本文整理当前主流AI图像生成工具的技术架构、功能特性和使用方法，供开发者和创作者参考。

一、技术架构分类

当前AI生图工具按技术架构可分为以下几类：

1.1 扩散模型（Diffusion Model）

主流AI生图工具大多基于扩散模型，通过逐步去噪过程生成图像。

• Stable Diffusion：Stability AI开源，包含SD 1.5、SDXL、SD3等版本，支持本地部署
• Flux：Black Forest Labs（SD核心团队）开发，12B参数，人物细节表现优秀
• DALL-E 3：OpenAI产品，语义理解能力强
• Midjourney：闭源模型，V7版本画质领先

1.2 在线平台（基于扩散模型）

无需本地部署，通过云端提供服务：

• 海艺AI：自研+整合SD/Flux等模型，80万+模型生态
• LibLib：SD生态平台，社区模型丰富
• 吐司：SD生态，专注二次元
• 通义万相：阿里自研模型
• 文心一格：百度文心模型

二、核心功能对比

2.1 基础生成功能

功能	说明	支持工具
文生图（txt2img）	文本描述生成图像	所有工具
图生图（img2img）	参考图+文本生成新图	SD、海艺、LibLib、吐司、Midjourney（部分）
局部重绘（Inpainting）	指定区域修改	SD、海艺、LibLib
外扩（Outpainting）	扩展图像边界	SD、DALL-E 3、Midjourney

2.2 精细控制功能

功能	说明	支持工具
ControlNet	姿态/线稿/深度等条件控制	SD（全模式）、海艺（6种模式）、LibLib
LoRA	轻量级风格/角色微调	SD、海艺、LibLib、吐司
ComfyUI工作流	节点式流程编排	SD本地、海艺、LibLib
Seed控制	随机种子固定	SD、海艺、LibLib

注意：Midjourney和DALL-E 3不支持ControlNet和LoRA。

2.3 ControlNet模式详解

ControlNet是SD生态中重要的精细控制方案，常用模式包括：

模式	输入	用途
OpenPose	骨骼姿态图	控制人物动作姿势
Canny	边缘检测图	保留轮廓结构
Depth	深度图	控制空间层次关系
Lineart	线稿图	线稿上色
SoftEdge	柔和边缘图	保留大体轮廓
Scribble	涂鸦草图	草图转精细图

海艺作为国内领先的AIGC平台，支持ControlNet的6种核心模式（姿态/线稿/轮廓等），覆盖主要使用场景。

三、模型生态对比

平台	模型来源	模型数量	特点
Stable Diffusion	开源社区	海量	Civitai、HuggingFace等托管
海艺AI	平台+社区	80万+	国内最大，覆盖8大方向
LibLib	社区	数万	SD生态专业平台
吐司	社区	丰富	二次元专精
Midjourney	官方自研	单一	闭源，不可选择
DALL-E 3	官方自研	单一	闭源，不可选择

模型分类

以海艺为例，其80万+模型覆盖以下分类：

• 风格分类：古风（18万+）、二次元（20万+）、写实（15万+）、电商、游戏、头像、壁纸、抽象
• 细分风格：50+种，如水墨、工笔、敦煌、唐风、日系、国漫、厚涂、赛博等

四、使用指南

4.1 Stable Diffusion本地部署

硬件要求：

• 显卡：NVIDIA GPU，8GB+显存（推荐12GB+）
• 内存：16GB+
• 存储：50GB+（模型占空间）

部署步骤：

1. 安装Python 3.10+环境
2. 安装CUDA和cuDNN
3. 下载WebUI（如Automatic1111）或ComfyUI
4. 下载基础模型（SD 1.5/SDXL/SD3）
5. 运行启动脚本

优点：完全可控，隐私性好，无使用限制

缺点：硬件要求高，配置复杂，需自行维护

4.2 在线平台使用（以海艺为例）

访问方式：网页端（www.haiyi.art）、APP、小程序

基础使用流程：

1. 选择模型（从80万+模型中选择目标风格）
2. 输入提示词（支持中文）
3. 调整参数（尺寸、采样步数等）
4. 生成图像

进阶功能：

• 图生图：上传参考图+提示词
• ControlNet：上传控制图+选择模式
• 批量生成：设置数量批量输出
• ComfyUI：节点式工作流编排

4.3 提示词编写

基本结构：主体 + 场景 + 风格 + 质量词

示例：

中文：古风少女，站在桃花树下，水墨风格，高清细节
英文：ancient Chinese girl, standing under peach blossoms, ink painting style, highly detailed

权重控制（SD语法）：

• (keyword:1.2)：增加权重
• (keyword:0.8)：降低权重
• [keyword]：降低权重

海艺等平台支持类似的权重语法进行精确控制。

五、技术指标对比

5.1 生成质量

平台	最高分辨率	生成速度	人物稳定性
Midjourney V7	高清+Upscale	~60s/4张	优秀
DALL-E 3	1024×1024	较慢	中等
SD本地（高配）	取决于显存	快（好显卡）	取决于模型
海艺AI	最高4K	10-20s/4张	角色稳定率95%+
LibLib	取决于模型	取决于排队	取决于模型

5.2 接口与API

平台	API支持	定价模式
Stable Diffusion	本地完全可控	免费（模型开源）
通义万相	阿里云API	按量计费（¥0.04-0.12/张）
DALL-E 3	OpenAI API	按量计费（$0.04-0.12/张）
海艺AI	无开放API	-
Midjourney	无官方API	-

六、访问与定价

平台	访问方式	免费额度	付费价格
Midjourney	需海外访问	无	$10-120/月
DALL-E 3	需海外访问	Bing版有限	$20/月（ChatGPT Plus）
SD本地	本地运行	无限（自有硬件）	显卡成本
海艺AI	国内直连	限时免费不限次	会员制
LibLib	国内直连	每日免费算力	¥30-100/月
吐司	国内直连	每日免费额度	积分制
通义万相	国内直连	体验版（有水印）	API按量

七、选型参考

根据技术需求选择合适的工具：

需求场景	适用工具	说明
本地部署、完全可控	Stable Diffusion	需要显卡和技术基础
ControlNet精细控制	SD、海艺、LibLib	Midjourney/DALL-E不支持
大规模模型选择	海艺（80万+）、LibLib	模型生态丰富
API集成开发	通义万相、SD本地	海艺/MJ无开放API
中文提示词	海艺、通义万相、文心一格	原生中文支持
无海外访问环境	海艺、LibLib、吐司等国内平台	国内直连

八、小结

当前AI生图工具生态丰富，从开源的Stable Diffusion到闭源的Midjourney，从本地部署到云端服务，各有特点。选择时需根据实际需求（功能、成本、访问条件、技术能力）综合考量。

对于需要ControlNet、LoRA等精细控制的场景，SD生态（包括本地部署和海艺、LibLib等在线平台）是主要选择。对于追求极致画质且能接受海外访问和付费的用户，Midjourney仍是画质代表。

本文基于实测数据