前言
在开始之前，先尝试使用同一组提示词，生成多张图像来做一个对比。
提示词（提示词由Deepseek R1自动生成）：
(best quality,highres,masterpiece),ultra-detailed,(realistic,photorealistic,photo-realistic),1girl,Asian young woman,black hair,dark eyes,soft smile,casual dress,light blue fabric,elegant posture,upper body shot,front view,gentle expression,long flowing hair,bright eyes,detailed skin texture,simple background,park setting,blurred trees,natural colors,soft daylight,portrait photography,professional lighting,HDR,UHD,studio lighting,sharp focus,vivid colors,bokeh译文：
（最高品质、高清、杰作），超精细（逼真、超写实、照片级写实），1 个女孩，亚洲年轻女子，黑色长发，深色眼睛，温柔微笑，休闲装，浅蓝色面料，优雅姿态，上半身特写，正面视角，温和表情，长发飘逸，明亮眼睛，细致皮肤纹理，简洁背景，公园场景，模糊树木，自然色彩，柔和日光，肖像摄影，专业照明，HDR，超高清，工作室照明，清晰对焦，鲜艳色彩，虚化效果
对比结果（以下图像均为随机抽取，未经任何人工筛选）：
通过上述对比会发现，使用完全相同的提示词，在不同的模型中的表现完全不尽相同。在ai模型百花齐放的今天，首先得学会如何区分模型，以便快速的筛选出合适自己的模型。
模型分类
图像生成基础底模
基础底模是ai生图中最重要，也必须有的模型，基础底模与之前提到过的Unet本质可以算是同一个概念，不同的是Unet是一个神经网络架构，众多ai训练团队基于这个基础架构，训练出了独特能力表现的模型，他们在将模型无私的分享开源出来。随着时间的推移，和不同团队的发力，形成了百家争鸣的现状。既越早的模型、训练集（参数量）越小的模型，能力表现可能越差，当然这不完全绝对，以中立的角度来看，不同模型都各有自己的优势与劣势。
目前主流的开源模型主要有：
- SD1.5
全称Stable Diffusion 1.5是由Stability AI发布的1.X版本中表现最为优先的模型之一。
网盘下载：https://pan.quark.cn/s/5d41088a6bf5
- SDXL
全称Stable Diffusion XL同样是由Stability AI发布。
网盘下载：https://pan.quark.cn/s/5f33cb6f0e2a
- SD3.5
还是Stability AI发布的模型，生不逢时，热度和生态支持一定程度上弱于Flux模型。
- Flux
由Black Forest Labs（黑森林实验室）发布的第一款开源模型。
网盘下载：https://pan.quark.cn/s/99b805c6de66
- Qwen-Image
由国内阿里旗下，通义千问团队开源发布的图像生成模型。
视频生成基础底模
- Wan2.1
由阿里旗下通义万象团队开源的视频模型。
- Wan2.2
同样是由阿里旗下通义万象团队开源的视频模型，Wan2.1的升级迭代版。
微调模型
微调模型是指基于底模，进行全量二次训练的模型。通常是由社区第三方团队，或个人根据特殊场景/需求/爱好等多方面原因，基于某个版本的官方模型，进行二次训后后的模型。举一个不太恰当的例子，基础底模就好像是毛坯房一样，微调模型就是全屋定制装修，对整栋有一个比较统一的风格进行装修。这就是开源模型的优势，不需要完全自己去从0开始训练基础模型。
Lora模型
除了微调模型之外，还有一种非常类似于微调模型的，就是Lora模型。还是以盖房子为例，如果微调模型是全屋定制装修，Lora模型就如同一栋楼里面，你会根据自己的喜好，把你住的那间房子完全按照自己的风格进行装修。
模型下载
模型下载网站
模型下载渠道众多，当前主流的模型。通常可以在huggingface存储库或开源模型社区进行下载，C站目前主流的国外开源社区模型下载网站。
huggingface：https://huggingface.co
上述平台需要代理访问和下载，很多时候并不是那么方便，除此之外还有一些国内镜像存储库，和国内的模型分享社区。
认识模型与筛选
不同的平台通常都有自己的筛选机制，以便快速的定位到模板模型。通常的筛选方式是通过站内搜索，或者平台提供的筛选工具进行筛选。
这里以C站为例：
评论(0)