Leonardo(leonardo.ai)是由澳大利亚团队开发、2024 年 7 月被 Canva 收购的 AI 创意平台,核心能力是用自然语言生成高质量图像,并提供实时画布、角色与风格一致性参考、自定义模型训练以及图生视频等创作工具。它解决的核心问题是:Stable Diffusion 本地部署需要 GPU 和工程配置,Midjourney 又缺少精细控制能力,而 Leonardo 把这两类需求折中为一个浏览器即用的「创作工作台」。平台采用免费额度 + 订阅制,所有生成在云端完成,无需安装任何软件;同时提供 REST API,可将图像生成接入自动化生产流水线。本篇攻略覆盖:工具速览、注册与首张图生成、四大核心能力详解、API 生产部署与避坑清单、同类工具选型对比,以及 10 道面试题,目标是让读者读完就能在真实业务中投入使用。
对 AI 从业者而言,Leonardo 是理解「可控生成」与「图像生成工程化」的典型样本——模型选择、一致性控制、异步 API 与额度治理等概念,可直接迁移到其他生成类产品的设计中。
目录
速览卡是工具类内容的固定首屏模块:30 秒判断「这工具是什么、能不能商用、适不适合我」。
为什么需要 Leonardo:本地部署成本与可控性缺失 → 浏览器即用的生成工作台
图像生成领域的两条主流路线各有硬伤。Stable Diffusion 本地部署虽然免费可控,但需要准备大显存 GPU、配置 Python 环境与 WebUI/ComfyUI 等工具链,版本碎片化严重,团队协作与迭代成本高,非工程背景的设计师很难上手。Midjourney 则相反:画质高但控制项少,出图依赖「抽卡式」反复试错,无法精细指定角色一致性,无法在画布上局部修改,且深度绑定 Discord 界面,难以嵌入自有业务流。
Leonardo 把两类需求折中成一个云端工作台:无需硬件与安装,注册即可获得每日免费额度;提供多套专有微调模型(Phoenix、Alchemy、Absolute Reality 等),覆盖通用美术、电影写实、动漫、游戏资产等风格路线;在生成控制上给出负向提示词、引导系数、迭代步数、画幅比例、无缝平铺等细粒度参数;并通过角色参考、风格参考、Elements(风格元素)与实时画布解决「一致性」和「可控性」两个核心痛点,Motion 功能还把静态图延伸到短视频。
与 Midjourney 的「生成器」定位不同,Leonardo 更接近「创作工作台」:能训练自己的微调模型、叠加风格元素、在画布上反复迭代;与 ComfyUI 的开发者导向也不同,它把复杂能力封装为低门槛界面,同时保留完整 API 供工程化调用。这种「工作台 + API」的双层结构,是它在同类产品中差异化的核心。
安装与环境配置:0 步就绪
Leonardo 是纯网页产品,不存在传统安装流程,注册即完成环境初始化,分五步:
1. 打开 [https://leonardo.ai](https://leonardo.ai),点击 Sign Up,使用 Google 账号或邮箱注册;注册时可选择创作意图标签(游戏资产、营销素材等),仅影响首页内容推荐,可跳过。
2. 登录后自动进入 [app.leonardo.ai](https://app.leonardo.ai) 工作台,系统按套餐向账户发放每日虚拟币(Tokens),免费额度每日重置,无需主动领用。
3. 验证环境:在「AI Image Generator(文生图)」输入任意提示词并点击 Generate,能正常出图即表示账户可用。
4. 开发者如需调用 API:点击右上角用户头像进入「个人设置(User Settings)」,在开发者/API 区块创建 API Key;密钥只完整显示一次,丢失需重新生成。
5. 将密钥存入服务端环境变量,禁止写入前端代码或提交到版本库。
# 仅适用于需要 API 集成的开发场景export LEONARDO_API_KEY="你的API密钥" # 验证密钥有效性:拉取模型列表curl -s -X GET "https://cloud.leonardo.ai/api/rest/v1/models" \ -H "Authorization: Bearer $LEONARDO_API_KEY"
快速上手:5 分钟跑通第一张图
核心思路是走通「选模型 → 写提示词 → 调参数 → 生成 → 下载」的最小闭环,先确认流程可用,再逐步叠加高级能力。
1. 登录后进入工作台,在左侧导航点击「AI Image Generator(文生图)」。左侧导航是平台所有创作入口的集中地,文生图是默认主入口。
2. 在顶部模型下拉框选择模型:新手可直接用默认模型或 Phoenix;需要写实效果可切换 Absolute Reality。同一提示词在不同模型下风格差异很大,建议先固定一个模型熟悉手感。
3. 在提示词输入框写英文提示词,推荐结构为「主体 + 场景 + 光线 + 画质词」,例如 "australian shepherd dog, studio lighting, ultra detailed";需要排除的内容填入 Negative Prompt(负向提示词)。
4. 在参数区设置 Aspect Ratio(画幅比例,如 16:9)、Count(生成数量)、Steps(迭代步数)与 Guidance Scale(引导系数)。免费用户保持默认参数即可,无需手动调整。
5. 点击 Generate 生成,结果以缩略图墙展示;点击任意图片可放大预览;需要高清大图时使用「Universal Upscaler(通用放大器)」放大。
6. 下载图片到本地,或存入团队素材库统一管理。
结果说明:每日虚拟币会在次日刷新,免费额度足够完成日常功能验证。两个进阶技巧:一是开启 Prompt Magic(提示词魔法)让系统自动改写增强提示词(部分套餐功能);二是固定提示词后,分别叠加 Character Reference(角色参考)与 Style Reference(风格参考)做 A/B 对比,快速定位最适合业务的风格组合。
开发者可直接用 API 完成上述流程,API 与网页端额度互通:
export LEONARDO_API_KEY="你的密钥" # ① 获取模型列表,记下目标 modelIdcurl -s https://cloud.leonardo.ai/api/rest/v1/models \ -H "Authorization: Bearer $LEONARDO_API_KEY" # ② 提交异步生图任务,返回 generationIdcurl -s -X POST https://cloud.leonardo.ai/api/rest/v1/generations \ -H "Authorization: Bearer $LEONARDO_API_KEY" \ -H "Content-Type: application/json" \ -d '{"prompt":"australian shepherd dog, studio lighting","modelId":"<modelId>","width":1024,"height":1024}' # ③ 携带 generationId 轮询,status=COMPLETE 后从返回内容取图片 URLcurl -s https://cloud.leonardo.ai/api/rest/v1/generations/{generationId} \ -H "Authorization: Bearer $LEONARDO_API_KEY"
核心能力详解:4 大支柱
支柱一:模型体系与风格路线。平台内置多套专有微调模型,Phoenix 面向通用美术,Absolute Reality 侧重电影级写实,另有动漫、游戏资产等垂直风格模型;Alchemy 作为增强模式与 Phoenix 搭配,提供更丰富的采样细节。用户可在同一提示词下切换模型做效果对比。由于模型由平台方维护并持续更新,其出图行为会随时间变化,生产环境必须对关键提示词做回归测试。
支柱二:细粒度生成控制。Negative Prompt 指定画面中不要出现的内容;Guidance Scale 控制提示词服从度,数值过高画面会生硬死板;Steps 控制迭代次数,超过合理区间后只增加耗时而不提升质量;Aspect Ratio 提供多档预设画幅;Tiling 开启无缝平铺模式,适合生成游戏纹理、布料等可重复素材。这些参数共同把「随机抽卡」变成「可调节的生成实验」。
支柱三:一致性创作套件。Character Reference 支持上传 1-3 张角色图作为参考,让后续多次生成保持同一人物形象;Style Reference 锁定参考图的整体美术风格;Elements 是可组合的风格/概念组件,类似轻量级 LoRA,可叠加使用,但每个元素会额外消耗虚拟币。这套组合是把一次性出图转化为可复用视觉资产的关键,也是 Leonardo 区别于 Midjourney 的核心能力。
支柱四:实时画布与后处理。Realtime Canvas 提供画布式创作体验,一边手绘、拖入形状一边实时出图,支持框选区域重绘(类似局部重绘/Inpainting)与画布扩展(Outpainting),适合快速探索构图与批量迭代方案。Universal Upscaler 对成品做高清放大;Motion 将静态图或画布内容转为动态短视频,用于社媒物料的低成本动态预演。
生产部署与监控:从上线到运维
Web 工作流模式(设计/营销团队):团队统一订购商用套餐,共享每日额度;建立「提示词模板 + 指定模型 + 固定画幅」的创作规范,确保品牌物料风格稳定;把每批优质出图沉淀进素材库作为风格资产,避免成员各自摸索导致视觉风格失控。批次任务执行前,先用量化规则(单图成本 × 生成数量 × 备选数)估算额度消耗。
API 集成模式(开发团队):通过官方 REST API 将图像生成接入内容流水线,典型场景是商品图批量生成、社媒配图自动化和游戏素材管线。实施要点:密钥由服务端统一保存并按周期轮换;提交任务后异步轮询 generationId 或在提交时配置回调地址;对 401(鉴权失败)与 429(限流)做重试与指数退避;记录每次请求的 prompt、modelId、参数和额度消耗,便于成本归因。注意 API 与网页端共享账户额度,两边消耗会互相扣减。
可观测性:在个人设置的用量页面查看每日额度消耗与余额;API 侧将 HTTP 状态码、生成耗时、失败率上报监控系统,并设置额度阈值告警,防止夜间批任务运行到一半额度耗尽而中断。对关键提示词建立回归用例集——平台模型更新会导致出图风格漂移,定期跑一遍回归集可及时发现自动化流程的质量退化,避免线上素材风格突变。
<p class="para-label">避坑清单:</p>
<ul class="dash-list"><li>每日虚拟币有有效期,未用完会到期清零;高分辨率、多图数量、叠加 Elements 都会按倍率扣币,批量任务前先算清额度成本。</li><li>API 是异步队列模型:POST 后不立即返回图片,必须用 generationId 轮询或配置回调,要把「提交-轮询」封装成独立客户端,不要按同步接口编写。</li><li>免费与付费套餐的商业使用授权范围不同;上传的参考图与第三方 Elements 的版权不因生成而转移,商用发布前务必核对订阅条款与素材来源。</li></ul>
| 维度 | Leonardo | Midjourney | Stable Diffusion(ComfyUI) | Ideogram |
|---|---|---|---|---|
| 定位 | 可控性优先的 AI 创意工作台 | 艺术风格图像生成平台 | 开源本地生成基础设施 | 擅长文字渲染的图像生成 |
| 交付方式 | 网页 SaaS + REST API | 网页/Discord 生成 | 本地部署节点式 GUI | 网页 SaaS + API |
| 类型约束 | 闭源专有模型 | 闭源专有模型 | 开源模型权重可选 | 闭源专有模型 |
| 学习曲线 | 低-中(可视化参数+一致性工具) | 低(但控制项少) | 高(节点编排与模型管理) | 低 |
| 生态集成 | Canva、官方 API、社区画廊 | Discord 生态与第三方工具 | 海量插件与社区微调模型 | API 与模板工具 |
| 生产部署 | 官方异步队列 API | 官方 API(限制较多) | 自托管 GPU 集群 | 官方 API |
| License | 闭源免费增值 | 闭源付费订阅 | 开源(社区/商业差异) | 闭源免费增值 |
| 适合谁 | 设计团队、内容营销、AI 应用开发者 | 概念艺术家与图片爱好者 | 开发者与深度定制团队 | 海报与文字排版设计者 |
选型建议:需要可控一致性、工作台式创作与 API 集成时,Leonardo 是均衡之选;追求纯艺术风格与社区出图氛围选 Midjourney;数据必须留在本地或需要深度定制管线时选 Stable Diffusion(ComfyUI);若主要做带文字的广告海报与长文本排版,优先考虑 Ideogram。
版本迭代
Leonardo 的演进主线是从「单一文生图工具」走向「创作工作台」:2023 年以多套专有微调模型和社区画廊快速积累用户;2024 年先后推出实时画布与视频生成,并于 7 月被 Canva 收购进入其创意生态;目前功能持续在线更新,无传统语义化版本号。(截至训练数据,可能已有更新版本)
| 版本 | 时间 | 变化 | 提升 |
|---|---|---|---|
| 公开测试上线 | 2023 | 文生图 + 社区画廊 | 零安装网页生成,注册即送每日免费额度 |
| 模型矩阵成型 | 2023 | Phoenix、Alchemy、Absolute Reality 等模型陆续上线 | 覆盖通用、写实、动漫等多风格路线,引入负向提示词 |
| Realtime Canvas | 2024 | 实时画布发布 | 手绘与 AI 实时结合,支持区域重绘与画布扩展 |
| Canva 收购 | 2024-07 | 并入 Canva 创意生态 | 拓展企业协作入口与集成场景 |
| Motion 视频生成 | 2024 | 图生视频上线 | 静态图/画布内容直接转为动态短视频 |
Leonardo 官方未公布统一基准测试分数(如 MMLU 类指标),因此不列评测分数对比;从迭代节奏看,2024 年后平台重心明显从「出图质量」转向「可控性与工作流」——一致性套件、实时画布、视频生成与 API 能力相继补齐。选型时应重点评估团队额度成本、API 治理难度与模型更新带来的回归风险,而非单张出图效果。
AI 应用场景
游戏美术:角色概念图与团队风格统一
阶段:图像生成与一致性控制
解决的问题:概念设计阶段需要快速产出多视角角色稿,且前后图风格必须统一。传统流程依赖原画师逐张手绘或反复重画,效率和风格一致性难以兼得。用 Character Reference 锁定同一角色形象,用 Style Reference 或 Elements 锁定画风,一套资产可复用于立绘、宣传图与美术设定集。
具体案例:3 人美术小组用 Character Reference 固定主角形象、Style Reference 统一画风,同一角色 4 种视角 × 3 种风格在一次会话内产出 12 张方案供原画师遴选,角色多方案探索阶段从约 2 天缩短到半天(团队自测口径),原画师精力集中在选定方案的精细打磨上。
电商与营销:商品图批量生成与品牌一致性
阶段:文生图 + API 批量生成
解决的问题:商品素材需要按 SKU 批量出图,且要维持品牌色调统一。人工拍摄成本高、周期长;纯模板化作图又缺乏变化。通过固定模型 + Style Reference 锁定品牌视觉,用 API 将提示词模板化后批量提交,产出大量备选图做投放测试。
具体案例:某电商账号将 50 张商品图任务通过 API 队列提交,按 SKU 维度模板化提示词,每 SKU 备选素材从 3-5 张提升到 20 张以上,先用缩略图做 A/B 初筛、再精修胜出方案,素材制作周期从以天计压缩到以小时计。
社媒短视频:Motion 图生视频预演
阶段:图生视频与创意预演
解决的问题:短视频投放前需要验证动态概念,传统做法是外包动态设计或直接开拍,成本高、周期长。Motion 功能把静态主视觉直接转为动态短片,用于投放前概念验证与内部提案,确认方向后再投入正式制作。
具体案例:某品牌将主视觉静态图转成 3 组不同运镜的动态短片做投放预测试,每组初稿在 1-2 小时内产出,替代原先需 1-2 周排期的动态外包;短片精度仍需人工精修,但用于投放前决策已足够,动态概念验证成本下降一个数量级。
常见误区
误区Leonardo 和 Midjourney 都是「输入提示词出图的网站」,选哪个都一样,挑便宜的用就行。
正解两者交付形态与可控性差异很大。Midjourney 核心是订阅制生成服务,控制项集中在少数风格参数;Leonardo 提供独立工作台、多模型选择、负向提示词、实时画布、角色/风格参考、可叠加的 Elements 和自定义模型训练,还提供完整 REST API 供工程化调用。对需要一致性控制和批量生产的团队,两者的工程价值完全不同。
为何常见:从用户视角看,两者都是「输入文字、点击生成」的网页服务,表面交互极相似,容易被归为同类,只有深入使用或对接 API 时才体会到控制粒度差异。
误区在 Leonardo 上生成的图片都是我的,随便商用,包括上传参考图衍生出的内容。
正解生成图的商用授权范围取决于订阅套餐条款,免费与付费套餐的授权边界不同;更关键的是,你上传的参考图、第三方训练的 Elements 风格组件,其版权与授权并不随生成行为转移。商用发布前必须核对当前订阅条款,并确认素材来源已获授权。
为何常见:多数生成平台把「可商用」作为主要卖点,用户容易忽略条款细则,默认所有输出都归自己所有,实际授权是分层的。
误区提示词要像写作文一样堆砌华丽辞藻,越长越能体现「AI 绘画功力」。
正解Leonardo 的模型对结构化、描述性提示词响应更好,推荐「主体 + 环境 + 光线 + 画质词」的紧凑结构;Prompt Magic 功能会自动改写增强提示词,本身就说明「提示词工程」有确定的方法论。过长的散文式提示会稀释关键词权重,反而降低提示词服从度。
为何常见:社区展示成品图时只贴出惊艳结果,很少展示提示词打磨过程,导致新手误以为「辞藻越华丽 = 出图越高级」。
误区有了实时画布,AI 就能完成从草稿到成品的全部绘制工作,不需要再学 Photoshop 等工具。
正解Realtime Canvas 的核心价值是快速构图与概念探索:手绘草图、框选重绘、扩展画布,AI 实时补全画面。但像素级精修、复杂蒙版、文字排版、商业级后期仍然依赖专业图形软件,画布输出通常是「半成品起点」而非「最终交付物」。
为何常见:官方演示中实时生成的流畅过程极具冲击力,让人自然高估其精修能力,忽略演示背后的人工筛选和后期处理。
面试题
Q1. 使用 Leonardo 生成第一张图的最小流程是?
- A.本地安装 Python 与 GPU 驱动
- B.注册账号后网页输入提示词并生成← 正确答案
- C.下载离线模型仓库到移动硬盘
- D.编写 Docker Compose 自部署
答案:B。Leonardo 是云端 SaaS,核心流程就是注册账号、在网页输入提示词、点击生成。A 是本地部署 Stable Diffusion 的做法;C 描述的是开源模型仓库的行为;D 是自托管方案,均与平台形态不符。
Q2. Leonardo.ai 的平台形态是?
- A.开源自托管框架
- B.闭源云端 SaaS← 正确答案
- C.桌面离线应用
- D.纯本地命令行工具
答案:B。Leonardo 是闭源商业软件,全部生成计算在云端完成,用户通过浏览器访问,无法本地安装或离线使用。A、C、D 均与「网页访问 + 云端计算」的产品形态矛盾。
Q3. 以下哪些属于 Leonardo 平台的功能模块?
- A.文生图(AI Image Generator)← 正确答案
- B.实时画布(Realtime Canvas)← 正确答案
- C.角色参考(Character Reference)← 正确答案
- D.本地模型训练命令行(LoRA CLI)
答案:ABC。文生图、实时画布、角色参考都是平台正式功能;D 错误,Leonardo 的模型训练在平台云端完成,不提供本地训练命令行工具。
Q4. Leonardo 平台训练自定义模型(Finetuned Models)的建议数据集规模是?
- A.1-3 张
- B.12-50 张← 正确答案
- C.500 张以上
- D.任意数量均可
答案:B。官方文档建议自定义模型训练数据量为 12-50 张图片。少于 12 张难以捕捉特征,超过 50 张边际收益递减且训练耗时增加;A、C 均不在官方建议范围内,D 过于绝对。
Q5. 通过 Leonardo API 提交生图任务后,正确的取结果方式是?
- A.同步等待响应返回图片
- B.用 generationId 轮询生成状态← 正确答案
- C.重新提交相同提示词再取结果
- D.从浏览器缓存中读取
答案:B。Leonardo API 是异步队列模型,POST /generations 后返回 generationId,需要携带该 ID 轮询生成状态直到 COMPLETE,或提交时配置回调地址。A 对异步接口的假设错误;C 会重复消耗额度;D 是错误路径,API 结果与浏览器缓存无关。
Q6. 要在多次生成中保持同一角色的形象一致,可以使用的功能是?
- A.Character Reference(角色参考)← 正确答案
- B.Elements(元素叠加)← 正确答案
- C.Negative Prompt(负向提示词)
- D.随机切换其他模型
答案:AB。Character Reference 通过上传角色参考图锁定人物形象,Elements 可叠加特定风格组件间接影响角色画风,两者都有助于形象一致。Negative Prompt 用于排除内容,不保证角色一致;随机切换模型恰恰会破坏一致性。
Q7. 2024 年 Leonardo.ai 发生的关键企业事件是?
- A.被 Canva 收购← 正确答案
- B.开源全部模型权重
- C.更名为 Stable Diffusion Studio
- D.关停免费套餐
答案:A。Canva 于 2024 年 7 月宣布收购 Leonardo.ai,并入其创意生态。B 与闭源路线矛盾;C 无事实依据,Leonardo 名称未变;D 错误,平台至今保留免费额度套餐。
Q8. Leonardo API 中提交生图任务的正确端点路径是?
- A.POST /api/rest/v1/generations← 正确答案
- B.POST /v1/generate?output=json
- C.GET /images/new
- D.PUT /v1/train/submit
答案:A。官方 REST API 的基础路径为 https://cloud.leonardo.ai/api/rest/v1,生图任务对应 POST /generations。B、C、D 均不是 Leonardo 官方 API 路径,其中 D 混淆了任务提交与微调训练的语义。
Q9. 关于 Leonardo 虚拟币(Tokens)机制,正确的说法是?
- A.每日发放且未用完到期清零← 正确答案
- B.高分辨率或叠加元素扣币更多← 正确答案
- C.免费额度无任何使用限制
- D.每次生成只固定消耗 1 个币
答案:AB。平台按套餐每日发放额度,未用完部分到期重置;高分辨率、多生成数量、叠加 Elements 会按倍率额外扣币,因此 A、B 正确。免费额度有速度和队列限制,C 错误;消耗量随参数浮动而非固定 1 币,D 错误。
Q10. 团队将 Leonardo API 接入生产管线时,最稳妥的做法是?
- A.将个人账号 API Key 直接写入前端代码
- B.服务端统一保存密钥、异步处理并轮询← 正确答案
- C.关闭 API 重试与额度监控以节省流量
- D.为每个生成请求临时注册新账号
答案:B。生产环境必须把 API Key 保存在服务端,统一管理、定期轮换,并基于异步队列实现「提交-轮询/回调」的可靠链路。A 会直接泄露密钥;C 放弃重试与监控会导致批次任务静默失败;D 违反平台规则且无法治理,均不可取。
参考来源
- webpageLeonardo 官网产品入口、套餐价格与功能总览