MJ+SD智能设计：AI商业案例实操

定　价：¥99.00

作　者：	吴博雄、王大可、李超、张大川
出版社：	清华大学出版社
丛编项：
标　签：	暂缺

购买这本书可以去

当当网 (¥94.10)

ISBN：	9787302680321	出版时间：	2025-03-01	包装：	平装-胶订
开本：	16开	页数：		字数：

内容简介

　　《MJ SD智能设计： AI商业案例实操》深入讲解了AI绘图的基本原理和操作技巧，旨在为读者提供全面的知识体系和实战指导。特别针对市面上认可度较高的两款AI绘图工具 Midjourney和Stable Diffusion提供了详细的操作指南，无论是设计领域的新手还是有一定基础的设计师，都可以通过《MJ SD智能设计： AI商业案例实操》掌握AI绘图技术。书中通过手把手的教学方式，从零基础开始，逐步引导读者深入了解AI与设计的结合。丰富的商业实用案例贯穿全书，将理论与实际操作有机结合，使读者不仅能掌握基础技能，还能提升商业应用能力。《MJ SD智能设计： AI商业案例实操》的主要特色在于，它既通俗易懂又具备一定的专业深度，相信无论是零基础的读者还是有经验的设计专业人士，都能从中获益。《MJ SD智能设计： AI商业案例实操》适合对AI、设计及绘画领域感兴趣的读者阅读，包括设计专业人士、美术设计类专业在校学生、设计及绘画爱好者，以及非专业人士。

作者简介

　　吴博雄，阿里健康体验设计专家。AIGC前沿玩家，AI设计博主，网名：玩AI的熊社长。免费分享Midjourney、Stable Diffusion等各类AI工具教程。在小红书分享《AI头像制作》等精品教程，累计学习人数超10万。王大可，阿里健康资深体验设计师。国内首批将AI设计用于公益艺术展的全栈设计师，曾获德国红点、法国戛纳、日本GDA、香港DFA等国际大奖。通过开设直播课程及撰写相关教程文章等，致力于将AI设计领域知识传递给更广大受众。个人公众号：体验设计研究。李超，多学科设计师，阿里巴巴澳门通品牌市场副总裁，原阿里健康设计负责人。张大川，资深体验设计专家。近20年互联网行业设计经验，先后负责腾讯、阿里巴巴重点产品设计工作，AI设计早期玩家，致力于AI在设计行业的应用研究。

图书目录

第1章?走进AI绘图的世界
1.1?AI绘图与人们的关系
1.2?AI绘图的核心算法
1.2.1?GAN模型
1.2.2?Diffusion模型
1.2.3?Diffusion模型的特点
1.3?AI绘图工具的分类及特点
1.4?本章小结
第2章?Midjourney新手入门
2.1?Midjourney的注册与安装
2.1.1?注册账号
2.1.2?App安装
2.2?Midjourney的设计环境搭建
2.2.1?创建服务器
2.2.2?邀请机器人
2.3?使用费用
2.4?Midjourney生成的第一幅AI绘画
2.5?Midjourney的基本操作结构
2.6?本章小结
第3章?Midjourney操作精讲
3.1?Discord界面
3.1.1?输入区
3.1.2?反馈区
3.1.3?应用及频道区
3.2?提示词
3.2.1?什么是提示词
3.2.2?基本范式
3.2.3?基本语法与准确性
3.2.4?提示词权重
3.2.5?图片提示词（垫图）
3.2.6?风格
3.3?参数
3.3.1?参数列表
3.3.2?版本与默认风格
3.3.3?风格化权重
3.3.4?宽高比
3.3.5?混沌（结果多样性）
3.3.6?质量
3.3.7?负向提示词
3.3.8?种子编码
3.3.9?无缝平铺图案
3.4?命令
3.4.1?命令列表
3.4.2?想象（画图）
3.4.3?设置
3.4.4?图片转提示词
3.4.5?提示语精简
3.4.6?风格炼制
3.4.7?混合
3.4.8?查看信息
3.5?本章小结
第4章?Midjourney高阶玩法
4.1?镜头视角
4.2?取景范围
4.3?光照氛围
4.4?质感纹理
4.5?本章小结
第5章?Midjourney商业实战
5.1?人物头像设计
5.1.1?需求分析
5.1.2?解决思路
5.1.3?AI工作流
5.2?人像精准换脸，免费获得创意大片
5.2.1?需求分析
5.2.2?解决思路
5.2.3?AI工作流
5.3?海报设计
5.3.1?需求分析
5.3.2?解决思路
5.3.3?AI工作流
5.4?绘本设计
5.4.1?需求分析
5.4.2?解决思路
5.4.3?AI工作流
5.5?商业展示设计
5.5.1?需求分析
5.5.2?解决思路
5.5.3?AI工作流
第6章?SD新手入门
6.1?SD本地部署
6.1.1?基于Windows系统本地部署
6.1.2?Python环境安装
6.1.3?Git环境安装
6.1.4?SDWebUI的下载和安装
6.1.5?基于macOS的本地部署
6.1.6?Homebrew环境安装
6.1.7?macOS中的Python环境安装
6.1.8?macOS中的SDWebUI下载和安装
6.2?SD模型选择
6.2.1?SD与MJ模型的异同
6.2.2?SD开源基础模型
6.2.3?下载SD模型
6.2.4?存放SD模型
6.2.5?Checkpoint检查点模型
6.2.6?LoRA、Embedding等特征模型
6.3?SD基础操作
6.3.1?首次运行SDWebUI
6.3.2?SDWebUI界面介绍
6.3.3?SDWebUI模块功能介绍
6.4?SD生成的第一幅作品
6.5?本章小结
第7章?SD高阶玩法
7.1?添加扩展的方法
7.1.1?从SDWebUI下载和安装扩展
7.1.2?从网站下载和安装扩展
7.1.3?重启以完成安装
7.2?ControlNet控制网络扩展
7.2.1?ControlNet扩展介绍
7.2.2?ControlNet模型的下载和存放
7.2.3?ControlNet控制模型介绍
7.2.4?ControlNet参数界面介绍
7.2.5?ControlNet案例实操
7.3?PromptAIO 提示词助手扩展
7.3.1?下载与安装
7.3.2?介绍与使用
7.4?SD图像放大的多种方法
第8章?SD：完成商业设计
8.1?线稿上色
8.1.1?需求分析
8.1.2?解决思路
8.1.3?AI工作流
8.2?2D转3D
8.2.1?需求分析
8.2.2?解决思路
8.2.3?AI工作流
8.3?艺术字
8.3.1?需求分析
8.3.2?解决思路
8.3.3?AI工作流
8.4?光影字
8.4.1?需求分析
8.4.2?解决思路
8.4.3?AI工作流
8.5?艺术二维码
8.5.1?需求分析
8.5.2?解决思路
8.5.3?AI工作流
8.6?超级符号：AI品牌符号创意设计
8.6.1?需求分析
8.6.2?解决思路
8.6.3?AI工作流
8.7?建筑设计：AI室内设计
8.7.1?需求分析
8.7.2?解决思路
8.7.3?AI工作流
8.8?工业设计：AI产品概念设计
8.8.1?需求分析
8.8.2?解决思路
8.8.3?AI工作流
8.9?UI设计：AI图标Logo设计
8.9.1?需求分析
8.9.2?解决思路
8.9.3?AI工作流
8.10? 场景设计：AI场景设计
8.10.1?需求分析
8.10.2?解决思路
8.10.3?AI工作流
第9章?SD模型训练
9.1?什么是AI绘图大模型
9.2?为什么训练LoRA模型
9.3?LoRA模型训练工作流
9.4?LoRA模型训练详解
9.4.1?模型训练的前期准备
9.4.2?模型基础形象生成
9.4.3?SD图像预处理
9.4.4?优化描述词和添加触发词
9.4.5?部署和应用AI模型训练工具
9.4.6?选择训练的模型
9.4.7?模型存放路径
9.4.8?Parameters参数设置
9.4.9?底图尺寸、学习率、图片裁切和精细度参数
9.4.10?高级选项
9.4.11?训练前的参数检查
9.4.12?选出最优模型版本
9.4.13?“渐进式训练法”迭代模型
9.5?LoRA模型应用：营销海报实战
9.5.1?IP人物形象生成
9.5.2?氛围场景生成
9.5.3?合成与排版