我电脑里那台吃灰的破笔记本显存只有 6GB连跑个稍微大点的游戏都费劲更别说碰那些动辄要求 24GB 显存的 AI 绘画大模型了。但前阵子我却用它连开几个云端按张计费的接口都没舍得用硬是画出了一张能当手机壁纸的黑洞图。发到群里好几个人问我用的什么高级模型我说成本加起来不到一块钱电费他们都不信。这事儿让我特别想聊聊一个很多人误会的事儿便宜的 AI 不等于画不好关键是你怎么拆解需求、怎么写提示词、怎么调参数。拿黑洞这种题材做实验正合适——它既不是那种随便写句“a black hole”就能糊弄过去的简单物体也不至于难到只有顶级大模型才画得出来。它恰恰是检验一套低成本 AI 绘画方案到底值不值的最佳考题。这篇文章我把我从选题、选工具、写提示词到反复翻车、最终出图的完整过程都留下来适合那些手里没有高端显卡、不想充值一堆订阅费但又真心想用 AI 画出点硬核内容的朋友。1. 先别急着升级设备便宜方案到底“便宜”在哪很多人一说 AI 绘画就下意识觉得得烧钱。确实如果你追着最新的云端服务、按张付费的 API、或者买个顶配显卡本地跑那成本没上限。但我一直信奉一个原则先看你手里的牌够不够打再决定要不要加注。1.1 低成本 AI 绘画的三条路我试过三条路这里直接说结论大家可以对着自己的情况选纯本地开源模型路线在低显存电脑上跑 Stable Diffusion 系列生态靠 CPU 或小显存硬扛出图速度慢一些但单张成本几乎为零。免费额度为主的在线服务很多平台注册就送几百张生成额度用完了换个号或者等活动适合偶尔画几张、不追求批量出图的场景。“小显存模型 云端 CPU 推理”路线某些云厂商提供按秒计费的 CPU 推理实例跑小尺寸模型512×512、512×768时比 GPU 实例便宜一个数量级画完就释放成本可控。我当时综合下来选了第一条路。原因有三个一是我可以无限次重试不用心疼钱二是参数完全可控方便排查为什么画出来的东西不对劲三是不依赖网络波动半夜跑图不会因为服务超时而前功尽弃。1.2 本地跑图的真实开销账单说实话本地跑图很多人一听就担心“是不是得买几万块的显卡”。实测下来我用的那台老笔记本6GB 显存256GB 固态硬盘内存加到 16GB 后画 512×768 的图一张大约耗时 2-3 分钟。如果调到 640×640时间能压到 1 分半。电费按 0.6 元一度算一张图的电力成本不到两分钱。当然这有个前提不要开一堆后台程序不要一上来就跑 1024×1024 的高分辨率。小成本的方案讲究的是“量入为出”先把尺寸和步数控制在合理区间出图效率完全够用。这也是“便宜”的真相——不是不能画而是要在硬件能承受的范围内找最优解。1.3 便宜方案的隐性成本时间把话说透便宜方案的“钱”省了但“时间”成本变高了。你得花时间调参数、换模板、写更精细的提示词。可换个角度想这些时间其实没有浪费——正因为每张图都要手动干预逼着你搞懂模型在“看”什么后面任何题材你都能快速上手这是花高价一键出图永远学不到的经验。2. 黑洞是 AI 绘画的“地狱级考题”五个绕不开的视觉元素选黑洞当测试题不是拍脑袋定的。很多人在 AI 绘画里画黑洞出来的是个“黑色圆饼”或者“发光甜甜圈”这种结果发出去只会被懂行的人笑话。黑洞这个题材的真正难点在于它有几个硬核视觉元素缺一个就不像黑洞。2.1 事件视界那个“什么都没有”的黑色区域黑洞最核心的标志是事件视界也就是“连光都逃不出去”的边界在画面里表现为一个纯黑的圆形区域。很多 AI 模型对“黑色区域”的理解容易出偏差——要么画成灰蒙蒙的雾团要么干脆漏掉中间的黑心。要画出事件视界提示词里必须明确指定“dark event horizon黑暗事件视界”并且用负面提示词约束它不要虚化。这个区域不能有光源、不能有纹理它就是一个绝对的黑。但注意事件视界四周一定得有东西衬着否则纯黑背景里再多一个黑圆你根本看不见它。这其实是接下来几个元素的活。2.2 光子环那个细到几乎不存在的亮环紧贴着事件视界的是一圈极细极亮的光子环。这是光子在黑洞引力作用下绕了好几圈才逃出来的效果。在视觉上它像给黑圆描了一圈白金色的细边。绝大多数 AI 模型默认会产生一个厚厚的光环却很难自动细化成“细线”。所以提示词里我会写“thin photon ring薄光子环”后面再加“glowing thin line发光的细线”来强化这个结构。2.3 吸积盘颜色、亮度和形状的三角关系黑洞周围往往有一圈高速旋转的炽热气体盘这就是吸积盘。它决定了整张图的颜色基调和丰富度。画吸积盘最容易翻车的地方是颜色太单调很多模型默认把它画成一团火红色。我试过几次后发现把颜色描述明确到“golden and white-hot金白色炽热”比笼统的“bright glowing gas明亮发光气体”效果好得多。形状方面吸积盘应该有倾斜角度和厚度感不能是平铺的圆环。2.4 引力透镜背景星光的“作弊级”弯曲这是区分“随便画画”和“懂行”的分水岭。黑洞巨大的质量会扭曲周围时空导致它背后恒星的光线绕过来在黑洞周围形成弧线和环状扭曲。如果不写这一项AI 容易把背景画成普通的星空那黑洞就只是个贴图。我通常会在提示词里加上“background starlight warped by gravitational lensing背景星光被引力透镜扭曲”模型一旦理解这个概念画面的高级感立刻上来了。2.5 多普勒聚束为什么吸积盘一侧比另一侧亮我看最早版本的《星际穿越》宣传照很多人以为是后期故意做的光影效果其实这是相对论效应吸积盘朝向观察者一侧的气体因为接近光速运动亮度会被增强背向一侧则变暗。AI 模型不会自动理解这个物理规则你要明确写“relativistic beaming, left side brighter than right side相对论聚束左侧比右侧亮”。这一步到位画面瞬间有了“科学可视化”的味道和网上那些随手生成的图拉开差距。3. 用便宜 AI 画黑洞的完整实操链路有了对黑洞视觉元素的拆解接下来就是实操。我不会一上来就上完整提示词而是分成几个阶段每一步都讲清楚“为什么这么设置”。3.1 环境基础选择模型和采样器我用的是一套基于 Stable Diffusion 生态的本地工具这几年的开源社区已经把老模型玩到了极致配合 LoRA 微调甚至能跟新一代商业模型掰手腕。管它新模型旧模型关键是采样器。我推荐优先选DPM 2M Karras它在细节保留和收敛速度上表现稳定特别适合画背景复杂的题材。步数设 30 步就够再多只会让画面发僵而且白白浪费时间。对于 6GB 显存建议分辨率控制在 512×768 以内。别小看这个分辨率只要构图合理放大后效果并不差。3.2 搭建提示词骨架的三个阶段我不会一次性把提示词写得特别长那样一旦翻车根本不知道是哪句话出了问题。我的习惯是分三步走先搭主体black hole at the center of the frame, dark event horizon先让模型知道你要画什么。再补物理细节加入 photon ring、accretion disk、gravitational lensing 这些硬核元素。最后叠画质和风格cinematic lighting、astrophysics visualization、ultra detailed让画面从“科普插画感”升级成“大片感”。这么做的好处是输出变丑了你能立刻定位是主体出了问题、细节出了问题、还是画风出了问题修改成本极低。3.3 负面提示词另一半的成功密码对于没有系统学过 AI 绘画的人来说最容易忽略的就是负面提示词。画黑洞时我会固定挂这些负面词“blurry, cartoon, lowres, watermark, text, extra rings, red lava”。前几个是通用去劣化后两个是防模型跑偏成“红色岩浆甜甜圈”的。你可能会想“我没有写 red lava 啊模型为什么画出来是红色的”这恰恰是模型训练数据的锅——大量关于“发光环”的图都是火焰色调你不写负面词模型就会往统计概率最高的方向跑。3.4 多批次生成与盲选策略便宜方案的底气是可以无限重试。我习惯一次性生成 4 张不同种子seed的图不做任何修改硬选最好的那张然后再继续跑。但这里有个技巧不要盯着第一眼好看就停下把 4 张图放大看局部细节。尤其是光子环是否连续、背景星点是否变形、吸积盘的左右亮度差是否明显。AI 出图存在“局部惊喜”第一眼整体不错但放大后才发现某个细节极其精彩这才是值得留的底图。4. 翻车现场把黑洞画成“甜甜圈”的排查全记录如果前面讲的是怎么画得对那这一节就是怎么从“画得不对”里爬出来。我记录了一次最典型的翻车过程整个过程大概花了我三个小时。这篇文字里我尽量还原当时每一步的排查思路而不是直接告诉你最终答案。4.1 第一次翻车中心不黑像个发光蛋第一版提示词里我写了“black hole with bright glowing accretion disk”出来的画面中心是一团灰白色的晕背景倒是挺漂亮。我当时第一反应是“主体不够明确”于是往提示词里拼命加“black”结果变得更灰了。后来我意识到问题不是“不够黑”而是模型把事件视界理解成了一个反射光源的球体它不知道事件视界本身是不可见的只是背后吸积盘的光被“弯曲”到它周围。我调整了提示词的顺序把“dark event horizon, absolutely black center”放到了最前面并且把“glowing”修饰的对象从黑洞本身改成了吸积盘。效果立刻不一样黑心出现了。4.2 第二次翻车红色泛滥成灾中心问题解决后整张图变成了一个巨大的红色甜甜圈。我当时没有立刻加负面词而是先猜是不是因为我提示词里用了“heat”这个词模型可能把“高温”直接映射成了“火红色”而这个映射在关于恒星、星云的训练数据里太常见了。问题定位后我没有急着删掉 natural-looking 之类的词而是做了三件事把颜色改成明确的“golden and white-hot”、在负面提示词里加入“red color, orange color”、把亮度层次用“bright inner disk, dim outer edge”描述出来。这三板斧下来红色问题立刻缓解。4.3 第三次翻车背景一片死寂改完颜色后背景变得像一块平整的深色幕布黑洞本身很好看但周围没有星星也没有引力透镜效应。这个问题比较隐蔽提示词里我明明写了“background starfield”。后来我发现问题出在我把“background”这个词放在了整段提示词的末尾。很多模型对提示词的解析是按位置和相关性综合处理的背景词放太靠后权重被稀释了。这个好解决——我把所有背景相关的描述从尾部挪到了中间紧跟“gravitational lensing”后面并通过加括号的方式拉高权重“(background starlight warped by gravitational lensing:1.3)”。这一改背景立刻出现了漂亮的弧形星流。4.4 排查线路复盘一个“提词-假设-验证”循环我发现很多人翻车就是因为一次改三个变量改完还是不行就崩溃。我自己的流程是锁定一个最扎眼的缺陷。就这个缺陷只改一个变量可能是调整某个词的位置、增加一个负面词、或者换一个采样器。固定种子做对比确保变化的不是运气而是提示词本身。固定种子这个操作太重要了。不固定种子的话你改了提示词画出来的图和上一张完全不是同一构图你根本分不清楚是哪一处的改动带来了变化。我电脑里那个界面每次跑图前都会设置固定的种子值体验差很多。排查链路的价值在于它让你在画任何题材时不慌。你不怕丑图因为每张丑图都是一个线索指向模型的盲区。5. 双倍出图效率参数网格与批量迭代策略本地跑图再便宜一张图跑两三分钟如果全靠一张张调效率也低得让人崩溃。我摸索出一套参数网格的批量策略这里分享给同样受限于硬件条件的玩家。5.1 抽卡前的准备工作固定种子、做变量网格种子seed这个概念我用大白话解释就是“随机数种子”。同样提示词种子不同生成结果不同。为了高效对比我会把种子固定然后让其他参数在一个小范围内浮动。举个例子我画黑洞时做了两个变量网格步数网格20 步、25 步、30 步、35 步。CFG 网格6、7、8、9。CFG 是“提示词引导强度”数值越大越遵守提示词但太高会引入噪点和伪影。这两个变量交叉出来就是 16 组参数组合。我把这些组合一次性排进批量任务里跑完 16 张图然后挑出效果最好的那几组参数区间。我实测发现CFG 在 7.5 附近时细节最好超过 9.5 后光子环周围会出现不自然的黑边。没有网格测试光靠感觉调永远找不到这个临界点。5.2 用“种子漂移”来生成系列变体确定参数后我会用“固定提示词 随机种子漂移”来生成一批大同小异的变体。所谓种子漂移就是基于同一个种子编号每次加 1 或者加一个固定增量。这种做法会产出“构图相近但细节不同”的系列图非常适合做壁纸组图或者系列插画。我当时一口气跑了 12 张不同种子的黑洞图从中挑了 3 张进后处理。它们不是简单的复制粘贴一张吸积盘特别亮一张背景星流特别复杂一张整体色调更暗更神秘。注意网格测试和种子漂移阶段不要手动干预任何一张图等批量跑完再统一筛选这样才能保证对比的公平性。6. 最后的临门一脚后处理与放大本地小显存跑出来的底图分辨率有限直接发朋友圈手机上看还行但稍微放大一点就能看到瑕疵。这里有两种提升画质的后处理路线按需选择。6.1 图生图局部重绘如果底图整体不错但某个局部有瑕疵——比如光子环某一段断开了、背景出现一小块噪点、吸积盘边缘有奇怪的渗色——不要整图重新生成用图生图里的局部重绘功能把有问题的区域涂黑单独设置提示词修复。比如我有一张图右下角的背景出现了红色渗色我直接在局部重绘区域写“deep space, faint blue stars”重绘幅度控制在 0.4效果很好周围已经满意的区域完全没动。这套操作在商业工作流里叫“局部精修”算是很基础的用法但很多人不知道它同样适用于小显存场景。6.2 放大模型的正确用法放大模型听起来高大上但在低显存机器上如果你直接对整个大图跑放大极容易爆显存。我的方法是先把底图裁剪成几个重叠区域分别放大再拼回去。这个方法麻烦一点但效果比一键放大好得多想省事的话可以全靠手动分区处理。6.3 出图后的审美检查清单出图后我会按如下顺序做最终检查看事件视界是否绝对黑有没有不该有的纹理看光子环是否连续、是否有厚度感看吸积盘颜色是否偏红左右亮度是否有差异看背景星光是否自然有没有明显的水印或文字看整体构图画面主体是否在黄金分割点上。这条清单是我在画了上百张不同题材的图之后总结出来的。每次检查都是在逼自己用“挑剔的眼”看自己花时间产出的作品——这也是你能从业余爱好者往更专业方向走的开始。7. 谁适合用“便宜 AI”画硬核题材我的经验总结有人问我“你花这么大力气折腾便宜方案值吗”我的答案很明确看你想要什么。如果你想要的是“一键生成不费脑的精致壁纸”那便宜方案确实不适合花钱买效率更合理。但如果你想要的是深度理解 AI 怎么“看”世界想用最少的成本掌握一套能迁移到任何题材上的方法论那这条路绝对值得走。我自己的经验是便宜工具最大的赠品不是省下来的钱而是“低容错率”带来的深度思考。因为不能靠多砸钱解决问题你就必须把需求拆得足够细——就像前面拆解黑洞的五个视觉元素那样。这种拆解能力才是 AI 时代最值钱的东西。等你习惯了这种工作方式再去用那些高价服务你会发现自己比从前更清楚每一句话、每一个参数到底在指挥模型做什么。下次有人再跟我说“便宜没好货”我大概会直接拿这张黑洞图怼回去便宜的是工具门槛贵的是思路。而思路这事儿真不是花钱就能买到的。