类型：人工智能
简介：基于AI的绘画生成工具，主要用于根据文本描述生成详细图像。
做 AI 图片素材时，单张生成往往不够。用户可能需要从几十张图里挑出构图、光线、风格都合适的结果。Stable Diffusion 支持批量出图，但批量参数设置不当，容易导致显存不足、文件混乱或难以复现。本篇教程介绍批量出图的基本设置和结果管理方法。
一、先区分 Batch Count 和 Batch Size
在常见 WebUI 中，批量生成通常涉及两个概念：Batch Count 和 Batch Size。不同界面翻译可能略有差异，但思路类似。
1、Batch Count
表示生成多少批。比如每批 1 张，生成 10 批，就会得到 10 张。
2、Batch Size
表示每批同时生成多少张。Batch Size 越大，对显存要求越高。
对显存有限的电脑来说，更推荐增加 Batch Count，而不是盲目提高 Batch Size。
二、批量出图前先固定核心参数
批量出图适合测试提示词、风格和构图，但不要在参数不稳定时盲目大量生成。
建议先固定：
- 基础模型；
- 图片尺寸；
- 采样器；
- 采样步数；
- CFG Scale；
- 正向提示词；
- 负向提示词。
这样生成出来的差异主要来自随机性，更方便筛选。
三、Seed 管理决定能否复现好图
Seed 是随机种子。批量出图时，如果某张图效果很好，应记录它的 Seed。
常见做法：
- 批量生成多张；
- 挑选满意图片；
- 复制该图 Seed；
- 固定 Seed 微调提示词或参数；
- 再次生成更接近目标的版本。
如果不记录 Seed，后续很难复现同一构图。
四、批量测试不要一次生成太多
一次生成太多图片，容易带来三个问题：
- 显存压力大；
- 文件管理混乱；
- 筛选成本高。
更好的方式是小批量、多轮测试。比如每轮生成 4 到 8 张，挑出方向好的，再继续微调。
五、结果文件要按项目整理
建议按用途建立文件夹，例如：
product-cover-test
blog-hero-image
landing-page-banner
character-style-test如果是正式项目，还可以记录：
- 使用模型；
- 提示词；
- Seed；
- 生成日期；
- 是否可商用；
- 是否已用于页面。
AI 图片越多，越需要管理。否则后续很难找到曾经满意的版本。
六、批量结果要看整体一致性
如果是为网站生成一组图片，不能只看单张是否好看，还要看整体风格是否一致。
检查内容包括：
- 色调是否一致；
- 光线是否统一；
- 画面比例是否一致；
- 主体风格是否一致；
- 是否有明显异常细节；
- 是否适合网站页面位置。
对于企业官网、产品专题页和博客封面，图片风格统一比单张炫酷更重要。
FAQ
Q1：Batch Size 越大生成越快吗？
A：不一定。Batch Size 大会增加显存压力，显存不足时可能报错。普通用户可以优先增加 Batch Count。
Q2：批量出图时怎么保留好看的图？
A：记录图片文件、Seed、模型和提示词。固定 Seed 后可以继续微调。
Q3：为什么批量生成结果差异很大？
A：如果 Seed 随机，每张图都会有变化。提示词不够明确或模型风格不稳定时，差异会更明显。
