我这台只有晚上才开开刷抖音的电脑，现在每天在给我出图。打开一个网址，选个题材，写一句中文，三十多秒，一张图就出来了。
三个晚上之前，这台电脑还是台普通机器：8G 显存，16G 内存，平时上上网。
这事是我和 WorkBuddy 一起干的。它写代码、反复试，我负责看，指挥它修改。
一、为什么在自己电脑上搞
我要的东西其实很简单：一个能让我随便试的地方。
生图这件事，好图不太可能一次写对，只能反复试。同一个题材，换个光线写法，换套衣服，换个背景，试十几次才知道哪版对。要是每试一次都得先犹豫一下，我大概试到第三次就停了，然后拿那版凑合一下当成品。
本地跑的好处就在这里。没有负担，可以无限试错。机器一直开着，我可以为了一个人的脸跑二十遍，可以干着别的事突然想到一个写法然后立刻去试，也可以把参数随便乱改，看看会出什么结果。
二、8G 显存是怎么撑起一张大图的
我这台机器的显卡是 RTX 5060 Ti，8G 显存，内存 16G。
我看到的讨论里，大多是 24G、48G。8G 属于勉强够用的配置。第一晚大部分时间，我都在干一件事：不让它崩。
那晚光是显存不够导致的失败，记了 6 次。表现是跑到一半直接退出，图没有，日志里也看不出什么。
试出三个办法，才算把它塞进去。
一是把模型压小。几十个 G 压到十二个 G 左右，精度理论上掉一点，我看了半天没看出来。
二是先出小图再放大。一步到位出那么大的图，显存扛不住。
三是一次只跑一张。不同时来，反正我一个人也用不上同时。
现在一张图三十多秒，八步。八步是指模型打磨画面的轮数。我看到的常规设置是几十步，我用的是压缩过的快版本。快是真快，代价是它对提示词的准确度更敏感——写偏了，它不会自己给你掰回来。
三、三个晚上，推翻了三次方案
第一次：以为「假」是因为磨皮磨过头
我拿第一版给朋友看，他说太假了，像塑料。
我的第一反应跟大部分人一样：磨皮磨过了。
就做了个柔和版，把皮肤纹理压下去。为了判断「到底多滑」，还专门让 AI 写了个小工具，量脸上四个点的纹理强度，输出一个数。
量完发现两件事。样本就一个人、两张图，说不上结论，但方向很清楚。
一件在我预料里：他嫌假的那张，纹理确实弱，3.10。我自己认可的那张是 4.84。
另一件完全没想到。他觉得假的那张，脸明显更亮。平均亮度 147，我认可的那张 127。
磨皮确实把皮肤磨滑了。但它同时把整张脸照亮了。
人眼判断「假」，看的好像不是滑不滑，是这张脸上还有没有明暗。一张脸如果只有一片均匀的亮，皮肤做得再细，看着也不像活的。
自然版（左）和磨皮版（右）。右边皮肤更滑，但看着更像假人——整张脸几乎没有明暗变化。
所以我一直修错地方了。皮太滑是表象，光太平才是根子。磨皮能解决的那部分，算不上主要矛盾。真正要动的是光。
第二次：以为分辨率越高越清楚
这件事和 AI 一起测了一晚上。
按常理，放大倍数越高越清楚。我一开始也这么想，直接上了 4 倍。
出来的人脸，皮肤像砂纸。
同一张底图、同一段描述，只换放大方式。最右下那格（4 倍再缩回目标尺寸）皮肤已经像砂纸了。
原因其实很简单。这个模型是「快」那一档的，它靠猜。你把一张猜出来的图放大 4 倍，猜对的地方清楚了，猜错的地方也清楚了。
现在就用 2 倍，一次到位。
要是那天晚上我一直往大的试，大概试到天亮还是砂纸。
第三次：以为写「不要」有用
画面里有个东西我不想要，很自然地写：不要 xx。
出来还有。
我以为是不够狠，改成「禁止出现 xx」，前后又加了几句狠话。
还是有。
后来做了三组对照，结果很干净：这个模型基本不吃「不要」。你写了，它读了，当没看见。
那我只能换个思路——不给它容易出错的机会。别画书上的字，别画要求特别准的东西，画面能简单就简单点。
从「事后禁止」改成「事前避开」。这句话听着像废话，但是是测了一个晚上出来的结果。
顺带一个：光不能只说一个词
我想让光从背后打过来，写了「逆光」。
出来是正面平光，一点都不逆。
试了十几种说法才摸到规律：光得说清三件事——从哪来、亮面在哪、阴影在哪。少一个，出来的多半不是你要的光。
只说一个词的（上排）基本都是平光；把方向、亮面、阴影都写到的（下排）光才真的从侧后方过来。
写「傍晚的窗边」，真正送进模型的那句是「光从左侧窗外低角度射进来，右脸落在阴影里，边缘有一点轮廓光」。
现在只管写想看的画面，光的事，交给这三条。
这张的完整描述只有一句话：「亚洲女性，米色针织衫，窗前侧光」。
最有用的一条：脸是定住的
这条是第三晚才确认的，整个人像特写能不能成立就看它。
先说种子。就是一个数字，相当于这张图的编号。同一段描述配同一个数字，出来的基本是同一张图。换个数字，同样的文案出来是另一个人。
同一个种子、同一段人物描述，只改衣服、改背景、改场景，出来还是同一个人。眼睛、眉形、唇形、脸的轮廓都不变。
于是你可以让同一个人换场景拍：今天海边，明天咖啡馆，穿毛衣或者穿风衣。
反过来也成立。动了人物描述，或者换了种子，基本就是另一个人。
四、这个网站怎么用
打开网页，左边是题材和输入框，右边是出好的大图，底下排着这次的缩略图，点一下能换回去看。
不用装软件，手机打开也能用。
十个内置题材：人像、静物产品、美食、室内空间、建筑、花卉植物、服装平铺、动物、风景场景、城市街景。
这十个题材，都是这套流程跑出来的，一张没修。
三个画幅：竖、方、横。竖图像素出来是 1792×2304。
人像两档质感：自然和柔和。差别就是皮肤保留多少纹理。
写一句中文就行，不用管参数。比如「傍晚的阳台，一杯手冲咖啡，逆光，安静」。点生成，三十多秒。
用下来最管用的一个习惯：觉得哪里不对，一次只改一个词。改多了你不知道是哪个词在起作用，这条我花了很久才养成。
五、为什么这么快
三个晚上，每晚都在跟一个问题死磕：显存、质感、把东西放到网上给人用。
说起来也不是因为 AI 打字快，是试错的循环变短了。
以前改一样东西：想到要改，查文档，改代码，重启，打开看，发现改错了，重来。一轮半小时，一晚上改不了几轮。
现在：我说「这个太滑」，它改，我刷新看一眼，说「还是滑，但光对了」。一轮一分钟。
一晚上能试几百次。按以前那个节奏，我估摸要三周。
我负责判断：这张能不能看、哪里不对、往哪个方向调。它负责实现：写代码、跑实验、算指标、修 bug、写文档。分工大概就是这样。
同一批参数试二十遍、翻日志找一行报错、几百次实验一个个跑完。
七、最后
现在这个东西已经能在网上使用。
那份清单我整理好了：六条光的写法、哪些词写了反而更糟、放大倍数的对照数据、十个题材怎么挑种子。这些细节文章里塞不下，想要在下面留言「清单」，我一个个发你。
如果想自己在家搭一个的朋友，也欢迎留言交流
