面试官：哪些因素会影响AI生图可控性？

🤔 “为什么我写了一大串prompt，AI出的图还是又怪又离谱？”
其实，可控性并不等于堆砌关键词。
面试AIGC岗位时，这个问题是面试官的“经典考点”之一。
想答好，就得从模型、提示词、参数、负向控制、硬件五个方面拆解👇

---

🧠 一、基础模型的训练方向决定了“风格基因”

不同模型在训练时就带有“风格偏好”，这决定了它在生图时的可控范围。

模型	训练特点	可控性强项
Stable Diffusion（SD）	开源生态成熟，支持LoRA/ControlNet	精细化控制、二次元/写实风格
Midjourney	封闭模型、社群风格导向	光影氛围感、艺术构图
DALL·E 3	强调文本理解能力	Prompt语义还原最强

👉 在实际项目中，应根据任务选择合适模型：

• 广告视觉设计 → Midjourney

• 游戏人物设定 → SD + ControlNet

• 海报文案快速出图 → DALL·E 3

---

🔍 二、提示词工程（Prompt Engineering）的精准度

高可控生图的核心是：关键词层次 + 权重控制 + 专业描述

✅ 关键词金字塔结构：

主体 → 风格 → 细节
例：「赛博朋克少女（主体）+ 吉卜力动画风格（风格）+ 发光机械耳坠 / 紫蓝渐变挑染（细节）」

⚖️ 权重控制：

• (keyword) ：增强关键词权重

• [keyword] ：弱化关键词影响

• 避免关键词冲突，如「夜晚」与「阳光照射」

🧩 专业术语增强：

加入如 4K resolution, Unreal Engine, cinematic lighting 等词，提升模型识别度与画面质感。

---

⚙️ 三、生成参数的协同调节

生成参数是AI生图“稳定性”和“风格可控性”的关键。

参数	建议值	说明
Sampling Steps	写实风格 30–40，抽象风格 20–25	步数越高，细节越清晰但耗时增加
CFG Scale	7–9 为黄金区间	＞12 可能导致色彩过饱和、构图僵硬
Seed（随机种子）	固定后可复现构图	适合系列图、风格统一设计

---

🚫 四、负向提示词（Negative Prompt）的必要性

负向提示词可以有效减少“废图”与异常细节。
常用示例：

lowres, blurry, bad anatomy, worst quality, low quality, extra fingers

💡 建议建立自定义负向词模板库，在每次生图时直接引用，显著提升成图率。

---

🔧 五、硬件性能的影响

在本地部署Stable Diffusion等模型时，硬件配置同样决定生成稳定性：

• 显卡显存：推荐 ≥ 12GB（如RTX 4070Ti以上）

• 存储与CPU：影响加载与推理速度

• 内存：建议 ≥ 32GB，以防止高分辨率生成时崩溃

---

🎯 总结：AI生图可控性的“五要素金字塔”

层级	关键点	对可控性影响
模型层	选择合适基础模型	决定能力边界
提示层	Prompt结构 + 权重	决定理解精准度
参数层	采样步数、CFG、Seed	决定稳定性
负向层	负向关键词模板	减少废图率
系统层	硬件与算力	影响整体表现

---