控制生成 · img2img、inpainting、LoRA

純文字生圖(text2img)像擲骰子——同一句 prompt 每次都不一樣。真正用在創作上,你需要控制。這課介紹三招業界最常用的控制手段。

三招控制術

• img2img:給一張起始圖 + prompt,讓模型在它的基礎上變化(保留構圖、換風格)。
• inpainting:只重繪圖片的局部(用遮罩指定),其餘不動(去除路人、換背景)。
• LoRA:用少量圖微調出一個風格/角色的小外掛,掛上去就能穩定生成特定風格。

這堂課你會學到

• 實作 img2img:用 strength 控制變化幅度,把一張草圖變成精緻畫作
• 理解 inpainting 的遮罩機制(白=重繪、黑=保留)與適用場景
• 認識 LoRA:為什麼一個幾 MB 的小外掛,能讓幾 GB 的大模型穩定產出特定風格

從「擲骰子」到「可控創作」

text2img 適合發想,但設計師要的是可控:客戶說「就這張,但換成日落」,你需要 img2img;「把這個路人去掉」,你需要 inpainting;「全系列都用這個角色」,你需要 LoRA。這三招是生成式 AI 真正進入商業創作流程的關鍵——它們把不可預測的生成,變成設計師手裡的工具。

LoRA:社群生態的引擎

LoRA 之所以重要,是因為它讓個人化變得便宜:不用重訓整個模型(要海量算力),只要少量圖、幾分鐘,就能教會模型一個新畫風或新角色,產物只有幾 MB,方便分享。Civitai、Hugging Face 上海量的社群風格,絕大多數都是 LoRA——這是開源生成生態最有活力的一塊。

💡 還有更精準的控制工具 ControlNet(用線稿、深度圖、姿勢骨架精確指定構圖),是 img2img 的進階版。掌握了本課三招,你已經能做出可控、可商用的生成流程。下一課壓軸,把它包成一個小工具並聊上線。