首頁內容關於
Top 5
2025年最後一個月的圖庫網賺收入8萬3收尾，明明12月該是圖庫的旺季現在都旺不起來了……
2025年結算圖庫網賺總年收不到百萬，已經是連續第二年下滑，比去年收入少了快30%….@@
這幾年AI繪圖影響市場景氣再加上不再持續供圖，真的讓業績快速下滑@@。現在只祈禱每年下滑的速度不要太快，圖庫產業
隨著這幾年在台灣的日常生活花費已不再需要靠圖庫網賺的金流來支應，以及為了讓資產可以多些分散配置考量，所以近期開始讓圖庫網賺收入都全數改匯到國外的投資帳戶，順便省下每次跨國匯款的各項手續費用。下面是我目前所有圖庫平台收入的金流途徑選擇以及中間的費用成本供大家參考。
第三款的Game App – Snap Turn是之前在Udemy上買的初級課程，想說都花時間邊看教學邊實作了就別浪費，不如就在原本課程的基礎上再多添加些功能後也上架到Google Play。
這個3D小遊戲本身很單純，就是考驗反應速度，在每次隨機生成的各個轉角路面上快速控制車子調轉方向以免脫離路
2026丙午馬年 農曆新年的向量素材圖總算差不多快上架完了~
馬年的農曆新年圖3個月前就畫完了，但近期 ShutterStock的審圖效率實在有點差，和它的業績一樣令人覺得糟心…..唉….。
總之不管了，今年的圖庫工作已經完結，2025年眼看也就只剩3個月，趁目前圖庫還是持續有收入進帳的狀態下將
2025年最後一個月的圖庫網賺收入8萬3收尾，明明12月該是圖庫的旺季現在都旺不起來了……
2025年結算圖庫網賺總年收不到百萬，已經是連續第二年下滑，比去年收入少了快30%….@@
這幾年AI繪圖影響市場景氣再加上不再持續供圖，真的讓業績快速下滑@@。現在只祈禱每年下滑的速度不要太快，圖庫產業
隨著這幾年在台灣的日常生活花費已不再需要靠圖庫網賺的金流來支應，以及為了讓資產可以多些分散配置考量，所以近期開始讓圖庫網賺收入都全數改匯到國外的投資帳戶，順便省下每次跨國匯款的各項手續費用。下面是我目前所有圖庫平台收入的金流途徑選擇以及中間的費用成本供大家參考。
第三款的Game App – Snap Turn是之前在Udemy上買的初級課程，想說都花時間邊看教學邊實作了就別浪費，不如就在原本課程的基礎上再多添加些功能後也上架到Google Play。
這個3D小遊戲本身很單純，就是考驗反應速度，在每次隨機生成的各個轉角路面上快速控制車子調轉方向以免脫離路
2026丙午馬年 農曆新年的向量素材圖總算差不多快上架完了~
馬年的農曆新年圖3個月前就畫完了，但近期 ShutterStock的審圖效率實在有點差，和它的業績一樣令人覺得糟心…..唉….。
總之不管了，今年的圖庫工作已經完結，2025年眼看也就只剩3個月，趁目前圖庫還是持續有收入進帳的狀態下將
赫爾辛基(Helsinki )是芬蘭的首都以及全國最大城市，芬蘭語和瑞典語同為官方語言，於西元1550年建城。 赫爾辛基位在芬蘭南端隔著波羅的海與愛沙尼亞首都塔林相距約80公里，從塔林搭渡輪到赫爾辛基只要2~2.5個小時左右。
赫爾辛基的交通
運行 塔林 – 赫爾辛基 間的船班有Viking Li
愛沙尼亞首都塔林(Tallinn)市中心的舊城區是東歐其中一個歷史悠久的城市，建於西元13到16世紀，1997 年成為聯合國世界文化遺產。舊城區主要分成兩部分 : 上城區(Upper Town) 與 下城區(Lower Town)。
→ 塔林舊城區地圖參考連結
地圖上左側為上城區，右側為下城區，
愛沙尼亞共和國，通稱愛沙尼亞（Estonia），為波羅的海三小國之一，首都及全國最大城市為塔林(Tallinn)。國土由大陸部分和波羅的海中的2222個島嶼組成，總面積42,388平方公里，人口約140萬，為世界高收入經濟體之一，因此三小國中，愛沙尼亞的物價消費都遠比立陶宛與拉脫維亞高出許多。愛沙
里加中央市場(Riga Central Market)不僅僅是拉脫維亞境內最大的市場，同時還是全歐洲最大的市場。市場建設工程從1924年開始，1930年完工。 市場的主體結構是重新改建五個德國舊齊柏林飛船的飛機棚，再添加了新古典主義和裝飾藝術風格。市場面積達7萬多平方公尺，大約有3000個攤位。於
拉脫維亞(Latvia)，全稱拉脫維亞共和國(Republic of Latvia)，是波羅的海三小國之一。北、南、東分別與愛沙尼亞、立陶宛及俄羅斯為鄰，總人口數約192萬人，國土面積64,589 平方公里，首都里加(Riga)。其中里加老城是拉脫維亞首都里加的歷史中心，位於道加瓦河東岸，以其古老
從立陶宛首都維爾紐斯到拉脫維亞首都里加的距離295公里。為了節省旅途行程時間 & 省得拖著行李到處移動的麻煩，我們決定包車一天移動這段路線，並且中途沿線停留幾個立宛陶與拉脫維亞境內的景點。
維爾紐斯→考納斯→聖十字架山→隆黛爾宮→薩拉比斯紀念樂團
這天實際移動起來，說實在有點太趕了，如果是先己搭
特拉凱(Trakai)是一個鄉村小鎮，距離維爾紐斯市中心大約30公里，之前曾經是立陶宛大公國首都，擁有32個湖泊、林木茂盛，優美的景致，也是維爾紐斯的後花園。
在火車站附近的維爾紐斯巴士站搭車，279號 Vilnius – Trakai。
下車後看車站旁的地圖指示(點擊放大下圖)，即可步行到特
維爾紐斯舊城區被譽為東歐規模最大中世紀老城、也是全歐洲最大的巴洛克式舊城，且在1994年也被列為世界文化遺產。在市區時可抽空一天一早可以先到中央市場裡吃個早餐逛逛，接下來整天再悠閒慢慢欣賞老城區裡的教堂建築古蹟與各式特色小店。
維爾紐斯 中央市場(Hall Market)
中央市場營業時間從早上7
結束近一個月俄羅斯行程，接下來來到波羅的海東岸的波羅的海三小國之一的立陶宛。從莫斯科到立陶宛的首都維爾紐斯(Vilnius)搭飛機大約1個半小時就到，都千里迢迢來到莫斯科了，怎麼能不順道繞過去看看呢？
立陶宛(Lithuania)全名”立陶宛共和國”，人口約280萬，國土面積6.5萬平方公里，使用
莫斯科克里姆林宮（Moscow Kremlin）位於俄羅斯首都莫斯科市中央行政區特維爾區的一個建築群，是俄羅斯聯邦政府行政總部所在地及象徵建築，同時也是俄羅斯總統駐地。克里姆林宮南面俯瞰莫斯科河，東臨聖巴西爾大教堂與紅場，西接亞歷山大花園與無名烈士墓。由四座宮殿、四座大教堂、十九座塔樓組成，是俄羅
赫爾辛基(Helsinki )是芬蘭的首都以及全國最大城市，芬蘭語和瑞典語同為官方語言，於西元1550年建城。 赫爾辛基位在芬蘭南端隔著波羅的海與愛沙尼亞首都塔林相距約80公里，從塔林搭渡輪到赫爾辛基只要2~2.5個小時左右。
赫爾辛基的交通
運行 塔林 – 赫爾辛基 間的船班有Viking Li
愛沙尼亞首都塔林(Tallinn)市中心的舊城區是東歐其中一個歷史悠久的城市，建於西元13到16世紀，1997 年成為聯合國世界文化遺產。舊城區主要分成兩部分 : 上城區(Upper Town) 與 下城區(Lower Town)。
→ 塔林舊城區地圖參考連結
地圖上左側為上城區，右側為下城區，
愛沙尼亞共和國，通稱愛沙尼亞（Estonia），為波羅的海三小國之一，首都及全國最大城市為塔林(Tallinn)。國土由大陸部分和波羅的海中的2222個島嶼組成，總面積42,388平方公里，人口約140萬，為世界高收入經濟體之一，因此三小國中，愛沙尼亞的物價消費都遠比立陶宛與拉脫維亞高出許多。愛沙
里加中央市場(Riga Central Market)不僅僅是拉脫維亞境內最大的市場，同時還是全歐洲最大的市場。市場建設工程從1924年開始，1930年完工。 市場的主體結構是重新改建五個德國舊齊柏林飛船的飛機棚，再添加了新古典主義和裝飾藝術風格。市場面積達7萬多平方公尺，大約有3000個攤位。於
拉脫維亞(Latvia)，全稱拉脫維亞共和國(Republic of Latvia)，是波羅的海三小國之一。北、南、東分別與愛沙尼亞、立陶宛及俄羅斯為鄰，總人口數約192萬人，國土面積64,589 平方公里，首都里加(Riga)。其中里加老城是拉脫維亞首都里加的歷史中心，位於道加瓦河東岸，以其古老
從立陶宛首都維爾紐斯到拉脫維亞首都里加的距離295公里。為了節省旅途行程時間 & 省得拖著行李到處移動的麻煩，我們決定包車一天移動這段路線，並且中途沿線停留幾個立宛陶與拉脫維亞境內的景點。
維爾紐斯→考納斯→聖十字架山→隆黛爾宮→薩拉比斯紀念樂團
這天實際移動起來，說實在有點太趕了，如果是先己搭
特拉凱(Trakai)是一個鄉村小鎮，距離維爾紐斯市中心大約30公里，之前曾經是立陶宛大公國首都，擁有32個湖泊、林木茂盛，優美的景致，也是維爾紐斯的後花園。
在火車站附近的維爾紐斯巴士站搭車，279號 Vilnius – Trakai。
下車後看車站旁的地圖指示(點擊放大下圖)，即可步行到特
維爾紐斯舊城區被譽為東歐規模最大中世紀老城、也是全歐洲最大的巴洛克式舊城，且在1994年也被列為世界文化遺產。在市區時可抽空一天一早可以先到中央市場裡吃個早餐逛逛，接下來整天再悠閒慢慢欣賞老城區裡的教堂建築古蹟與各式特色小店。
維爾紐斯 中央市場(Hall Market)
中央市場營業時間從早上7
結束近一個月俄羅斯行程，接下來來到波羅的海東岸的波羅的海三小國之一的立陶宛。從莫斯科到立陶宛的首都維爾紐斯(Vilnius)搭飛機大約1個半小時就到，都千里迢迢來到莫斯科了，怎麼能不順道繞過去看看呢？
立陶宛(Lithuania)全名”立陶宛共和國”，人口約280萬，國土面積6.5萬平方公里，使用
莫斯科克里姆林宮（Moscow Kremlin）位於俄羅斯首都莫斯科市中央行政區特維爾區的一個建築群，是俄羅斯聯邦政府行政總部所在地及象徵建築，同時也是俄羅斯總統駐地。克里姆林宮南面俯瞰莫斯科河，東臨聖巴西爾大教堂與紅場，西接亞歷山大花園與無名烈士墓。由四座宮殿、四座大教堂、十九座塔樓組成，是俄羅
由於現有顯卡性能限制，想要在圖生圖裡重繪放大一張圖到4k以上的尺寸就得要借用各種分格繪圖再重拼接成大圖的方式，無法一次生成。之前試過大家很推崇的Ultimate SD upscale，但對於我要重繪放大的”真人寫實照片”類型的圖來說，一直出現各種問題........
關於Tile模型，在網路上普遍的教學說法就是它可以”增加畫面細節”、”高清修復放大”，有多神多好用，用了它會讓原圖畫面變更細緻/精緻….等等。但一開始看了很多Youtube上對於tile的教學，我整個印象就是沒能有一個貫通的邏輯性有很明確的指出Tile到底對SD起到的約束/影響是什麼.....
ControlNet的Inpaint主要功能和我們過去圖生圖裡的Inpaint局部重繪大致是一樣的作用，而其中一個預處理器(inpaint_only_lama)還可以產出不錯的背景填充延伸圖(Outpainting)。
ControlNet 官方的其它特殊效果主要有 Shuffle、Tile、Inpaint、IP2P、Reference，其中Tile和Inpaint會花比較多篇幅就之後另外再介紹，這篇就先來看Shuffle & IP2P & Reference這三種ControlNet成像效果。
Shuffl
語義分割(Semantic Segmentation)指的就是針對畫面中每個像素點進行辨別分類(山、河流、人、車、沙發….等)，並將同一類型的區域分塊標註成特定顏色。而ControlNet的控制約束裡就有這一項功能。
ControlNet的OpenPose是一開始最主要引起大家關注的一項約束類型。透過提取出原圖中人物的動作姿勢骨架圖，讓我們可以更精準地做到對成像人物姿勢的掌控，即使是一些光靠文字描述也形容不出的動作姿勢，也能輕易實現。
OpenPose 預處理器 & 實例
OpenPose目前的預處理器有
ControlNet的Depth可以提取出畫面中人物/物體的前後關系/前景後景的分別，而Normal(法線)則可以紀錄出畫面中物體的凹凸面訊息。透過這兩種ControlNet約束類型，就可以幫助我們對成像的空間深度關係與物體的凹凸立體感/亮面暗面的光影效果進行約束控制。
Depth
Dept
ControlNet裡，目前針對邊緣檢測進行線條約束的類型分別有Cannny、Lineart、SoftEdge、Scribble以及MLSD。
雖然有了圖生圖讓我們除了文字描述外，能利用圖片參照的方式對Stable Diffusion生成結果進行引導，但它仍然還有許多不足的地方。有些時後我並不想整張圖都完全參照，只是想提取出參考圖中單一/部分的特定元素(構圖、人物/物體間空間關係、配色、肢體動作、外觀輪廓……等)來對生成的圖像結果進行約束.
由於現有顯卡性能限制，想要在圖生圖裡重繪放大一張圖到4k以上的尺寸就得要借用各種分格繪圖再重拼接成大圖的方式，無法一次生成。之前試過大家很推崇的Ultimate SD upscale，但對於我要重繪放大的”真人寫實照片”類型的圖來說，一直出現各種問題........
關於Tile模型，在網路上普遍的教學說法就是它可以”增加畫面細節”、”高清修復放大”，有多神多好用，用了它會讓原圖畫面變更細緻/精緻….等等。但一開始看了很多Youtube上對於tile的教學，我整個印象就是沒能有一個貫通的邏輯性有很明確的指出Tile到底對SD起到的約束/影響是什麼.....
ControlNet的Inpaint主要功能和我們過去圖生圖裡的Inpaint局部重繪大致是一樣的作用，而其中一個預處理器(inpaint_only_lama)還可以產出不錯的背景填充延伸圖(Outpainting)。
ControlNet 官方的其它特殊效果主要有 Shuffle、Tile、Inpaint、IP2P、Reference，其中Tile和Inpaint會花比較多篇幅就之後另外再介紹，這篇就先來看Shuffle & IP2P & Reference這三種ControlNet成像效果。
Shuffl
語義分割(Semantic Segmentation)指的就是針對畫面中每個像素點進行辨別分類(山、河流、人、車、沙發….等)，並將同一類型的區域分塊標註成特定顏色。而ControlNet的控制約束裡就有這一項功能。
ControlNet的OpenPose是一開始最主要引起大家關注的一項約束類型。透過提取出原圖中人物的動作姿勢骨架圖，讓我們可以更精準地做到對成像人物姿勢的掌控，即使是一些光靠文字描述也形容不出的動作姿勢，也能輕易實現。
OpenPose 預處理器 & 實例
OpenPose目前的預處理器有
ControlNet的Depth可以提取出畫面中人物/物體的前後關系/前景後景的分別，而Normal(法線)則可以紀錄出畫面中物體的凹凸面訊息。透過這兩種ControlNet約束類型，就可以幫助我們對成像的空間深度關係與物體的凹凸立體感/亮面暗面的光影效果進行約束控制。
Depth
Dept
ControlNet裡，目前針對邊緣檢測進行線條約束的類型分別有Cannny、Lineart、SoftEdge、Scribble以及MLSD。
雖然有了圖生圖讓我們除了文字描述外，能利用圖片參照的方式對Stable Diffusion生成結果進行引導，但它仍然還有許多不足的地方。有些時後我並不想整張圖都完全參照，只是想提取出參考圖中單一/部分的特定元素(構圖、人物/物體間空間關係、配色、肢體動作、外觀輪廓……等)來對生成的圖像結果進行約束.
