lǐng)會(huì)不了人手的全部變化。

還是那個(gè)原因，繪圖 AI 是不理解物理世界的。不像人類美術(shù)生要從人體結(jié)構(gòu)學(xué)起，AI 學(xué)畫畫一上來就是一遍又一遍地刷像素點(diǎn)，連手指數(shù)量都畫不對(duì)。

而且，客戶這道試稿題本身畫手難度也高。首先是手的尺寸小，畫面里兩個(gè)人物，還都是全身像，那手有多小就可想而知了。AI 的注意力沒多少能分配在手上，效果可想而知。

另外由于小男孩要摘花，這就得畫出手與花的互動(dòng)，人手摘花主要發(fā)力的是拇指和食指。但不懂人體結(jié)構(gòu)的 AI 能畫對(duì)嗎？反正我是看到好幾張握紅酒杯的手勢(shì)，把花莖夾在食指與中指之間。

同時(shí)，媽媽的手還得阻止，要加上手與手之間的互動(dòng)。媽媽的手按在小男孩的手上，這種情況是最難的，兩只手手指重疊的情況，AI 往往畫成一團(tuán)糊。但也有取巧的辦法，讓媽媽的手按在男孩小臂上，或者抬起手來搖食指，同樣符合要表達(dá)的含義。

以上 3 個(gè)問題，風(fēng)格問題已經(jīng)穩(wěn)定解決，而人物互動(dòng)和手部問題則可以以量取勝，通過試稿并不難。至于第二輪試稿，雖然插圖數(shù)量加到了 5 張，但主體都是單個(gè)的動(dòng)物或人物，輕松通過。

技術(shù)分享

技術(shù)部分開始。

① 訓(xùn)練模型

為準(zhǔn)確還原客戶想要的兩種風(fēng)格：水彩與扁平，自己訓(xùn)練模型不可避免。Lora 模型非常擅長(zhǎng)解決這個(gè)問題。

說實(shí)話，玩 SD 和 ComfyUI 這么久，訓(xùn)練 Lora 這事我竟然還是第一次干。之前沒有專門嘗試，因?yàn)槲掖_定訓(xùn)練模型會(huì)越來越簡(jiǎn)單，真有需要再臨時(shí)學(xué)。這不，現(xiàn)在只要在 Liblib 的圖形界面里點(diǎn)點(diǎn)鼠標(biāo)就可以完成了。

不過，訓(xùn)練過程還是有些設(shè)置項(xiàng)要考慮。如何裁剪圖片，給訓(xùn)練圖打什么標(biāo)，訓(xùn)練多少輪，這些還是得好好琢磨。

讀了一篇 別人的 LoRA 訓(xùn)練經(jīng)驗(yàn)，解答了全部疑問：

1. 訓(xùn)練圖最好是方形圖。我沒有用 Liblib 的圖像裁剪功能，而是自己寫程序把圖都裁剪成了方形。這樣能把一些裁剪效果不好（比如人只剩半張臉、主體不完整）的圖剔除掉，以保證模型訓(xùn)練質(zhì)量。
2. 風(fēng)格類 Lora，模型特征無差別應(yīng)用在整個(gè)畫面所有元素上，完全不打標(biāo)是個(gè)不錯(cuò)的選擇。這樣訓(xùn)練出來的 Lora，使用時(shí)不需要觸發(fā)詞，只要掛上 Lora，風(fēng)格就出來了。
3. 關(guān)注 LOSS 函數(shù)的變化趨勢(shì)，訓(xùn)練輪次增加，LOSS 逐漸減少。但到達(dá)一定輪次，曲線趨于平緩，LOSS 幾乎不再下降。如果不確定這是局部最小值還是全局最小值，看看模型的樣例圖也大概能判斷。其實(shí)對(duì)于細(xì)節(jié)較少的非寫實(shí)類圖片，有 8-10 輪訓(xùn)練，效果就很理想了。

② 自動(dòng)出圖工作流

把訓(xùn)練好的 Lora 傳到 Runcomfy 的存儲(chǔ)里，資源就緒。搭建一個(gè)最基礎(chǔ)的 Flux 文生圖工作流，再掛上兩個(gè) Lora，一個(gè)手部細(xì)節(jié)優(yōu)化 Lora，一個(gè)自己訓(xùn)練的風(fēng)格 Lora。

這樣就準(zhǔn)備好了兩套生圖工作流，一套水彩風(fēng)格，一套扁平風(fēng)格。分別導(dǎo)出 API 格式文件，留待程序調(diào)用。

另一個(gè)核心工作流是高清放大。本質(zhì)是基礎(chǔ)的 Flux 圖生圖工作流，但有這幾個(gè)區(qū)別：

1. 降噪值設(shè)為 0.15，能保證圖片高清放大時(shí)忠實(shí)于原圖內(nèi)容。
2. 掛了一個(gè) 4 步生圖 Lora，它能讓 Flux dev 生成圖片時(shí)只需要 4 步（通常要 20 步），但質(zhì)量降低，把 Flux dev 當(dāng) Flux schnell 用，以大幅減少生圖時(shí)間。也不知道作者哪來的奇思妙想。這種用法很適合圖像放大的場(chǎng)合，質(zhì)量降低的影響很小，肉眼看不出來。
3. 采樣節(jié)點(diǎn)前后都接了 TTP_Image_Tile_Batch 節(jié)點(diǎn)。它的作用是把原圖分割成許多小塊，生成的時(shí)候，F(xiàn)lux 每次只專注畫一個(gè)小塊里的內(nèi)容。由于注意力集中了，可以畫得更細(xì)致，細(xì)節(jié)更加準(zhǔn)確和豐富。最后，怎么分割的就再怎么拼回來，以此達(dá)到高清放大的目的。

特別講講降噪值這個(gè)概念，想要 ComfyUI 玩得溜，這個(gè)概念必須深刻理解。我一直把它理解成在一堵漢白玉石墻上雕刻浮雕。比如說這墻有 1 米厚，降噪值為 1（最大值），就意味著你可以隨心所欲地雕。整堵墻鑿?fù)ǎ缓笳磧擅骈_工雕出個(gè)大衛(wèi)像都沒問題。降噪值如果為 0.15，也就是你只能動(dòng)表面 15%的厚度，里面的不能動(dòng)，這樣最終只能是淺淺的浮雕。

在文生圖的情況下，這堵墻原本就是一塊平板，沒有任何圖案。降噪值越大，AI 發(fā)揮的余地越大，一般都會(huì)開滿。

但在圖生圖情況下，這墻上原本就雕有圖像。如果你想一定程度保留原圖的特征，降噪值反而不能開太大。一面九龍壁，你把降噪值開低一點(diǎn)，AI 只能動(dòng)動(dòng)表面，它就會(huì)把心思花在龍鱗龍須這些細(xì)節(jié)上，不至于把整條龍改成了迎客松。

③ 手動(dòng)修補(bǔ)工作流

經(jīng)過測(cè)試，Lora 模型和生圖、放大工作流可以穩(wěn)定輸出了。但為了應(yīng)對(duì)各種可以預(yù)見的特殊修改，還是應(yīng)該把手動(dòng)修補(bǔ)的工具也準(zhǔn)備好。雖然我打算丟給插畫師，但得有 Plan B，如果插畫師實(shí)在忙不過來，我自己還能臨時(shí)頂一下。

手動(dòng)修補(bǔ)工作流有這幾個(gè)：文生圖局部重繪、圖生圖局部重繪、轉(zhuǎn)繪。

文生圖局部重繪，用的是 Flux dev fill 模型，這個(gè)模型是專門用來局部重繪和擴(kuò)圖的。工作流其他方面和基礎(chǔ)文生圖一樣，只是還掛了我訓(xùn)練的風(fēng)格 Lora。當(dāng)需要給人物加一頂帽子、換雙鞋子，改改貓尾巴的形狀，就用這個(gè)工作流。

圖生圖局部重繪，用 Flux dev fill 結(jié)合 Flux redux 模型。要放入圖中的物體，經(jīng)過 Flux redux 的處理，能以合理的方式、相同的風(fēng)格融入畫面中，同時(shí)最大限度保持物體特征。Redux 無視文字提示詞，圖片是唯一的輸入信息。這個(gè)技巧最常用來給電商模特?fù)Q衣服。

轉(zhuǎn)繪，則是 Flux dev 基礎(chǔ)模型和 Flux redux 的結(jié)合，給一張圖片生成一個(gè)整體看上去差不多、但沒有任何一處細(xì)節(jié)相同的仿制品。再掛上我的風(fēng)格 Lora，就能把照片轉(zhuǎn)繪成扁平或水彩插畫，同時(shí)原圖特征都盡量保持住。這是關(guān)鍵的自媒體洗稿技巧，把網(wǎng)圖一轉(zhuǎn)繪，既相似又避免盜圖處罰，別人的圖搖身一變，成了自己的原創(chuàng)內(nèi)容。

剛才提到的各種模塊，都可以在我的 Flux 萬能工作流 里找到。

之后所有的手動(dòng)修改，除了 PS 和偶爾使用的豆包，都是這 3 個(gè)工作流交替使用搞定的。配合不同的降噪值使用，又能產(chǎn)生更多用法變化，解決不同的問題。

技術(shù)部分結(jié)束。

2. 搭建自動(dòng)化生圖系統(tǒng)

試稿的插畫我是手動(dòng)生成的，現(xiàn)階段還在調(diào)試技術(shù)細(xì)節(jié)。同時(shí)，我也在一邊搭建我的自動(dòng)化出圖系統(tǒng)。

兩輪試稿通過后，客戶已經(jīng)打算給我派活了。但我的系統(tǒng)還沒搭建完成，手動(dòng)生成太耗時(shí)，所以這個(gè)單子我暫時(shí)推掉了，說等我系統(tǒng)完成開始接單。

系統(tǒng)搭建完成，我用第二輪試稿的任務(wù)又跑了一遍，非常絲滑。有了這套系統(tǒng)，我具體要做的事情只剩這幾件：

1. 把客戶的插圖內(nèi)容（Excel 中的一列）復(fù)制到我的多維表里，等 deepseek 自動(dòng)為每張插圖生成繪圖提示詞。
2. 把多維表導(dǎo)出成表格文件，并把它放到我的程序目錄下。
3. 運(yùn)行 1 號(hào)程序（生成），它會(huì)從表格文件中找到所有繪圖提示詞，啟動(dòng)云端機(jī)器，每幅插圖輸出 4 張圖片，全部完后自動(dòng)關(guān)閉云端機(jī)器。
4. 手動(dòng)挑選圖片，如果某幅插圖一張可用的都沒有，就在多維表的重試列中打勾，之后再重復(fù)執(zhí)行 2、3 步直到成功。
5. 運(yùn)行 2 號(hào)程序（放大），它會(huì)啟動(dòng)云端機(jī)器，把挑選出的圖都高清放大（童書是印刷品需要高清圖片）。
6. 運(yùn)行 3 號(hào)程序（分辨率），它會(huì)把放大后的圖片轉(zhuǎn)換成印刷所需的分辨率，并縮放到客戶指定的尺寸。
7. 執(zhí)行我準(zhǔn)備好的 PS 批處理動(dòng)作，給所有圖片加上紋理細(xì)節(jié)。
8. 運(yùn)行 4 號(hào)程序（整理），把處理好的圖片按書籍分到不同文件夾，便于最終發(fā)送給客戶。

這一套看似復(fù)雜，但手動(dòng)操作其實(shí)很少。挑圖費(fèi)點(diǎn)時(shí)間，其他的環(huán)節(jié)我只負(fù)責(zé)按一下運(yùn)行鍵，然后掛機(jī)下樓遛娃。

關(guān)鍵是，來 100 張圖也好，2000 張圖也好，我都是這套流程。要是量大又急，我還可以改一改配置，用速度更快的云端機(jī)器。雖然成本略高一點(diǎn)，但機(jī)器成本和插畫師成本相比，九牛一毛。

技術(shù)分享

技術(shù)部分開始。

要實(shí)現(xiàn)剛才提到的系統(tǒng)，就要把分散在不同工具里的自動(dòng)化能力銜接起來。一個(gè)完整的流程，最初的輸入來自客戶的 Excel 表格，其中一列是插圖內(nèi)容的簡(jiǎn)略需求描述。最終的輸出是一個(gè)個(gè)項(xiàng)目文件夾，里面是圖片文件。中間的復(fù)雜過程，能自動(dòng)化的通通要自動(dòng)化掉，難關(guān)只能自己一個(gè)個(gè)攻克。

① 飛書多維表生成繪圖提示詞

從簡(jiǎn)略描述到具體的繪圖提示詞，飛書多維表是最適合的工具。它能調(diào)用非常豐富的第三方 AI 模型，不局限于自家模型，可以實(shí)現(xiàn)復(fù)雜文本處理任務(wù)的自動(dòng)化。

我的表格結(jié)構(gòu)有點(diǎn)復(fù)雜，從上到下有圖片表、人設(shè)表、項(xiàng)目表 3 層，另外還有兩張維度表，用來定義兩種風(fēng)格的提示詞和圖片復(fù)雜度等級(jí)（不同復(fù)雜度價(jià)格不同）。上層表依賴下層表，從下層表中讀取數(shù)據(jù)。下層表匯總上層表，用以統(tǒng)計(jì)圖片量、估算營(yíng)收。

從下往上講。基礎(chǔ)是項(xiàng)目表，定義了項(xiàng)目名稱、所屬月份、圖片風(fēng)格，匯總計(jì)算圖片數(shù)量，根據(jù)每張圖的復(fù)雜度去需求類型表里查出價(jià)格并求和，估算整個(gè)項(xiàng)目營(yíng)收，同時(shí)也記錄一些備注性質(zhì)的信息。

上一層人設(shè)表，專為人物一致性要求而準(zhǔn)備。如果是繪本類的書籍，要求主角服裝樣貌貫穿全書。這張表里定義了人物的名稱，選擇人物所屬項(xiàng)目，并由 deepseek 隨機(jī)為該人物生成詳細(xì)的外貌描述。此處給 deepseek 的指令，要求它只關(guān)注人物外貌，忽略動(dòng)作環(huán)境等會(huì)隨場(chǎng)景而變化的因素。還要明確要求 deepseek 定義發(fā)型發(fā)色、服裝款式顏色等主要外貌特征，且保證人物都是中國(guó)人。最后，為了我自己瀏覽方便，還調(diào)用階躍星辰的文生圖 API，輸出一列小尺寸縮略圖。雖然有費(fèi)用，但這個(gè)很便宜可以忽略不計(jì)。

上層的圖片表變化最多，要展開講講。圖片表每行都是一張具體的插圖，客戶表格里的需求內(nèi)容往場(chǎng)景列（scene）一貼，多維表自帶的免費(fèi)豆包模型就會(huì)把描述總結(jié)成 10 個(gè)字以內(nèi)的畫面標(biāo)題。這個(gè)標(biāo)題既為了自己方便查找，也用來拼接出圖片文件名。

然后，為每張插圖選定所屬項(xiàng)目（可以選好一行其他復(fù)制粘貼），就會(huì)有一列從項(xiàng)目表里讀取該圖片的風(fēng)格，并把風(fēng)格提示詞作為前綴加到完整繪圖提示詞的開頭。

如果畫面里出現(xiàn)了主角，則在人物列選擇人物。我準(zhǔn)備了 3 個(gè)人物列，也就是說一個(gè)畫面支持 3 個(gè)主角同時(shí)出現(xiàn)。人物列會(huì)從人設(shè)表里把外貌描述讀取過來，作為完整繪圖提示詞的信息素材。

我還加了一列人工指令，當(dāng)對(duì)畫面有明確而具體的要求時(shí)，就直接寫在這里。比如要求時(shí)間是夜晚，環(huán)境是戶外。這也會(huì)作為信息素材。

接下來輪到 deepseek 表演了。我讓它參照需求列的內(nèi)容用英文寫繪圖提示詞，重點(diǎn)滿足人工指令列的要求，其次滿足一些通用要求：

1. 先算出畫面里有幾個(gè)人物。
2. 詳細(xì)描述每個(gè)人的動(dòng)作，細(xì)到方位角度、視線朝向等。
3. 外貌特征優(yōu)先從主角信息里照抄，一個(gè)字都不能改。非主角人物，外貌再自由發(fā)揮。
4. 中國(guó)人、服裝符合時(shí)代背景等細(xì)節(jié)要求。
5. 簡(jiǎn)略描述場(chǎng)景環(huán)境。
6. 輸出的格式要求及示例。

deepseek r1 能夠漂亮地完成任務(wù)，絕大多數(shù)時(shí)候生成的提示詞直接可用，準(zhǔn)確且詳細(xì)。不過，這里的 deepseek 不是免費(fèi)的，可以用火山方舟的 API。這部分成本比 Runcomfy 要低許多，不用太擔(dān)心。

如果被這種層層關(guān)聯(lián)的表結(jié)構(gòu)繞暈了，我的建議是，認(rèn)真弄明白多維表里的「單向關(guān)聯(lián)」和「查找引用」這兩種特殊列的用法，然后你就會(huì)發(fā)現(xiàn)這事也沒那么難。

還有個(gè)問題是，飛書多維表個(gè)人免費(fèi)用戶一張表最多 2000 條數(shù)據(jù)，對(duì)于這個(gè)項(xiàng)目體量來說遠(yuǎn)遠(yuǎn)不夠。所以圖片表得滾動(dòng)清理，不夠用了就刪掉舊的。因此我給項(xiàng)目表加了一列完成狀態(tài)，打勾就完成了。圖片表再把完成狀態(tài)從項(xiàng)目表里讀過去，就可以通過篩選一次性把已定稿的圖片刪掉，為新項(xiàng)目騰出空間。

剛才都是初次生圖所需的配置。我還加了幾列用來應(yīng)付需要修改的情況：

1. 重試列，打勾表示需要重新生成。
2. PS 列，打勾表示需要我來手動(dòng)修復(fù)。
3. 修復(fù)列，打勾表示需要插畫師修復(fù)。
4. x 和 y 坐標(biāo)列，這個(gè)用來從圖中裁出一塊，用 AI 局部重繪修手，完了再貼回原圖上。這在后面開工的部分再講。

這幾列起到的只是標(biāo)記作用，看客戶修改意見時(shí)，一邊看，這里一邊打勾。我為圖片表添加了幾個(gè)子視圖，根據(jù)這幾列的打勾情況列出對(duì)應(yīng)圖片清單。清單導(dǎo)出成 csv 文件后，運(yùn)行對(duì)應(yīng)的程序可以一鍵從圖片堆里把它們找出來，復(fù)制到專門的目錄下，免去手動(dòng)找圖。

有這樣一套表格系統(tǒng)，就可以在一個(gè)地方完成所有圖片的管理、繪圖提示詞的生成，并且能應(yīng)對(duì)后續(xù)的多輪修改。

② Python 生圖放大

這是指兩個(gè)程序，1 號(hào)和 2 號(hào)。它們覆蓋了自動(dòng)化流程里的中間一段，從繪圖提示詞到產(chǎn)出高清圖。

1 號(hào)程序接收多維表輸出的 csv 文件，從中讀取整列繪圖提示詞，交給 Runcomfy 處理。根據(jù)風(fēng)格調(diào)用相應(yīng)的生圖工作流，大批量輸出圖片。

圖片輸出后，人工挑選，同時(shí)在表格里標(biāo)記需要重試的。反復(fù)運(yùn)行 1 號(hào)程序，它會(huì)優(yōu)先讀取重試圖片清單，重新生成。

確保所有插圖都可用后，運(yùn)行 2 號(hào)程序，圖片交給 Runcomfy，調(diào)用高清放大工作流，得到印刷質(zhì)量的圖片。

但 1 號(hào)程序和 2 號(hào)程序背后，需要許多底層的代碼來支撐。

首先，Runcomfy 的 API 是繞不開的，必須調(diào)通，這是程序生圖的核心。對(duì)于沒有編程經(jīng)驗(yàn)的人，對(duì)接 API 是挺有挑戰(zhàn)的。但只要選擇編程能力足夠強(qiáng)的模型，并且保持耐心跟它一起排查錯(cuò)誤、反復(fù)嘗試，最終還是能調(diào)通。當(dāng)然，不能一路“還是不對(duì)”這樣盲改，多讓 AI 讀 API 文檔：https://comfyui-guides.runcomfy.com/api-reference

調(diào)通之后一勞永逸，就獲得了一個(gè)可以在任何項(xiàng)目中使用的 AI 生圖工具函數(shù)。輸入任意工作流、機(jī)器類型等參數(shù)，云端機(jī)器就給我一張圖。

為了程序穩(wěn)定運(yùn)行，得考慮代碼的健壯性。調(diào)用 API 的網(wǎng)絡(luò)環(huán)境不會(huì)永遠(yuǎn)通暢，需要加上重試和指數(shù)退避機(jī)制，讓程序不至于遇到網(wǎng)絡(luò)錯(cuò)誤就停止運(yùn)行。

另外，這個(gè)函數(shù)的使用前提是云端機(jī)器得開著。所以為此還需要一整套的機(jī)器管理函數(shù)：?jiǎn)?dòng)機(jī)器、檢查是否有可用機(jī)器、關(guān)閉機(jī)器等。

完整的工具函數(shù)文件，代碼結(jié)構(gòu)如上。

到了童書插圖項(xiàng)目里，可以對(duì)基礎(chǔ) Runcomfy 函數(shù)再封裝一層，加入一些業(yè)務(wù)邏輯。因?yàn)槲覀儾⒉粫?huì)輸入任意工作流，我們只有生圖和放大兩個(gè)工作流。

封裝后的業(yè)務(wù)級(jí)工具函數(shù)，輸入不再是整個(gè)工作流，而是繪圖提示詞、要放大的圖片、降噪值等具體屬性。但它仍然只處理一張插圖。

生成圖片函數(shù)的 docstring。

高清放大函數(shù)的 docstring。

再上層的應(yīng)用，就是 1 號(hào)和 2 號(hào)程序了。它們把機(jī)器管理的能力也用上了。生圖時(shí)檢查有沒有機(jī)器已經(jīng)開著，有就直接用，沒有就啟動(dòng)一臺(tái)新的。所有圖片生成完畢，自動(dòng)關(guān)閉當(dāng)前使用的機(jī)器，及時(shí)停止計(jì)費(fèi)。

除此之外，我還給 1 號(hào)和 2 號(hào)程序配上了統(tǒng)計(jì)功能，可以根據(jù)機(jī)器類型、價(jià)格、運(yùn)行時(shí)長(zhǎng)算出程序每次運(yùn)行的開支。運(yùn)行日志固定寫到一個(gè)表格文件里，機(jī)器成本與多維表里的營(yíng)收數(shù)據(jù)再導(dǎo)到一張專門的財(cái)務(wù)表里，手動(dòng)填上插畫師開支、火山方舟 deepseek 開支、階躍星辰 API 開支，就能輕松算出利潤(rùn)。

我編程水平也就那樣，但在 AI 的輔助下，做出這樣一套系統(tǒng)也沒多難。

③ Python 調(diào)整分辨率和尺寸

這就是 3 號(hào)程序，把處理分辨率和圖片尺寸的環(huán)節(jié)自動(dòng)化了。

客戶對(duì)最終成品圖的要求是，10×10cm，PPI（每英寸的像素?cái)?shù)量）是 450。

這用 Python 和 PIL 包很容易處理。根據(jù)要求的尺寸和分辨率，可以算出成品圖的像素大小，再用 PIL 內(nèi)置的方法調(diào)整分辨率。

這個(gè)程序完全在本地運(yùn)行，沒有云端調(diào)用，0 開支，耗時(shí)也短。

④ PS 批處理加上風(fēng)格紋理

這部分是為了滿足客戶對(duì)風(fēng)格的細(xì)致要求。

比如水彩風(fēng)格，訓(xùn)練出來的模型，生成背景有明顯的水彩筆觸，但人物服裝有時(shí)候看起來是純色的?？蛻粝Ｍ宋锓b也要有水彩筆觸一樣的隨機(jī)明暗變化。

比如褲子上這種不均勻的明暗變化。

至于扁平風(fēng)格，客戶想要的其實(shí)是一種很特殊的風(fēng)格，并非那種純色色塊構(gòu)成的商業(yè)矢量插畫。細(xì)看參考圖，扁平色塊上有白色顆粒感的筆觸，創(chuàng)造出一種彩色鉛筆的質(zhì)感。而模型生成圖片，色塊部分則完全是純色。

微妙的涂抹痕跡。

這么細(xì)微的風(fēng)格特征，訓(xùn)練 Lora 時(shí)捕捉不到，但通過 PS 二次加工也能實(shí)現(xiàn)。傳統(tǒng)做法是找水彩或鉛筆質(zhì)感的 PS 筆刷，用半透明的白色在圖上刷一遍。但我要的是自動(dòng)化，得讓這個(gè)過程標(biāo)準(zhǔn)化，略微犧牲一點(diǎn)效果也沒關(guān)系。

其實(shí)這本質(zhì)是往圖片上疊一層紋理。紋理有隨機(jī)性，有的地方更透，有的地方更實(shí)，像從飛機(jī)上透過云層看大地。紋理的隨機(jī)模式不同，最終形成了不同的筆觸質(zhì)感。我只要想辦法試出這兩種紋理，就可以用在所有圖上，實(shí)現(xiàn)自動(dòng)化。

這難不倒身為設(shè)計(jì)師的我。找素材啊，往測(cè)試圖上疊，一層又一層。把圖層模式設(shè)成濾色和顏色加深，消除紋理的本色，讓它只影響圖片明暗。很快就調(diào)出了這兩種紋理，保存成 PSD 文件。

接下來做 PS 批處理程序。不熟悉 PS 的人可以這么理解，我打開一個(gè)開關(guān)，PS 就開始記錄我的所有動(dòng)作。把復(fù)雜的圖片處理流程先手動(dòng)做一遍，停止記錄，就產(chǎn)生了一個(gè)批處理動(dòng)作。然后 PS 能對(duì)一整個(gè)文件夾里的圖使用這個(gè)動(dòng)作，就實(shí)現(xiàn)了自動(dòng)化加紋理。

動(dòng)作過程如下：

1. 打開一張圖片。
2. 置入之前準(zhǔn)備好的紋理 PSD 文件。
3. 把紋理轉(zhuǎn)換為圖層，混合模式從正常改成穿透，里面的濾色和顏色加深才能生效。
4. 合并所有圖層，把紋理固化到圖片上。
5. 轉(zhuǎn)成 CMYK 顏色模式，這是印刷工藝需要。
6. 另存為 TIFF 格式，印刷需要的格式。
7. 關(guān)閉圖片。

使用這個(gè)批處理動(dòng)作時(shí)，打開圖片和另存為會(huì)被新的設(shè)置覆蓋，這樣每次處理的都是不同的圖片。

轉(zhuǎn)換成 CMYK 的工作，在上一步 Python 里也可以實(shí)現(xiàn)，我一開始就是這么做的。但 PIL 包所用的顏色描述文件不專業(yè)，相比圖像處理軟件效果差很多，導(dǎo)致整張圖發(fā)黃。和顏色相關(guān)的事情，還是適合 PS 來做。

技術(shù)部分結(jié)束。

三、開工

現(xiàn)在，萬事就緒，開始接單。

1. 按下啟動(dòng)開關(guān)，圖嘩啦啦出來

第 1 個(gè)實(shí)戰(zhàn)項(xiàng)目圖不多，1 本書，82 張圖，給 7 天時(shí)間。

時(shí)間方面我自己這邊是毫無壓力，半天就全出來了。感覺像臺(tái)照片打印機(jī)（如果不能比作印鈔機(jī)的話）。

82 張插圖里，有一半左右沒有人物。這種圖片不容易出問題，往往首次生成就可用。所有圖片進(jìn)入重試流程的不到 20 張。我沒有專門為手部問題重新生成，重試的幾乎都是人物互動(dòng)關(guān)系不太對(duì)的情況。

其中有 3 張圖人物非常多，這類群像圖指望 AI 一步到位是不現(xiàn)實(shí)的。我重新生成幾次從中挑出問題較少的圖，留給插畫師修。

初稿提交客戶，向客戶說明插畫師還未介入，先忽略手部問題，后續(xù)會(huì)集中修復(fù)。這樣避免插畫師做無用功，畢竟每一次改都是成本。

2. 突遭變故，插畫師退出

我這種一心鉆到技術(shù)里的人，總是容易低估人的變數(shù)。

不過現(xiàn)在，還是先說說客戶對(duì)初稿的反饋。說實(shí)話我是有點(diǎn)震驚的，修改意見那叫一個(gè)細(xì)?？偨Y(jié)下來大概分幾類：

1. 細(xì)節(jié)不符合現(xiàn)實(shí)世界邏輯，比如課桌椅少了或者多了腿。
2. AI 漏了指定元素，比如畫臺(tái)燈漏了旋鈕。
3. 風(fēng)格要求變了，比如模型訓(xùn)練圖里，人物頭發(fā)有表現(xiàn)高光陰影的線條，但客戶要求去掉這些線條。
4. 可能存在法律風(fēng)險(xiǎn)的內(nèi)容，比如警察服裝是外國(guó)樣式。
5. 印刷要求，比如夜晚和雷雨天的天空仍然要畫成亮色，否則深色印刷出來效果會(huì)差。
6. 美觀要求，人物服裝款式單一，要求多樣化一些。
7. 不太能理解的要求，比如小孩不能穿背帶褲，長(zhǎng)褲不能露腳踝，不能卷褲腳，笑不能露齒。嗯……難道是收到過這樣的買家差評(píng)？

第一輪審稿意見，82 張里有 71 張要修改，修改點(diǎn)遠(yuǎn)不止手部問題，那剩下 6 天時(shí)間給插畫師就危險(xiǎn)了。

和插畫師一溝通，對(duì)方要求再次確認(rèn)價(jià)格。這一確認(rèn)，突然就變卦了，覺得價(jià)格太低，甚至連講價(jià)都沒講，直接就退出了。

憑心而論，我給的價(jià)格確實(shí)不是很有誘惑力。加上這種給 AI 擦屁股的活，可能插畫師內(nèi)心多少是抵觸的。

這時(shí)候，我朋友在給我另尋插畫師，我自己也一直有在多方打聽。結(jié)果不是很樂觀，按目前市場(chǎng)水平，插畫師們的心理價(jià)位其實(shí)比我的出價(jià)高很多，甚至一些大廠插畫師能報(bào)出 100 一張的價(jià)格。而按照客戶這邊的審稿情況，后面幾輪的修改量到底有多大，我心里也沒底。即使讓出大部分利潤(rùn)，高價(jià)找一個(gè)插畫師合作，仍然有極大風(fēng)險(xiǎn)，成本兜不住。

3. 咬牙自己改，試探 AI 的能耐

既然這樣，這次我就自己來吧。一方面試探客戶的修改意見到底能細(xì)到什么程度，以決定后續(xù)以什么標(biāo)準(zhǔn)來找插畫師。另一方面也考驗(yàn)一下自己的 AI 能力，我雖是設(shè)計(jì)師，但不會(huì)畫畫，看我的 AI 技能+P 圖技能有沒有本事兜底，讓我有底氣不完全依賴插畫師。當(dāng)然，我自認(rèn)為 PS 技巧相當(dāng)了得，這才敢繼續(xù)干下去。

緊鑼密鼓改了一周的圖，經(jīng)過 6 輪審稿，總共改了 71 + 60 + 33 + 11 + 3 + 13 = 191 張圖。此刻我只想說一句“我滴個(gè)娘嘞”。其中個(gè)別圖問題太多，我拋棄了原先的圖全新生成，但這僅僅是減少問題，仍然需要局部調(diào)整。其余的圖重新生成風(fēng)險(xiǎn)較高，容易引入新問題，最好是在現(xiàn)有圖片基礎(chǔ)上修補(bǔ)。所有這些修補(bǔ)只能手動(dòng)。

這樣一來，生圖系統(tǒng)的自動(dòng)化流程就遇到了巨大堵點(diǎn)。在生成圖片和高清放大之間，大量手動(dòng)修圖代替了原先的簡(jiǎn)單挑圖。

意外的是，這一周修下來，除了時(shí)間緊張忙得我手抖外，進(jìn)展還算順利?？蛻舻囊蟊鞠胫M量滿足，搞不定的只能協(xié)商一下，以沒有插畫師為由讓對(duì)方考慮變通方案。結(jié)果全部要求都通過各種技巧的組合滿足了，竟然沒有搞不定的。至于改這么多輪，那是客戶方面工作流程就這樣。每一輪的修改意見都是之前沒提過的點(diǎn)，審稿審不到那么全面，并非修改不到位。

所有要求都滿足，但我完全不會(huì)畫畫，這是怎么做到的呢？光用 AI 改圖是不現(xiàn)實(shí)的，AI 畫圖難以精確控制。好在我有 PS 技巧，可以用各種手段讓 AI 乖乖就范：

1. 小范圍擦除類任務(wù)，只用 PS 就能完成。
2. 大范圍擦除類任務(wù)，用豆包的局部重繪又快又好。
3. 元素移動(dòng)變形類任務(wù)，也是 PS 的傳統(tǒng)強(qiáng)項(xiàng)。
4. 無精確要求的創(chuàng)造類任務(wù)，用 AI 工作流局部重繪，可保畫風(fēng)一致。
5. 對(duì)物體有精確要求的創(chuàng)造類任務(wù)，則通過從網(wǎng)上搜圖，讓 AI 局部重繪或轉(zhuǎn)繪，保持了主體，又匹配了風(fēng)格。

這些技巧，在下面的技術(shù)部分我會(huì)展開講講。

技術(shù)分享

技術(shù)部分開始。

這部分已經(jīng)脫離自動(dòng)化的范疇了，都是手動(dòng)改圖遇到的難點(diǎn)和解決辦法。

① 技巧與用途

首先，介紹一下用到的各種技巧，以及它們的能力：

1. 「Flux」文生圖局部重繪（高降噪值）：完全替換掉圖里某個(gè)元素。
2. 「Flux」文生圖局部重繪（低降噪值）：把圖中元素畫得更細(xì)致，常用于修手。
3. 「Flux」圖生圖局部重繪：把指定物體放到圖片中。
4. 「Flux」轉(zhuǎn)繪：參照?qǐng)D中元素和風(fēng)格，重畫一張，用來把照片變成插圖，或者融合不同風(fēng)格的物體。
5. 「豆包」對(duì)話改圖：快速大范圍改色、擦除物體，但畫風(fēng)保持不太穩(wěn)定。
6. 「豆包」局部重繪：精確局部擦除，好處是可以直接修改放大后的高清圖，丟給 Flux 處理則奇慢無比。
7. 「PS」快速選擇工具：通過大致涂抹選中一個(gè)物體，顏色相近的部分也會(huì)自動(dòng)選上，便于分離出來。
8. 「PS」魔棒工具：完全根據(jù)顏色選擇，可以設(shè)定顏色的篩選范圍，適合選中樹枝、樹葉等形狀非常復(fù)雜的物體。
9. 「PS」污點(diǎn)修復(fù)畫筆：低配版局部重繪，在簡(jiǎn)單背景的表現(xiàn)上不輸豆包。
10. 「PS」內(nèi)容識(shí)別填充：效果比污點(diǎn)修復(fù)畫筆更好一些，但需要先圈選再填充，而且會(huì)產(chǎn)生新圖層，不太方便。
11. 「PS」仿制圖章：把一處畫面畫到另一處位置，經(jīng)常用來修補(bǔ)兩種顏色的邊界線，沿著邊界一路抹過去，可以把斷開的線接上。
12. 「PS」涂抹工具：就是字面意思，像小孩在餐桌上按著飯菜一頓亂涂，它與仿制圖章相反，可以把一些不想要的邊界線涂亂，讓它們不那么明顯。
13. 「PS」操控變形：把一個(gè)物體局部釘住，拖動(dòng)剩余部分，物體就像橡皮一樣任你彎折?？梢宰屓宋锾ь^低頭、彎起胳膊伸直腿。
14. 「PS」色階與色相飽和度調(diào)整圖層：改變亮度和顏色，配合剪貼蒙版可以只應(yīng)用在畫面局部，輕松修改衣服顏色。
15. 「PS」木刻濾鏡：把畫面的顏色降到只剩幾種，這是濾鏡庫里能把圖片處理成扁平風(fēng)格的最佳工具。

接下來，看看這些技巧的組合如何解決一些疑難問題。

難題 1：交警指揮交通

關(guān)鍵技巧：豆包局部重繪、內(nèi)容識(shí)別填充、木刻濾鏡

有趣的是，這張插圖的難點(diǎn)竟然來自文化原因。Flux 是一個(gè)德國(guó)團(tuán)隊(duì)訓(xùn)練出來的模型，它的訓(xùn)練數(shù)據(jù)里，中國(guó)的服飾元素顯然不足。讓它畫一張交警指揮交通，它畫出的交警服完全是外國(guó)樣式。但童書上不能出現(xiàn)這種問題。

文生圖局部重繪，降噪值 1，明確要求它畫藍(lán)色短袖中國(guó)交警襯衫。然后就會(huì)出現(xiàn)如下情況：

這是 Liblib 的限制，禁止生成一些可能有法律風(fēng)險(xiǎn)的內(nèi)容。無論是提示詞里帶有“警察”，還是生成的圖太像警服，都會(huì)觸發(fā)屏蔽。當(dāng)然，你也可以選擇一些沒有屏蔽的平臺(tái)，不過 Liblib 它便宜啊，是沒有好顯卡時(shí)的絕佳選擇。

但如果去掉警察相關(guān)的詞，畫出來真的就是很普通的短袖藍(lán)襯衫，不像警服了。寫也不是，不寫也不是。

既然 Liblib 上的 Flux 這么扭捏，不如試試別的工具。豆包的即夢(mèng)模型沒有這個(gè)限制，而且效果不錯(cuò)，大概樣子就出來了。

白色交警帽難度更高，豆包也畫不對(duì)，像高檔酒店門口的停車引導(dǎo)員。白色交警帽樣式有它鮮明特征，特征少了，相似度會(huì)直線下降。

可以找個(gè)角度大致吻合的交警帽 P 上去。注意，為了避免被屏蔽，先用 PS 把上面的警徽給擦掉，等圖片不必經(jīng)手 AI 了再加回來。這里能看到 PS 內(nèi)容識(shí)別填充的威力，輕松就把警徽去掉了。

把帽子擺好位置，現(xiàn)在還是寫實(shí)風(fēng)格。

給帽子加上木刻濾鏡，減少顏色數(shù)量，風(fēng)格一下就變扁平了。

沒有那么違和了，難題解決。當(dāng)然，圖里還有很多其他問題，都有比較穩(wěn)定可靠的修復(fù)方法，這里就不講了。

難題 2：跳繩的小孩

關(guān)鍵技巧：文生圖局部重繪（低降噪值）、轉(zhuǎn)繪、操控變形

這張插圖又觸及 Flux 的能力邊界了。它跳繩的場(chǎng)面肯定見太少，畫的都是小孩胡亂揮舞繩子，甚至能有繩子就已經(jīng)不錯(cuò)了。本想大力出奇跡，一口氣生成 16 張圖，居然一張能用的都沒有。

不過沒關(guān)系，只要?jiǎng)幼鲗?duì)，跳繩可以畫上去。這張最有改造潛力，PS 胡亂畫個(gè)跳繩，就有點(diǎn)像那么回事了。

使用轉(zhuǎn)繪工作流，降噪值設(shè)為 0.7。大體保持原圖內(nèi)容，留給 AI 的發(fā)揮余地足夠讓它把跳繩畫得更真實(shí)。

這里展開講講手部的修復(fù)?？梢钥吹叫『⒂沂譀]有拇指，或者說拇指和食指連成一片了。雖然可以直接在這張圖上局部重繪，但手持物體的情況，AI 往往畫不好，大量重試都不一定能成功。

對(duì)于這種面積很小的手部，AI 修不好是正常的，因?yàn)榉峙涞淖⒁饬μ倭恕Ｐ奘值年P(guān)鍵不是局部重繪，而是放大。放大之后清晰很多，細(xì)節(jié)足夠，雖然手仍然是壞的，但修起來成功率就高多了。

不過，如果 Flux 直接在完整的高清圖上局部重繪，不僅速度非常慢，而且偏離 Flux 擅長(zhǎng)的生成尺寸，很容易崩。解決辦法是把要修的部分單獨(dú)裁剪出來，取一塊 1024×1024 大小的圖片，這是 Flux 最擅長(zhǎng)的尺寸，可以保障生成效果。修完了再貼回去。

可是貼回去的時(shí)候準(zhǔn)確對(duì)位置很費(fèi)勁啊，這就要借助程序來精確處理了。

回顧一下之前飛書多維表里的 x 和 y 坐標(biāo)列，它是我放大裁剪和粘貼程序的一部分。我的裁剪程序可以把圖片劃分成 5×5=25 個(gè)切片，每個(gè) 1024×1024，切片之間可以相互重疊。我在多維表里填上切片的行列號(hào)，比如上圖取第 2 列（x 為 2）第 3 行（y 為 3）的切片，這個(gè)目測(cè)就能看出來。然后運(yùn)行裁剪程序，它就能把這塊切片單獨(dú)存出來。

再對(duì)切片圖用局部重繪，一次成功。降噪值可以看情況調(diào)整，原先的手問題很大，降噪值就要高。反過來，如果像本圖情況，手的大部分姿勢(shì)是對(duì)的，降噪值就要低，避免引入新問題。

再運(yùn)行配套的粘貼程序，它根據(jù)裁剪時(shí)的行列序號(hào)，準(zhǔn)確把切片貼回原圖上。

不過這個(gè)人物的姿態(tài)還是不太自然，客戶提過這樣的意見，他們覺得人物站在地面不像是跳起來了。

也行，這個(gè)用 PS 就能處理：操控變形。先用快速選擇工具把整個(gè)小腿和腳都選中，復(fù)制到新圖層里。

開啟操控變形，關(guān)節(jié)處用很多釘子釘住了。

按住鞋子往后一拉，腿就彎過來了。

再把原先的腿擦掉，就拗過來了。不過膝蓋連接處有個(gè)小尖角沒處理好，地面上也缺少投影，純技術(shù)演示，小問題這里就不修了。

難題 3：暴風(fēng)雨中的柳樹

關(guān)鍵技巧：轉(zhuǎn)繪、豆包對(duì)話改圖

畫出來這枝繁葉茂的樣子，筆直垂下的枝條甚至有點(diǎn)像榕樹的氣生根。

我想看看是 Flux 不認(rèn)識(shí)柳樹，還是被我的風(fēng)格 Lora 污染了，在這種風(fēng)格下所有樹都畫成這樣。于是關(guān)掉 Lora，去掉風(fēng)格提示詞，讓它生成寫實(shí)照片，發(fā)現(xiàn)它原來真的不認(rèn)識(shí)柳樹。

那就在這張基礎(chǔ)上改吧。

先用豆包對(duì)話改圖把樹去掉，留下背景。

再想辦法弄出一棵插畫風(fēng)格、枝條特征顯著的柳樹。直接網(wǎng)上找素材是最快捷的方法。

豆包對(duì)話改圖把柳樹改成彩色的。

用 PS 粗糙地拼起來。

經(jīng)過幾輪低降噪值轉(zhuǎn)繪（0.3），效果就比較自然了。

最后把柳樹葉子改亮一些，避免和烏云混在一起。雨滴的方向還不對(duì)，應(yīng)該順著風(fēng)向。在分離背景那一步其實(shí)應(yīng)該順便去掉，最后在找素材加上。這里就不管了。

難題 4：教室大掃除

關(guān)鍵技巧：文生圖局部重繪（高降噪值）、圖生圖局部重繪、轉(zhuǎn)繪

這個(gè)畫面要體現(xiàn)一個(gè)小孩擦窗戶，其他小孩在打掃別的地方。AI 一遇到這種人物眾多要求復(fù)雜的情況就漏洞百出。人物動(dòng)作不合邏輯，課桌椅也缺胳膊少腿，沒有一張能用的。

這些問題一個(gè)個(gè)修，不如找一張真實(shí)照片或手工插畫來轉(zhuǎn)繪。至少里面人物和環(huán)境都是合理的，在轉(zhuǎn)繪過程中可能引入少量問題，但也比憑空生成的容易修。

降噪值開到 1，轉(zhuǎn)繪完，風(fēng)格就拗過來了。

盆的造型太古老了，換個(gè)現(xiàn)代的盆。不過盆太深了，手也缺了，可以之后再修。其他小問題用簡(jiǎn)單的修補(bǔ)方法都可以搞定。

這張圖的問題比我給客戶的圖少，有個(gè)典型問題沒有出現(xiàn)：抹布造型。

在給客戶的圖片中，有一版過程稿里的抹布長(zhǎng)這樣。提示詞里用的單詞是 rag，確實(shí)是抹布。但這個(gè)英文單詞也有破布的意思，F(xiàn)lux 就把它畫成這樣亂糟糟一團(tuán)，像個(gè)拖把頭。

文生圖局部重繪，描述成 a piece of cloth，一塊布，反而變得更像正常的抹布了。所以有時(shí)候并不是畫不出來，是沒有找到合適的提示詞。

手動(dòng)改圖遇到的疑難問題不止這些，但把前面列出的技巧組合使用，最終都有辦法解決。

技術(shù)部分結(jié)束。

四、歇業(yè)

這單做完，評(píng)估了一下總修改量和所用時(shí)間，決定關(guān)門大吉不再接單。原因很簡(jiǎn)單，修改量太大，且時(shí)間緊張，單個(gè)插畫師兼職不足以應(yīng)付，得全職。如果單人全職，即使我一分不掙利潤(rùn)都給插畫師，收入可能都不如上班打工，誰愿干?。咳绻嗳思媛?，則要花過多精力在溝通上，還要疲于應(yīng)付人員流動(dòng)。

綜合考慮下來，這生意實(shí)際上杠桿太小，見好就收吧。

至于這么復(fù)雜一套生圖流程，構(gòu)思、搭建和調(diào)試，總共投入了兩個(gè)星期時(shí)間。但也沒有白做，稍作修改便可以用來干別的，等有需要時(shí)再重新啟用。

后記

這是一次在實(shí)際項(xiàng)目中密集使用 AI 的經(jīng)歷，讓我得以感受 AI 對(duì)生產(chǎn)力的提升，也體會(huì)了 AI 到穩(wěn)定商用的距離。

項(xiàng)目完成，有了喘息的時(shí)間，一邊寫下本文，一邊回顧整個(gè)過程。想想還是震撼，畢竟從頭到尾所有事情都是我一個(gè)人完成的。我沒想到，兒童插畫在 AI 的加持下是可以（部分）流水線生產(chǎn)的。我也沒想到，AI 能讓一個(gè)不會(huì)畫畫的人頂大半個(gè)插畫師。

當(dāng)然，用 AI 終歸是為了解決問題，不是為 AI 而 AI。現(xiàn)階段 AI 不是萬能藥，它不行的部分，要用傳統(tǒng)手段來提供可靠保障。AI 是柔性的、隨機(jī)的，傳統(tǒng)手段是剛性的、確定的，這兩者結(jié)合起來用，就像建造一尊大型泥塑。全都用泥，整體軟趴趴很難成型，但如果往一個(gè)木芯上面糊泥巴，則既穩(wěn)固，又有細(xì)節(jié)。

就我個(gè)人而言，我敬重能把泥塑做得惟妙惟肖的手藝人，但我更愿意開一家生產(chǎn)木芯的流水線工廠賺錢。