數位設計師如何利用 Dezgo 的 Stable Diffusion 模型與局部重繪（Inpainting）精修圖像

在使用生成式 AI 進行商業視覺創作時，數位設計師經常面臨一個關鍵瓶頸：產出一張構圖震撼的概念圖相對容易，但若要修復變形的手指、清除雜亂的背景雜物，或在完全不破壞主體構圖的前提下替換特定服飾與配件，往往極為費時費工。Dezgo 正是為了解決這項痛點而設計的輕量級雲端工具。它基於 Stable Diffusion 系列模型，為設計師提供了隨開即用的文字生成圖像、以圖生圖以及專業級的局部重繪（Inpainting）工作流程。

無需在本地部署繁瑣的 WebUI 環境或負擔高昂的固定月費訂閱，設計師可以透過 Dezgo 的瀏覽器介面或 REST API，迅速完成從概念發想、原型測試到像素級精細修補的完整流程。

為什麼設計師選擇 Dezgo：架構優勢與商業特質

對於講求敏捷交付與控制成本的數位設計師與創意團隊而言，Dezgo 具備數項突出的工程與實務優勢：

1. 零安裝與即時雲端調用：Dezgo 完全架構於雲端伺服器，設計師無需配置 CUDA 驅動程式、除錯 Python 環境或下載數十 GB 的權重模型，只要開啟瀏覽器便能即刻產出。
2. 專屬局部重繪模型微調：相較於一般文生圖模型容易在接縫處產生拼貼瑕疵，Dezgo 提供針對重繪深度調校的檢查點（例如 DreamShaper 8 Inpaint 與 SDXL Inpaint），能精準融合遮罩區塊與周邊像素的光影、紋理與景深層次。
3. 雙重重繪操作模式：平台同時支援基於黑白遮罩圖的傳統精準重繪（/inpainting），以及免手動繪製遮罩的純文字提示重繪（/text-inpainting），靈活滿足不同場景的修改精度需求。
4. 透明的預付費計量機制（Power Mode）：Dezgo 採用用多少扣多少的儲值模式，餘額永久有效。單次標準 512×512 解析度、30 步取樣的 Stable Diffusion 算圖或局部重繪僅需約 0.0019 美元，徹底擺脫長期月租訂閱的沉沒成本壓力。

第一步：建立高品質基準資產（Text-to-Image 文生圖）

精確的局部重繪建立在扎實的初始構圖之上。在 Dezgo 介面中，設計師透過細緻調校模型與參數，生成符合專案視覺標準的原型資產。

1. 選擇契合的模型系列

• DreamShaper 8 / DreamShaper Inpaint：擅長概念藝術、數位插畫與角色設計，風格鮮明且線條與細節張力充足。
• RealDream 12：專注於寫實人像與真實攝影質感，能細緻呈現肌膚紋理、自然漫反射與寫實環境光影。
• SDXL 與 SDXL Lightning：適合需要宏大場景幾何結構與原生 1024×1024 高解析度輸出的大型視覺專案。

2. 精準設定提示詞與反向提示詞（Negative Prompt）

在正面提示詞中清楚描繪主體、背景環境、光照質素與鏡頭角度；同時利用 Dezgo 的反向提示詞欄位，在生成源頭過濾掉常見的肢體扭曲與結構缺陷：

• 正面提示詞：A modern digital designer working in a sunlit architectural studio, surrounded by holographic UI wireframes, cinematic lighting, 8k resolution, photorealistic
• 反向提示詞：ugly, tiling, poorly drawn hands, poorly drawn feet, poorly drawn face, out of frame, extra limbs, disfigured, deformed, blurry, bad anatomy, watermark, grainy, signature, cut off, draft

3. 關鍵參數配置

• 引導係數（Guidance / CFG Scale）：控制模型對提示詞的依從強度。Dezgo 建議的最佳操作區間為 6.0 至 10.0（預設值為 7.0）。超過 12 往往會引發高對比色偏、輪廓過度硬化等人工偽影。
• 取樣步數（Steps）：免費模式支援至 16 步，適合快速探索構圖方向；在 Power Mode 中設定至 25 至 35 步，並選用 DPM++ 2M Karras 等現代取樣演算法，能顯著提升毛髮、布料紋路與微細反光的精緻度。
• 長寬比與解析度基準：Stable Diffusion 1.5 建議維持在 512×512 基準（橫向 768×512、縱向 512×768）；SDXL 則以 1024×1024 為準。長寬數值必須維持為 8 的倍數。
• 保存隨機種子（Seed）：取得滿意的畫面構圖後，記錄該組 Seed 數值，便於在鎖定主體姿態的前提下微調材質細節。

第二步：運用局部重繪（Inpainting）進行精準外科技術修補

即使基礎渲染成果出眾，人物手指數量不對、手錶表面圖案模糊、五官不協調或配件風格突兀仍是常態。整張重繪會抹煞原本成功的構圖，而 Dezgo 的 Inpainting 工具能讓設計師做到「指哪修哪、分毫不差」。

方式 A：文字提示驅動的自動重繪（/text-inpainting）

在講求速度或需要更換特定服飾配件的場景下，Dezgo 的「Inpainting from text」功能免去了手動畫筆選取的繁瑣操作：

1. 上傳來源圖檔：將待處理圖像拖曳至 Init image 區塊（系統會自動等比調整至適合尺寸）。
2. 指定遮罩目標（Mask prompt）：以自然語言輸入欲修改的物件名稱，例如 sunglasses（墨鏡）、gold bracelet（金手鐲）、coffee mug（咖啡杯）。語意分割演算法會自動鎖定並框選該物件的像素邊界。
3. 輸入替換內容（Prompt）：描述希望在該區域生成的新物體，例如 classic tortoiseshell reading glasses with anti-reflective lenses。
4. 運算與自動融合：系統僅針對被標記的語意區塊重新擴散計算，並主動平衡周圍的光線角度、色溫與景深過渡。

方式 B：精準黑白遮罩圖重繪（/inpainting）

針對修復手指結構、微調面部表情或移除背景特定雜訊等極為嚴苛的工作，使用標準黑白遮罩模式能提供最高自由度的控制力：

1. 製作與載入 Mask 圖檔：在 Photoshop 或 Figma 中建立與原圖長寬完全一致的檔案，以純白筆刷（#FFFFFF）塗滿需要重繪的瑕疵區域，其餘保留部分填滿純黑（#000000）。白色為重繪區，黑色為絕對鎖定區。
2. 切換至專用 Inpaint 模型：請務必選取帶有 inpaint 標籤的模型（例如 DreamShaper 8 Inpaint 或 SDXL Inpainting）。一般模型在接縫邊界容易產生割裂線，而專用重繪模型經過銜接點權重優化，能確保筆觸渾然天成。
3. 提示詞與邊界控制：提示詞應具體描述遮罩區域內的物體，並考量整體環境光照；將 Guidance 設定於 7.0 至 8.0 之間，確保生成的細節與原始黑區無縫接軌。

第三步：以圖生圖（Image-to-Image）進行全局微調與風格轉換

當設計專案已具備理想的構圖結構，但需要統一整套畫面的視覺調性——例如將草稿線條轉為寫實渲染，或是將日景調整為黃昏色調時——設計師會運用 Dezgo 的 Image-to-Image（/image2image）模組。

控制的核心參數是 重繪強度（Strength）：

• 低強度（0.2 – 0.4）：嚴格鎖定原始輪廓線條，僅微調色彩冷暖、柔化筆觸紋理或輕微改變人物微笑程度。
• 中強度（0.5 – 0.7）：保留空間層次與物件相對位置，但全面重塑材料質感、光影反射與環境氣氛。
• 高強度（0.8 – 0.95）：用於將 3D 灰模、粗略線稿或色塊情緒板渲染為精緻插畫，僅借用原始素材的基本色彩分佈與結構主幹。

第四步：完稿輸出與跨平台交付

完成局部修補與整體視覺調諧後，設計師進入最終交付階段：

1. 超解析度無損放大（Upscale）：在 Dezgo 中套用內建的 Real-ESRGAN 模型進行 2 倍放大，強化邊緣銳利度並消除低解析度生成的模糊感。
2. 無損 PNG 匯出：始終匯出無損 PNG 格式，確保後續載入專業排版軟體（Photoshop、Illustrator、Figma）時保留透明度與動態範圍，方便進行圖層疊加與字體編排。
3. 自動化 API 整合：對於需要批次產出電商情境圖或廣告變體的設計團隊，可透過 Dezgo REST API（攜帶 X-Dezgo-Key 標頭）將 /inpainting 與 /text-inpainting 端點直接串接至自動化工具鏈，以用量計費實現規模化生產。

專家實務建議與操作細節

• 遮罩邊界保留羽化緩衝：繪製黑白遮罩時，範圍應略大於瑕疵本體，涵蓋周邊少許完好的背景或皮膚。演算法需要周圍的健康像素作為參考，才能算出平滑自然的邊界光影過渡。
• 避免直接壓縮超大圖檔：Stable Diffusion 1.5 重繪模型針對 512 像素進行最佳化。若直接上傳數千像素的大圖，系統會強制縮小至 1024 像素內。對於超高解析度印刷需求，建議先裁切局部缺陷區域進行 Inpainting，修好後再貼回母圖合成。
• 商業使用授權規範：在 Dezgo 產出的視覺成果歸使用者所有，符合 CreativeML Open RAIL-M 等開源授權協議，可合法用於商業行銷、產品包裝、遊戲資產與客戶驗收專案。

透過文生圖構建基準、局部重繪精確手術、圖生圖整體調性整合，數位設計師能將 Stable Diffusion 轉化為穩定、可控且高性價比的專業視覺生產工具。

參考資料

• Dezgo - Free Online AI Image/Video Generator, Apps & Tools
• Inpainting from text - Free Online AI Image Generator - Dezgo
• Quickstart: Image-to-Image and Inpainting - AI Image Generator API - Flux/Stable Diffusion - Dezgo
• Stable Diffusion 1/2 - AI Image Generator API - Flux/Stable Diffusion - Dezgo
• Stable Diffusion XL Inpainting - AI Image Generator API - Flux/Stable Diffusion - Dezgo
• Overview - AI Image Generator API - Flux/Stable Diffusion - Dezgo