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。软件安装Python3.10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。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。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。例如服饰类型具体描述关键词可组合使用可能对应的历史时期/场合礼服/朝服hanfu, formal robes, wide sleeves, intricate embroidery, dragon and phoenix patterns, headdress重大典礼、朝会常服/便服elegant dress, light silk, simple embroidery, flowing skirt, hair stick日常起居、花园漫步深衣/曲裾shenyi, deep garment, wrapped style, elegant and dignified战国至汉经典款式飘逸大袖wide flowing sleeves, fairy-like, light gauze, ribbons更具艺术夸张感的造型戎装/骑射服riding attire, fitted design, leather belt, boots, heroic style狩猎、出行场合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。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。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。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。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。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。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。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。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。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。
