1. 内容整体设计与思路拆解
先说清楚这东西到底是什么。所谓的“文字生成图片（半草绘图）”，核心就是靠一段提示词，让AI画出那种介于草稿和成稿之间、带着手绘笔触和未完成感的插画。它不是追求照片级写实，也不是精细到每根睫毛都清楚的商业成品，而是保留线条的随意、留白的透气感、上色半透明甚至干脆只铺一层底色——这种风格天生自带一种“创作过程感”和松弛的审美。
为什么现在大家越来越喜欢这种调性？我个人的观察是：过去两年AI绘画的主流方向是“卷”完成度，所有人都在追求高细节、高饱和、高分辨率，生成的结果确实炫，但看多了容易疲劳，而且那种过度渲染的“塑料感”在三秒内就能让观众失去兴趣。反而“半草稿”风格因为留有余地，画面给了人脑补的空间，像看画师现场手绘的感觉，更容易产生情绪上的共鸣——这种审美逻辑在手书、漫画扉页、角色设定集、音乐专辑封面这类内容形态里特别吃香。
那这个项目要解决的痛点是什么？很简单：AI绘画经常“收不住”。你想让画面停在一个恰到好处的草稿状态，模型却总是默认往画完的方向飘。直接输入“sketch, rough, unfinished”这类单词，效果极不稳定，经常半路就渲染出一张色彩饱满的成品图。于是需要一套组合拳——通过模型选型、提示词控制、参数约束、后处理修正，把这匹“脱缰野马”拽回到半草稿的轨道上来。
适合谁来参考？两类人。第一类是刚开始接触AI绘画、但对网上的教程感到头大——那些教程要么只教按键，不讲为什么这么设；要么上来就推一堆插件，让人无所适从。第二类是有一定基础、但做插画或设计应用时发现出图风格总是不稳定的创作者。这篇内容会把从模型选型到风格控制、从提示词写法到后期精修的完整链路讲一遍，每一步都讲原理，不讲玄学。
这里需要先说明一个前提：这套方案是基于当前开源的图像生成模型生态来做的，假设你已经在本地搭好了基础的运行环境。如果你还在犹豫用什么模型、怎么调参数，跟着下面一步步走，结论是可以直接搬走的。
2. 核心细节解析与实操要点
2.1 半草绘风格的视觉指标
要复现一种风格，第一步不是急着写提示词，而是把风格拆解成“可量化的视觉指标”。这是我从传统美术训练里借来的思路——你想让AI画“草稿感”，得先告诉它什么是草稿感。
半草绘风格至少包含四个维度：
- 线稿质量：线条不能是那种闭合严密、粗细一致的数字矢量线，而应该具有手绘的自然抖动，粗细变化，偶尔有交叉、断开或重复勾勒的痕迹。
- 色彩填充：草稿阶段的上色通常是“罩染”的方式，颜色铺得不是很均匀，能看到笔触边缘的渗透感，甚至在色彩层和线稿层之间存在微小的错位。
- 完成度控制：画面局部可以比较精细（比如角色的脸部、眼睛），但其他部分（比如衣服褶皱、背景元素）应该明显“没画完”，形成“半成品”的节奏对比。
- 基底纹理：画面最好带有纸质肌理，比如结霜的卡纸、水彩纸的凹痕，或者轻微的扫描噪点，这些东西能帮画面去掉“数字渲染”的新质感。
有了这四个维度的框架，我们就能理性地选择模型和参数，而不是对着随机生成的图碰运气。
2.2 模型的底层差异决定风格上限
很多新手有个误区：认为提示词万能。但实际上，模型底层的训练数据分布，已经给风格划定了“天花板”。
在开源社区，近两年主流的生态早就不再是当年那个通用大模型一家独大，而是形成了“通用底模 + 风格LoRA”的组合玩法。对于半草绘这种带明显手绘倾向的风格，我建议从以下几个方向选底模：
| 方向 | 推荐模型 | 特点 | 注意事项 |
|---|---|---|---|
| 画师纹理 | 以二次元数据为主的底模 | 线稿基础好、理解“赛璐璐”和“厚涂”概念 | 需要额外控制上色浓度，否则会往完成度漂 |
| 写实偏手绘 | 通用写实底模 | 纸张质感和爆线效果好，但人物脸容易写实化 | 需要叠加二次元LoRA或指定风格词 |
| 混合路线 | 手绘感强化LoRA + 任意底模 | 定制性强，可随时切换风格 | 对LoRA权重比较敏感，建议从0.6起步 |
实话说，没有哪个模型专门为“半草稿”训练过，都是大家在实践中试出来的组合。我自己现阶段的偏好是用二次元底模配手绘LoRA——它本身对整个画面氛围的把握比较稳，上色也更倾向创作感，不会动不动就出现皮肤质感的塑料光泽，适合需要做教程案例素材的情况。
除此之外，VAE（变分自编码器）处理色彩细节，建议默认跟随模型本身，不要轻易更换。
2.3 采样器是风格的隐形开关
采样器（Sampler）决定扩散模型去噪过程从随机噪声走向成品图的“路径”。不同采样器选择到的路径风格差别很大。
我测试下来，AH老牌采样器在粗线条和纹理表现上有天然优势——它的运算方式更“恋旧”，倾向于保留更多高频细节。但注意，它出的图默认都会更“完整”，需要在别的参数上反向拉。
比较推荐的一组方向是：
- 草稿感、手绘感强：DPM++ 2M Karras。这种组合在“空气感”上表现好，上色扩散均匀，缺点是细节可能偏软。
- 还原原画线条纹理：DPM++ SDE Karras。SDE路径在边缘处理上更果断，线条更清晰，但出图速度稍慢，耗时大约是普通模式的1.5倍。
- 想要快速验证风格：Euler a。出图快、随机性强，适合提示词调试阶段。
除非你想要那种特别重噪点的画面，否则不建议开“Restart”这类过高的噪声调度器——它会把纸纹噪点放大成污渍。
2.4 提示词结构：从抽象词到具象词
提示词是文本生成图片的核心控制渠道。如果你只在最后加一个“sketch”，效果相当于让一个完全没见过草稿图的人凭空想象，得到的结果当然不稳定。
推荐结构是“角色/主体 + 动作 + 环境 + 媒介 + 风格 + 画质反义词剔除”。以生成一个半草稿风格的少女剑客立绘为例：
best quality, masterpiece, traditional media sketch, rough pencil drawing, a young swordswoman, holding a katana, dynamic pose, facing forward, delicate eyes, detailed face, ink black outline, watercolor base color, light color blocking, large blank margin, unfinished look, visible sketch lines, paper texture关键在于“unfinished look”和“visible sketch lines”这两个词——它们直接告诉模型“不要画完”。但光有正提示词不够，负向提示词更重要，它是你的约束条件。
2.5 负向提示词：把“画完”的冲动摁回去
扩散模型倾向于生成“更完整”的画面。你需要通过负向提示词，明确告诉它哪些东西不要碰。这是我踩过最多坑的地方。
负向提示词的几个必要组成：
- 完成度抑制：
finished, polished, high detail, full color, ultra detailed, masterpiece——别心疼，这些词在这里是坏事。（注意：当风格已经锁定后，正向里的“masterpiece”和负向里的不能同时出现，否则模型无所适从。我的做法是负向保留，正向用“best quality”替代。） - 材质污染：
plastic, glossy, photorealistic, 3d render, octane render——这些词会让画面瞬间丧失纸面感。 - 结构破坏项：
bad anatomy, bad hands, missing fingers, extra fingers, watermark, text, signature这些是安全项，一定要留。
负向提示词的具体效果，和你选择的是中文还是英文提示词也存在关联。目前主流开源模型的训练数据以英文为主，建议关键词统一使用英文，而不是依赖翻译产生的中文提示词。
3. 实操过程与核心环节实现
3.1 步骤说明与初始化配置
这里用一键包或者ComfyUI等方式都可以，两者的本质逻辑一致：调用命令或模块执行加载底模、解析文本、生成图片。下面以目前普及度较高的本地配置为例：装好环境后，创建一个文本生成图片任务，工作流大概是“载入底模VAE → 输入提示词 → 选择采样器 → 设置步数与CFG → 执行生成”。
关键参数我建议从下面这组初始值起步：
- 步数（Steps）：28~30。步骤太少线条会毛，步骤太多模型会自作主张帮你“画完”不必要的细节。
- CFG：7.5~9。这个值控制提示词对画面的影响力。半草绘风格建议偏高一点，以保持线条的“草稿”属性。CFG过高会锁死想象力，线条生硬；过低则容易跑题。
- 采样器：DPM++ 2M Karras。
- 分辨率：通常先以512×768的竖构图起步（符合绝大多数立绘所需比例），之后再来做高清放大。直接生成768×1152也可以尝试，但出图速度慢，且早期调试会浪费大量时间。
- 种子：建议固定一个种子（比如114514或某个喜欢的数字）。这不是迷信，是为了在调试提示词时保证画面构图基础不变，方便做变量控制。
奔画的时候别急着一次性追求“完美草稿”。先花半小时用同一组提示词生成多张图，观察模型在不同种子上的行为，找出哪些词稳定有效、哪些词是“废话”。
3.2 快速复现一个“半草稿风格”的具体配置
有一个很适合用来测试“风格确定性”的步骤，就是用一组配置跑同一张图多次。如果你使用本地部署的WebUI，可以这样复现：
- 将底模切换到二次元手绘写真型模型。
- LoRA层选择一款手绘纹理LoRA，权重设为0.6（需要测试后微调）。
- 正向提示词使用：
sketch of a girl in rain, rough pencil line, blue monochrome base, white paper background, hair flowing in wind, loose brushstroke, blank margin, unfinished style - 负向提示词：
finished, polishing, refined line, photorealistic, 3d, dense detail, watermark, signature, text, error, bad anatomy, ugly, extra fingers - 采样器选择Euler a（初次快速出图），分辨率512×768，步数25，CFG为8。
- 开启“还原面部结构”（面部修复）选项，因为草稿优势在于勾勒，如果脸崩了，再好的风格也废了。
测试后你大概率会发现，这个配置跑出来的图有一种黑白蓝灰手绘稿的感觉，线条锐利，底色半透明，留白充分——基本就是“半草稿”的味道。
3.3 从粗糙到有质感的深化：控制变量法
在基础测试完成后，需要开始进行差异化调整。我会用“控制变量法”来定位问题。
如果我想要更浓的“纸墨感”，我会：
- 把采样器从Euler a换成DPM++ 2M Karras（提升边缘细节）。
- 把CFG从8调到9（让风格词约束力更强）。
- 正向提示词增加
charcoal texture, grainy paper, fiber texture这类词汇。
如果觉得线条太硬、太“数字绘画”，我会：
- 把LoRA权重从0.6降到0.4。
- 正向提示词增加
roughly sketched, quick sketch, cross hatching。 - 拉高一点采样步数（32步），让模型有更多时间去处理线条柔化。
这种变量控制法的好处是，每一轮改动都只调一个参数，你脑子里会对每个参数的影响逐步建立起“手感”，不会出现画风不对但不知道是哪一步出了问题的窘境。
3.4 可控性提升：图生图与局部重绘
纯文字生成图有一个老毛病：你无法精确控制画面构图。半草稿风格尤其在意“收放”的节奏——你可能希望面部更精致，而背景衣物保持松散。这时候必须用局部重绘功能。
实操思路是：
- 使用ControlNet或者其他手部/姿势控制工具，先确定人物姿态骨架。这型工具的原理在线稿阶段尤其重要——它直接决定了你的草稿动态是否成立。
- 先生成一张初稿，然后用“局部重绘”功能，配合蒙版把不需要保持草稿感的部分（比如面部）圈出来，单独用更高的步数和更低的CG重跑。
- 如果只想要局部的线条更灵动，可以反向操作——用“扩展画布”或者“涂抹重绘”拉出超出画框的线条，制造“画师画到纸边没停下来”的真实感。
这种“草稿逻辑”本身就是很好的风格语言，它模拟的是真人画师“聚焦式作画”留下的信息差：面对所画的主体，脸部和眼睛是全画面的视觉锚点，所以它们被花费了最多的精力和细节；而远处的衣摆、背景道具只是氛围，用两笔线条带过即可。这种信息分布上的直觉恰好和半草稿风格要传达的“创作节奏”完美契合。
4. 常见问题与排查技巧实录
4.1 出图总是“太完整”怎么办
这是问得最多的一个情况。很多人在已经加了sketch这个词之后，画面依然呈现完整的厚涂效果。我踩过这个坑，排查思路如下：
- 第一优先检查负向提示词。你的负向词里有没有写
highly detailed、8k wallpaper之类的？别小看这些词，它们的权重影响甚至高于正向的某个形容词。 - 检查是不是Semantic（语义）被“稀释”了。当你正向提示词写太长，
sketch这个词的权重会被其他词分散掉，表达力下降。解决方法：把sketch提前到提示词起始位置，或者使用语法加权重，写成(sketch:1.3)。注意，基础版本的语法权重并不适合所有后端引擎，建议在官方插件说明里先确认语法支持程度。 - 最常见的元凶其实是LoRA权重。手绘纹理的LoRA如果相关性偏弱，调整到0.5以上会明显压制成品感。
我的实测结论：在常规配置下，让画面像半成品的核心参数排序是：LoRA权重 > 负向提示词 > 采样器类型 > CFG值。
4.2 画面出现明显的“AI拼贴感”
这是指某些部分画得过于精致清晰，和整体松散的风格割裂，显得突兀。比如草地细节满满、角色却只是一个白模。这多半是底模训练数据分布不均衡。
解决思路具体有：
- 整体降CFG值到6~6.5，让模型不那么“听提示词”，画面会整体变糊变“软”，这种不协调感就会被掩盖掉。
- 在正向提示词中加入
monochrome base, restrained color palette，限制色彩丰富度，让色调主基调收拢，不会有一些地方过饱和、一些地方灰蒙蒙。 - 还有一个取巧的手段：生成后将图像整体缩放降低分辨率（比如从768降到512），再使用AI超分模型放大回来。这个操作可以把部分过于突兀的高频细节磨平，让画面更统一。
4.3 手和脸的草稿化崩坏
半草稿风格下，手部是重灾区。因为草稿线条简单，AI很容易把手画成乱线团；但如果你提高细节，又破坏了风格。
我的偏好是：**画手的时候收敛一点，画出结构轮廓就好。**具体来说：
- 使用ControlNet手部专用预处理器，先锁定手的姿态，再叠加半草稿风格。
- 在提示词中加
hand sketch, rough outline，明确告诉模型“这个手的部分是简笔”。 - 脸部则相反：用局部重绘开高步数，独立优化眼部轮廓、发际线。一张半草稿强烈的画面里，只要脸部有细致的神采，整体“完成度”感知就会被大幅拉高，这符合“细节集中在锚点”的艺术逻辑。
4.4 出图速度慢的排查
如果你觉得生成过程很慢，先看是不是因为步数太高了。半草稿风格根本不需要跑60步以上，步数越高边际效应越强，反而可能把线条磨没了。常规建议就定在25~32步之间。
如果硬件配置一般，先把分辨率降低到512档位，出了构图再考虑放大。高分辨率生成的草稿线条会有断裂感，放大修复也要多花一倍时间。
4.5 规避“脏噪点”
作画时的飞白、杂点是风格；但整片整片的脏噪点就是事故了。多半是采样器、重绘幅度或者负面提示词三者的配合出了问题。
如果画面出脏噪点，你能想到的直接操作是：
- 把重绘幅度降到0.2以下（如果是用图生图做风格化处理的时候）。
- 看到冒出来的大量随机噪点时，检查是不是CFG高于11了。CFG过高会诱发“过曝噪声”，这是扩散模型的老毛病。
- 加一条负向词：
noise, dust, grain, excessive, speckle。注意“grain”在有些情况下是你想要的纸纹感，请根据画面实际判断方向。
5. 工具选型与效率对比
5.1 WebUI 还是 ComfyUI
这是新手纠结的问题的核心。我的理解是：两者的画图能力一样，区别在于“看图”和“改图”的流程组织方式。
WebUI适合入门和习惯直观交互的同学。它的界面让你能看到提示词、参数、生成结果在同一个窗口里，方便边改边看。如果你只是想做一批半草稿风格的头像或立绘，WebUI够用了。
ComfyUI适合做批处理和复杂流程组合。比如你想实现“先生成线稿骨架 → 转为半草稿色稿 → 重绘面部 → 输出”这种多节点流水线，ComfyUI的节点式布局能让你把整个流程串起来，一次导入配置，以后一键出图。代价是需要耐心理解工作流面板，上手曲线稍陡。
我个人的习惯是：**调参测试用WebUI，稳定复现和批量生产用ComfyUI。**二者并行使用，并不冲突。
5.2 推荐的LoRA组合
LoRA是微调风格权重模型的本质是“限定了风格的方向”，相当于在你画画的助手旁边放了一幅参考图。对于半草稿风格，目前社区经过验证的相对稳定的方向有：
| LoRA方向 | 建议权重 | 适用场景 | 副作用 |
|---|---|---|---|
| 手绘铅笔线稿 | 0.4~0.6 | 需要明显铅笔手绘轮廓 | 可能让画面过度粗糙 |
| 水彩罩染 | 0.5~0.7 | 需要色彩轻盈、边缘软化 | 脸部细节容易模糊 |
| 纸质画布纹理 | 0.3~0.5 | 需要纸面颗粒质感 | 搭配高CFG会产生杂点 |
| 未完成感专调 | 0.6~0.8 | 需要大量留白和刮痕效果 | 可能控制不住构图 |
选LoRA的关键是别求多。同一张图里超过三个LoRA容易互相“打架”，风格混乱。懂得保持克制时，画面才有本身这个名字里的“半”味——它传达的从来不是“你们看，这么多技术效果我都加上了”，而是“你们看，我给出了这种状态下最准确的表达”。
5.3 放大与修复环节
半草稿风格由于存在大量线条抖动与纸纹，直接常规超分模型放大，容易出现边缘“勾边”现象，草稿粒子在放大后被算法重构成脏色块块。
我的经验是采用两段式：
- 普通放大到目标尺寸的1.5倍即可，不需要一步到位。
- 使用“重绘幅度0.3”的图生图方式精修，把放大的糙边重新揉回草稿感。
如果你追求更高质量的最终输出，可以在第二步配合ControlNet保持原始构图的线条走向，这样既保持了草稿的粗犷，又不会让缩放破坏整体观感。
6. 从生成到应用：扩展思路和实操总结
6.1 半草稿图片的落地场景
半草稿风格不只是一个纯实验性玩法，它在实际创作中的落地场景其实比大多数人预想的要广。
我看过不少创作者把这种风格用在角色设定提案里。在项目早期阶段，你需要向团队或甲方展示多个角色方向——这时候如果直接上完成度较高的彩色稿，大家会把注意力放在细节上，反而忽略人设本身的辨识度。而半草稿风格因为“留白”，恰好把轮廓、动态、气质这些核心要素凸显出来。观者能一眼抓住重点，又不会觉得画面轻浮。
它也特别适合做系列概念图、动态漫分镜底图、视频封面的氛围稿。在短视频平台上，带手绘线条的画面本身就比高完整度插画更容易让用户停留了几秒——因为“未完成”的视觉暗示让人好奇，期待它完成的样子。
如果你在做艺术字、歌词排版、拼贴日记之类的平面设计，半草稿风格的底纹也非常好用。它的不规范性带来了自由感，配合排版不会喧宾夺主。
6.2 批量化生产的小技巧
如果你需要一次性生成十几张同一角色、同一风格的半草稿立绘，最快的路径不是一张张调参，而是把关键信息固定下来，改换动作：
- 提示词的主体部分保持不变，只替换动作描述词，比如
holding katana换为sitting on rock。 - 固定种子或者关闭随机种子（设置动态种子数为某个特定值时注意别固死），会确保人物特征保持一致。
- 使用ControlNet统一姿态骨架，这样每次生成的主体轮廓不漂，只是在做“换动作”的局部变动。
批量生产中最怕的问题是角色特征漂移——同一个角色的脸，第一张瓜子脸、第二张圆脸。解决办法是追加角色固定类LoRA，或者退一步，把第一张生成图的头部区域裁切出来作为参考图，配合局部重绘引导后续生成。
6.3 我对这个方向的一点提炼
做半草稿风格的研究和时间越长，就越发现它不是一个“技术问题”，而是创作哲学的体现。“少即是多”，这句话放到AI绘画里同样成立——作为AI时代的创作者，最初和最后的专业技能不是操控越来越强的模型暴跳雷霆地创造出丰富细节，而是准确地判断什么时候该停下来。
这个过程从我个人的体验来说，非常接近传统手绘中的“收放”练习。前面几轮试错中可能一直觉得画面“过满”，后来终于找到把CFG往下降、把LoRA权重调下去的胆量——画面松弛了，情绪反而出来了。这是电脑给我们的礼物：你可以随时改回原判，所以值得试试那些在传统媒介上不敢下的笔。
这个方向我后续还打算继续扩展，比如加入动态脚本自动生成漫画分镜草稿、或者尝试半草稿风格与3D渲染底座的结合。至少对我来说，文字生成图片的乐趣早就不在于“把画面做得具体”，而在于研究“画到什么程度刚刚好”。如果你也有同样执念，按上面的参数思路跑几张图，我们大概率能在“刚刚好”的那个边界线上相遇。
