非科班，图片生成模型接触久了，零零碎碎攒了点理解，按我自己弄明白的先后顺序写下来，不对的地方直接指出就好。
最早想通的是大方向。主流的图片生成模型走的是从噪声出发、一步步去噪还原成图的思路。这一点想明白以后，很多参数就好理解了：既然图是一步一步“修”出来的，采样步数管的是修几轮，引导强度管的是每一轮往提示词那边靠多少，这两个一动，出图自然跟着变。以前我只当它们是玄学滑块，乱拖一通，现在起码知道自己在拖什么。
后来对比的模型多了，又发现它们之间的差别，大头不在这套去噪思路上，而在训练数据和审美取向：有的偏写实，有的偏二次元，有的对中文提示更友好。同一句提示词丢进不同模型，出来的味道差一截，多半就是这个原因。
再往后是选型上吃过的亏。单张样图好看说明不了太多，我现在的做法是准备几个不同题材的提示，挨个喂进去对比服从度——让画什么就画什么、不跑偏，比某一张惊艳靠谱得多。
都是粗浅归纳，原理更懂的朋友欢迎补充。
