用Stable Diffusion一分钟将照片转为线稿

图片转线稿，Stable Diffusion 一分钟快速生成高质量线稿

本文是 Stable Diffusion 图片转绘应用系列的开篇分享。在众多实际场景中，图片转绘功能极具实用性——它能够将照片转换为线稿、插画、漫画乃至多种风格的艺术作品。其中，最基础且最常见的场景便是图片转线稿。下面我们将从线稿制作入手，详细拆解完整的操作流程与关键技巧。

一、图片转线稿的完整制作步骤

【第一步】：选择合适的大模型

这里推荐使用 ReVAnimated，版本 v122。该模型在图片转线稿任务中表现稳定，能够较好地保留图像细节。

【第二步】：编写提示词

正向提示词

Prompt：lineart, line drawing, sketching, blank and white, clean white background, masterpiece, best quality

对应的中文含义是：线条艺术、线稿、素描、空白与白色、干净的白色背景、杰作、高品质。

反向提示词

反向提示词部分，直接采用通用的 negative 提示词即可，你可以根据实际效果进行微调。

相关参数配置如下：

• 采样器设置为 Euler a
• 采样迭代步数设定为 20
• 图片宽高设为 512×768（需与原始待转绘图片尺寸一致）
• 提示词引导系数（CFG）设为 7

【第三步】：LoRA 模型的配置

目前最常用的 LoRA 模型主要有三个，具体说明如下：

• LoRA1：动漫 AnimeLineart / Manga-like，版本 v3.0 manga-like。该模型无需触发词，权重设为 1 即可。
• LoRA2：线稿模型-照片转绘-2.0。触发词为：line, monochrome, greyscale。
• LoRA3：线稿，lineart，线条库，手绘。同样无需触发词。

实际使用时，直接采用 LoRA1（动漫 AnimeLineart）即可获得良好效果，其余两个可根据需求自由尝试对比。

【第四步】：ControlNet 的参数设置

关键参数配置如下：

• 控制类型选择“Lineart（线稿）”
• 预处理器设置为 lineart_realistic
• 模型选用 control_v11p_sd15_lineart
• 控制权重设为 1

【第五步】：图片生成

点击【生成】按钮，查看最终效果。

二、改用 ControlNet 的 SoftEdge（软边缘）控制模型

除了上述 Lineart 控制模型，还可以尝试 ControlNet 的 SoftEdge（软边缘）控制模型。两者生成效果略有不同，软边缘控制模型得到的线条更加柔和自然。

以下是效果对比。

再来一组其他图片的对比效果：

三、相关注意事项与技巧

1. 使用 ControlNet 的 Lineart 模型时，生成的线条可能会偏细、不够清晰。此时可多次生成（俗称“抽签”），从中挑选效果最佳的一张。
2. 根据目前测试，真人照片转线稿的效果较为理想，而建筑物的转换质量仍有改进空间。
3. 提示词中建议保留 lineart、line drawing、sketching、blank and white、clean white background 等关键词。如果仅使用 lineart，生成的图片仍可能带有颜色（见下方对比图）。

以上就是使用 Stable Diffusion 进行图片转线稿的完整操作流程。无论是用于素材准备、设计辅助，还是个人兴趣，这套方法都能帮助你在短时间内获得一张干净的线稿。后续我们将继续分享图片转插画、转漫画等其他场景的教程，敬请保持关注。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：用Stable Diffusion一分钟将照片转为线稿要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题