野菩萨- AIGC全能实战班第二期

这门课解决什么问题

很多人学习 AI 绘画时，最大的痛苦在于“可控性差”。你明明写了很长的提示词，生成的图像却总是一变再变，或者人物姿势、画面构图无法固定。这套课程专门解决两个核心痛点：一是如何建立科学的提示词逻辑，二是如何利用 ControlNet 和 LoRA 等技术，将 AI 生成从“碰运气”转变为“工业化可控输出”。课程涵盖 Stable Diffusion 与 Midjourney 两大主流工具，重点不在于展示惊艳的案例，而是拆解电影感、二次元、3D 渲染、CMF 材质等不同视觉风格背后的底层范式，帮助读者建立一套可复用的工作流思维。

适合什么基础与推荐学习路径

本课程适合已经掌握 AI 生图基本操作，但希望系统化提升输出稳定性和专业度的上班族或转行者。零基础用户建议先简单体验一下生图流程，再进入正式学习。建议的学习顺序如下：

• 第一步：建立排查能力。优先观看“报错解决方法”相关章节。AI 绘画涉及本地部署或复杂参数配置，遇到报错是常态，学会独立排查问题能避免后续学习中因环境卡点而放弃。
• 第二步：夯实提示词基础。接着学习“提示词工程入门：核心范式”及“提示词艺术”。这是所有创作的地基，只有理清描述逻辑，才能谈后续的风格控制。
• 第三步：攻克经典范式。进入“经典范式”系列，按顺序学习 CMF（材质色彩）、3D（全局设置与调参）、抽象（控制意外）、电影（需求拆解）。这几块内容是构建不同视觉风格的关键，务必结合案例反复理解。
• 第四步：掌握进阶控制技术。学习“ControlNet”插件安装及使用，理解如何通过线稿、深度图等条件锁定构图；随后学习“LoRA”模型应用，学会用微调模型统一风格；最后看“控制随机性”，在需要稳定输出时抑制不必要的噪声波动。
• 第五步：后期与输出。最后观看“PSAI”及“细节提升+放大实战”，处理成品后期的合成与高分辨率输出问题。

学完能独立做什么及资料配合建议

完成课程学习并配合练习后，你可以独立完成以下实际工作：根据业务需求快速拆解提示词结构；利用 ControlNet 精确控制人物姿态、场景透视，确保多张生成的构图一致性；使用 LoRA 让系列作品保持统一的视觉风格；对低分辨率初稿进行细节增强和无损放大；并将 AI 生成图导入 Photoshop 进行精细化后期合成。这正是商业设计、广告创意及内容创作中的高频场景。

在使用资料配合练习时，切忌“只看不动手”。每看完一个范式章节，必须立刻反向复现该案例的提示词，并尝试修改其中一两个变量，观察结果的变化，以此验证你对参数逻辑的理解。在学习 ControlNet 和 LoRA 时，要自己跑多组对比实验，记录哪些参数真正影响了最终效果，建立自己的参数调试笔记。同时，务必动手复现报错章节中提到的常见问题，形成自己的故障排查清单。只有将视频资料转化为实际操作经验，才能真正掌握这项技能。