LiblibAI

LiblibAI 快速入门

国产 AI 绘画社区,“Stable Diffusion 中文版”——海量模型免费下载 + 在线出图。

这是什么?适合谁?

LiblibAI(哩布哩布 AI)是 2023 年在国内上线的 AI 绘画社区,定位是”中文用户的 Stable Diffusion 平台”。它把 Stable Diffusion 的复杂操作(WebUI、参数调节)封装成网页版,提供上千个社区贡献的”模型”(Checkpoint、LoRA、ControlNet、VAE 等)免费下载,支持在线文生图、图生图、LoRA 训练。

相比 Midjourney、DALL-E 3,LiblibAI 的差异化是”模型丰富度 + 中文社区”。Stable Diffusion 原生体验需要本地部署、配置 Python 环境、下载模型,对小白不友好;LiblibAI 把这个流程全部”云端化”,打开网页就能用,而且模型库非常丰富(几千个 SD 1.5/SDXL/Flux 模型),特别是”中国风”、“二次元”、“国潮”、“国画”等本地化模型,是其他平台没有的。

适合谁?四类人最受益:一是 Stable Diffusion 玩家但不想本地部署的用户;二是想用”国风/二次元/中国元素”模型出图的设计师;三是 AI 绘画新手,想从中文界面、低门槛入门;四是 LoRA 训练者,LiblibAI 提供在线训练功能,免去配置环境的麻烦。注意:LiblibAI 的”艺术质量”上不如 Midjourney(需要自己挑选模型 + 调参),更适合”有耐心折腾”的用户;另外免费版每天有积分限制,重度使用需要订阅会员。

准备工作

• 设备要求:网页/移动端都支持;在线训练 LoRA 建议 PC 端
• 账号要求:手机号或微信一键注册
• 付费要求:LiblibAI Free 免费(每天约 100 积分,约 30 张图);LiblibAI Standard ¥39/月(更多积分);LiblibAI Pro ¥99/月(无限积分 + 训练额度)
• 网络要求:国内直连 liblib.art,无需国际网络连接
• 可选准备:无特殊要求,直接打开网页即可

3 步快速上手

第 1 步:打开官网

浏览器访问 https://www.liblib.art,用手机号或微信登录。免费用户每天有 100 积分(1 张标准图约消耗 3-5 积分)。

第 2 步:选择模型

首页 “AI 绘画” 模块,在左侧”模型库”里浏览上千个 SD 模型。可以按”分类”筛选:二次元、写实、国风、插画、3D、设计等。新手建议选”写实”分类里下载量最高的模型,比如 “majicmixRealistic”、“墨幽人造人”等。

第 3 步:跑第一个任务——生成一张国风插画

在”在线生图”模块,选好模型后,在 prompt 框输入:

prompt:
1girl, hanfu, chinese style, traditional, long black hair,
garden background, sunset, beautiful detailed, masterpiece

negative prompt:
ugly, blurry, deformed, low quality, bad anatomy

选 512x768 比例(竖版,适合人物),点 “生成”。30-60 秒后输出 1-4 张图(根据设置)。

预期输出:符合”汉服+中国风+夕阳”描述的国风插画,质量比通用 SD 模型高很多(因为用了专门训练的国风模型)。

进阶玩法:在”模型库”下载 LoRA(比如”红楼梦人物 LoRA”、“敦煌风格 LoRA”),和基础模型组合使用,生成更精细的特定风格图。

常见踩坑

踩坑 1:积分耗尽速度比预期快

• 症状:用了几次后,提示”积分不足”
• 原因:高清图(1024x1024+)、多次迭代、复杂模型消耗更多积分
• 解决:降低图片分辨率(512x768);降低迭代步数(20-30 步即可);用”快速生成”模式

踩坑 2:模型选择困难

• 症状:打开模型库几千个模型,不知道选哪个
• 原因:LiblibAI 模型太丰富,新手容易”选择困难”
• 解决:按”下载量”或”评分”排序,选 Top 10 模型;关注社区推荐;问社区”哪个模型适合 XX 风格”

踩坑 3:LoRA 训练失败

• 症状:上传 20 张图训练 LoRA,提示”训练失败”或结果很差
• 原因:数据集不规范(图片风格不统一、分辨率差异大、标签错误)
• 解决:用风格统一的图片(10-30 张);分辨率统一 512x512 或更高;标签要具体(“hanfu_red_dress” 比 “dress” 好);订阅 Pro(¥99/月)以上才能训练

踩坑 4:ControlNet 边缘控制不精准

• 症状:用线稿图控制生成,结果姿态/构图跑偏
• 原因:ControlNet 权重太低,或预处理器选择不当
• 解决:把权重调到 0.7-1.0;换合适的预处理器(线稿用 Canny、姿态用 OpenPose、深度用 Depth)

踩坑 5:出图有”AI 痕迹”(手指、透视错误)

• 症状:生成的人物手指头畸形、眼睛大小不一致
• 原因:SD 模型通病,不是 Liblib 的问题
• 解决:在 negative prompt 里加 “deformed hands, extra fingers, bad anatomy”;用 ADetailer 插件自动修复;用更高质量的模型

踩坑 6:某些 LoRA 涉嫌侵权

• 症状:下载了一个”特定明星/动漫角色”LoRA,生成图发到社交媒体被投诉
• 原因:LoRA 训练数据可能涉及版权
• 解决:LiblibAI 已经下架了明显侵权 LoRA,新版本以”风格 LoRA”为主;避免商用”真人明星/动漫角色”图;敏感项目优先用 Firefly

初级用法

1. 选模型 + 输入 prompt:LiblibAI 的基础工作流,和 SD WebUI 一致。打开”在线生图” → 选模型 → 填 prompt → 设置参数 → 生成。新手建议用”模板 prompt”,社区有很多现成模板可以复制。

2. 组合 LoRA:在生成时,可以选基础模型(Checkpoint) + 多个 LoRA,组合出”特定风格”+“特定角色”的图。这是 SD 玩家的”杀手锏”,LiblibAI 在网页版支持得很方便。

3. 在线训练 LoRA:在 “训练” 模块,上传数据集,设置训练参数,LiblibAI 会用云端 GPU 帮你训练,免去本地配置环境。训练好的 LoRA 可以发布到社区,也可以自己下载。

高级玩法

1. 用 ControlNet 做精细控制:LiblibAI 集成了 ControlNet 全部能力:1)Canny 边缘控制(按线稿出图);2)OpenPose 姿态控制(按骨骼出图);3)Depth 深度控制(按 3D 深度出图);4)Tile 分块重绘(放大图片不糊);5)Inpaint 局部重绘。适合”精确控制画面”场景。

2. 用 ComfyUI 工作流做复杂出图:LiblibAI 支持 ComfyUI(节点式 AI 绘画工具),可以做多步骤、多模型组合的复杂出图,适合”高级玩家”。

3. 通过 API 做应用集成:LiblibAI 提供 API,适合 SaaS 工具集成。API 文档在 https://www.liblib.art/apidocs。

4. 用社区灵感做”反向 prompt”:LiblibAI 社区有大量”作品”,每张作品都附带了原作者的 prompt 和参数设置。看到喜欢的图可以直接”一键复用”参数,然后微调。

小技巧

• 模型搭配:Checkpoint(主模型)决定大风格,LoRA 叠加细节(角色/画风/特效),VAE 调整颜色
• CFG Scale:值 7-12 是常用区间,越高越”听 prompt”
• Sampler:DPM++ 2M Karras 是常用采样器,质量稳定
• Steps:20-30 步通常够用,再高不会明显提升质量
• Seed:用固定 seed(比如 12345)可以复现画面,适合”微调”
• 中文 prompt:LiblibAI 支持中文 prompt,但效果不如英文;建议用社区贡献的”中文翻译版”模型标签

参考链接

• LiblibAI 官网:https://www.liblib.art
• LiblibAI 模型库:https://www.liblib.art/model
• LiblibAI 帮助中心:https://www.liblib.art/help
• LiblibAI 学院:https://www.liblib.art/academy
• Stable Diffusion 官方文档:https://platform.stability.ai/docs