AI 图像术语表
什么是 sampler？
控制去噪过程步进的算法。不同 sampler 的收敛速度不同，即便 seed 相同，输出也会略有差异。
sampler 实际在做什么
模型能预测当前图像里还残留多少噪声，但无法“一步到位”把雪花点变成照片。必须通过许多小步逐渐抵达，并由某个算法决定每一步多大、是否前瞻、以及如何校正离散步进相对连续过程引入的误差。这个算法就是 sampler。本质上它是数值求解器，下拉列表里的名字就是不同求解器的名字。
如何读懂列表里的名字
Euler 最简单，顾名思义：按预测的量前进一步并重复。Euler a 中的“a”表示 ancestral，它会在每一步注入新噪声，因此步数增加时图像不会完全稳定——会持续产生变化。DPM++ 及其同系是更高阶的求解器，通过估计路径曲率、而非假设直线，从而用更少步数达到相近结果。UniPC 等更新条目是同一思路的进一步改进。
ancestral vs deterministic：唯一真正重要的区别
在所有选项中，这个区分最有实用影响。确定性的（deterministic）sampler 会收敛：提高步数，画面趋于稳定，30 步与 50 步几乎一样。Ancestral sampler 每步都会加噪，所以加步数时画面会持续变化、永远不“定型”。若你想复现精确结果或精修同一张图，ancestral 会让你抓狂。
步数，以及“再多也不涨画质”的拐点
sampler 的选择与步数是一个整体决策。高阶 sampler 可能在 20 步达到简单算法 40 步的效果；一旦到达收敛点，再多的步数只会耗时，不会有可见变化。图片不理想时把步数翻倍几乎没用——问题多半在 prompt、seed 或模型本身。
为什么大多数人可以不去动它
sampler 是生成流程里被讨论最多、却最不重要的控制之一。它更多影响细节纹理和小元素的落位，不会决定构图、主体或风格。若画面不理想，重写 prompt 远比在这个列表里来回切换更有用；而且很多托管模型根本不暴露该设置——这恰恰反映了它的重要性有多低。
采样器一览
- 是
- 一种数值求解器
- 决定
- 每一步如何进行
- 随机型
- 不会完全收敛
- 确定型
- 步数增加时趋于稳定
- 常见步数
- 20 到 30
- 对构图的影响
- 无
实际应用
它会出现在哪
Sampler — questions people ask
- AI 图像生成中的 sampler 是什么？
- 把模型从随机噪声推进到成图的算法，决定每一步去噪的步长与形状。
- 哪个 sampler 最好？
- 多数场景下，任一现代的确定性算法都可以。当前 sampler 的差异主要影响细节，不太影响构图与风格；选择远不如 prompt 重要。
- Euler a 里的“a”是什么意思？
- Ancestral。它在每一步注入新噪声，步数越多画面越会变化，无法收敛到稳定结果。
- 我该用多少步？
- 足以收敛即可，别再多——用高阶 sampler 往往 20～30 步。超过拐点只会更慢，看不出变化。
- 为什么我一换 sampler，图像就变了？
- 相同的起始噪声被沿不同路径“走”向结果，细节落位会不同，哪怕 prompt 与 seed 未变。
- sampler 会影响画质吗？
- 影响很小，主要体现在需要的步数上。它不会改变画面里有什么。
- 为什么我的工具没有 sampler 设置？
- 很多托管模型不提供该选项，而是固定一个合理默认。鉴于它影响甚微，这更像理性取舍而非缺失功能。
今天就开始创作
用最佳 AI 图像生成器生成你的第一张图。
用一句话在数秒内生成成片、逼真的图像——随后精修每个细节。无需配置、无需 Discord、无需 GPU。
加入 4,200+ 位创作者正在使用 LaFoto