stable diffusion批量生成装修效果图需构建五维结构化提示词流程：{space}{hard}{soft}{light}{render}，绑定controlnet锚定结构，固化负向词、采样参数与尺寸，并通过csv驱动comfyui/python/api实现可回溯批量生产。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用Stable Diffusion批量生成符合装修交付标准的室内效果图，必须把提示词从“每次手敲一串英文”升级为可替换、可回溯、不依赖人工记忆的结构化流程，否则同一户型反复生成不同风格时极易漏掉关键材质或混入违禁元素。
拆解室内提示词为五维变量模块
把提示词按功能切分为五个不可省略的维度：空间类型、硬装特征、软装配置、光照氛围、渲染质量。每个维度设一个占位符，例如{space} {hard} {soft} {light} {render} → 拼接后为“living room, white oak flooring + matte black TV wall, beige fabric sofa + marble coffee table, soft ambient lighting from ceiling recessed lights, photorealistic 8k octane render”。
注意：【{space}必须写具体功能房间名（如“master bedroom”不能只写“bedroom”）】，否则模型默认补全走廊、玄关等非目标区域，导致构图失焦。
这一步操作起来很简单，直接在Excel里建五列，每行填一组组合，导出为utf-8编码CSV即可。
用CSV模板驱动批量生图
方法一：WebUI + Batch Prompt扩展插件
安装“Batch Prompt”插件后，在正向提示词栏输入“{product} made of {material}, {angle} view”，再点击“Load CSV”按钮上传你刚导出的CSV文件，系统自动逐行读取并生成对应图像。每行生成1张图，4行就出4张不同软装方案的效果图。
方法二：ComfyUI + Load CSV节点（推荐）
在ComfyUI工作流中插入“Load CSV”节点→连接至“CLIP Text Encode”节点的文本输入端→启用“Loop Batch”模式。此方式支持中途断点续跑，且CSV中任意字段修改后重载即生效，无需重启UI。
方法三：Python脚本直调API（适合技术用户）
写一段requests脚本，循环读取CSV每行数据，拼成JSON payload发送至WebUI的/txt2img接口。关键点是设置固定seed字段，否则同一行参数可能因随机性产出完全不同的空间布局。
固化负向提示词与采样参数
第一步：在负向提示词栏粘贴标准块——worst quality, low quality, blurry, text, signature, watermark, people, cartoon, 3d render, cgi, jpeg artifacts, deformed furniture, floating objects, extra legs, disfigured hands。
第二步：采样器锁定为DPM++ 2M Karras，迭代步数设为35。低于30步易出现材质断裂，高于45步在多数显卡上耗时翻倍但细节提升不足1%。
第三步：图像尺寸统一设为768×768。这不是妥协，而是经实测验证的最佳平衡点——小于768会丢失踢脚线、灯带等关键细节；大于1024则ControlNet线稿对齐误差放大，墙体边缘开始锯齿化。
第四步：CFG Scale设为7。这是硬装结构与软装表现力的临界值：CFG=5时沙发轮廓模糊；CFG=9时墙面纹理过锐，像贴了高光瓷砖。
绑定ControlNet结构锚点
当已有CAD线稿或SketchUp导出的白底黑线图时，必须启用ControlNet进行强约束：
① 预处理器选mlsd（非canny），因mlsd能精准识别门窗洞口与墙体交角，canny在弧形吊顶处易断裂；
② ControlNet模型选control_mlsd-sdxl-1.0（SDXL）或control_mlsd-fp16（SD1.5），权重固定为1.2——低于1.0则家具漂移，高于1.3则材质质感被抹平；
③ 引导起始步设为0.1，结束步设为0.9，确保从第一轮去噪就开始抓结构，最后一轮仍保持墙体垂直度。
这一步不可跳过：没有ControlNet锚定的文生图，哪怕提示词写满200词，生成的客厅也大概率出现“沙发悬空”或“窗户嵌进墙里”的物理错误。
封装成一键启动工作流
在ComfyUI中将上述所有节点（CSV加载→提示词拼接→CLIP编码→SDXL主模型→Refiner→ControlNet→VAE解码）保存为workflow.json文件。
下次使用时，只需双击该文件→自动加载全部节点→替换CSV路径→点击“Queue Prompt”。
【首次保存前务必关闭所有“Auto-download model”选项】，否则联网环境波动会导致refiner模型加载失败，整个流程卡死在第三步。
