Stable Diffusion学习指南，新手一篇学会SD文生图-CSDN博客

本文链接：https://blog.csdn.net/2301_80239908/article/details/148254721

关于文生图

在Stable Diffusion中，有文生图和图生图2种绘图模式，今天我们先来看看如何使用文生图来绘制我们想要的图片。下面是Stable Diffusion文生图界面的基础板块布局，如果你此前更换过主题相关的扩展插件，界面的功能布局可能会有所区别，但主要操作项都是相同的。

Stable Diffusion基础的操作流程并不复杂，一共就分成4步：选择模型—填写提示词—设置参数—点击生成。通过操作流程就能看出，我们最终的出图效果是由模型、提示词、参数设置三者共同决定的，缺一不可。其中，模型主要决定画风、提示词主要决定画面内容，而参数则主要用于设置图像的预设属性。

关于模型需要讲解的内容有很多，我会在后面的文章中单独进行介绍，今天我们重点关注提示词的写法以及各种设置参数的功能和含义，准备好了吗，下面让我们正式开始吧～

提示词的概念

大家都知道，如今的AI工具大多是通过提示词来控制模型算法，那究竟什么是提示词？

对于人类而言，在经过多年的学习和使用后，我们只需简单的几句话便能轻松的沟通和交流。但如今的人工智能还是基于大模型的数据库进行学习，如果只是通过简单的自然语言描述，没有办法做到准确理解。为了更好的控制AI，人们逐渐摸索出通过反馈来约束模型的方法，原理就是当模型在执行任务的时候，人类提供正面或负面的反馈来指导模型的行为。而这种用于指导模型的信息，就被统称为Prompt提示词。

如今的AI工具都是基于底层大模型进行使用的，提示词的本质其实是对这个大模型的深入挖掘和微调，我们可以将它简单理解为人类和AI沟通的桥梁，因为**模型反馈结果的质量在很大程度上取决于用户提供的信息量。**当然这个问题主要还是底层大模型训练不够充分的缘故，像现在很多针对特定风格训练的应用级绘图模型，即使只有寥寥几个词也能绘制出优美的画作。如今很多企业为此还设立了单独的提示工程师岗位，在人工智能领域也有单独的一门学科叫做Prompt Engineering 提示词工程。

微软官方在最近也推出了一份完整的提示工程操作指南，感兴趣的朋友可以去深入学习一下：

对于细分到我们今天要聊的图像生成领域，提示词就是我们用来调节绘图模型的一种方法，通过输入想要的内容和效果，模型就能理解我们想表达的含义，从而实现准确的出图效果。

提示词的基本语法

如今，大部分模型都是基于英文训练，因此输入的提示词大多只支持英文，中间也会夹杂了各种辅助模型理解的数字和符号。由于AI绘图无需经历手绘、摄影等过程就能凭空生成图片，国内最早一批AI爱好者贴切的将AI绘画过程比作施展魔法，提示词就是我们用来控制魔法的咒语，参数就是增强魔法效果的魔杖。

3.1 基础书写规范

相较于简单易上手的Midjourney，Stable Diffusion的咒语上除了prompt（正向关键词）外，还有Negative prompt反向关键词。顾名思义，正向提示词用于描述想要生成的图像内容，而反向关键词用于控制不想出现在图像中的内容，比如目前很多模型还无法理解的手部构造，为了避免出现变形，我们可以提前在反向关键词中输入手部相关的提示词，让绘图结果规避出现手的情况。不过目前很多反向提示词都已经集成到Embedding模型中，使用时只需输入模型触发词即可，在后续的文章中我会详细介绍。

前面我们提到Stable Diffusion只支持识别英文提示词，因此大家务必记住全程在英文输入法下进行输入，模型是无法理解中文字符的。但好消息是我们不用像学习英语时那样遵照严格的语法结构，只需**以词组形式分段输入即可，词组间使用英文逗号进行分隔。**除了部分特定语法外，大部分情况下字母大小写和断行也不会影响画面内容，我们可以直接将不同部分的提示词进行断行，由此来提升咒语的可读性。

在Stable Diffusion中，提示词默认并不是无限输入的，在提示框右侧可以看到75的字符数量限制。不过不用担心内容过长的问题，作者A41大佬提前在WebUI中预设好了规则，如果超出75个参数，多余的内容会被截成2段内容来理解。注意这里表示的并非75个英文单词，因为模型是按照标记参数来计算数量的，一个单词可能对应多个参数。