月产2000张！高手如何打造AI绘图的全自动化流程？

我接了个活，为一家童书电商公司生产教辅插图。本文记录了我如何分析可行性，如何做前期准备，如何干完第一单，如何决定金盆洗手的整个过程。

其中也会穿插大量 AI 技巧和技术实践，讲原理和思路为主，具体操作不会写得那么详细。别慌，如果你对那些神秘的 AI 术语不感兴趣，我保证你也能看懂。我会把技术细节放在特定模块里，故事部分尽量避免术语。你可以直接快进跳过，不影响你看故事。

鉴于为客户保密的义务，我无法直接展示成品，但可以用变通的方法让你看到类似的效果。所以你在本文中看到的图片，全部都是我事后生成。

现在项目已经完结，在故事开始前，先分享一个结论：AI 不能让普通人代替插画师，但是能让掌握 Photoshop 的人代替插画师。

更多AI实战方法：

一、机会

2025 年 4 月，朋友给我推荐了个活，AI 生成儿童插画。量非常大，一个月能有一万张左右。按朋友给的报价，只要我产能足够，哪怕只是接下其中 2000 张，利润也会非常可观。

打动我的关键点是：量大。

因为我最大的本事，是擅长从乱麻般的复杂流程中理出头绪，并做成自动化流水线。所有环节各个击破，用 Python、提示词工程、Excel、多维表等技术和工具串起来，实现以一敌十的效果。

这个本事简单说就是：工业化。

当然，AI 生图我本身也有丰富经验，是能接这个活的前提。

从赚钱角度来说，这似乎是个不错的生意。虽然现在 AI 生图工具遍地是，人人都能生成像模像样的儿童插画，但生成一两张和上万张可完全是两码事。上万张手动生成，耗费的精力并不亚于一份全职工作。

我的算盘是，把生成插图的一整套流程都自动化，耗费极少时间，挂机大批量出图。我的主要精力只用来挑选图片，以及与客户沟通。对，因为 AI 生成的图总免不了有问题，要碰运气（行话叫抽卡），所以我会让程序为每幅插画生成多张图片，我来从中挑选。如果一张可用的都没有，就标记一下，进入重试流程，再来一轮，直到找到可用的。

至于细节的修改，比如人物多个手指、少个手指，虽然我用 AI 工具和 PS 也能修，但亲自动手产量上不去。我只想赚自动化的钱，手工活的钱我打算二次外包给插画师赚。我朋友正好有这方面门路，能帮我找到插画师。初步谈下来，插画师有合作意向，我给的价格也在对方接受范围内。

接单的要素集齐。这样一来，我就有了一根高效的杠杆，用自己极少的时间，产生超越自己时薪的利润。那几天心情愉快，在厨房洗奶瓶时都会不自觉唱几句。

1. 技术分享

技术部分开始。

① 选择模型

在这个时间点，AI 生图的现状是：最顶流的模型，国外的是 gpt 4o，国内的是即梦（豆包）。开源模型方面，效果最好且生态完善的是 Flux dev。

由于出图量大，不能只看效果，还得顾及成本。gpt 4o 成本过高，即梦没有官方 API。客户对图片的风格又有明确要求（真的非常具体），可行的方案只能是开源模型。

在开源模型中，SDXL 和 Flux dev 是两个主流方案。SDXL 便宜且快速，但我知道它的局限。童书插图有大量多人出现的场景，当一个穿着蓝色条纹短袖 T 恤的小男孩，和穿着卡其色开衫的妈妈同时出现在画面中，SDXL 经常会把两人衣服都画成蓝色或卡其色，废稿率奇高。用 Flux dev 就要稳定得多。

拿我在其他项目中的对比结果举例。上图是 Flux dev 画的，完美地遵循了我对人物外貌的要求：女主青绿色衣服、银灰色长发；男主红色衣服，红色头发。甚至人物的眼珠颜色都遵照了指令。

然后 SDXL 生成的就是这么个玩意，一团混乱。

这是两者的 CLIP 模型能力差异所导致。CLIP 模型是理解和处理图文对应关系的模型。扩散模型不懂人话，CLIP 懂。CLIP 把你输入的提示词转化成扩散模型能理解的“语言”，相当于是个翻译。如果翻译自身语言水平差，当然容易鸡同鸭讲。

于是 Flux dev 成了唯一的选择。

② 选择模型调用方式

另一方面，生图过程如果想要自动化，必须通过程序来调用。

目前 Flux 生图有 3 种方式：WebUI、ComfyUI、直接编程调用。我最熟悉的是 ComfyUI，它提供 API，可以把一整个工作流传进去。只要模型和其他资源都准备到位，这边程序输入一个工作流，运行完那边输出一张图片。把这个过程封装成工具函数，放在一个更大的程序中循环调用，就可以实现大批图片的连续生成。

③ 选择运行环境

还有个问题是，AI 生图耗费大量运算资源，这些运算资源从哪来？我的个人电脑是一台 7000 多的 i7 处理器 Windows 笔记本，显卡很烂，运行 SDXL 都要 10 分钟一张图，显然指望不上了。换电脑是个法子，但考虑到合作还没稳定开展，且要根据需求量灵活扩展运算资源，云端机器是更合适的方案。

最硬核的办法是去云服务商买机器、买存储，不过我这种半吊子开发者折腾起来也够呛。最终锁定了两个更简单友好的平台：Replicate 和 Runcomfy，只需要对接 API，不用费劲折腾机器配置。

Replicate 上提供 Flex dev Lora 模型。输入提示词和一些参数，运行完，一张图就出现在我电脑上，非常简单。其中 Lora 模型我需要自己训练，然后放到 Huggingface 或 Civitai 上，通过链接来调用。这个模型是按张计费的，一张图人民币 2 毛左右。

但是 Replicate 有一点满足不了我。它无法使用任意自定义节点，毕竟这个平台提供的不只是生图模型，文本、语音……什么模型都有，它不会专为ComfyUI提供这么细致的支持。而我打算使用的图像放大技术，需要用到一个叫TTP_Image_Tile_Batch的节点，Replicate并不支持。

Runcomfy 则更加专注于 ComfyUI。它有云端机器，而且带有存储，意味着我可以把要用的模型、自定义节点传上去，这个平台理论上可以运行任意生图模型和自定义节点。Runcomfy 按机器运行时间计费，精确到分钟。每次要生图，无论是打开在线 ComfyUI 界面手动操作，还是通过 API，都要先启动一台机器。从机器启动成功那一刻开始计费，用完关掉机器停止计费。

关键是，算下来它一张图还比 Replicate 便宜！

技术部分结束。

二、准备

正式接单前，经过了两轮试稿。

1. 试稿磨合，客户认可

第一轮试稿，根据客户给出的风格参考图，分别用水彩和扁平两种风格画出：公园里，男孩伸手想要摘花，妈妈连忙劝阻。

最终客户满意的效果类似这样，左水彩，右扁平。肢体问题请忽略（这是我事后生成），主要看风格：

挑战 1：满足风格要求

刚开始我偷了点懒，认为客户对风格的要求没有那么高，没有专门训练风格模型，而是去 AI 社区找别人的模型来用。生成了几次，客户对水彩风格勉强接受，但认为扁平风格和他们的参考图差异太大。

别人模型的生成结果。

客户公司自己就有一大批插画师，有相当数量的插图是他们的插画师纯手工绘制的。于是乎，他们盯风格那叫一个细，甚至对于人物眼睛大小和画法、水彩勾线的笔触质感、扁平色块上微妙的铅笔纹理，都有要求。

这下没懒可偷了，只能用最精确的方式：自己训练模型。这事听起来吓人，但 AI 发展这么久了，借助现成的工具其实挺简单的。而且整个训练过程也不贵，只花了我不到 100。

客户每种风格都提供了几十张参考图，足够训练了。模型训练出来后，除极个别风格细节没还原出来，其它方面简直以假乱真。恰好，缺失的风格细节，我也有办法用 PS 来实现，而且也能自动化。这下风格没有问题了，客户也认为非常好。

挑战 2：准确表现人物互动

另一个问题是 AI 对图片内容的理解。它虽能画出公园，画出小花，画出男孩和妈妈，但人物的行为总是差点意思。比如男孩摘花视线却不看花，男孩蹲下左手竟然放在右边膝盖上，妈妈伸手不像阻止却像接受男孩献花。

这个画得像妈妈扶男孩起来，男孩眼睛也不知道在看哪里。

这诸多问题的根源是，AI 能理解你要它画的事物，但不理解事物之间的关系。因为它并不真的像人类这样先理解物理世界再学画画，它像是个一辈子被关在地窖里的圈养画师，看了无数别人的画，然后开始邯郸学步画世间万物。

为此，我专门优化了我的生图系统。我在让 deepseek 生成画图提示词的时候，要求它把人物的动作神态描述得极其细致，细到人物站在画面的什么位置，多少度朝向哪个方向，视线看着哪里，左手在干什么，右手在干什么，等等。

这样确实有大幅改善，但无法完全杜绝此类问题。AI 本身能力也就到这了，如果抽卡无法解决，只能后期手动修复。

挑战 3：解决手部畸形

还有个普遍问题：畸形的手，这是 AI 生图老大难。手应该是人类变化最丰富的肢体了，毕竟人类通过物理接触来与周围环境互动，无论什么形状的物体，都优先通过手来操作。目前的 AI 哪怕是阅图无数，能把人脸画得惟妙惟肖，也还是领会不了人手的全部变化。

还是那个原因，绘图 AI 是不理解物理世界的。不像人类美术生要从人体结构学起，AI 学画画一上来就是一遍又一遍地刷像素点，连手指数量都画不对。

而且，客户这道试稿题本身画手难度也高。首先是手的尺寸小，画面里两个人物，还都是全身像，那手有多小就可想而知了。AI 的注意力没多少能分配在手上，效果可想而知。

另外由于小男孩要摘花，这就得画出手与花的互动，人手摘花主要发力的是拇指和食指。但不懂人体结构的 AI 能画对吗？反正我是看到好几张握红酒杯的手势，把花茎夹在食指与中指之间。

同时，妈妈的手还得阻止，要加上手与手之间的互动。妈妈的手按在小男孩的手上，这种情况是最难的，两只手手指重叠的情况，AI 往往画成一团糊。但也有取巧的办法，让妈妈的手按在男孩小臂上，或者抬起手来摇食指，同样符合要表达的含义。

以上 3 个问题，风格问题已经稳定解决，而人物互动和手部问题则可以以量取胜，通过试稿并不难。至于第二轮试稿，虽然插图数量加到了 5 张，但主体都是单个的动物或人物，轻松通过。

技术分享

技术部分开始。

① 训练模型

为准确还原客户想要的两种风格：水彩与扁平，自己训练模型不可避免。Lora 模型非常擅长解决这个问题。

说实话，玩 SD 和 ComfyUI 这么久，训练 Lora 这事我竟然还是第一次干。之前没有专门尝试，因为我确定训练模型会越来越简单，真有需要再临时学。这不，现在只要在 Liblib 的图形界面里点点鼠标就可以完成了。

不过，训练过程还是有些设置项要考虑。如何裁剪图片，给训练图打什么标，训练多少轮，这些还是得好好琢磨。

读了一篇 别人的 LoRA 训练经验，解答了全部疑问：

1. 训练图最好是方形图。我没有用 Liblib 的图像裁剪功能，而是自己写程序把图都裁剪成了方形。这样能把一些裁剪效果不好（比如人只剩半张脸、主体不完整）的图剔除掉，以保证模型训练质量。
2. 风格类 Lora，模型特征无差别应用在整个画面所有元素上，完全不打标是个不错的选择。这样训练出来的 Lora，使用时不需要触发词，只要挂上 Lora，风格就出来了。
3. 关注 LOSS 函数的变化趋势，训练轮次增加，LOSS 逐渐减少。但到达一定轮次，曲线趋于平缓，LOSS 几乎不再下降。如果不确定这是局部最小值还是全局最小值，看看模型的样例图也大概能判断。其实对于细节较少的非写实类图片，有 8-10 轮训练，效果就很理想了。

② 自动出图工作流

把训练好的 Lora 传到 Runcomfy 的存储里，资源就绪。搭建一个最基础的 Flux 文生图工作流，再挂上两个 Lora，一个手部细节优化 Lora，一个自己训练的风格 Lora。

这样就准备好了两套生图工作流，一套水彩风格，一套扁平风格。分别导出 API 格式文件，留待程序调用。

另一个核心工作流是高清放大。本质是基础的 Flux 图生图工作流，但有这几个区别：

1. 降噪值设为 0.15，能保证图片高清放大时忠实于原图内容。
2. 挂了一个 4 步生图 Lora，它能让 Flux dev 生成图片时只需要 4 步（通常要 20 步），但质量降低，把 Flux dev 当 Flux schnell 用，以大幅减少生图时间。也不知道作者哪来的奇思妙想。这种用法很适合图像放大的场合，质量降低的影响很小，肉眼看不出来。
3. 采样节点前后都接了 TTP_Image_Tile_Batch 节点。它的作用是把原图分割成许多小块，生成的时候，Flux 每次只专注画一个小块里的内容。由于注意力集中了，可以画得更细致，细节更加准确和丰富。最后，怎么分割的就再怎么拼回来，以此达到高清放大的目的。

特别讲讲降噪值这个概念，想要 ComfyUI 玩得溜，这个概念必须深刻理解。我一直把它理解成在一堵汉白玉石墙上雕刻浮雕。比如说这墙有 1 米厚，降噪值为 1（最大值），就意味着你可以随心所欲地雕。整堵墙凿通，然后正反两面开工雕出个大卫像都没问题。降噪值如果为 0.15，也就是你只能动表面 15%的厚度，里面的不能动，这样最终只能是浅浅的浮雕。

在文生图的情况下，这堵墙原本就是一块平板，没有任何图案。降噪值越大，AI 发挥的余地越大，一般都会开满。

但在图生图情况下，这墙上原本就雕有图像。如果你想一定程度保留原图的特征，降噪值反而不能开太大。一面九龙壁，你把降噪值开低一点，AI 只能动动表面，它就会把心思花在龙鳞龙须这些细节上，不至于把整条龙改成了迎客松。

③ 手动修补工作流

经过测试，Lora 模型和生图、放大工作流可以稳定输出了。但为了应对各种可以预见的特殊修改，还是应该把手动修补的工具也准备好。虽然我打算丢给插画师，但得有 Plan B，如果插画师实在忙不过来，我自己还能临时顶一下。

手动修补工作流有这几个：文生图局部重绘、图生图局部重绘、转绘。

文生图局部重绘，用的是 Flux dev fill 模型，这个模型是专门用来局部重绘和扩图的。工作流其他方面和基础文生图一样，只是还挂了我训练的风格 Lora。当需要给人物加一顶帽子、换双鞋子，改改猫尾巴的形状，就用这个工作流。

图生图局部重绘，用 Flux dev fill 结合 Flux redux 模型。要放入图中的物体，经过 Flux redux 的处理，能以合理的方式、相同的风格融入画面中，同时最大限度保持物体特征。Redux 无视文字提示词，图片是唯一的输入信息。这个技巧最常用来给电商模特换衣服。

转绘，则是 Flux dev 基础模型和 Flux redux 的结合，给一张图片生成一个整体看上去差不多、但没有任何一处细节相同的仿制品。再挂上我的风格 Lora，就能把照片转绘成扁平或水彩插画，同时原图特征都尽量保持住。这是关键的自媒体洗稿技巧，把网图一转绘，既相似又避免盗图处罚，别人的图摇身一变，成了自己的原创内容。

刚才提到的各种模块，都可以在我的 Flux 万能工作流 里找到。

之后所有的手动修改，除了 PS 和偶尔使用的豆包，都是这 3 个工作流交替使用搞定的。配合不同的降噪值使用，又能产生更多用法变化，解决不同的问题。

技术部分结束。

2. 搭建自动化生图系统

试稿的插画我是手动生成的，现阶段还在调试技术细节。同时，我也在一边搭建我的自动化出图系统。

两轮试稿通过后，客户已经打算给我派活了。但我的系统还没搭建完成，手动生成太耗时，所以这个单子我暂时推掉了，说等我系统完成开始接单。

系统搭建完成，我用第二轮试稿的任务又跑了一遍，非常丝滑。有了这套系统，我具体要做的事情只剩这几件：

1. 把客户的插图内容（Excel 中的一列）复制到我的多维表里，等 deepseek 自动为每张插图生成绘图提示词。
2. 把多维表导出成表格文件，并把它放到我的程序目录下。
3. 运行 1 号程序（生成），它会从表格文件中找到所有绘图提示词，启动云端机器，每幅插图输出 4 张图片，全部完后自动关闭云端机器。
4. 手动挑选图片，如果某幅插图一张可用的都没有，就在多维表的重试列中打勾，之后再重复执行 2、3 步直到成功。
5. 运行 2 号程序（放大），它会启动云端机器，把挑选出的图都高清放大（童书是印刷品需要高清图片）。
6. 运行 3 号程序（分辨率），它会把放大后的图片转换成印刷所需的分辨率，并缩放到客户指定的尺寸。
7. 执行我准备好的 PS 批处理动作，给所有图片加上纹理细节。
8. 运行 4 号程序（整理），把处理好的图片按书籍分到不同文件夹，便于最终发送给客户。

这一套看似复杂，但手动操作其实很少。挑图费点时间，其他的环节我只负责按一下运行键，然后挂机下楼遛娃。

关键是，来 100 张图也好，2000 张图也好，我都是这套流程。要是量大又急，我还可以改一改配置，用速度更快的云端机器。虽然成本略高一点，但机器成本和插画师成本相比，九牛一毛。

技术分享

技术部分开始。

要实现刚才提到的系统，就要把分散在不同工具里的自动化能力衔接起来。一个完整的流程，最初的输入来自客户的 Excel 表格，其中一列是插图内容的简略需求描述。最终的输出是一个个项目文件夹，里面是图片文件。中间的复杂过程，能自动化的通通要自动化掉，难关只能自己一个个攻克。

① 飞书多维表生成绘图提示词

从简略描述到具体的绘图提示词，飞书多维表是最适合的工具。它能调用非常丰富的第三方 AI 模型，不局限于自家模型，可以实现复杂文本处理任务的自动化。

我的表格结构有点复杂，从上到下有图片表、人设表、项目表 3 层，另外还有两张维度表，用来定义两种风格的提示词和图片复杂度等级（不同复杂度价格不同）。上层表依赖下层表，从下层表中读取数据。下层表汇总上层表，用以统计图片量、估算营收。

从下往上讲。基础是项目表，定义了项目名称、所属月份、图片风格，汇总计算图片数量，根据每张图的复杂度去需求类型表里查出价格并求和，估算整个项目营收，同时也记录一些备注性质的信息。

上一层人设表，专为人物一致性要求而准备。如果是绘本类的书籍，要求主角服装样貌贯穿全书。这张表里定义了人物的名称，选择人物所属项目，并由 deepseek 随机为该人物生成详细的外貌描述。此处给 deepseek 的指令，要求它只关注人物外貌，忽略动作环境等会随场景而变化的因素。还要明确要求 deepseek 定义发型发色、服装款式颜色等主要外貌特征，且保证人物都是中国人。最后，为了我自己浏览方便，还调用阶跃星辰的文生图 API，输出一列小尺寸缩略图。虽然有费用，但这个很便宜可以忽略不计。

上层的图片表变化最多，要展开讲讲。图片表每行都是一张具体的插图，客户表格里的需求内容往场景列（scene）一贴，多维表自带的免费豆包模型就会把描述总结成 10 个字以内的画面标题。这个标题既为了自己方便查找，也用来拼接出图片文件名。

然后，为每张插图选定所属项目（可以选好一行其他复制粘贴），就会有一列从项目表里读取该图片的风格，并把风格提示词作为前缀加到完整绘图提示词的开头。

如果画面里出现了主角，则在人物列选择人物。我准备了 3 个人物列，也就是说一个画面支持 3 个主角同时出现。人物列会从人设表里把外貌描述读取过来，作为完整绘图提示词的信息素材。

我还加了一列人工指令，当对画面有明确而具体的要求时，就直接写在这里。比如要求时间是夜晚，环境是户外。这也会作为信息素材。

接下来轮到 deepseek 表演了。我让它参照需求列的内容用英文写绘图提示词，重点满足人工指令列的要求，其次满足一些通用要求：

1. 先算出画面里有几个人物。
2. 详细描述每个人的动作，细到方位角度、视线朝向等。
3. 外貌特征优先从主角信息里照抄，一个字都不能改。非主角人物，外貌再自由发挥。
4. 中国人、服装符合时代背景等细节要求。
5. 简略描述场景环境。
6. 输出的格式要求及示例。

deepseek r1 能够漂亮地完成任务，绝大多数时候生成的提示词直接可用，准确且详细。不过，这里的 deepseek 不是免费的，可以用火山方舟的 API。这部分成本比 Runcomfy 要低许多，不用太担心。

如果被这种层层关联的表结构绕晕了，我的建议是，认真弄明白多维表里的「单向关联」和「查找引用」这两种特殊列的用法，然后你就会发现这事也没那么难。

还有个问题是，飞书多维表个人免费用户一张表最多 2000 条数据，对于这个项目体量来说远远不够。所以图片表得滚动清理，不够用了就删掉旧的。因此我给项目表加了一列完成状态，打勾就完成了。图片表再把完成状态从项目表里读过去，就可以通过筛选一次性把已定稿的图片删掉，为新项目腾出空间。

刚才都是初次生图所需的配置。我还加了几列用来应付需要修改的情况：

1. 重试列，打勾表示需要重新生成。
2. PS 列，打勾表示需要我来手动修复。
3. 修复列，打勾表示需要插画师修复。
4. x 和 y 坐标列，这个用来从图中裁出一块，用 AI 局部重绘修手，完了再贴回原图上。这在后面开工的部分再讲。

这几列起到的只是标记作用，看客户修改意见时，一边看，这里一边打勾。我为图片表添加了几个子视图，根据这几列的打勾情况列出对应图片清单。清单导出成 csv 文件后，运行对应的程序可以一键从图片堆里把它们找出来，复制到专门的目录下，免去手动找图。

有这样一套表格系统，就可以在一个地方完成所有图片的管理、绘图提示词的生成，并且能应对后续的多轮修改。

② Python 生图放大

这是指两个程序，1 号和 2 号。它们覆盖了自动化流程里的中间一段，从绘图提示词到产出高清图。

1 号程序接收多维表输出的 csv 文件，从中读取整列绘图提示词，交给 Runcomfy 处理。根据风格调用相应的生图工作流，大批量输出图片。

图片输出后，人工挑选，同时在表格里标记需要重试的。反复运行 1 号程序，它会优先读取重试图片清单，重新生成。

确保所有插图都可用后，运行 2 号程序，图片交给 Runcomfy，调用高清放大工作流，得到印刷质量的图片。

但 1 号程序和 2 号程序背后，需要许多底层的代码来支撑。

首先，Runcomfy 的 API 是绕不开的，必须调通，这是程序生图的核心。对于没有编程经验的人，对接 API 是挺有挑战的。但只要选择编程能力足够强的模型，并且保持耐心跟它一起排查错误、反复尝试，最终还是能调通。当然，不能一路“还是不对”这样盲改，多让 AI 读 API 文档：https://comfyui-guides.runcomfy.com/api-reference

调通之后一劳永逸，就获得了一个可以在任何项目中使用的 AI 生图工具函数。输入任意工作流、机器类型等参数，云端机器就给我一张图。

为了程序稳定运行，得考虑代码的健壮性。调用 API 的网络环境不会永远通畅，需要加上重试和指数退避机制，让程序不至于遇到网络错误就停止运行。

另外，这个函数的使用前提是云端机器得开着。所以为此还需要一整套的机器管理函数：启动机器、检查是否有可用机器、关闭机器等。

完整的工具函数文件，代码结构如上。

到了童书插图项目里，可以对基础 Runcomfy 函数再封装一层，加入一些业务逻辑。因为我们并不会输入任意工作流，我们只有生图和放大两个工作流。

封装后的业务级工具函数，输入不再是整个工作流，而是绘图提示词、要放大的图片、降噪值等具体属性。但它仍然只处理一张插图。

生成图片函数的 docstring。

高清放大函数的 docstring。

再上层的应用，就是 1 号和 2 号程序了。它们把机器管理的能力也用上了。生图时检查有没有机器已经开着，有就直接用，没有就启动一台新的。所有图片生成完毕，自动关闭当前使用的机器，及时停止计费。

除此之外，我还给 1 号和 2 号程序配上了统计功能，可以根据机器类型、价格、运行时长算出程序每次运行的开支。运行日志固定写到一个表格文件里，机器成本与多维表里的营收数据再导到一张专门的财务表里，手动填上插画师开支、火山方舟 deepseek 开支、阶跃星辰 API 开支，就能轻松算出利润。

我编程水平也就那样，但在 AI 的辅助下，做出这样一套系统也没多难。

③ Python 调整分辨率和尺寸

这就是 3 号程序，把处理分辨率和图片尺寸的环节自动化了。

客户对最终成品图的要求是，10×10cm，PPI（每英寸的像素数量）是 450。

这用 Python 和 PIL 包很容易处理。根据要求的尺寸和分辨率，可以算出成品图的像素大小，再用 PIL 内置的方法调整分辨率。

这个程序完全在本地运行，没有云端调用，0 开支，耗时也短。

④ PS 批处理加上风格纹理

这部分是为了满足客户对风格的细致要求。

比如水彩风格，训练出来的模型，生成背景有明显的水彩笔触，但人物服装有时候看起来是纯色的。客户希望人物服装也要有水彩笔触一样的随机明暗变化。

比如裤子上这种不均匀的明暗变化。

至于扁平风格，客户想要的其实是一种很特殊的风格，并非那种纯色色块构成的商业矢量插画。细看参考图，扁平色块上有白色颗粒感的笔触，创造出一种彩色铅笔的质感。而模型生成图片，色块部分则完全是纯色。

微妙的涂抹痕迹。

这么细微的风格特征，训练 Lora 时捕捉不到，但通过 PS 二次加工也能实现。传统做法是找水彩或铅笔质感的 PS 笔刷，用半透明的白色在图上刷一遍。但我要的是自动化，得让这个过程标准化，略微牺牲一点效果也没关系。

其实这本质是往图片上叠一层纹理。纹理有随机性，有的地方更透，有的地方更实，像从飞机上透过云层看大地。纹理的随机模式不同，最终形成了不同的笔触质感。我只要想办法试出这两种纹理，就可以用在所有图上，实现自动化。

这难不倒身为设计师的我。找素材啊，往测试图上叠，一层又一层。把图层模式设成滤色和颜色加深，消除纹理的本色，让它只影响图片明暗。很快就调出了这两种纹理，保存成 PSD 文件。

接下来做 PS 批处理程序。不熟悉 PS 的人可以这么理解，我打开一个开关，PS 就开始记录我的所有动作。把复杂的图片处理流程先手动做一遍，停止记录，就产生了一个批处理动作。然后 PS 能对一整个文件夹里的图使用这个动作，就实现了自动化加纹理。

动作过程如下：

1. 打开一张图片。
2. 置入之前准备好的纹理 PSD 文件。
3. 把纹理转换为图层，混合模式从正常改成穿透，里面的滤色和颜色加深才能生效。
4. 合并所有图层，把纹理固化到图片上。
5. 转成 CMYK 颜色模式，这是印刷工艺需要。
6. 另存为 TIFF 格式，印刷需要的格式。
7. 关闭图片。

使用这个批处理动作时，打开图片和另存为会被新的设置覆盖，这样每次处理的都是不同的图片。

转换成 CMYK 的工作，在上一步 Python 里也可以实现，我一开始就是这么做的。但 PIL 包所用的颜色描述文件不专业，相比图像处理软件效果差很多，导致整张图发黄。和颜色相关的事情，还是适合 PS 来做。

技术部分结束。

三、开工

现在，万事就绪，开始接单。

1. 按下启动开关，图哗啦啦出来

第 1 个实战项目图不多，1 本书，82 张图，给 7 天时间。

时间方面我自己这边是毫无压力，半天就全出来了。感觉像台照片打印机（如果不能比作印钞机的话）。

82 张插图里，有一半左右没有人物。这种图片不容易出问题，往往首次生成就可用。所有图片进入重试流程的不到 20 张。我没有专门为手部问题重新生成，重试的几乎都是人物互动关系不太对的情况。

其中有 3 张图人物非常多，这类群像图指望 AI 一步到位是不现实的。我重新生成几次从中挑出问题较少的图，留给插画师修。

初稿提交客户，向客户说明插画师还未介入，先忽略手部问题，后续会集中修复。这样避免插画师做无用功，毕竟每一次改都是成本。

2. 突遭变故，插画师退出

我这种一心钻到技术里的人，总是容易低估人的变数。

不过现在，还是先说说客户对初稿的反馈。说实话我是有点震惊的，修改意见那叫一个细。总结下来大概分几类：

1. 细节不符合现实世界逻辑，比如课桌椅少了或者多了腿。
2. AI 漏了指定元素，比如画台灯漏了旋钮。
3. 风格要求变了，比如模型训练图里，人物头发有表现高光阴影的线条，但客户要求去掉这些线条。
4. 可能存在法律风险的内容，比如警察服装是外国样式。
5. 印刷要求，比如夜晚和雷雨天的天空仍然要画成亮色，否则深色印刷出来效果会差。
6. 美观要求，人物服装款式单一，要求多样化一些。
7. 不太能理解的要求，比如小孩不能穿背带裤，长裤不能露脚踝，不能卷裤脚，笑不能露齿。嗯……难道是收到过这样的买家差评？

第一轮审稿意见，82 张里有 71 张要修改，修改点远不止手部问题，那剩下 6 天时间给插画师就危险了。

和插画师一沟通，对方要求再次确认价格。这一确认，突然就变卦了，觉得价格太低，甚至连讲价都没讲，直接就退出了。

凭心而论，我给的价格确实不是很有诱惑力。加上这种给 AI 擦屁股的活，可能插画师内心多少是抵触的。

这时候，我朋友在给我另寻插画师，我自己也一直有在多方打听。结果不是很乐观，按目前市场水平，插画师们的心理价位其实比我的出价高很多，甚至一些大厂插画师能报出 100 一张的价格。而按照客户这边的审稿情况，后面几轮的修改量到底有多大，我心里也没底。即使让出大部分利润，高价找一个插画师合作，仍然有极大风险，成本兜不住。

3. 咬牙自己改，试探 AI 的能耐

既然这样，这次我就自己来吧。一方面试探客户的修改意见到底能细到什么程度，以决定后续以什么标准来找插画师。另一方面也考验一下自己的 AI 能力，我虽是设计师，但不会画画，看我的 AI 技能+P 图技能有没有本事兜底，让我有底气不完全依赖插画师。当然，我自认为 PS 技巧相当了得，这才敢继续干下去。

紧锣密鼓改了一周的图，经过 6 轮审稿，总共改了 71 + 60 + 33 + 11 + 3 + 13 = 191 张图。此刻我只想说一句“我滴个娘嘞”。其中个别图问题太多，我抛弃了原先的图全新生成，但这仅仅是减少问题，仍然需要局部调整。其余的图重新生成风险较高，容易引入新问题，最好是在现有图片基础上修补。所有这些修补只能手动。

这样一来，生图系统的自动化流程就遇到了巨大堵点。在生成图片和高清放大之间，大量手动修图代替了原先的简单挑图。

意外的是，这一周修下来，除了时间紧张忙得我手抖外，进展还算顺利。客户的要求本想着尽量满足，搞不定的只能协商一下，以没有插画师为由让对方考虑变通方案。结果全部要求都通过各种技巧的组合满足了，竟然没有搞不定的。至于改这么多轮，那是客户方面工作流程就这样。每一轮的修改意见都是之前没提过的点，审稿审不到那么全面，并非修改不到位。

所有要求都满足，但我完全不会画画，这是怎么做到的呢？光用 AI 改图是不现实的，AI 画图难以精确控制。好在我有 PS 技巧，可以用各种手段让 AI 乖乖就范：

1. 小范围擦除类任务，只用 PS 就能完成。
2. 大范围擦除类任务，用豆包的局部重绘又快又好。
3. 元素移动变形类任务，也是 PS 的传统强项。
4. 无精确要求的创造类任务，用 AI 工作流局部重绘，可保画风一致。
5. 对物体有精确要求的创造类任务，则通过从网上搜图，让 AI 局部重绘或转绘，保持了主体，又匹配了风格。

这些技巧，在下面的技术部分我会展开讲讲。

技术分享

技术部分开始。

这部分已经脱离自动化的范畴了，都是手动改图遇到的难点和解决办法。

① 技巧与用途

首先，介绍一下用到的各种技巧，以及它们的能力：

1. 「Flux」文生图局部重绘（高降噪值）：完全替换掉图里某个元素。
2. 「Flux」文生图局部重绘（低降噪值）：把图中元素画得更细致，常用于修手。
3. 「Flux」图生图局部重绘：把指定物体放到图片中。
4. 「Flux」转绘：参照图中元素和风格，重画一张，用来把照片变成插图，或者融合不同风格的物体。
5. 「豆包」对话改图：快速大范围改色、擦除物体，但画风保持不太稳定。
6. 「豆包」局部重绘：精确局部擦除，好处是可以直接修改放大后的高清图，丢给 Flux 处理则奇慢无比。
7. 「PS」快速选择工具：通过大致涂抹选中一个物体，颜色相近的部分也会自动选上，便于分离出来。
8. 「PS」魔棒工具：完全根据颜色选择，可以设定颜色的筛选范围，适合选中树枝、树叶等形状非常复杂的物体。
9. 「PS」污点修复画笔：低配版局部重绘，在简单背景的表现上不输豆包。
10. 「PS」内容识别填充：效果比污点修复画笔更好一些，但需要先圈选再填充，而且会产生新图层，不太方便。
11. 「PS」仿制图章：把一处画面画到另一处位置，经常用来修补两种颜色的边界线，沿着边界一路抹过去，可以把断开的线接上。
12. 「PS」涂抹工具：就是字面意思，像小孩在餐桌上按着饭菜一顿乱涂，它与仿制图章相反，可以把一些不想要的边界线涂乱，让它们不那么明显。
13. 「PS」操控变形：把一个物体局部钉住，拖动剩余部分，物体就像橡皮一样任你弯折。可以让人物抬头低头、弯起胳膊伸直腿。
14. 「PS」色阶与色相饱和度调整图层：改变亮度和颜色，配合剪贴蒙版可以只应用在画面局部，轻松修改衣服颜色。
15. 「PS」木刻滤镜：把画面的颜色降到只剩几种，这是滤镜库里能把图片处理成扁平风格的最佳工具。

接下来，看看这些技巧的组合如何解决一些疑难问题。

难题 1：交警指挥交通

关键技巧：豆包局部重绘、内容识别填充、木刻滤镜

有趣的是，这张插图的难点竟然来自文化原因。Flux 是一个德国团队训练出来的模型，它的训练数据里，中国的服饰元素显然不足。让它画一张交警指挥交通，它画出的交警服完全是外国样式。但童书上不能出现这种问题。

文生图局部重绘，降噪值 1，明确要求它画蓝色短袖中国交警衬衫。然后就会出现如下情况：

这是 Liblib 的限制，禁止生成一些可能有法律风险的内容。无论是提示词里带有“警察”，还是生成的图太像警服，都会触发屏蔽。当然，你也可以选择一些没有屏蔽的平台，不过 Liblib 它便宜啊，是没有好显卡时的绝佳选择。

但如果去掉警察相关的词，画出来真的就是很普通的短袖蓝衬衫，不像警服了。写也不是，不写也不是。

既然 Liblib 上的 Flux 这么扭捏，不如试试别的工具。豆包的即梦模型没有这个限制，而且效果不错，大概样子就出来了。

白色交警帽难度更高，豆包也画不对，像高档酒店门口的停车引导员。白色交警帽样式有它鲜明特征，特征少了，相似度会直线下降。

可以找个角度大致吻合的交警帽 P 上去。注意，为了避免被屏蔽，先用 PS 把上面的警徽给擦掉，等图片不必经手 AI 了再加回来。这里能看到 PS 内容识别填充的威力，轻松就把警徽去掉了。

把帽子摆好位置，现在还是写实风格。

给帽子加上木刻滤镜，减少颜色数量，风格一下就变扁平了。

没有那么违和了，难题解决。当然，图里还有很多其他问题，都有比较稳定可靠的修复方法，这里就不讲了。

难题 2：跳绳的小孩

关键技巧：文生图局部重绘（低降噪值）、转绘、操控变形

这张插图又触及 Flux 的能力边界了。它跳绳的场面肯定见太少，画的都是小孩胡乱挥舞绳子，甚至能有绳子就已经不错了。本想大力出奇迹，一口气生成 16 张图，居然一张能用的都没有。

不过没关系，只要动作对，跳绳可以画上去。这张最有改造潜力，PS 胡乱画个跳绳，就有点像那么回事了。

使用转绘工作流，降噪值设为 0.7。大体保持原图内容，留给 AI 的发挥余地足够让它把跳绳画得更真实。

这里展开讲讲手部的修复。可以看到小孩右手没有拇指，或者说拇指和食指连成一片了。虽然可以直接在这张图上局部重绘，但手持物体的情况，AI 往往画不好，大量重试都不一定能成功。

对于这种面积很小的手部，AI 修不好是正常的，因为分配的注意力太少了。修手的关键不是局部重绘，而是放大。放大之后清晰很多，细节足够，虽然手仍然是坏的，但修起来成功率就高多了。

不过，如果 Flux 直接在完整的高清图上局部重绘，不仅速度非常慢，而且偏离 Flux 擅长的生成尺寸，很容易崩。解决办法是把要修的部分单独裁剪出来，取一块 1024×1024 大小的图片，这是 Flux 最擅长的尺寸，可以保障生成效果。修完了再贴回去。

可是贴回去的时候准确对位置很费劲啊，这就要借助程序来精确处理了。

回顾一下之前飞书多维表里的 x 和 y 坐标列，它是我放大裁剪和粘贴程序的一部分。我的裁剪程序可以把图片划分成 5×5=25 个切片，每个 1024×1024，切片之间可以相互重叠。我在多维表里填上切片的行列号，比如上图取第 2 列（x 为 2）第 3 行（y 为 3）的切片，这个目测就能看出来。然后运行裁剪程序，它就能把这块切片单独存出来。

再对切片图用局部重绘，一次成功。降噪值可以看情况调整，原先的手问题很大，降噪值就要高。反过来，如果像本图情况，手的大部分姿势是对的，降噪值就要低，避免引入新问题。

再运行配套的粘贴程序，它根据裁剪时的行列序号，准确把切片贴回原图上。

不过这个人物的姿态还是不太自然，客户提过这样的意见，他们觉得人物站在地面不像是跳起来了。

也行，这个用 PS 就能处理：操控变形。先用快速选择工具把整个小腿和脚都选中，复制到新图层里。

开启操控变形，关节处用很多钉子钉住了。

按住鞋子往后一拉，腿就弯过来了。

再把原先的腿擦掉，就拗过来了。不过膝盖连接处有个小尖角没处理好，地面上也缺少投影，纯技术演示，小问题这里就不修了。

难题 3：暴风雨中的柳树

关键技巧：转绘、豆包对话改图

画出来这枝繁叶茂的样子，笔直垂下的枝条甚至有点像榕树的气生根。

我想看看是 Flux 不认识柳树，还是被我的风格 Lora 污染了，在这种风格下所有树都画成这样。于是关掉 Lora，去掉风格提示词，让它生成写实照片，发现它原来真的不认识柳树。

那就在这张基础上改吧。

先用豆包对话改图把树去掉，留下背景。

再想办法弄出一棵插画风格、枝条特征显著的柳树。直接网上找素材是最快捷的方法。

豆包对话改图把柳树改成彩色的。

用 PS 粗糙地拼起来。

经过几轮低降噪值转绘（0.3），效果就比较自然了。

最后把柳树叶子改亮一些，避免和乌云混在一起。雨滴的方向还不对，应该顺着风向。在分离背景那一步其实应该顺便去掉，最后在找素材加上。这里就不管了。

难题 4：教室大扫除

关键技巧：文生图局部重绘（高降噪值）、图生图局部重绘、转绘

这个画面要体现一个小孩擦窗户，其他小孩在打扫别的地方。AI 一遇到这种人物众多要求复杂的情况就漏洞百出。人物动作不合逻辑，课桌椅也缺胳膊少腿，没有一张能用的。

这些问题一个个修，不如找一张真实照片或手工插画来转绘。至少里面人物和环境都是合理的，在转绘过程中可能引入少量问题，但也比凭空生成的容易修。

降噪值开到 1，转绘完，风格就拗过来了。

盆的造型太古老了，换个现代的盆。不过盆太深了，手也缺了，可以之后再修。其他小问题用简单的修补方法都可以搞定。

这张图的问题比我给客户的图少，有个典型问题没有出现：抹布造型。

在给客户的图片中，有一版过程稿里的抹布长这样。提示词里用的单词是 rag，确实是抹布。但这个英文单词也有破布的意思，Flux 就把它画成这样乱糟糟一团，像个拖把头。

文生图局部重绘，描述成 a piece of cloth，一块布，反而变得更像正常的抹布了。所以有时候并不是画不出来，是没有找到合适的提示词。

手动改图遇到的疑难问题不止这些，但把前面列出的技巧组合使用，最终都有办法解决。

技术部分结束。

四、歇业

这单做完，评估了一下总修改量和所用时间，决定关门大吉不再接单。原因很简单，修改量太大，且时间紧张，单个插画师兼职不足以应付，得全职。如果单人全职，即使我一分不挣利润都给插画师，收入可能都不如上班打工，谁愿干啊？如果多人兼职，则要花过多精力在沟通上，还要疲于应付人员流动。

综合考虑下来，这生意实际上杠杆太小，见好就收吧。

至于这么复杂一套生图流程，构思、搭建和调试，总共投入了两个星期时间。但也没有白做，稍作修改便可以用来干别的，等有需要时再重新启用。

后记

这是一次在实际项目中密集使用 AI 的经历，让我得以感受 AI 对生产力的提升，也体会了 AI 到稳定商用的距离。

项目完成，有了喘息的时间，一边写下本文，一边回顾整个过程。想想还是震撼，毕竟从头到尾所有事情都是我一个人完成的。我没想到，儿童插画在 AI 的加持下是可以（部分）流水线生产的。我也没想到，AI 能让一个不会画画的人顶大半个插画师。

当然，用 AI 终归是为了解决问题，不是为 AI 而 AI。现阶段 AI 不是万能药，它不行的部分，要用传统手段来提供可靠保障。AI 是柔性的、随机的，传统手段是刚性的、确定的，这两者结合起来用，就像建造一尊大型泥塑。全都用泥，整体软趴趴很难成型，但如果往一个木芯上面糊泥巴，则既稳固，又有细节。

就我个人而言，我敬重能把泥塑做得惟妙惟肖的手艺人，但我更愿意开一家生产木芯的流水线工厂赚钱。