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。

岗位关联

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
  1. 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
  2. 安装与环境配置:0 步就绪
  3. 快速上手:5 分钟跑通第一张图
  4. 核心能力详解:4 大支柱
  5. 生产部署与监控:从上线到运维
  6. 版本迭代
  7. AI 应用场景
  8. 常见误区
  9. 面试题
  10. 参考来源
工具类型
AI 图像生成与创意设计平台(云端 SaaS)
开发商
Leonardo Interactive(澳大利亚悉尼;2024 年被 Canva 收购)
开源协议
闭源商业软件(免费增值订阅制)
GitHub Stars
无
主要语言
网页应用(面向用户);REST API(面向开发者)
当前版本
在线 SaaS,持续更新(无语义化版本号)
安装方式
无需安装,浏览器访问 https://leonardo.ai
下载地址
官方文档
上手难度
★★☆☆☆(低)
适合人群
设计师、内容运营、游戏美术、AI 应用开发团队
同类工具
Midjourney · Stable Diffusion · Ideogram
托管服务
无

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。

bash6 行
# 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:

bash15 行
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LeonardoMidjourneyStable 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2023Phoenix、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 Canvas2024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
结论

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?

单选题 · easy

  • 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?

单选题 · easy

  • 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?

多选题 · easy

  • 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?

单选题 · mid

  • 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?

单选题 · mid

  • 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?

多选题 · mid

  • 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?

单选题 · mid

  • 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?

单选题 · hard

  • 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?

多选题 · hard

  • 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?

单选题 · extreme

  • 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