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。
使用 Stable Diffusion 时，经常会出现这样的情况：某一次生成的图片很好看，但下一次再生成就变了。原因之一就是 Seed 没有固定。Seed 可以理解为随机种子，它会影响图片生成的随机起点。掌握 Seed 的用法，可以帮助用户复现好图、对比参数变化，并逐步微调出更稳定的结果。
一、Seed 是什么
Seed 是生成图片时使用的随机数。Stable Diffusion 在生成图片时会从一个随机状态开始，而 Seed 决定了这个随机状态。
如果模型、提示词、参数和 Seed 都相同，通常更容易得到相近结果。
如果 Seed 不同，即使提示词一样，图片也会发生变化。
这就是为什么同一句提示词可以生成很多不同图片。
二、什么时候要固定 Seed
固定 Seed 适合这些场景：
- 想复现某张图；
- 想微调提示词；
- 想对比不同 CFG；
- 想测试不同采样步数；
- 想观察 LoRA 权重变化；
- 想做系列图片风格统一。
如果你正在探索灵感，可以使用随机 Seed。
如果你已经找到满意方向，就应该固定 Seed。
三、如何用 Seed 复现图片
在常见 WebUI 中，每张生成图片通常会保存生成信息，包括模型、提示词、负向提示词、Seed、尺寸和参数。
复现图片时要尽量保持一致：
- 使用同一个基础模型；
- 使用同一段正向提示词；
- 使用同一段负向提示词；
- 设置相同 Seed；
- 保持相同尺寸；
- 保持相同采样器；
- 保持相同步数和 CFG；
- 如果用了 LoRA，也要保持权重一致。
只改其中一项，结果都可能变化。
四、用固定 Seed 微调提示词
固定 Seed 的最大价值，是方便对比。
例如原提示词是：
a modern workspace, laptop, soft light生成结果构图不错，但背景太空，可以固定 Seed 后改成：
a modern workspace, laptop, soft light, books, coffee cup, clean desk这样你能更清楚地看到新增词对画面的影响。
如果不固定 Seed，每次变化太大，就很难判断是提示词生效，还是随机性导致。
五、Seed 和批量出图怎么配合
批量出图时，系统会生成多个 Seed。挑到满意图片后，要记录对应 Seed。
推荐流程：
- 随机 Seed 批量生成；
- 挑选构图好的图片；
- 复制该图 Seed；
- 固定 Seed；
- 微调提示词；
- 再生成新版本。
这样可以从“随机探索”进入“定向优化”。
六、Seed 不是唯一复现条件
很多用户以为只要有 Seed 就能复现图片，其实不够。
还要注意：
- 模型是否相同；
- 模型版本是否相同；
- VAE 是否相同；
- LoRA 是否相同；
- 插件是否影响结果；
- WebUI 或生成框架是否有变化；
- 硬件和后端实现是否带来细微差异。
Seed 很重要，但不是全部。
七、保存生成记录很关键
如果图片用于正式项目，建议保存生成记录。可以保存：
- 图片文件；
- Seed；
- 正向提示词；
- 负向提示词；
- 模型名称；
- LoRA 名称和权重；
- 尺寸；
- 采样器；
- CFG；
- 生成日期。
这样后续需要修改图片时，不用从零开始。
八、什么时候不用固定 Seed
如果你还在找灵感，不一定要固定 Seed。随机 Seed 可以帮助探索更多构图和风格。
适合随机 Seed 的场景：
- 找封面图方向；
- 批量测试风格；
- 寻找人物姿势；
- 生成不同背景；
- 做概念草图。
找到满意结果后，再固定 Seed 进入微调阶段。
FAQ
Q1：有 Seed 就一定能生成同一张图吗？
A：不一定。还需要模型、参数、尺寸、LoRA、VAE 等条件一致。Seed 是复现的重要条件，但不是唯一条件。
Q2：为什么固定 Seed 后改提示词，图片还是变很多？
A：提示词变化太大、参数变化或模型响应不同，都可能让结果明显改变。建议每次只改少量内容。
Q3：随机 Seed 有什么用？
A：随机 Seed 适合探索不同构图和风格，批量生成后再挑选满意结果。
Q4：正式项目要保存 Seed 吗？
A：建议保存。后续修改、复现和风格统一都会更方便。
