手把手教你调出最美李慕婉：提示词怎么写？参数怎么设？一篇搞定
手把手教你调出最美李慕婉：提示词怎么写？参数怎么设？一篇搞定
1. 从零开始：快速部署李慕婉生成模型
1.1 模型简介与准备工作
李慕婉-仙逆-造相Z-Turbo是一款专门用于生成《仙逆》小说女主角李慕婉形象的AI绘图工具。它基于Z-Image-Turbo模型，加入了针对李慕婉角色特征训练的LoRA模块，能够精准捕捉角色的独特气质和形象特征。
你需要准备：
- 一台能够运行Docker的计算机（推荐配置：NVIDIA显卡+8GB显存）
- 基本的命令行操作知识
- 对《仙逆》小说中李慕婉角色的了解
1.2 一键部署模型服务
部署过程非常简单，只需几个步骤：
- 拉取镜像：
docker pull csdn-mirror/li_mu_wan_z_turbo- 运行容器：
docker run -it --gpus all -p 7860:7860 csdn-mirror/li_mu_wan_z_turbo- 等待模型加载（初次启动可能需要3-5分钟）
1.3 验证服务是否正常运行
在终端执行以下命令查看日志：
cat /root/workspace/xinference.log当看到Model 'li_mu_wan_z_turbo' loaded successfully字样时，说明模型已成功加载。
2. 基础使用：生成你的第一张李慕婉图片
2.1 访问WebUI界面
模型启动后，在浏览器中访问：
http://localhost:7860你将看到一个简洁的Gradio界面，包含以下主要部分：
- 提示词输入框（Prompt）
- 负面提示词输入框（Negative Prompt）
- 生成按钮
- 参数调整区域
- 图片显示区域
2.2 输入第一个提示词
尝试输入以下基础提示词：
Li Mu Wan, Xian Ni, long black hair, azure robe, standing on cloud, anime style点击"Generate"按钮，等待约30秒，你将看到第一张生成的李慕婉图片。
2.3 理解基础参数
初次使用时，建议关注以下三个核心参数：
- 采样步数（Sampling Steps）：推荐20-25步
- 图片尺寸（Width/Height）：推荐768x1024（竖版）或896x896（方版）
- CFG Scale：推荐7-9之间
3. 提示词进阶：如何精准描述李慕婉
3.1 角色特征关键词
要让生成的图片更符合原著中的李慕婉形象，必须包含以下核心关键词：
必选关键词：
Li Mu Wan（角色名）Xian Ni（作品名）long black hair（黑色长发）azure robe（青色道袍）cold and aloof expression（清冷表情）
可选增强词：
pale skin（白皙皮肤）slender figure（纤细身材）elegant posture（优雅姿态）mystical aura（神秘气息）
3.2 场景与氛围描述
不同的场景描述会产生截然不同的效果：
云海仙境：
standing on floating island, misty clouds, soft glow, ethereal lighting竹林修行：
in bamboo forest, holding ancient scroll, cultivation atmosphere, dappled sunlight月下独酌：
under moonlight, holding wine cup, melancholic mood, starry sky background3.3 负面提示词的重要性
负面提示词能有效避免常见问题，建议始终包含以下内容：
deformed, mutated, disfigured, poorly drawn face, extra limbs, extra fingers, bad anatomy, bad hands, missing fingers, fused fingers, text, error, cropped, worst quality, low quality, jpeg artifacts, signature, watermark, username, blurry4. 参数优化：调出完美效果的秘诀
4.1 分辨率与长宽比
不同用途推荐不同的尺寸设置：
| 用途 | 推荐尺寸 | 特点 |
|---|---|---|
| 手机壁纸 | 768x1024 | 竖版，突出人物全身 |
| 电脑桌面 | 1024x768 | 横版，适合添加背景 |
| 头像 | 896x896 | 方版，便于裁剪 |
| 插画 | 1024x1024 | 平衡细节与稳定性 |
4.2 采样器选择
模型支持多种采样器，推荐使用：
- DPM++ 2M Karras：平衡速度与质量
- Euler a：适合快速生成草图
- DPM++ SDE Karras：最高质量但较慢
4.3 风格控制参数
两个关键风格参数：
- Character Fidelity（0.7-1.0）：越高越贴近原著
- Artistic Freedom（0.3-0.6）：适度放开创意空间
推荐组合：
- 严谨同人：Fidelity=0.95 + Freedom=0.3
- 创意改编：Fidelity=0.8 + Freedom=0.5
5. 高级技巧：让李慕婉活灵活现
5.1 局部重绘修正细节
当生成图片大部分满意但有小瑕疵时，可以使用局部重绘功能：
- 在Gradio界面切换到"Inpaint"标签页
- 上传需要修改的图片
- 用画笔圈出要修改的区域
- 输入针对该区域的提示词
- 点击生成，仅修改选定区域
5.2 多图对比选择最佳
使用"Batch count"参数一次生成多张图片（推荐2-4张），然后选择最满意的一张。这比重试多次更高效。
5.3 随机种子控制
找到满意的图片后，记录其"Seed"值，可以生成风格一致的系列图片。微调提示词或参数时保持种子不变，可以观察单一变量的影响。
6. 常见问题与解决方案
6.1 图片质量不稳定怎么办？
可能原因：
- 提示词过于简略
- 采样步数过低
- 分辨率设置不合理
解决方案：
- 增加具体描述词
- 将采样步数提高到25-30
- 使用推荐分辨率
- 确保包含负面提示词
6.2 生成的人物不像李慕婉
可能原因：
- 缺少核心角色关键词
- 风格参数设置不当
解决方案：
- 确保提示词包含"Li Mu Wan"和"Xian Ni"
- 提高Character Fidelity值
- 添加更多角色特征描述
6.3 显存不足报错
解决方法：
- 降低分辨率（如768x768）
- 关闭其他占用显存的程序
- 减少Batch count值
- 使用--medvram参数启动（如有）
7. 总结：从新手到高手的进阶路径
通过本教程，你已经掌握了从基础部署到高级调参的全部技巧。以下是快速提升的三个阶段建议：
- 初级阶段：熟悉基础提示词和参数，生成清晰的单人像
- 中级阶段：尝试复杂场景和动作，控制光影和氛围
- 高级阶段：使用局部重绘和种子控制，创作系列作品
记住，好的AI绘图作品=精准的描述+合理的参数+耐心的调整。每次生成后分析优缺点，逐步优化你的提示词库。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。