AI概念草图：创意秒变线稿图

可视化演示

展示AI概念生成与草图创作的完整流程：提示词输入→草图生成→迭代优化→最终渲染四阶段步进式演示，含创意/精度/速度/质量参数面板；风格模式对比写实/动漫/油画/水彩四种风格的评分与适用场景。

一、概念转译：把想法说成人话，再翻成 AI 的语言

小林第一次用描红本，开口就说“给我画个好看的东西”，结果 AI 画了一团奇怪的东西。他这才明白，描红本再聪明，也得先知道“要描什么字”。于是他把需求拆开说：“一把北欧风的木头椅子，产品概念草图，铅笔，侧视图。”描红本立刻出图。给 AI 写 Prompt，就像给一个勤快但缺乏主见的画师下达“描红指令”——说得越结构化，它越不跑偏。

在 AIGC 工具里，这段“描红指令”叫 Prompt。概念草图场景下，Prompt 不需要写小作文，而是用四要素配方：主体、画材、风格、构图。主体是“画什么”，画材是“用什么笔画”，风格是“整套字的体例”，构图是“从哪个角度看”。四者相加，就是一张草图的基本盘。少了任何一个要素，AI 都只能用猜测来填空，结果就像不看字帖乱写一样飘忽。

$$\displaystyle \text{Prompt} = \text{主体} + \text{画材} + \text{风格} + \text{构图}$$

1. 主体：待画的对象，如 a minimalist chair、a fantasy mage。决定了描红本“写什么字”。

$$\text{主体}$$

2. 画材：媒介词汇，如 pencil、ink、marker。先定“用什么笔”，笔触粗细才不打架。

$$\text{画材}$$

3. 风格：到位词，如 concept sketch、blueprint、watercolor。锁住线条的整体气质。

$$\text{风格}$$

4. 构图：视角与景别词，如 side view、isometric、three-quarter。角度一变，画面完全不同。

$$\text{构图}$$

小林把这条公式贴在工位上，每次写 Prompt 都像在描红本上选字帖：主体是“字”，画材是“笔墨”，风格是“字体”，构图是“装裱方向”。四要素齐全，AI 一次出图就能达到七八十分，剩下的交给控制线来收编。

二、ControlNet 控制：给 AI 铺一张“描红底稿”

文字描述能讲清“画什么”，却讲不清“结构怎么摆”。小林让 AI 画椅子，每次坐垫高度、靠背角度都在变，像不听话的孩子。直到他发现描红本还有另一面——自己先用铅笔勾几条大线，AI 就会顺着线把细节补出来，结构再也不会乱飞。这一步，就是 ControlNet。

ControlNet 是给扩散模型“加条件”的控制模块，用来把线稿、骨骼、深度图等结构信息注入生成过程。概念草图阶段最常用的是“边缘线稿”输入：你把想要的形状画成灰度线稿，ControlNet 提取它作为底稿，再引导生成模型在底稿范围内补出材质、排线和光影。它可以配合 Canny 边缘检测自动提线，也可以直接把手绘草图作为输入，像描红本接受你亲手写的范字。

$$\displaystyle \mathbf{z}' = \mathbf{z} + \lambda \cdot \mathbf{c}$$

1. 生成状态 z：扩散过程当前“画到一半”的图像表示，是 AI 自由发挥的主场。

$$\mathbf{z}$$

2. 控制线信息 c：从你画的线稿中提取的结构特征，相当于描红本上的淡范字。

$$\mathbf{c}$$

3. 控制强度 λ：缩放系数，决定范字“印得多深”——深则跟着走，浅则参考一下。

$$\lambda \in [0, 1]$$

4. 相加融合：把结构信息叠加进生成状态，而不是替换，所以 AI 仍有自由发挥的空间。

$$\mathbf{z} + \lambda \cdot \mathbf{c}$$

小林还发现，线稿提取时可以调节线条粗细、是否保留内部细节，这就像描红本的“印子深浅”。控制线管“形”，生成模型管“神”，两者一配合，歪歪扭扭的手勾线，也能变成工整的概念草图。

三、风格速配：给描红本换一支笔

同一张椅子轮廓，换不同笔，气质完全不一样。铅笔描出来软软的有素描感；钢笔描出来干脆利落，像工程师画的结构图；毛笔一上手，又带出几分东方留白。小林发现描红本不用换，换笔就行——这就是风格预设。

风格预设主要由三个可调参数描述：排线密度、明暗对比度、线条抖动。排线密度是单位面积里线的多少，对比度是线条与留白的落差，抖动是线条随机弯曲的程度。铅笔素描等于高排线、中低对比、高抖动；钢笔线稿等于中排线、高对比、低抖动；水墨意境等于低排线、动态对比、高顿挫。

$$\displaystyle \text{笔触效果} = f\left(\rho_{\text{排线}},\ \gamma_{\text{对比}},\ \sigma_{\text{抖动}}\right)$$

1. 排线密度 ρ：刻画疏密，单位面积画的线越多，画面越厚重。

$$\rho$$

2. 对比度 γ：刻画深浅，线条与纸张的明暗落差越大，画面越凌厉。

$$\gamma$$

3. 抖动 σ：刻画松紧，线条越抖，手绘感越强；越直，工程感越强。

$$\sigma$$

4. 合成函数 f：三种参数合起来决定最终笔触，风格词就是参数的档位标签。

$$f(\rho, \gamma, \sigma)$$

实操上，小林在 Prompt 里直接写 pencil sketch、ink line art、ink wash 等风格词即可切换，也可以借助 LoRA 风格模型让“笔”更专一。风格最好的做法是“一次一支笔”：先批量对比两三种方向，再锁定一种，避免风格词互相打架。

四、草稿深化：从粗稿到精稿的四步打磨

描红本刚出图时往往“意思对，细节糙”。小林的经验是别急着交货，先把流程走完：先让 AI 出粗稿（大感觉、能看懂），再圈出毛病局部重画，接着追加控制线补关键结构，最后统一线条、导出精稿。这四步就是草稿深化。

第一个版本是粗稿，通常分辨率低、细节含糊，只用来定方向。第二步局部修正用局部重绘（inpainting）只改圈选区域，比如椅脚画歪了，就只重画椅脚，其他不动。第三步在关键部位补控制线，比如给靠背加两条弧线，AI 就会细化出曲面感。第四步做线条清理和高清放大，得到能交付的精稿。

$$\displaystyle \mathbf{x}_{\text{final}} = \text{Refine}^{(k)}\!\left(\ \text{ControlNet}(\text{Prompt},\ \text{line})\ \right)$$

1. 控制线 line：底稿输入，给粗稿定结构。

$$\text{line}$$

2. ControlNet 生成粗稿：结构约束下产出第一版概念图，方向感优先。

$$\text{ControlNet}(\text{Prompt},\ \text{line})$$

3. Refine 迭代：局部重绘和补线反复 k 轮，每轮解决一个问题。

$$\text{Refine}^{(k)}$$

4. 最终精稿：打磨完成的干净线稿，可进入评审与交付。

$$\mathbf{x}_{\text{final}}$$

小林的原则是“先广后深”：先在低成本的粗稿阶段发散 6~10 个方向，圈定最好的 1~2 个再往下精修。就像描红练字，先把整本字帖通览一遍，挑出最顺眼的几个字反复练。精修轮数不是越多越好，到了边际收益递减就该停手评审。

五、实战场景：描红本的四个课堂

描红本最妙的地方是“换课堂不用换本子”。小林把同样的流程带到四个场景：产品设计前期、建筑概念草图、游戏角色设定、插画构图起稿。每个场景只改 Prompt 配方和控制线内容，工作流骨架完全一致——这正是它好用的原因。

• 产品设计前期探索：用简单的外观轮廓线做 ControlNet 底稿，批量生成耳机、椅子的多种形态草图，用于内部比选。

• 建筑概念草图：用体块关系线稿约束透视，加 charcoal、perspective 风格词，快速得到方案的气质感。

• 游戏角色设定：文字描述气质加人体动态草图控制动作，出多个性格方向让策划挑。

• 插画构图起稿：确定镜头角度与人物位置关系，用 rough pencil 快速验证构图，再进入精稿。

$$\displaystyle \text{场景Prompt} = \text{领域模板}\left(\ \text{主体},\ \text{视角},\ \text{风格}\ \right)$$

1. 领域模板：产品、建筑、游戏、插画各自的最佳实践句式，保证不跑出格。

$$\text{领域模板}$$

2. 主体：场景里的核心对象，如耳机、展馆、法师、双人街景。

$$\text{主体}$$

3. 视角：决定构图层面，如 side view、perspective、front view、dynamic angle。

$$\text{视角}$$

4. 风格：与场景气质匹配的画材词，如 industrial design、charcoal、line art、rough pencil。

$$\text{风格}$$

对小林来说，这四个课堂验证了一件事：AI 概念草图不是“某个行业的专用魔法”，而是一套可迁移的方法论。描红本的每一页可以换来换去，但“说清需求、铺底稿、选笔、打磨”这本内功心法始终不变。

六、工作流整合：把描红流程固化成一堂课

小林后来发现，真正拉开差距的不是会画某一张图，而是把整套描红流程固化成可复用的“课表”。哪一步该发散、哪一步该收敛、用哪些模板、跑多少张，全部定成规矩，团队每个人都能照表上课。

工作流整合包含三块：工具链路、批量探索、团队评审。工具链路上把 Prompt 模板、ControlNet 预处理和后处理脚本串成一条流水线；批量探索用脚本一次性生成几十张粗稿排成网格，供团队圈选；团队评审用统一的线稿规范保证风格一致，并把好用的 Prompt 沉淀进共享词库。

$$\displaystyle \text{提速比} = \frac{T_{\text{手绘}}}{T_{\text{AI}}}$$

1. 手绘耗时：单张草图加修改的人力成本，通常是小时级。

$$T_{\text{手绘}}$$

2. AI 耗时：批量生成加定向精修的机时成本，分钟级。

$$T_{\text{AI}}$$

3. 比值：代表相同产出下节省的时间倍数，是工作流价值的最直接证据。

$$\frac{T_{\text{手绘}}}{T_{\text{AI}}}$$

小林把这套课表命名为“描红八步”，从此团队出概念草图又快又齐。描红本再听话，也需要一个懂得“什么时候练笔、什么时候收笔”的教练——这个教练，就是设计者本人。AI 负责手快，人负责眼光。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-# AI 概念草图模拟器: Prompt 配方 + 控制线描红 + 迭代精修import random  class ConceptSketchAI:    """极简的 AI 概念草图模拟器"""     def __init__(self, seed=42):        self.seed = seed        self.prompt_parts = []      # Prompt 四要素        self.control_lines = []     # 控制线底稿        self.refine_count = 0       # 精修轮数        self.style_map = {            "pencil": ("#", "."),            "ink": ("@", "-"),            "water": ("%", "~"),        }        random.seed(seed)     def set_prompt(self, subject, medium, style, composition):        """四要素配方: 主体 + 画材 + 风格 + 构图"""        self.prompt_parts = [subject, medium, style, composition]        return " + ".join(self.prompt_parts)     def add_control_line(self, x1, y1, x2, y2):        """添加一根控制线, 相当于 ControlNet 的描红底稿"""        self.control_lines.append((x1, y1, x2, y2))        return len(self.control_lines)     def refine(self, rounds=1):        """深化流程: 每轮追加随机细节笔触"""        self.refine_count += rounds        return self.refine_count     def _rasterize(self, x1, y1, x2, y2, size):        """用 Bresenham 算法把线段变成网格点"""        points = []        dx = abs(x2 - x1)        dy = abs(y2 - y1)        sx = 1 if x1 < x2 else -1        sy = 1 if y1 < y2 else -1        err = dx - dy        x, y = x1, y1        while True:            if 0 <= x < size and 0 <= y < size:                points.append((x, y))            if x == x2 and y == y2:                break            e2 = 2 * err            if e2 > -dy:                err -= dy                x += sx            if e2 < dx:                err += dx                y += sy        return points     def render(self, size=18, style="pencil"):        """先画控制线作为淡底稿, 再让 AI 补细节笔触"""        mark, dot = self.style_map[style]        canvas = [[" "] * size for _ in range(size)]        for x1, y1, x2, y2 in self.control_lines:            for px, py in self._rasterize(x1, y1, x2, y2, size):                canvas[py][px] = dot        for _ in range(self.refine_count):            x1 = random.randint(2, size - 3)            y1 = random.randint(2, size - 3)            d = random.randint(-3, 3)            for px, py in self._rasterize(x1, y1, x1 + d, y1 + d, size):                canvas[py][px] = mark        return "\n".join("".join(row) for row in canvas)  if __name__ == "__main__":    ai = ConceptSketchAI(seed=7)    prompt = ai.set_prompt("minimalist chair", "pencil", "concept sketch", "side view")    print("Prompt recipe:", prompt)    ai.add_control_line(3, 3, 3, 12)    ai.add_control_line(3, 12, 14, 12)    ai.add_control_line(14, 12, 14, 3)    print("Rough draft (control lines only):")    print(ai.render())    ai.refine(2)    print("Refined sketch (2 rounds):")    print(ai.render())    print("Ink style:")    print(ai.render(style="ink"))

1. prompt = ai.set_prompt("minimalist chair", "pencil", "concept sketch", "side view")四要素配方一次填好，AI 才知道“描什么字、用什么笔”。
2. ai.add_control_line(3, 3, 3, 12)手动画一根控制线，模拟 ControlNet 的描红底稿输入。
3. canvas[py][px] = dot控制线先以淡点画上画布，像描红本上淡淡的范字。
4. for _ in range(self.refine_count):精修轮数决定补充细节线条的数量，“打磨力度”由人控制。
5. ai.refine(2)走深化流程：先出粗稿定方向，再追加细节。
6. print(ai.render(style="ink"))同一份控制线，换风格就是换一支笔。

常见误区

面试题