伴随着 AIGC 异常火爆，各种各样的 AI 工具如雨后春笋般涌现，除了各位设计师知道的 Midjourney（以下简称“MJ”），同样还有十分亮眼的 Stable Diffusion。
所以今天我们主要教大家如何运用 Stable Diffusion（以下简称“SD”）来进行 B 端图标和 C 端图标的创作，充分将 AIGC 灵活的运用在项目的工作流程之中。
往期AIGC 生成图标干货：
一、B 端图标
那首先我们先来看看 B 端图标，有哪些特点？
从上图可以发现主要特点为：立体块面感、轻科技、材质多为毛玻璃、光泽金属、轮廓光源。
UI 的运用场景多为功能模块辅助装饰、官网开屏页等……
以下图的数据云图标为例：
制作同等设计质量的图标，从三维建模到渲染最后到后期调整，平均需要 2.5 小时制作周期。而且设计师需要有一定的三维软件设计能力。
我们先看看 MJ 的运用效果，这里我们运用常规的操作流程，直接运用关键词生成，这里我运用了两种不同的关键词：
第一种：
A cloud Ul icon, blue frosted glass white acrylic material, white background, sense of technology, studio light, blue frosted glass white acrylic material, white background, sense of technology, –ar 1:1
对照翻译：一朵云 Ul 图标，蓝色磨砂玻璃白亚克力材质, 白色背景, 科技感, 影棚灯光, 蓝色磨砂玻璃白色亚克力材质, 白色背景, 科技感, –ar 1:1
第二种：
Cloud icon, blue, frosted glass, transparent technology sense, white background, studio lighting, 3d, c4d, high detail, –ar 1:1
对照翻译：云朵图标，蓝色，磨砂玻璃，透明科技感，白色背景，影棚灯光，3d，c4d，高细节，–ar 1:1
我们可以看出上图直接生成的图标，偏差较大，且形式、角度、质感、颜色无法很好的控制，基本不能运用。
首先运用垫图的第一种方式，将想要生成图标的参考样式上传到 MJ，接着配合关键词进行操作：
图片链接 + A cloud Ul icon, blue frosted glass white acrylic material, white background, sense of technology, studio light, blue frosted glass white acrylic material, sense of technology, –ar 1:1
右边便是生成的效果（下图中右边）：
MJ 学习了参考图片后，在质感的运用和色彩上也比较靠近想要的气势派头了，因为参考的图片和需要生成的图像，在外型上有一定的不同，只是用关键词来进行生产，随机性比较强，所以外型不够可控。
接着我们采用垫图的第二种方式，将想要生成图标的外型样式上传到 MJ，配合关键词进行操作：
图片链接 + A cloud Ul icon, blue frosted glass white acrylic material, white background, sense of technology, studio light, blue frosted glass white acrylic material, sense of technology, –ar 1:1
右边便是生成的效果（下图中右边）：
MJ 学习了参考图片后，在外型上靠近了想要的外型，但是在颜色和质感上，就无法学习到了，不太能够运用。
接着我运用组合垫图法，将两张素材都上传到 MJ，接着配合关键词进行操作：
图片链接 1 + 图片链接 2 + A cloud Ul icon, blue frosted glass white acrylic material, white background, sense of technology, studio light, blue frosted glass white acrylic material, sense of technology, –ar 1:1
得出的结论就是：MJ 学习了两张参考图片后，在想要的外型上靠近了一些，在颜色和质感上也靠近了，但是在细节的把控上还是有一定的随机性，还是不能直接运用。
小结一下，MJ 在进行 B 端图标设计的运用中，主要有以下不足之处：
可控性不够高 ；
随机性较强 ；
无法局部调整 ；
气势派头不符
下面我们来看看 SD 的效果如何？
我这边运用的 SD 版本是：秋叶 V4；
Checkpoint 大模型运用的是：DDicon；
Lora 模型运用的是：Playstation5DesignAI。
更多SD模型：
运用的流程我已经在上图标记出来了，大家可以根据步骤进行操作。
这里的正向提醒词：
best quality, many details, 4k, blender, octane render, C4D, transparent glass texture, DDicon, blue, frosted glass, transparent technology sense, industrial design, white background, studio lighting, sunshine, flat, minimal, quasi-object, axisymmetric, Data, cylinder, file,
反向提醒词：
lowers, bad anatomy, ((bad hands)), (worst quality:2), (low quality:2), (normal quality:2), paintings, sketches, lowres, bad anatomy, bad hands, text, error, missing, tingers,
直接输入进 SD 即可。
这里要提前准备好两张图：线稿图和黑白外型图，同时需要在 ControlNet 里启用两个类别，分别是 lineart 与 canny，将准备好的两张图分别导入进 ControlNet，并设置好参数；
首先采样方法选择“DPM++ SDE Karras”选择 Canny 的 invert 预处理器 以及对应的 Canny 模型，最后记得勾选“完美像素模式”。
然后我们就可以点击生成了，选好生成后觉得比较 OK 的图片，发送到图生图中，接着再进行一次 ControlNet 的设置。
上图就是生成的效果啦。
后面可以将符合预期的效果图发送到图生图的局部重绘，涂鸦选择效果图需要重新优化的小细节点。
生成出来的效果图有更好的设计兼容性，最后我们再进 SD 的后期处理进行放大就可以运用啦～
采用 SD 工具辅助 B 端图标的设计，整个设计过程只需要 0.5 小时，主要工作量主要在于前期的黑白线稿绘制，大大降低了设计成本与制作门槛。
二、C 端图标
C 端图标与 B 端图标最大的区别点在于视觉气势派头更为多样，整体气势派头配色与外型更为年轻化。视觉表现形式目前主流为 2.5D 与 3D 类型较多，通过同色系轻渐变塑造体现体积感。
接下来我们再看看 C 端图标应该如何用 SD 进行创作绘制。
我们找素材的时候，图片主体物材质的质感不需要保持相似，这一步只是确保外形调性一致。需要注意的是，找的这一套图标，都需要有共同点，这是为了确保后续生成图标结构外型的一致性，使整套图标形成统一的视觉系列感。
例如我找的这几个，它们的共同点就是：轴侧构图、低多边形、圆润规整；之后我们便可以运用 ControlNet-硬边缘检测功能，从而“锁定”图标的大致外轮廓，用 SD 对这些图标进行气势派头样式的重绘。
运用步骤 – 打开 SD 后
第一步：点击展开 ControlNet，将图片拖动至预览选取框，（注意，我们要上传的图片有几点要求：1.背景干净没多余的元素或文字 2.图片尺寸比例 1:1，最好为 512×512 大小 3.图片清晰度不能过于模糊，保证外轮廓清晰）
第二步：选择预处理器 Canny（硬边缘检测）以及对应的 Canny 模型
第三步：勾选启用 ControlNet
关于 Checkpoint（俗话叫“大模型”）、Lora 模型，可以在 C 站进行下载，网址为： https://civitai.com/ ；目前“C 站”的模型不断迭代出新，视觉气势派头包罗万象，本次将会通过运用不同的 Checkpoint 大模型及 Lora 进行视觉调配，生成我们所期望的 C 端图标效果图。
我们先来说说 3D 直播礼物图标类型的图标，这类的图标可采用真实系大模型 Deliberate，搭配外型圆润可爱、质感材质偏向粘土手办的 Blindbox 盲盒和 3D rendering 气势派头的 Lora 模型。
接着我们来了解下提醒词，这里的正向提醒词能更好的帮我们确定想要的气势派头，这里要注意的一点是：对词语运用双括号意味着让生成的画面更加聚焦于生成的物体，这里的“Polaroid camera（拍立得相机）”如不运用双括号的话，就可能生成：一个人拿着拍立得相机或者拍立得相机放在场景中，为了避免这样的情况，就可以运用双括号；
而反向提醒词也比较通用，主要是在正向提醒词中加入想要生成的气势派头。
在运用 Lora 模型时候，可以在正向提醒词区域调整 Lora 模型的效果权重数值，直接影响生成图的视觉气势派头比重。要注意：Lora 权重默认为 1，最低不能低于 0.2，否则没效果影响。
迭代步数指的是 Stable Diffusion 生成图像所需的迭代步数。每增加一步迭代，都会给 AI 更多的机会去比对提醒和当前结果，并进行调整。
更高的迭代步数需要更多的计算时间。但高步数并不一定意味着更好的结果。当然，如果迭代步数太少，会降低生成图像的质量。
这里以 迭代步数 20 和 迭代步数 40 为例子，可以看出 迭代步数 40 生成的图片细节丰富、高质量，反观迭代步数 20 的外型轮廓模糊，缺少细节。
下图便是我们生成的 3D 直播礼物图标，可以看出生成的图标气势派头还是十分统一的。
下面我们再看另外一个案例：赛博机械图标。
这类图标我们选用的大模型是：MechaMix Lora 模型为：Real Mechanical Parts。
这里要说的一点是关于触发词，很多创作者在 C 站上传模型时，会带上触发词，我们可以在右边的介绍中直接查看，并将触发词加入到正向提醒词中，这样能让 SD 更准确的识别模型的预设效果与参数。
有一个知识点要注意一下叫 canny 权重，因为机械气势派头往往外型结构相对复杂夸张，这里我们把 Canny 控制权重从默认的 1 调整为 1.5。原因是控制图标外形变化差异不要过大，使得与参考图不符。
这里以 控制权重 0.6 和 控制权重 1.5 为例子，可以看出控制权重 0.6 生成的图片剥离外轮廓外型，外型自由发挥，比较浮夸、反观控制权重控制在 1.5 的图片则更注重外形轮廓，生成的比较靠近我们想要的。
下图便是我们生成的赛博机甲图标，可以看出生成的图标气势派头无论是在外型、配色、视角都十分统一，下面我罗列一些目前市场上比较流行气势派头的提醒词，按照上面教的步骤就可以生成对应气势派头的图标了。
描边厚涂手绘图标：
正向提醒词：
((图标内容:1)), isometric view, paint material, glossiness, cartoon, clay material, (cute), white background, fine luster, mockup, behance, dribbble, soft circularism, (low poly:1), jim lee
*其中：jim lee 为触发词
反向提醒词（通用）：
Grayscale, low saturation, (worst quality, low quality:2), ((character:2)), EasyNegative, bad_prompt_version2
国风水墨图标：
正向提醒词：
((图标内容:1)), isometric view, paint material, glossiness, cartoon, clay material, (cute), white background, fine luster, mockup, behance, dribbble, soft circularism, (low poly:1), shuimobysim, wuchangshuo,
*其中：shuimobysim, wuchangshuo 为触发词
反向提醒词（通用）：
Grayscale, low saturation, (worst quality, low quality:2), ((character:2)), EasyNegative, bad_prompt_version2
扁平轻渐变图标：
正向提醒词：
((图标内容:1)), isometric view, paint material, glossiness, cartoon, clay material, (cute), white background, fine luster, mockup, behance, dribbble, soft circularism, (low poly:1), vector, 2d, geometry, Flat Style, Colorful gradient, game icon institute,
*其中：game icon institute 为触发词
反向提醒词（通用）：
Grayscale, low saturation, (worst quality, low quality:2), ((character:2)), EasyNegative, bad_prompt_version2
像素气势派头图标：
正向提醒词：
((图标内容:1)), isometric view, paint material, glossiness, cartoon, clay material, (cute), white background, fine luster, mockup, behance, dribbble, soft circularism, (low poly:1), pixel art, 2d, Low Resolution, pixel, pixel sprite, 16bitscene,
*其中：pixel, pixelsprite, 16bitscene 为触发词
反向提醒词（通用）：
Grayscale, low saturation, (worst quality, low quality:2), ((character:2)), EasyNegative, bad_prompt_version2
我们可以将 AI 生成的位图通过这个在线网站（ https://vectorizer.ai/ ）工具转换成可编辑的 SVG 矢量图，该网站不需要注册，而且完全免费的，我们将下载好的 SVG 矢量图拖至 Figma 或者 Adobe AI 软件，便可以编辑对应的路径及视觉样式。
最后，文章到此就告一段落了，当然这只是 AIGC 在 UI 实际运用场景中的一部分，本文可以说是给 AIGC 的初学者提供了引导的作用，后续我们还会推出更多类似的文章，请敬请期待～