企业官网建设流程全解析

如果你在小团队里负责过游戏素材生产，应该对下面这幕不陌生：打开某个生成工具，输入精心打磨的描述词，模型噼里啪啦吐出一堆图——单张看构图漂亮、光影惊艳，可一放进项目就露馅。十张里能挑出一张当底图都算运气好。为了解决这种“好看但没法用”的尴尬，我折腾了一套内部代号叫 ArtCraft 的素材生产流程。

ArtCraft 不是某个新框架，也不是某个“一键生成”网站，而是一套围绕素材生产的处理思路和配套脚本集合。核心动作是把“一次性生成”拆成“需求拆分、结构引导、风格锁定、批量出图、精修归档”几件事，每一件单独控制、单独记录参数。这套东西从构思到跑通花了我大概两三个月，期间废掉的图数以千计。如果你也做独立游戏、卡牌美术，或者想用生成模型批量做素材却一直被“不可控”折磨，那么这篇内容大概能帮你少走不少弯路。

1. 先聊痛点：为什么AI直接生成的素材总是“废片率”超高

1.1 三种最典型的废片来源

第一种是构图不可控。描述词是文字，模型对文字的理解又偏向“平均化”。比如你写“一位持盾骑士站在城堡前，正面，半身，游戏立绘”，模型可能给你正面站姿，也可能给一个仰视大透视，甚至把盾牌画成反手持握。单张看没事，一旦需要四十张同类卡片摆在一起，透视角度五花八门，素材库会显得非常业余。

第二种是风格不稳定。同一组描述词连续跑五十张，前面二十张还是偏写实厚涂，后面可能开始往赛璐璐方向漂。这不是你的问题，是生成模型在高随机性下的正常表现。零散单张看不出，放进游戏里和 UI 一起出现就是灾难。

第三种是规格不对。游戏引擎要 PNG 透明通道，生成图通常是白底或复杂背景；引擎要中心对齐，生成图的人物体位可能偏左；引擎要某个固定分辨率比例，生成图分辨率又五花八门。规格问题是最烦的，因为它不是“重新 roll 一次”能解决的，而是整套流程里就没有这个环节。

我把这三类问题总结成一句话：生成模型的评价体系和素材生产的评价体系根本不是一回事。模型追求“单张好看”，生产追求“一批统一、可复用、可直接进引擎”。ArtCraft 的出发点，就是在两者之间搭一条桥。

1.2 从“一次性生成”到“分步工艺”的转变

直接生成模式是这样的：写一个长描述词，点生成，看运气，挑一张，再在图像处理软件里修半天。ArtCraft 模式则换了一个节奏：先拆需求，固定构图模板，锁定风格，批量变体，脚本粗筛，人工精修，最后入库归档。

这个转变的核心不是多做了什么，而是把“描述词”这个唯一的控制旋钮，拆成了好几个独立旋钮：结构旋钮、风格旋钮、材质旋钮、规格旋钮。每个旋钮单独调，而不是把所有要求都塞进一句话里让模型做“压痛点”。

工艺化不是“失去惊喜”，而是把随机性放在该放的地方：让材质、配色、构图细节在固定约束内随机，而不是整个画面乱飞。这也是为什么后面所有章节都围绕“约束”展开。

2. ArtCraft管线总览：从需求拆解到资产归档

2.1 四段式流程

先给整体框架。ArtCraft 把素材生产分成四个阶段。

需求拆分。接到“四十张植物图标”“二十四张卡牌边框”“一个角色三视图”这类需求后，先不着急写描述词，而是拆成本体、动作、取景、视角、风格、光照、镜头距离、透明通道要求。拆出来的每一项，分别对应后面某一阶段的输入。这一步看着费时间，实际是整套流程里最省时间的。

批量出图。在结构引导和风格锁定都就位的条件下，只需要变化“本体描述词 + 随机种子”，一次性生成 20 到 40 张变体。这个阶段的目标不是“出一张神图”，而是“在一批可用的底图里快速筛出几张候选”。

人工精修。初筛后进本地脚本做三件事：清理边缘、对齐轮廓、统一定调。这一步不用 AI 反复试算，速度远快于直接在图像软件里修 AI 图。

归档复用。把成品写入素材库，同时把生成参数、种子、修改历史、版本号一并记录。下次要同类素材时，不用重新生成，直接在素材库里派生。

2.2 为什么坚持本地推理而不是依赖在线API

很多朋友问，为什么不直接用一个在线生成平台，自己搭本地推理还要折腾显卡驱动和模型文件。我的答案很简单：素材生产是迭代型工作，需要反复实验、批量执行、深度集成脚本。在线 API 适合“出三张灵感图”，不适合“一天跑两百张变体做筛选”。

本地推理最大的门槛是一张显存稍微像样的显卡。8G 显存我会建议把分辨率限制在 512 到 768 之间，不要硬上超分辨率。显存不够导致降级采样时，废片率会直线上升。

2.3 一个最小的ArtCraft目录结构

这是我常用的目录骨架。核心思想是：raw 永远不动，curated 是初筛产物，refined 是最终资产。脚本集中放在 scripts 下。

assets/ raw_gen/ # 生成模型的原始输出 curated/ # 人工/脚本初筛后的候选 refined/ # 精修完成的最终资产 metas/ # 每张图对应的生成参数 json scripts/ gen_batch.py # 批量出图入口 prune_similar.py # 相似度粗筛 cleanup_edge.py # 边缘清理与对齐 match_color.py # 直方图匹配统一色调

为什么要把 raw 单独锁起来：一旦后续流程做坏了，raw 还能重新救回来；如果直接在原始输出上改，过两天可能连自己都分不清哪个是原始版本。这条规矩很简单，但能救很多次命。

2.4 管线里的“先构图、后上色”顺序

在展开细节之前，先说一个贯穿 ArtCraft 的原则：先让模型锁定构图，再让它发挥细节。这相当于传统绘画里的“先打草稿再上色”。如果草稿没定，后面所有的风格、材质、光照控制都建立在流沙上。所以下一章先讲构图控制，再讲风格，最后讲批量变体。

3. 让AI“听话”的三种手段：结构引导、风格锁定与批量变体

3.1 结构引导：用“白模图”替描述词干脏活

描述词不擅长精确控制姿态和镜头。要绕开这个短板，我用结构引导图来承担构图职责。

步骤很直接：先生成一张跟目标构图一致的参考图，可以是三维软件里摆的低模，也可以是手绘简笔，甚至是从素材库里找的近似姿态图。然后用边缘检测、深度估计之类的算法把它变成一张“骨架化”的引导图。生成模型在出图时会尽量贴合这张图的布局和轮廓，同时用描述词提供的材质、光照、颜色信息去填充内部细节。

我的实操参数：引导强度（control weight）控制在 0.6 到 0.8 之间。太低，模型会逐渐脱离构图；太高，所有细节都会被引导图压平，材质感消失。0.7 附近是我用得最多的值。

这套做法带来的改变是巨大的：同一张引导图，只要换描述词里的“本体”，就能得到一整套取景一致、透视一致、光照一致的素材底图。做卡牌边框、物品图标、技能图标这类需求时，构图问题几乎消失。

3.2 风格锁定：用LoRA把“画风”变成一个可调参数

构图稳定之后，下一步是风格。靠描述词写“厚涂、细腻、高对比”根本锁不住画风，我选择给模型训练一个轻量风格 LoRA。

原理可以简单理解为：LoRA 是对生成模型的输出特征做一组小幅度的方向偏移，让模型整体偏向你给的那一批参考图的视觉规律。它不改变模型的基础能力，只调整“口味”。

准备训练集时，我踩过不少坑。现在的稳定配方是：收集 40 到 80 张风格统一的参考图，分辨率尽量一致；描述词打标要简单，不需要逐张描述细节，统一加一个触发词；训练分辨率与目标输出保持一致；学习率 1e-4 左右，批次 2 到 4；总步数按 epoch 控制在 10 到 20 轮之间，训练过程中每轮抽样看效果，不要等全训完再检查。

LoRA 训练完成之后，真正使用时有一个关键参数：风格强度（lora scale）。我一般从 0.6 开始试，最高不超过 0.8。超过 0.8，画面会开始套模板，构图被锁死；低于 0.5，风格又锁不住。不同数据量训练出的 LoRA 最佳区间略有浮动，但 0.6 到 0.8 是一个很好的起点。

3.3 批量变体：把“运气”变成可挑选的池子

结构和风格都定住之后，最后一个旋钮是“变体”。方法简单：固定结构引导图、固定 LoRA、固定正向描述词，只改变随机种子，一次跑 20 到 40 张。

但这里最容易犯的错误是没有记录。如果每张图不记录生成时用的参数，那它就是一张“一次性图片”。我要求在出图脚本里把以下内容写到 json 文件：正向提示词、反向提示词、种子、步数、分类器指导强度、采样器名称、LoRA 名称与强度、结构引导图路径。

记录这些参数的最大价值，是“复现”。三个月后项目改成彩色边框，你只需要翻出对应 json，把种子和参数原样塞回去，就能在相近设定下扩展出一批新变体。没有记录，一切回到碰运气。

补充一个自动粗筛的思路：对生成批次里的图片做感知哈希或特征向量相似度计算，把相近的图自动聚成几簇。人工只需要在每簇里挑一张，候选池直接从 40 张降到 10 张左右。筛图效率至少翻一倍。

4. 踩坑实录：风格漂移、切片错位与过拟合

4.1 风格漂移：明明参数没动，画风怎么变了

第一次发现这个问题是在跑一批长序列角色素材时。固定所有参数，只换种子，前 20 张风格统一，到第 40 张左右，角色脸部开始变得完全不像同一套设定。检查参数发现没有变化，好一阵才意识到：模型在高随机性下，批次内部的隐空间会逐渐偏离参考点。

这类问题没有灵丹妙药，只能控制批次规模和采样策略。我的做法：一个任务最多跑两批，每批 20 张；如果发现第二批漂移，就把第一批里效果最好的种子挑出来做局部扰动，而不是继续扩大随机范围。另外，不要“跨天”连续生成同一批，模型缓存和显存状态变化有时候也会造成肉眼可见的差异。宁可分成两次小批次，也不要一次堆一百张。

4.2 切片拼接时的色调落差

做大地图或整张角色立绘时，需要把画面拆成多个区块分别生成再拼回。第一次拼的时候，我拿到的是横向三条色带：中间区域偏冷，两侧偏暖。原因是每个区块是在独立噪声下采样的，模型对“这张图属于一个更大的整体”没有任何概念。

后来摸索出的流程是：先用低分辨率整图生成一张“色彩底图”，把它作为全局色彩参考；然后重新用高分辨率分块生成，每个分块都加载同一张底图做结构引导；最后在精修阶段对所有分块做一次直方图匹配，让它们的明度分布向同一个锚点靠拢。这样拼接后的接缝几乎消失，调色也只需要处理局部衔接。

4.3 LoRA过拟合：为什么生成结果“千人一面”

LoRA 训练集太小或者轮数太多，模型会死记训练集中某几张图的结构。症状是：换任何提示词，构图都像训练集里最出众的那张，细节雷同度很高，看起来“风格统一”实则毫无变化。

排查思路很简单：训练时多存几个中间检查点，每个 epoch 结束都采样两张进行对比。如果发现某个检查点之后，同一提示词产出的图片结构和训练图越来越像，那就是过拟合的起点。这时候不用重训，直接回退到过拟合之前的检查点，调低学习率或减少总步数，再做两三轮微调。经验上，越小的训练集，epoch 数越要保守。

4.4 当图突然变差时，按这个顺序排查

有一段时间我改造了某个结构引导组件后，出图质量显著下降，但错误很隐蔽。后来我把排查顺序固定下来了，分享给大家：

1. 检查结构引导图有没有被误缩放或误替换。这是最容易被忽略的，比例一错，构图全乱。
2. 检查种子是否发生重复。重复种子会导致多次输出同一张图，浪费批量时间。
3. 检查 LoRA 是否被其他加载器重置或叠加了多余权重。
4. 检查反向提示词是否被清空。有人会顺手清掉反向词，负面质量词一旦缺失，废片率立刻上升。
5. 检查显存是否不够导致采样精度降级。本地推理最常见的问题之一。

每次出图异常，先按这个顺序过一遍，能解决八成“玄学问题”。

5. 从“能出图”到“能上线”：后处理与素材管理

5.1 批量去底与透明通道：别用魔棒手工抠图

生成图往往是白底或复杂背景，但游戏素材需要透明 PNG。最稳的方案是在生成阶段就输出带 alpha 通道的图，很多本地推理组件本身就支持透明背景输出。如果做不到，我建议用自动抠图脚本处理，然后统一做边缘清理。

边缘清理的坑在于：直接“去白边”会让边缘向内缩一圈，看起来像烧焦的贴纸。更好的做法是用一个很小的阈值，只消除半透明像素里接近全透明的部分，再对边缘做 1 像素的羽化恢复。我习惯用脚本批量处理，效果稳定且可复现。

5.2 轮廓对齐与统一调色

素材进入精修阶段，先做两件最机械的事。

第一是对齐：计算 alpha 通道的内容边界框，按边界框中心把图像平移到画布中心，并统一缩放到目标比例。这一步之后，所有素材在视觉上“站”在同一个位置，做图标或卡牌列表时不会歪歪扭扭。

第二是调色：挑三到五张亲手调好的图作为“锚点”，用一个直方图匹配算法把其余素材的明度、色调往锚点方向修正。注意直方图匹配不是滤镜，它只调整分布，不会破坏原有材质归属。执行顺序建议：先跑脚本，再人工抽查百分之十。

5.3 命名、版本与复现记录

命名是素材管理里最枯燥但最有回报的环节。我的命名格式是：类别_编号_种子_风格标识。比如herb_042_884200_leaf-v2.png，打开文件名就能知道本体、批次、种子和用到的风格版本。

同时每张图对应一个同名 json，里面存了完整的生成参数和修改命令。素材库只放 refined 目录，raw 目录永远不动。这样即使改坏了，也能从 raw 重新走一遍流程；三个月后要复现某张图的变体，只需要读取 json 里的种子与参数。

6. 一些可以直接用的小技巧与后续扩展思路

6.1 小技巧：反向提示词值得好好写

很多人写描述词时会花大量时间堆正向词，反向提示词只写“模糊、低质量、水印”。这些其实是基础，真正影响素材可用性的是：多余肢体、透视错误、背景杂讯、文字乱码、半透明边缘、多根手指这类具体问题。把这一类词写进反向提示词，素材废片率能肉眼可见地降下来。

以卡牌人物为例，我常用的反向词组合是：多余手指、多余肢体、透视错误、背景杂乱、文字、水印、logo、模糊、低质量、半透明边缘、锯齿。这些词不需要很长，但每一条都精准对应一类会让人工返工的问题。

6.2 扩展方向：动画帧、多视角与风格迁移

ArtCraft 这套“先固定结构、再锁定风格、最后变体”的思路是可以平移的。

做角色动画帧时，单帧素材作为结构引导，微调描述词生成动作帧；做多视角一致性时，用同一张正面立绘固定外观，再通过姿态控制生成侧面与背面；做风格迁移时，把训练好的 LoRA 用于真实照片输入，得到一套统一插画化的照片集。

这些扩展本质上都在重复同一个模式：把随机性限制在一个窄的通道里，只允许它改变你希望改变的那个维度。

6.3 一点个人体会

从第一次在生成工具里点下“生成”到 ArtCraft 跑通，我最大的感受是：问题从来不是“AI 画得不够好”，而是“AI 生成的东西没有进入生产流程的门票”。结构引导、LoRA、批量变体、元数据记录、命名规范，这些事单独拎出来都不复杂，但组合在一起，才让一张图真正变成资产。

最后再分享一个小细节：我现在处理任何一批素材，都会把第一版生成的 raw 目录原封不动存着，哪怕当时觉得全是废图。很多时候，项目做到一半忽然需要某个变体，回翻 raw 时总能找到当时忽略的好底子。这比重新生成快得多。ArtCraft 真正帮我建立起的，不是一本“AI 绘画教程”，而是一套能积累、能复用、能越用越顺手的素材生产线。