待验证50% 置信事实精确时间
生成参数中，采样步数决定去噪迭代次数，步数过低画面粗糙、过高收益递减；CFG Scale 控制模型对提示词的服从程度，过高会色彩过饱和、构图僵硬；随机种子（Seed）决定初始噪声，固定种子可在相同提示词下复现结果。
1
来源数
50%
置信度
长期有效
时效性
2026/10/28
首次发现
来源
10月开源神器：Stable Diffusion本地部署全攻略
bilibiliAIGC高手2026/10/28
涉及实体
相关事实
待验证仿真中的随机种子控制伪随机数生成器的初始状态，不同种子会产生不同的环境扰动序列和传感器噪声样本，本质上是蒙特卡洛方法的应用76% 相似已验证Seed控制噪声层面的随机性，提示词不变时切换seed只带来构图和细节纹理的微小差异，而Wildcards在语义层面引入独立随机维度74% 相似待验证即使使用相同提示词，不同seed会产生完全不同的图像；固定seed后，采样步数或CFG引导强度的微小变化也可能导致输出差异74% 相似待验证在扩散模型生成图中反复出现的伪影通常指向训练数据中的系统性偏差，排查方向包括检查权重精度、VAE解码器一致性、采样步数、CFG引导强度、调度器和更换种子。74% 相似已验证扩散模型的迭代去噪过程对数值误差敏感，每步的微小误差会累积并影响最终图像，采样步数越多量化误差影响越大72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1108063API
curl https://kongchang.com/api/v1/knowledge/claims/1108063MCP
get_claim(id=1108063)