今天干了一件蠢事——想用AI做一张图，结果折腾了三个小时。
事情是这样的。我最近在写一篇关于“智能家居”的博客，需要一张封面图。脑子里大概有个画面：一个乱糟糟的客厅，沙发上是各种电子设备，窗帘开着，阳光照进来，桌上摊着笔记本和咖啡杯。就这种生活感强的场景。我想着，现在AI绘图这么牛逼，随便输几个词不就完事儿了吗？
天真。
我打开的是Midjourney，版本是6.1。因为之前用5.2做过几次，效果还行，但细节总是崩。所以这次特意用了最新的。输入了prompt：”messy living room with smart devices on sofa, sunlight streaming through window, notebook and coffee cup on table, photorealistic, 4k”
等了大概30秒，图出来了。
第一眼，还行。第二眼，妈的，桌子的透视是错的，沙发上的智能设备看起来像一堆塑料玩具，咖啡杯悬浮在半空中。最离谱的是，窗帘外面是白天，但房间里有一盏台灯亮着，光源方向完全矛盾。
我试图修复。加了”natural lighting, consistent light source, realistic shadows”。再次生成。这次确实好了一点，阴影对了，但沙发上的设备变成了一堆不认识的东西——看起来像是把iPhone、遥控器、充电宝、还有一根数据线全部融合成了一个物体。这玩意儿在现实里根本不存在。
我开始不耐烦了。又试了几次，每次调整prompt，加”negative prompts”比如”no unrealistic objects, no floating items”。结果呢？有一次直接把咖啡杯变成了一个白色的圆柱体，看上去像纸杯，但没有把手，没有Logo，没有任何细节。还有一次，笔记本屏幕上出现了乱码文字，看着像中文，但仔细看全是胡说八道。
我心想，是不是Midjourney对复杂场景的理解能力有限？于是换成了DALL-E 3，在ChatGPT里直接输入了中文描述。这次更快，10秒出图。
DALL-E 3的画面构图比Midjourney舒服，透视和光影基本没问题。但问题出在细节上——沙发上的智能设备，它画了一个智能音箱、一个平板、还有一个……那个玩意儿我怎么看都像是一个闹钟。但我描述里没提闹钟。而且，桌上的笔记本打开的页面是空白的，没有任何内容。阳光是有了，但窗帘的材质像是塑料布，完全没有布料的褶皱感。
我继续改。这次我写得更具体了，把每一个物体的位置、颜色、材质都写进去。比如“浅灰色的布艺沙发，左侧放着一台白色智能音箱，中间是一台银色笔记本电脑，屏幕显示着代码编辑器界面，右侧是一杯黑色咖啡，放在白色陶瓷杯里，窗帘是米色亚麻材质，半拉着，阳光从右侧窗户射入”。
结果DALL-E 3给我画了一间看起来像样板房的客厅，干净得跟没人住一样。沙发是新的，设备是摆拍的，咖啡杯冒着热气，但整个画面没有生活气息。我想要的是那种“刚起床、还没来得及收拾”的真实感，它给我的是一张宜家广告图。
我有点崩溃了。
然后我想到一个办法——先用AI生成一个粗糙的草稿，然后手动修图。我用的是Stable Diffusion，版本SDXL，加上ControlNet插件，先用一张真实照片做底图，然后让AI在上面修改。底图是我自己拍的，一张真的乱客厅照片。我把它扔进Stable Diffusion，设定”image-to-image”，强度0.6，然后输入prompt，让AI把茶几上的杂物替换成智能设备。
结果更惨。AI把茶几上的遥控器识别成了“电子设备”，然后把它放大、变形、加细节，最后变成了一坨看起来像外星科技的玩意儿。我原本想替换的是那堆乱七八糟的杂志和零食包装，结果AI自作主张把遥控器也给改了。
我又试了局部重绘（Inpainting），用蒙版把茶几区域涂黑，只让AI处理那一块。这次倒好，它确实只改了茶几区域，但生成的智能设备跟周围环境完全不搭——色调不对，光影不对，连桌面反射都忘了画。一眼假。
折腾到这里，我看了看时间，整整两个半小时过去了。最后我放弃了纯AI出图的想法，选择了最笨的办法：先用Midjourney生成一个构图和氛围都还行的图（大概第12次生成的时候，有一张勉强能看），然后丢进Photoshop，手动修细节。把那个悬浮的咖啡杯P下去，把窗帘的光源调一致，把沙发上的设备一个一个重新画轮廓，再用内容识别填充把多余的东西抹掉。
前前后后，总共三个小时，终于搞出一张能用的图。
我发给了编辑，他回了两个字：“可以。”
操。
说真的，AI绘图现在确实很牛，但离“一句话出片”还有很长的路。尤其是当你脑子里有一个具体的画面，而不是“随便一张好看的图”的时候，AI的随机性会让你抓狂。它可能给你一张视觉上完美的图，但细节完全不是你想要的；或者构图对了，但光影是乱的；再或者所有元素都在，但风格统一得像样板间。
我后来想，可能是我prompt写得太长太具体了。有时候AI反而需要留白，给它一点自由发挥的空间。但问题在于，自由发挥的结果往往是不可控的，你永远不知道它会把咖啡杯画成什么形状。
今天这事儿让我重新认识了AI绘图工具——它们本质上还是“概率游戏”，不是“精确控制”。你输入文字，它根据训练数据猜你想要的画面，猜对了算你运气好，猜错了你只能一遍遍重来。
所以，别听那些吹牛逼说“AI作图一分钟搞定，设计师要失业了”的言论。真要是你心里有个明确的方向，AI能把你逼疯。它就像是一个极度自信但不靠谱的乙方，你说了半天需求，它给你一稿，你说不对，它再改，方向越来越偏，最后你只能自己上手。
当然，如果你只是想随便生成一张好看的图发朋友圈，那另当别论。Midjourney v6.1随便写个“beautiful landscape”就能出神图。但你要是想要一张“符合我脑海里那个画面”的图，那就准备好熬夜吧。
这张封面图最后修完，我盯着看了十分钟。说实话，挺好看的。但一想到花了我三个小时，就觉得自己像个傻子。
AI绘图工具不会让你失业，但它会让你学会怎么修图。
📎 延伸阅读
看完这篇，如果你想：
- 直接拿工具 → 回复”13“，我把跨境获客工具包发给你
- 系统学习 → 点击菜单”AI训练营”，从0开始跑通AI变现