基于Stable Diffusion的AI角色服饰生成：从工作流构建到审美评估

1. 先搞清楚“赵姬的衣橱”到底在讨论什么

看到“赵姬的衣橱，哪一套最好看呢”这个标题，很多人第一反应可能是某个历史人物或影视剧角色的服饰盘点。实际上，在近期的网络讨论和内容创作中，这更可能指向一个基于AI图像生成技术（如Stable Diffusion、Midjourney等）的特定主题创作实践。简单说，就是利用AI绘画工具，围绕“赵姬”这个人物形象，批量生成不同风格、不同款式的服饰造型，然后进行审美比较和选择。

这类项目最核心的价值，不在于单纯地“选美”，而在于它完整地展示了一个从创意构思到技术实现，再到结果筛选的AIGC工作流。对于想学习AI绘画、探索角色设计，或者希望系统化产出系列化视觉内容的人来说，这是一个非常具体且有操作性的切入点。它解决了“有了一个角色概念后，如何高效地探索其视觉可能性并做出有效决策”的问题。

所以，如果你对AI绘画感兴趣，或者你的工作涉及角色设计、视觉内容策划，这个主题就值得一看。整个过程会涉及提示词工程、模型选择、参数调整、批量生成以及最终的审美与实用评估。下面，我就以一个实践者的角度，拆解从零开始到选出“最好看”一套的完整路径。

2. 动手前的准备：明确目标与搭建环境

在开始让AI“打开衣橱”之前，必须先做好两件事：定义清晰的“赵姬”，以及准备好稳定运行的AI绘画工具链。方向错了，再好的工具也出不来想要的结果。

2.1 定义角色锚点：你的“赵姬”是谁？

“赵姬”可以有很多种理解：历史记载中的秦始皇生母、影视剧中的某个经典形象（如《寻秦记》、《大秦赋》等）、甚至是融合了现代审美的二次元创作形象。这个定义将直接决定你所有提示词的基调和最终画面的风格。

我建议先建立一个简单的角色设定文档，哪怕只是几句话：

• 时代背景：是严格考据的战国风，还是架空混搭的古风？
• 核心气质：是威严的太后、柔美的妃子、还是带有传奇色彩的民间女子？
• 视觉关键词：哪些元素是必须的？例如，特定的发型（高髻、垂髻）、标志性配饰（玉簪、步摇）、或经典色彩（玄色、朱红）。
• 希望探索的风格：写实厚涂、唯美插画、二次元平涂、还是水墨风格？

这个设定不需要复杂，但必须明确。它将是你所有提示词的“锚”，确保生成的系列图片具有统一性和可比性，而不是一堆杂乱无章的“古风美女”。

2.2 搭建与测试你的AI绘画工作台

目前，对于这类需要高度定制化、批量尝试的项目，在本地部署的Stable Diffusion WebUI（如Automatic1111或ComfyUI）通常是更优选择。它提供了最大的控制自由度，并且适合长时间、大批量的生成测试。在线工具虽然方便，但在生成数量、模型切换和参数深度调整上往往有限制。

基础环境准备清单：

1. 硬件：拥有一张显存不少于6GB的NVIDIA显卡是流畅运行的基础。4GB显存可以尝试，但需要调低分辨率并忍受更慢的速度。纯CPU模式基本无法用于这种探索性工作。
2. 软件：安装Python（3.10+版本兼容性最好）、Git，并按照官方教程部署Stable Diffusion WebUI。这个过程现在已有非常成熟的一键安装包，大大降低了门槛。
3. 核心模型：这是“衣橱”的布料和裁缝。你需要准备一个或多个基础大模型。对于古风人物：
   • 写实风格：可以考虑chilloutmix、realisticVision等模型，它们对亚洲人脸型和古典气质的融合做得不错。
   • 二次元/插画风格：anything、counterfeit等模型是常见选择。
   • 专门古风模型：在模型分享社区（如Civitai、LiblibAI）直接搜索“Chinese style”、“guofeng”、“hanfu”等关键词，能找到很多训练好的专用模型，效果往往更精准。
4. LoRA/Embedding：这是“衣橱”里的配饰和花纹。下载一些高质量的古风服饰、发型、珠宝等LoRA模型，能极大地丰富你的细节表现力，避免所有衣服看起来都像同一个裁缝做的。

环境验证步骤：部署完成后，不要急着做“赵姬”。先用一个简单提示词（例如：1girl, solo, portrait, detailed face）生成几张图。目的是确认：

• 软件能正常启动，不报错。
• 模型加载成功，能出图。
• 显存占用在正常范围内（可通过任务管理器或nvidia-smi命令查看）。
• 生成速度在可接受范围（如20秒/张以内）。

只有基础环境跑通了，后续的创意工作才不会被打断。

3. 构建“衣橱”：提示词工程与批量生成策略

这是最核心的创作环节。我们的目标不是一张好图，而是一个风格统一但服饰各异的“系列图”，这样才能公平比较。

3.1 设计“基础人像”提示词

首先，固定住“赵姬”的脸和基本气质。编写一段包含以下部分的提示词：

（高质量前缀，如：masterpiece, best quality, ultra-detailed,） （角色设定，如：Zhao Ji, queen mother of Qin, mature beauty, elegant,） （固定外貌，如：pale skin, black long hair, phoenix eyes,） （基础场景，如：in ancient Chinese palace, soft lighting,） （画面构图，如：full body shot, facing viewer,）

负面提示词也要认真设置，用以过滤常见瑕疵：

（低质量过滤，如：lowres, bad anatomy, bad hands, text, error,） （风格过滤，如：modern clothes, jeans, t-shirt,） （多余元素，如：extra fingers, too many fingers,）

用这套提示词生成几张图，直到得到一张你认可的角色基础形象。保存这张图的种子值。在后续生成不同服装时，使用相同的种子值和基础提示词，可以最大限度地保持人脸、身材和场景的一致性，让变量只剩下“服装”。

3.2 创建“服装变量”提示词库

现在，我们来规划“衣橱”里的内容。不要天马行空地随机想，而是有系统地规划几个服饰方向，每个方向下再细化。例如：

将每种服装类型总结成一段简短的提示词片段，例如“elegant hanfu, light blue silk, peach blossom embroidery, flowing ribbons”。

3.3 执行批量生成

在Stable Diffusion WebUI中，利用其批量生成功能：

1. 固定参数：填入之前得到的基础提示词、负面提示词、种子值、采样步数（20-30）、采样方法（DPM++ 2M Karras等）、以及一个中等分辨率（如768x1024）。
2. 变量替换：在提示词中，将描述服装的部分替换为[outfit1|outfit2|outfit3]这样的形式，或者在“脚本”中使用“提示词矩阵”功能，来轮流生成不同服装。
3. 控制生成数量：为每套服装生成2-4个变体（不同姿势、细微角度），以观察其在不同构图下的稳定性。这样，如果你规划了5套服装，每套生成3个变体，最终会得到15张图，一个初具规模的“衣橱”就建好了。

注意：批量生成时，务必先设置好输出目录，并建议在文件名中包含服装类型编号（如zhaoji_outfit01_v1.png），否则后期整理会是一场灾难。

4. 评估与选择：建立你的“好看”标准

生成了几十张图后，面对一个“衣橱”，如何客观地选出“最好看”的一套？这不仅仅是主观审美，更需要一套可操作的评估体系。我通常会从四个维度进行筛选，分轮进行。

4.1 第一轮筛选：技术质量与角色一致性

这一轮只看硬伤，快速淘汰不合格品。把有明显问题的图移出候选池：

• 画面崩坏：脸崩、手部畸形、身体结构不合理、服饰穿模（如袖子穿过身体）。
• 元素污染：出现了现代物品、风格完全不符的装饰。
• 角色漂移：人物长相、年龄、气质与之前设定的“赵姬”基础形象差异过大，看起来像另一个人。
• 提示词遵循度：生成的服装完全不是你描述的样子（比如你要曲裾，它给了对襟襦裙）。

这一轮是纯淘汰，不纠结。目标是留下那些技术过关、角色统一的图。

4.2 第二轮筛选：服饰设计的完成度与美感

在技术合格的图片中，开始评价服装本身：

• 结构准确性：服装的层次、系带、裁剪是否符合基本逻辑？交领是否左右正确？虽然不要求百分百考据，但不能看起来像胡乱披了块布。
• 细节丰富度：刺绣花纹是否精致？面料质感（如丝绸的柔光、麻布的纹理）是否有表现？配饰（腰带、玉佩、发簪）是否清晰合理？
• 色彩搭配：颜色是否和谐？是否符合角色气质和场合？（例如，朝服用庄重的玄色、朱红，便服可用更雅致的浅绿、月白）。
• 整体美感：这套服装穿上身，是否提升了角色的气质？是显得雍容华贵，还是清丽脱俗，或是英姿飒爽？

在这一轮，你可以开始给每套服装的每个变体打分（比如1-5分），或者进行分组排序。

4.3 第三轮筛选：与场景、光影的融合度

服装不是孤立存在的。需要检查：

• 物理合理性：服装的垂感、褶皱是否与角色的姿势、所处的场景（如站立、端坐、微风）相匹配？在花园场景中，衣袂是否有些许飘动？
• 光影互动：光线照射在服装上，是否能正确表现出高光和阴影？丝绸的高光是否过曝？暗部细节是否丢失？
• 氛围营造：这套服装是否强化了你想要营造的整体画面氛围？例如，一套飘逸的纱衣在柔光下可能仙气十足，但在强烈的戏剧光下可能就显得单薄。

4.4 最终决策：定义“最好看”的上下文

经过前三轮，可能还剩2-3套最强的候选。最终选择取决于你的核心目的：

• 如果是为了角色设定：选择最能代表角色核心身份和性格的那一套。例如，作为太后的赵姬，一套庄重华丽的朝服可能比便服更“好看”（在角色设定层面）。
• 如果是为了视觉冲击力：选择在色彩、构图、细节上最具艺术感染力，最让人眼前一亮的一套。
• 如果是为了技术展示：选择在AI生成中表现最稳定、细节最复杂、最不容易出错的那一套，这能体现工作流的可靠性。
• 如果是为了叙事：选择最适合你构思的某个具体场景（如“夜会吕不韦”、“嫪毐之乱”）的那一套。

一个实用的方法：将最后几套候选图并排放在一起，离开屏幕几分钟，再回来看。第一眼抓住你目光的，往往就是你内心偏好的“最好看”。然后，再用上述理性标准去验证这个直觉选择是否成立。

5. 进阶优化与常见问题排查

当你已经能稳定产出一个系列的“赵姬衣橱”后，可能会追求更精细的控制和更高的出图率。这里有几个进阶思路和常见坑点。

5.1 利用ControlNet实现精准控制

如果你想严格固定姿势、构图，让服装的变化更加纯粹，ControlNet是神器。

• OpenPose：可以先用基础形象生成一张满意的姿势图，提取其骨骼姿势，然后应用到所有服装生成中，确保人物姿态完全一致。
• Canny/Lineart：如果你有服装设计线稿，可以用它来精确控制服装的轮廓，让AI只负责填充色彩和纹理。
• Depth：用于固定场景的景深和人物与背景的关系，使不同服装的图片在空间感上保持一致。

使用ControlNet时，需要调整其“权重”和“引导介入时机”，一开始权重不宜过高（如0.5-0.8），避免生成的图像过于僵硬，失去AI的创造力。

5.2 迭代优化与局部重绘

很少有图片能一次完美。善用“图生图”和“局部重绘”功能：

• 整体微调：选中一张不错的图，发送到图生图，微调提示词（例如将“simple embroidery”改为“intricate dragon embroidery”），用较低的“重绘幅度”（如0.2-0.3）进行迭代，优化细节。
• 修复瑕疵：对于小范围的崩坏（如奇怪的手指、扭曲的配饰），使用局部重绘框选该区域，用相同的提示词进行修复，通常能取得很好效果。

5.3 常见问题与排查清单

在生成过程中，你肯定会遇到各种问题。不要慌，按以下顺序排查：

1. 图像模糊或畸形：

   • 检查分辨率：分辨率太低（如512x512）容易导致脸部畸形。尝试提高到768x1024或以上，并使用高分辨率修复功能。
   • 检查采样步数：步数太少（如<20）可能导致细节渲染不充分。适当增加到25-30。
   • 强化负面提示词：增加blurry, malformed hands, bad anatomy等。

2. 服装不符合描述：

   • 提示词权重：给服装关键词加上括号增加权重，例如(elegant hanfu:1.3)。
   • 提示词顺序：AI更关注提示词靠前的内容，确保服装描述在靠前位置。
   • 模型能力：当前使用的大模型可能不擅长此类服装。尝试切换专门古风模型或加载对应的服饰LoRA。

3. 生成速度慢或显存溢出：

   • 降低分辨率：这是最有效的方法。
   • 启用xFormers：在启动参数中确保已启用，可优化显存和速度。
   • 使用--medvram参数：对于中等显存（6-8GB）显卡，使用此参数启动。
   • 检查VAE：有些VAE模型会显著增加显存消耗，尝试换回默认或轻量VAE。

4. 系列图风格不统一：

   • 固定种子：这是最重要的手段。
   • 固定模型和VAE：整个系列使用完全相同的基础模型和VAE。
   • 使用风格LoRA：加载一个统一的画风LoRA，可以让所有图片带有相同的色彩和笔触倾向。

6. 从项目到经验：构建可复用的AIGC工作流

完成一次“赵姬的衣橱”项目，收获不应该只是一张“最美”的图片。更重要的是，你实践并固化了一套适用于角色视觉开发的AIGC工作流。这套流程可以迁移到任何其他角色或主题上。

我的核心经验总结：

1. 定义先行：永远在生成前，用文字尽可能清晰地定义你的目标。模糊的输入必然导致随机的输出。
2. 分层测试：不要想着一口吃成胖子。先跑通单张（固定角色），再测试变量（更换服装），最后才进行批量生成。每一步都确认结果符合预期。
3. 善用工具：种子、提示词矩阵、ControlNet、LoRA，这些都是为了增加控制力。理解每个工具的作用边界，组合使用。
4. 建立标准：审美是主观的，但评估可以客观。建立从技术到美学、从整体到细节的逐层筛选标准，能让选择不再纠结。
5. 管理资产：规范的命名、清晰的文件夹结构、记录关键参数（种子、模型、提示词），这些“苦活”能让你在后续修改和复用时节省大量时间。

最终，哪一套“赵姬”的衣服最好看，答案在你的标准里，也在你控制AI实现创意的能力里。这个项目最有价值的部分，正是你为了找到这个答案，所走过的每一步思考、每一次调试和每一轮筛选。这远比一张孤立的“美图”重要得多。