AI绘画实验：卡通猫 vs 自创生物，模型可控性与API集成实战-北京尧图网络

这次我们来看一个比较有意思的生成实验卡通猫 vs 自创生物。听起来像是一个纯娱乐向的创意题目但如果把它放到 AI 绘画工作流里它其实是一套很好的模型能力测试方案。我们要验证的不是“猫画得可不可爱”而是同一套环境下模型对已知概念卡通猫和未知概念自创生物分别表现如何顺带把提示词工程、参数调节、批量任务、接口 API 调用全部跑通。先给结论如果你手里有本地部署的 Stable Diffusion WebUI、ComfyUI或任何支持文生图/图生图的 API 服务这个实验可以直接复用。硬件方面普通 8G 显存以上的显卡跑 SD 1.5 系模型比较稳妥显存低于 6G 则需要开启低显存优化或换轻量模型CPU 也能跑但生成速度会明显下降具体耗时和显存占用必须以本机测试为准。本文会带你把下面这些事完整做一遍设计两套提示词模板、配置本地生成环境、完成文生图测试、图生图测试、批量对比测试最后把生成过程封装成 API 接口并给出效果评估标准和问题排查清单。整个过程不需要多高的代码门槛跟着步骤操作就能拿到一组可对比的输出结果。1. 核心能力速览能力项说明实验目标对比 AI 模型在“卡通猫”和“自创生物”两类主题上的生成效果验证可控性、一致性与多样性主要功能文生图、图生图、批量生成、提示词模板、结果评估、接口 API 调用输入内容正向提示词、负向提示词、参考图图生图/ 参考草图可选输出内容卡通猫图片组、自创生物图片组、批量对比结果、API 返回 JSON显存需求需按实际模型版本测试更稳妥的判断是先用 8G 显存起步低显存开启 offload 或优化选项启动方式命令行启动 WebUI / ComfyUI / Python 脚本 / API 服务是否支持 CPU支持但推理速度明显低于 GPU是否支持批量任务支持可写脚本遍历多组提示词或目录中的多张素材是否支持 API支持可通过本地 HTTP 服务接收请求并返回图片适合场景模型效果对比、提示词工程练习、角色设定探索、批量素材预生成、API 集成测试从能力表可以看到这个实验本质上是一套“生成流程评估流程”的组合。卡通猫与自创生物只是两个测试样本换成“风景 vs 科幻建筑”“真人写真 vs 3D 头像”同样成立。2. 适用场景与使用边界这个实验适合四类人。第一类是内容创作者。无论你做短视频配图、公众号封面还是小说角色插图都可以用“卡通猫 vs 自创生物”的方式先测出模型在你手上的稳定表现再决定批量生产时的提示词策略。第二类是模型评估人员。如果你在几个本地模型之间犹豫可以用同一组提示词分别生成对比图观察模型对细节、质感、光影的处理能力。第三类是提示词工程学习者。很多入门者写提示词时只写一个名词导致输出不可控。用这个实验可以把正向提示词拆成“主体、属性、风格、构图、画质”五段找出影响最大的变量。第四类是开发人员。如果你想把 AI 图像生成接进自己的工具可以先通过这个实验验证本地 API 是否稳定再扩展成批量服务的生产者。使用边界也需要说清楚。自创生物如果没有参考任何现实角色版权上更安全但如果你拿“卡通猫”去模仿某个商业 IP 形象或者把生成结果直接商用就必须先确认版权风险。涉及人脸、真实人物肖像或他人原创形象时一定要先取得授权生成素材仅用于个人实验或内部评估最稳妥。另一个边界是内容安全不要用这个流程生成违反公序良俗或平台规则的画面。3. 本地部署环境准备先准备好环境。以下配置清单是通用模板具体版本需要按你选择的模型框架调整。3.1 操作系统与硬件项目建议操作系统Windows 10/11、Ubuntu 20.04 及以上均支持GPUNVIDIA 显卡优先建议显存 8G 起步CPU仅作为保底方案能跑但慢内存建议 16G 以上磁盘空间模型文件通常需要留出 8G 到 30G 不等视所选模型而定如果你的显卡是 RTX 40 系或 50 系使用相对较新的 PyTorch 版本通常兼容性更好。老显卡也能跑只是速度会有差距。AMD 显卡和 Apple Silicon 芯片需要单独看框架支持情况这里不展开。3.2 Python 与依赖如果你的生成环境用的是 Stable Diffusion WebUI 或 ComfyUI 这类整合项目可以直接用它们自带的运行器不一定需要手动装 Python。但如果要用脚本调用模型建议准备 Python 3.10 到 3.11 的干净环境并用虚拟环境隔离依赖。# 创建虚拟环境Windows 用 python -m venv venv python -m venv venv # 激活虚拟环境 # Windows PowerShell venv\Scripts\Activate.ps1 # Linux / macOS source venv/bin/activate # 安装最常用的依赖 pip install --upgrade pip pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 pip install diffusers transformers accelerate safetensors pillow opencv-python requests fastapi uvicorn注意以上命令是通用模板。PyTorch 的 CUDA 版本号需要根据显卡驱动和实际安装环境选择安装前先确认本机驱动支持的 CUDA 版本。如果没有 GPU可以不安装 CUDA 版 PyTorch改为 CPU 版本。3.3 模型文件这部分是重点。如果你使用的是 WebUI 或 ComfyUI需要准备一个主模型文件比如 SD 1.5 系或 SDXL 系的.safetensors文件如果你走 diffusers 路线则需要下载完整模型目录。这里说一下通用做法优先从可信的模型托管平台下载先用官方模型跑通流程再尝试社区微调模型。下载时注意文件名后缀防止把.ckpt和.safetensors混用。模型文件放好之后在启动参数里指定模型路径或直接放到框架约定的models/Stable-diffusion目录下。3.4 端口规划WebUI 默认使用7860端口ComfyUI 默认使用8188端口API 服务可以自定义端口。建议在部署前先检查端口是否被占用。# 检查指定端口是否被占用 netstat -ano | findstr 7860如果被占用可以使用--port 7861这类参数改端口或关闭占用端口的进程。对于接口服务建议只监听127.0.0.1避免被局域网内其他设备扫描到。4. 安装部署与一键启动4.1 Stable Diffusion WebUI 启动方式如果你选择 WebUI下载整合包或 clone 官方仓库之后Windows 下通常通过webui-user.bat启动Linux 下用./webui.sh。启动过程中会自动补齐依赖。# Windows 一键包场景具体文件名以项目实际为准 .\webui-user.bat # Linux 场景 ./webui.sh --xformers启动日志出现Running on local URL: http://127.0.0.1:7860就可以打开浏览器访问。首次启动会下载模型或检查模型路径速度取决网络环境。如果端口被占用在启动命令里追加./webui.sh --port 78614.2 ComfyUI 工作流启动方式如果你选择 ComfyUI启动命令一般是python main.py默认访问地址是http://127.0.0.1:8188。ComfyUI 的工作流以 JSON 文件保存我们需要先导入一个基础文生图工作流再把提示词节点改为“卡通猫”或“自创生物”的模板并接上保存图片的节点。没有现成工作流时可以在界面里从空白画布搭建加载模型节点、CLIP 文本编码节点、KSampler 节点、VAE 解码节点、保存图像节点。从操作习惯看如果你只是做少量对比实验ComfyUI 更直观如果你要批量执行WebUI 的脚本面板和 API 接口反而更容易处理。两者没有绝对优劣任选一套即可。4.3 Python 脚本直接调用如果你不想启动 WebUI也可以直接用 diffusers 写一个最小推理脚本。from diffusers import StableDiffusionPipeline import torch model_id 你的本地模型路径或模型标识 pipe StableDiffusionPipeline.from_pretrained(model_id, torch_dtypetorch.float16) pipe.to(cuda) prompt cartoon cat, cute, big eyes, soft lighting, studio background, high detail negative blurry, bad anatomy, lowres, watermark image pipe( promptprompt, negative_promptnegative, num_inference_steps25, guidance_scale7.0, width512, height512, ).images[0] image.save(cartoon_cat_001.png)这段代码可以先跑通文生图。如果你的显存不足把float16改为float32通常会占用更多显存更好的做法是启用pipe.enable_model_cpu_offload()或者在启动时设置torch_dtypetorch.float32并降低分辨率。具体以你的模型和硬件实测为准。4.4 CPU 推理说明没有 NVIDIA 显卡时可以去掉to(cuda)把设备和 dtype 改为 CPU 模式pipe.to(cpu)CPU 推理能跑但速度会慢很多。例如一张 512x512 的图GPU 几十秒内能完成CPU 可能需要几分钟。这个差距在批量任务里会被放大。如果只是验证提示词效果可以先降低采样步数到 15 到 20减少生成时间。5. 功能测试与效果验证环境跑通之后接下来进入核心环节功能测试。这个实验的重点是“对比”所以每类测试都要用相同的提示词结构只改变主体关键词。5.1 文生图测试卡通猫先测第一类主体“卡通猫”。这一个测试要回答的问题是模型能不能稳定理解“卡通猫”这个常见概念并且在多次生成中保持风格稳定。我建议准备两组提示词。第一组是基础版cartoon cat, cute, simple background。第二组是完整版拆成多个维度正向提示词 cartoon cat, cute face, big eyes, fluffy fur, sitting pose, pastel color background, soft lighting, high detail, 4k 负向提示词 blurry, low quality, bad anatomy, extra limbs, watermark, text, deformed操作方法在 WebUI 的 txt2img 页面填入正向和负向提示词。采样步数设为 25提示词引导系数设为 7。分辨率设为 512x512。点击 Generate生成 4 张。观察生成出的猫是否一致、是否有明显畸形、细节是否完整。判断标准4 张图里至少 3 张能看出是“卡通风格猫”没有出现狗、狐狸等严重错体构图没有明显穿帮。如果基础版出现风格不稳定最常见的原因是正向提示词里没有风格限定词比如漏掉cartoon style。如果出现身体结构错误比如六条腿需要把extra limbs写进负向提示词并尝试提高采样步数。5.2 文生图测试自创生物第二类主体是自创生物。这里没有统一标准因为“自创”意味着模型从未见过这个完整概念。测试目的是验证模型能否把多个不相关特征组合成一种合理的新生物。我的做法是先给自创生物定义一个特征组合例如四只眼睛、六条腿、透明皮肤、可以发光的背部纹理、像蜥蜴又像昆虫的整体轮廓。英文提示词可以写成正向提示词 original creature, four eyes, six legs, translucent skin, glowing back pattern, reptile insect hybrid, fantasy biology, dark laboratory background, cinematic lighting, ultra detailed 负向提示词 real cat, dog, human, blurry, low quality, bad anatomy, duplicate body, watermark, text注意这里要把real cat写进负向提示词否则模型很可能往已知动物方向跑偏。生成 4 张后重点观察两点模型是否真的生成了“符合描述的新生物”还是退化成猫、蜥蜴等已有物种多特征组合时是否互相冲突比如腿的数量是否准确、皮肤质感是否接近描述。如果生成结果总是退化成现实生物建议把特征描述从抽象改为具体例如不写strange改写成six slender legs, segmented body, compound eyes。提示词越具体越不容易被模型“拉回”到记忆里的常见物种。5.3 图生图测试利用参考草图统一方向文生图能看出模型的基础能力但自创生物的方向不好控制。图生图可以解决这个问题它把一张手绘草图或基础底图作为构图参考在此基础上细化画面。操作方法是先随便画一张简单的生物轮廓图黑白即可然后上传到 img2img 页面输入自创生物完整提示词把重绘幅度设为 0.5 到 0.7生成结果就会在“轮廓接近草图”和“画面更精致”之间折中。# 重绘幅度建议区间 denoising_strength 0.55 # 太低则画面变化小太高则偏离草图这个测试的核心价值在于自创生物的随机性太大了通过草图控制构图能让批量生成的结果在形态上更统一这是后面批量任务的基础。5.4 提示词对照测试还有一个很实用的测试维度控制变量。固定“卡通猫”提示词模板只修改其中一个词看输出变化。变量对比组 A对比组 B观察点风格词cartoon style3d render style风格是否跟随变化光线词soft lightingneon lighting光影氛围差异画质词high detail8k, masterpiece画面细节是否提升构图词sitting poserunning pose姿态是否改变这个方法可以帮你找出当前模型最敏感的提示词维度。做自创生物时同样适用比如对比transparent skin和metal skin快速确认模型对材质描述的理解程度。5.5 批量对比测试批量测试是这个实验最有工程价值的部分。我们需要一次生成多张图片把“卡通猫”和“自创生物”放在同一参数维度下对比。一种方式是直接在 WebUI 的脚本面板设置“生成批次”一次生成 8 到 12 张另一种方式是写 Python 脚本把两组提示词放在同一个列表里循环调用。from diffusers import StableDiffusionPipeline import torch pipe StableDiffusionPipeline.from_pretrained( 你的本地模型路径, torch_dtypetorch.float16, safety_checkerNone, ) pipe.to(cuda) prompts [ cartoon cat, cute face, big eyes, fluffy fur, pastel background, high detail, original creature, four eyes, six legs, translucent skin, glowing back pattern, fantasy biology, ultra detailed, ] for idx, prompt in enumerate(prompts): for seed in range(4): generator torch.Generator(cuda).manual_seed(seed) image pipe( promptprompt, negative_promptblurry, low quality, bad anatomy, watermark, text, num_inference_steps25, guidance_scale7.0, width512, height512, generatorgenerator, ).images[0] image.save(fbatch_{idx}_{seed}.png)这里的manual_seed是固定随机种子目的是让相同的提示词在多次生成中保持构图稳定。如果你想看多样性可以去掉固定 seed想验证可重复性则固定 seed。批量测试的预期结果是每组提示词生成 4 张图能明显看出是同一主题同时在姿势、表情、背景上存在合理变化。6. 接口 API 与批量任务如果你不想每次都打开 WebUI 点按钮可以把生成能力封装成 API。这样给同事或自己的其他工具调用也更接近真实的生产环境。6.1 WebUI API 示例Stable Diffusion WebUI 启动时默认附带 API 接口。用 Python 调用可以这样写import requests import base64 import time url http://127.0.0.1:7860/sdapi/v1/txt2img payload { prompt: original creature, four eyes, six legs, translucent skin, glowing back pattern, fantasy biology, negative_prompt: blurry, low quality, bad anatomy, watermark, steps: 25, width: 512, height: 512, cfg_scale: 7, batch_size: 2, } response requests.post(url, jsonpayload, timeout300) data response.json() for i, img_b64 in enumerate(data.get(images, [])): with open(fapi_result_{i}.png, wb) as f: f.write(base64.b64decode(img_b64))这个接口的返回格式通常是包含images列表的 JSON每个元素是 base64 编码的图片字符串。请求参数需要和 WebUI 版本匹配如果版本更新后字段有变化先打印返回内容确认。6.2 FastAPI 封装自己的推理服务如果你用的是 diffusers 脚本可以直接用 FastAPI 包一层。示例from fastapi import FastAPI from pydantic import BaseModel from diffusers import StableDiffusionPipeline import torch import base64 import io app FastAPI() model_path 你的本地模型路径 pipe StableDiffusionPipeline.from_pretrained(model_path, torch_dtypetorch.float16) pipe.to(cuda) class GenerateRequest(BaseModel): prompt: str negative_prompt: str steps: int 25 width: int 512 height: int 512 seed: int -1 app.post(/generate) def generate(req: GenerateRequest): if req.seed 0: generator None else: generator torch.Generator(cuda).manual_seed(req.seed) image pipe( promptreq.prompt, negative_promptreq.negative_prompt, num_inference_stepsreq.steps, widthreq.width, heightreq.height, generatorgenerator, ).images[0] buffer io.BytesIO() image.save(buffer, formatPNG) img_b64 base64.b64encode(buffer.getvalue()).decode(utf-8) return {image_base64: img_b64} if __name__ __main__: import uvicorn uvicorn.run(app, host127.0.0.1, port8050)启动后可以用 curl 测试curl -X POST http://127.0.0.1:8050/generate \ -H Content-Type: application/json \ -d {prompt:cartoon cat, cute face, big eyes, pastel background,steps:25,seed:42}生产环境下建议给服务加一个请求队列避免并发请求同时占用显存导致 OOM。批量任务可以设计成“提交任务 - 轮询结果”的模式而不是同步等待。6.3 批量任务目录管理与重试批量生成时文件夹结构建议分成三块project/ ├── inputs/ │ └── prompts.txt ├── outputs/ │ ├── cartoon_cat/ │ └── original_creature/ └── logs/ └── generate.logprompts.txt每行一个提示词。脚本逐个读取并生成。生成成功就把图片写入对应目录失败则写入日志方便重跑。# 输出文件命名加序号和时间戳避免覆盖 cartoon_cat_20250101_001.png original_creature_20250101_001.png批量任务最容易踩的坑是中途失败后没有断点续跑。建议脚本里记录已生成的图片名再次运行时跳过已经存在的文件。另外一个坑是显存不足导致后续批次全部失败。稳妥做法是每生成一批就清一次缓存import gc import torch # 每批结束后清理 torch.cuda.empty_cache() gc.collect()7. 资源占用与性能观察这个实验做到批量阶段资源占用就是绕不开的问题。显存占用不是固定值它和模型版本、分辨率、batch size、采样步数、是否开启 attention 优化都有关。更稳妥的判断是先在低分辨率小批量下记录一次显存峰值再逐步提高参数找到你机器的舒适区间。显存观察可以直接用 NVIDIA 显卡监控命令nvidia-smi在生成过程中执行nvidia-smi看GPU Memory Usage和 GPU 利用率。如果显存接近上限会出现 OutOfMemory 报错。和生成任务相关的几个参数影响如下参数影响方向降低显存的调整方式分辨率显存占用随分辨率上升明显从 512x512 开始测试批量张数一次生成多张会成倍增加峰值显存批量设为 1用循环替代采样步数主要影响耗时显存影响较小从 15 到 20 步起步提示词长度对显存影响不大无需刻意缩短描述模型精度float16 比 float32 省显存默认用 float16必要时开启 offloadCPU 推理时主要看内存占用和 CPU 利用率。Windows 任务管理器或 Linux 的top都可以观察。CPU 模式下生成慢是正常现象不是因为卡死建议用小步数先验证流程不要一上来就跑大规模批量。另外批量脚本长时间运行要留意进程残留。如果你在 Jupyter Notebook 里跑过推理内核重启后显存可能没有立刻释放。此时可以到任务管理器结束残留的 Python 进程或者重启机器。ComfyUI 和 WebUI 都存在类似情况长时间测试后重启一次服务是成本最低的稳定方法。8. 常见问题与排查方法这部分列出这个实验中最常见的问题和处理思路不局限于某一个框架适合同样跑“卡通猫 vs 自创生物”对比的读者排查。问题现象可能原因排查方式解决方案启动后页面打不开端口被占用或服务未启动检查启动日志和端口状态更换端口重启服务提示词输入后生成的是纯黑图模型加载失败或 dtype 异常查看后端日志是否报错重新加载模型切换 float32 或 float16自创生物总是生成猫或蜥蜴提示词包含已知动物特征词模型偏向已有概念检查正向和负向提示词把现实动物名词加入负向提示词改用抽象描述批量生成到一半显存不足单次占用过高或批次未清理缓存观察nvidia-smi降低 batch size开启 offload分批执行生成结果风格不一致没有固定 seed或采样步数过低对比同一提示词多 seed 输出固定 seed 提高稳定性适当提高步数API 调用超时推理耗时超过 requests 默认超时查看服务端在生成过程中是否仍有响应调大 timeout或改成异步任务队列图生图结果偏离草图重绘幅度设得太高调整 denoising strength从 0.5 开始测试逐步降低图片有文字水印或奇怪文字提示词或负向提示词缺少相关词查看图片角落和背景把watermark, text, letters加入负向提示词模型文件损坏导致启动失败下载中断或文件不完整对比模型文件大小和 hash删除后重新下载如果遇到依赖安装失败建议创建新的 Python 虚拟环境再试不要混用多个项目的依赖。如果显卡驱动和 CUDA 版本不一致torch.cuda.is_available()会返回 False。此时先确认显卡型号和驱动版本再选择对应的 PyTorch 安装命令。9. 最佳实践与使用建议把“卡通猫 vs 自创生物”这套实验流程做好有几个工程上的经验值得沉淀下来。第一先小参数测试再大规模批量。第一次跑通了不意味着批量跑得通。建议先用 4 张图、512x512 分辨率、20 步完成一轮完整测试记录显存峰值和耗时再决定要不要开批量任务。第二把提示词模板存成独立文件。卡通猫和自创生物的提示词分别保存到.txt或.json文件里需要对比时统一读取。这样改模型或改参数时不需要重新手打提示词也能避免两套提示词结构不同导致的对比失真。{ cartoon_cat: { positive: cartoon cat, cute face, big eyes, fluffy fur, pastel background, high detail, negative: blurry, low quality, bad anatomy, watermark }, original_creature: { positive: original creature, four eyes, six legs, translucent skin, glowing back pattern, fantasy biology, negative: real cat, dog, human, blurry, low quality, bad anatomy } }第三模型文件、输入素材、输出结果分目录管理。输入提示词放inputs输出图片按主题分目录日志单独放logs。这是后面做批量任务和失败重试的基础。第四批量任务一定要加日志和失败重试机制。不要只写一个 for 循环跑到底要记录每个 prompt 是成功还是失败、耗时时长、生成图片的路径。重试策略可以设置成每个失败任务最多重试 2 次。第五涉及人脸、声音、版权素材时必须确认授权。这个实验里虽然没有强人脸场景但如果后续把“自创生物”改成“某个 IP 角色”或“某个真实人物的拟人化”就涉及到肖像权和 IP 合规问题。生成后的图片如果要公开发布建议标注是 AI 生成内容并在允许的范围内使用。第六接口服务要限制访问范围。API 服务如果跑在自己电脑上启动时用127.0.0.1绑定本机地址不要默认绑定到0.0.0.0。如果放在服务器上要加鉴权或访问白名单避免被别人刷请求导致显卡满载。第七发布或商用前做效果复核。批量生成的图片里偶尔会出现局部崩坏、多余手指、错误文字不能直接进入生产环境。建议设置一轮人工 check 流程或者用简单的规则过滤掉尺寸异常、黑图、纯色图。10. 总结与下一步“卡通猫 vs 自创生物”这个实验最值得尝试的点是它用最简单的提示词对比把模型的可控性、一致性和多样性都暴露出来了。卡通猫代表模型熟悉的已知概念自创生物代表模型不熟悉的未知组合。两套提示词跑下来你会比只看参数评测更能理解自己手里的模型到底适合哪类任务。第一步建议先验证文生图。用 512x512 分辨率生成 4 张卡通猫再生成 4 张自创生物确认模型能稳定输出、没有大规模结构错误。这个环节最容易踩的坑是自创生物提示词里混入了现实动物特征导致结果一直拉回猫或蜥蜴解决办法就是把现实动物名词写进负向提示词。流程跑通之后可以继续往两个方向扩展一是把你的角色设定保存成一套稳定的提示词模板接进 API 服务做成可以批量调用的角色素材生成工具二是换成 SDXL 或更高分辨率模型测试不同模型对这个提示词对比实验的最终效果。做的时候记得把输入输出分目录管理加上日志和重试机制这才是能持续使用的生成流程。

AI绘画实验：卡通猫 vs 自创生物，模型可控性与API集成实战

相关推荐

降AI怎么避坑？2026年一篇搞懂底层逻辑

Python爬虫从入门到实战：核心机制、反爬策略与工程化部署指南

信息学奥赛C++课课通资料包使用指南：PPT、代码与测试数据实战解析

更多资讯

Python古诗词接龙：检索、打分与N-gram兜底实践

SecureCRT便携配置、中文编码与会话批量生成指南

OpenSSL 1.1.1 编译集成与TLS握手排错实战

YOLOv5单目测距落地指南：标定、地平面法与工程避坑

YOLOv5单目测距：USB摄像头像素框转三维坐标实战

利用python中matplotlib.pyplot库绘制图

今日更新

GUI自动化测试中的ScreenLayout：从硬编码坐标到声明式画面地图

LLC谐振变换器12V25A 300W开关电源设计与调试全攻略

ESP32多应用Flash数据隔离：分区表与NVS namespace实战

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？