各位同学大家好，欢迎来到今天的课程。本节课的主要内容是在 Stable Diffusion（SD）中实现字体设计效果。

首先，我们需要在图像编辑软件中新建一张画布，尺寸设置为 768×512 像素——这是 SD 默认推荐的输出分辨率。创建完成后，使用文字工具输入目标文字，例如“面包”。可适当调整字号与字体样式。若字体显得过于生硬，可双击文字图层，在描边选项中选择“外部描边”，并适当增加描边粗细，使字体更具表现力。

完成文字设计后，将图像保存为 JPG 格式，存放至本地桌面，以便后续导入 Stable Diffusion 使用。

接下来打开 Stable Diffusion，进入图生图（img2img）模式，并启用 ControlNet 插件：

• 将刚保存的文字图片拖入 ControlNet 的输入区域；
• 第一个 ControlNet 模块选择 canny 预处理器，其余参数保持默认即可；
• 确保图像宽高已自动匹配（点击缩放箭头同步尺寸）；
• 采样方法可任选常用选项（如 DPM++ 2M Karras），采样步数建议设为 30 左右。

正向提示词（Prompt）示例：

• 面包（或“奶油面包”等具体关键词）
• 杰作、最高质量、真实感

反向提示词（Negative Prompt）可参考通用低质规避词，例如：

• 模糊、最差质量、绘画不佳、低品质、畸变、文字错误

首次生成后，若效果不够立体或细节不足，可添加第二个 ControlNet 模块：

• 同样导入原文字图；
• 预处理器选择 depth，启用“完美像素”；
• 此模块用于增强三维空间层次感，使字体呈现前后纵深关系。

为进一步优化结果，可微调各 ControlNet 模块的权重（Control Weight）：

• 适当降低 canny 权重（如 1.2–1.4），避免过度依赖边缘结构；
• depth 权重也可设为 1.3 左右，平衡立体感与文字识别度；
• 整体倾向提示词主导，而非完全受控于输入图。

完成设置后再次生成，即可获得兼具辨识度与立体质感的字体效果。例如“面包”二字会呈现出由真实面包或奶油构成的视觉形态，“西瓜”则可能体现红色果肉、绿色瓜皮等特征元素。如需强化特定细节（如西瓜皮、西瓜籽），可在提示词中加入对应关键词，并适度提高其权重（如 1.3）。

此外，提升输出分辨率（如 1024×768）有助于获得更精细的画面表现。不同文字、风格与模型组合均可尝试，探索更多创意可能性。