“半草绘”这三个字我第一次看到的时候愣了一下。它是“半成品草图”还是“半手绘半数码”后来看多了这类作品才明白真正吸引人的是那种“未完成感”画面里保留着松散的草稿线条、大块留白、几笔看似随意但精准的笔触整体却不是一张半途而废的底稿而是一幅有呼吸感、有力道感的完成作品。这种介于草稿与成稿之间的风格在插画圈、概念设计圈里一直有很高的辨识度但难点在于靠手绘需要极强的控制力靠AI生成又容易翻车——生成的图要么太“干净”线条规整得像矢量图要么太“草”直接变成乱线一团。这篇文章想聊的就是怎么用文字生成图片的方式稳定做出“半草绘”风格。核心思路、提示词写法、参数调优、翻车修复都会一路讲下来。不管你是刚接触文生图工具的新手还是已经跑过不少图、想突破纯写实或纯二次元风格的老手应该都能从中找到一些能直接上手的东西。1. 先搞懂“半草绘”到底想要什么效果在动手写提示词之前得先把“半草绘”这个风格拆开看。它不是单一的技术名词而是一组视觉特征的集合。如果连目标效果都没定义清楚后面调参数就全凭运气了。1.1 半草绘的视觉特征拆解从画面构成来看半草绘风格可以拆成四个维度线条、色彩、笔触、材质。线条层面它保留的是草稿阶段的探索痕迹。注意是“探索痕迹”而不是“乱”。真正的半草绘图线条有主次之分轮廓线可能是重笔内部阴影是轻笔甚至在关键转折处有反复起笔留下的复线。这种复线最出效果因为它能让人看到画者思考的路径——这里犹豫过、那里修正过画面就有了“人”的温度。色彩层面它一般不会做全画面饱和铺色而是局部上色、局部留白或者用单色底加少量点缀色的方式处理。留白在这里不是没画完而是构图的一部分。比如一张半草绘的人物图脸和手可能是干净利落的线条衣纹却只涂了半边色块另一边直接留白观感反而比全涂满更有节奏感。笔触层面要有“速度感”。一笔下来有浓淡、有飞白、有断连就像毛笔写行草能看出运笔的轨迹。这恰恰是最难模拟的部分因为AI的默认倾向是画得非常均匀、非常圆润你要花很大力气才能让它“不均匀”。材质层面纸纹、笔痕、墨点、橡皮擦过的痕迹这些细节会拉高画面的真实感。半草绘毕竟要让人相信“这是手绘的”如果完全没有纸面颗粒感整体就会往矢量插画那边偏。1.2 为什么这种风格容易“翻车”按我的经验“半草绘”是文生图领域最难一次到位的风格之一。原因在于模型天然会把“未完成”理解成“质量差”。训练数据里大量图片都是成品草稿类的图往往被标记为低质量或负面样本所以模型在生成时会倾向于把所有细节补齐线条变干净、颜色铺满、阴影算得特别准。这是个很有意思的矛盾你要的是“保留缺陷”但模型逼着你把它修好。所以只靠默认参数跑出来的图十有八九是“半草不草”的四不像——说它是草稿太规整说它是成品又缺细节。想清楚这个矛盾后面所有技术手段就都有了解释提示词是告诉模型“此刻我的审美标准里粗糙是加分项”LoRA是强迫模型记住一批“高质量草稿”的长相参数则是控制模型到底有多大胆地偏离成品感。三者缺一不可。2. 技术路线怎么选做半草绘风格不是只有一条路。根据我的实际测试按可控性和效果排序主要就是两条主流路线加一条进阶路线。先选对路线再谈参数不然很容易白忙一场。2.1 主流方案开源模型 风格LoRA这是我推荐的首选方案也是下文实操部分的主线。具体来说分两步基础模型选社区开源的通用文生图模型1.5尺度和XL尺度各有特点差异我后面会讲再叠加一个草图风格LoRA。LoRA全称是低秩适配本质上是一组很小的权重文件专门用来给模型注入某种风格记忆往往只有几十兆切换起来非常方便。为什么用LoRA而不是重新训练整个模型因为训练完整模型的时间和计算成本都是普通用户很难承受的而且也没必要。LoRA相当于给模型戴了一副“风格滤镜眼镜”只微调一小部分参数就能让模型在保留原有内容能力的同时偏向某种画风。半草绘要求“内容清晰可辨、风格明显有倾向”这正好是LoRA的强项。具体版本选择上我的建议是电脑配置不高、追求速度用1.5尺度显存超过12G、想要更好的画面质量和更大的构图自由度上XL尺度。半草绘这种风格对分辨率要求不算苛刻1.5尺度在512到768范围内出图已经够用。XL的优势在于整体构图更稳、细节层次更丰富但显存和生成时间都会明显增加。2.2 备选方案纯提示词硬控如果暂时不想用LoRA也可以只靠提示词硬拉。做法是在正面提示词里叠一堆草稿类风格词同时想办法让画面“脏”一点。实测下来这套方案对某些题材是有效的但稳定性很差。同样一组词换一个场景描述风格可能就飘了连续生成四次可能只有一次出来像半草绘其他几次要么太干净要么崩成乱线。纯提示词硬控适合什么情况适合你先做风格摸底。比如在决定要不要训练LoRA之前先用提示词跑十几张图确认这种风格确实值得深入再动手。毕竟训练LoRA需要收集素材、打标签、跑训练脚本投入的时间不少先用提示词验证一下方向不亏。2.3 进阶路线训练自己的半草绘LoRA如果你在社区找不到满意的半草绘LoRA这种情况挺常见的因为“半草绘”本身是个比较小众的口味自己训练是唯一能完全贴合需求的方案。我简单说一下流程和关键参数。素材方面准备30到50张半草绘风格参考图。来源可以是自己扫描的手绘草稿、获得授权的画师作品或者从图片素材站购买。注意版权别直接扒别人的作品集。所有图统一裁剪到512×5121.5尺度或1024×1024XL尺度。打标签方面用开源的自动打标工具生成描述词然后手动清理。关键原则是把“画面主体是什么”标清楚“风格”反而不需要标——因为这次训练本身就是来学风格的标了反而会干扰模型的学习方向。训练参数方面迭代轮数10到15轮网络维数设成16学习率1e-4左右优化器用常见的AdamW就够。维数不需要设得太大半草绘不是特别复杂的画风16维已经能学到足够的特征。训练结束后用几个和素材完全不同的主体提示词测试比如素材全是风景测试时用人物主题看风格是否迁移得过去。迁移成功才算及格。3. 提示词与参数调优有了LoRA之后提示词和参数就变成了决定成败的另一半。这一节我讲自己的提示词结构以及每个关键参数背后的调整逻辑。3.1 正面提示词的“四层结构”我习惯把正面提示词拆成四层避免风格词和内容词混在一起互相打架。第一层是内容主体。比如“穿汉服的少女在竹林中撑伞”。这是画面核心所有风格调整都要围绕它进行。写的时候注意具体不要只写“一个女孩”尽量把动作、服装、环境都点出来模型才知道往哪里使劲。第二层是风格概括词。放最核心的“sketch style”“rough line art”“charcoal sketch”这类词位置放在距离内容词较近的地方。这里有个小技巧顺序在文生图中是有实际影响的越靠前的词权重越高所以风格词要提前。第三层是质感细节词。这层用来补足“半草绘”的特殊手感pencil stroke、paper texture、negative space、unfinished、dynamic brushwork、subtle ink wash。这些词负责让画面看起来是手绘的而不是电脑平滑渲染的。第四层是画面构成词。包括构图、光影、留白描述比如“loose composition”“centered subject”“soft lighting”。这一层不用每次都写全看题材需要。一个我常用的典型正面提示词长这样sketch style, rough line art, charcoal and pencil sketch, unfinished, paper texture, visible brush strokes, loose composition, subtle color accents, negative space, dynamic lines, portrait of a girl holding an umbrella in a bamboo forest, wearing hanfu, soft lighting注意顺序先把风格词放在前面内容词放在后面。这样模型会优先理解风格需求再往里填内容。实测同样的词顺序调换之后风格强度差得挺多。3.2 负面提示词怎么列负面提示词很多人写得过于敷衍就一个“low quality”挂在那里。对半草绘来说负面提示词要反向排除“成品感”这是很多人漏掉的关键。我常用的负面词组长这样photorealistic, 3d render, smooth shading, polished, clean line art, precise details, over-detailed, vibrant colors, oil painting, blurry, worst quality, lowres这里有几个词要特别说明。“clean line art干净的线稿”和“precise details精细细节”是在帮模型排除“画得太干净”的选项这是半草绘最容易跑偏的方向。“polished抛光感”这个词很多教程不提但我实际测试发现它对压制“数字味”特别有效。加了它之后画面那种冷冰冰的CG感会明显下降。3.3 参数设置与调优逻辑参数部分我直接给一个推荐表再解释关键参数为什么这么定。参数推荐范围说明采样步数20~30步数过低线条残缺过高线条死板。半草绘取中偏低CFG引导强度5~8越低越自由越高越贴提示词但容易过锐。半草绘推荐6~7采样器DPM 2M Karras或同类收敛快、线条表现自然优先选这类分辨率512×7681.5尺度/ 896×1152XL尺度竖构图适合人物题材避免过高分辨率导致风格细节被稀释LoRA权重0.6~0.8低于0.5风格不明显高于0.9容易崩结构随机种子不固定或每批次固定找风格时固定种子方便对比确认后再换种子跑多样性为什么CFG不能太高CFG太高时模型会过度服从提示词每一个词都被强行“画”出来结果就是线条生硬、阴影死板完全没有手绘的松动感。CFG设到6到7模型稍微“不听话”一点反而容易出现好看的笔触变形。这就好比临帖练字你太刻意地追求每一笔标准写出来的字反而僵硬放松一点字才有生气。为什么步数不能太多扩散模型的特点是步数越多细节越收敛收敛过头就变成“成品”。半草绘要保留的恰恰是未收敛的那种松散感。我实测20步和40步40步的线条确实更干净但也更“没灵魂”看起来像是打印出来的装饰画。为什么采样器要选DPM 2M Karras这一类因为这类采样器收敛快、对线条类内容友好能在较短步数内给出比较自然的结构。试过用一些老式采样器线条容易出现颗粒噪声半草绘变得脏兮兮的不好看。4. 完整实操案例出一张竹林撑伞的少女参数讲得再多不如跑一遍实例。这一节我完整复盘一次从需求到成图的过程包含第一次生成暴露的问题、局部重绘的修复逻辑以及最后定稿时的微调思路。4.1 需求描述与第一次生成设定一个具体需求一张竖构图的半草绘风格插画画面主体是一位在竹林中撑伞的汉服少女整体要保留草稿的松散感但神态和动态必须清晰。按照上一节的四层结构我组了正面提示词sketch style, rough line art, loose charcoal and pencil sketch, paper texture, visible brush strokes, unfinished, negative space, subtle ink wash, portrait of a girl in hanfu holding an umbrella, bamboo forest background, soft lighting, dynamic posture负面提示词用前面那组基础上加了一句“worst quality, lowres”。参数设置1.5尺度模型加社区里一位创作者分享的半草绘LoRA权重0.7采样步数25CFG 7采样器DPM 2M Karras分辨率512×768。第一轮我一次生成四张。结果很有意思四张图各自暴露不同问题第一张整体结构最稳但线条偏硬竹叶部分出现动画片式的整齐排列草稿感不足。第二张线条很松动但少女脸部结构略微变形右眼位置偏高。第三张风格最对味留白和飞白效果都非常真实但伞的支撑结构画错了伞骨方向混乱。第四张完成度最高但太接近“完成的黑白插画”不像半草绘。这四张图正好暴露了“半草绘”项目的三大矛盾结构稳定性、风格强度、细节合理性一直在互相拉扯。想要风格到位结构就崩想要结构稳定风格就偏。4.2 局部重绘修复关键部位我选择以第三张为基础继续做因为它风格最接近目标只是伞骨出了问题。局部重绘Inpaint是解决局部崩坏最有效的工具用蒙版把伞的区域涂掉提示词保留原风格词只把内容词换成“破旧的油纸伞伞骨清晰”重绘强度denoising strength设在0.45左右。这个强度很关键。太低了AI只会轻微改伞骨还是乱的太高了连整体风格都变了伞周围会出现干净的成品笔触和画面其他部分不搭。0.45正好是“只修结构、不动风格”的平衡点。实际结果重绘了两轮之后伞骨恢复正常而且笔触和周围能接上。4.3 批量生成与最终挑选局部重绘完成后画面已经基本能用了。但我又做了一件事固定这个随机种子只把LoRA权重从0.7微调到0.75批次跑8张再做一轮挑选。这么做是因为同一张构图骨架风格强度稍微变化一点呈现出的人物气质会完全不同0.7偏内敛0.75偏狂放。最终我选了0.75版本因为它的竹叶笔触更有冲突感和少女安静的神态形成对比画面有了故事性。这一步很多人会忽略觉得LoRA权重定一次就完事了。实际上权重在0.6到0.9之间连动0.05都会带来肉眼可辨的风格差异做风格类项目时完全可以把权重当成一个可调参数多跑几轮再定稿。5. 常见问题与排查技巧实录做“半草绘”这一路我踩过不少坑也帮朋友排查过很多翻车现场。下面把最高频的几个问题整理出来每个都给出排查顺序和解决方案。5.1 生成结果总像“高清照片转素描”这是半草绘项目里出现频率最高的问题。原因很直接风格词权重不够或者LoRA权重低于0.5。排查顺序很重要先看负面提示词里有没有加“photorealistic”“3d render”这类反写实词这两个词是压制照片感的基础。再加LoRA权重通常提到0.7以上就有明显改善。如果这两个都做了还不理想把风格词往提示词前面挪让模型优先识别风格。5.2 线条乱到看不出主体主体丢失往往是CFG过高叠加LoRA权重过高的结果。CFG高会让每个提示词都被过度执行线条词被强化到压倒主体词画面就变成一团乱线。做法是CFG降到5左右LoRA权重降到0.5到0.6同时把提示词里的“loose composition”改成“balanced composition”让构图先稳住再考虑风格。5.3 脸部结构总崩半草绘风格天然容易崩脸因为线条本身就在“未完成”状态面部比例稍微偏差一点就会被放大看起来特别明显。我的经验是别硬调提示词直接上局部重绘修脸。另外还有一个更省事的办法在流程里加一个脸部修复插件现在多数开源界面工具都有现成的。插件会先把脸单独精修再融合回去能大幅压低崩脸概率但同时要注意别让插件把脸修得太“精细”否则会和半草绘的粗糙风格冲突。5.4 换题材后风格不稳定“同一个LoRA画人物很对味画建筑就废了。”这也是低秩微调的经典问题——LoRA学到的主要是风格特征的局部组合换到差异太大的大结构题材时容易失效。解决办法是在训练阶段就让素材覆盖不同题材建筑、人物、风景各占一批让风格记忆更泛化。如果已经训练完了不方便重新跑可以靠提高LoRA权重硬拉但效果上限有限。5.5 出图速度太慢XL尺度模型在普通配置上生成一张图动辄几十秒加上批次和局部重绘整个项目耗时会变得很长。我的建议是前期风格探索全部用1.5尺度做等风格确认、构图定稿之后再用XL尺度或者高分辨率修复重新跑一遍最终稿。这样能把探索成本压缩到原来的十分之一效果却不会差太多。把这些问题整理成速查表问题优先排查项调整建议像照片负面词、风格权重缺失负面词补齐LoRA权重提到0.7以上线条乱CFG过高、主体词弱CFG降到5~6主体词提前崩脸面部结构精度不足局部重绘或接脸部修复插件风格漂移题材不在训练范围提高权重或训练时扩大素材题材速度慢模型尺度大探索期用小模型定稿期再放大最后再分享一个小经验。折腾“半草绘”这段时间我最大的体会是这类项目的成败不取决于某一句神奇提示词而在于对“度”的理解。线要松但不能散颜色要留白但不能空笔触要快但不能乱。每跑出来一张图我都会问自己一句话如果这是一张手绘草稿我会不会觉得它有大师那种“收放自如”的感觉如果有就留下来如果没有就继续调。我自己见过不少同行陷在“追求参数完美”的坑里反复调CFG、换采样器却忘了最终目的是让画面有情绪。建议你也多从审美角度去审视生成结果而不是只看技术指标。审美到位了半草绘这种风格在你手里就会越来越“听话”。