Stable Diffusion：如何使用

最新推荐文章于 2024-09-13 09:33:14 发布

程序员超超

最新推荐文章于 2024-09-13 09:33:14 发布

阅读量803

点赞数 23

文章标签： stable diffusion 人工智能 AI作画服务器 midjourney

原文链接：https://blog.csdn.net/weixin_40986713/article/details/134179763

版权

Stable Diffusion无疑是近期最热门的AI生成图像模型之一。它的出现不仅颠覆了人们对人工智能的认知,也引发了关于AI创作的广泛讨论。那么,作为一个普通用户,我们究竟该如何使用Stable Diffusion呢?本文就为大家详细介绍。

要明白如何使用，首先我们需要了解stable diffusion的界面的各个参数都代表什么，如何调整

提示词

提示词又分为正面提示词和负面提示词，正面提示词就是你希望stable diffusion绘图的目标方向，而负面提示词则是你希望stable diffusion避免的方面

例如我们填以下正面提示词

填以下负面提示词

得到以下图片

采样方法

采样方法是不同的采样算法进行绘图，不同的采样方法，最终得出的效果也是不尽相同，以下是主要几个采样方法所适合的模型

Euler a ：适合插画，二次元，漫画风，tag利用率仅次于DPM2和DPM2 a，环境光效不行，构图有时很奇葩
Euler：柔和，也适合插画，环境细节与渲染好，背景模糊较深。
Heun：单次出图平均质量比Euler和Euler a高，但速度最慢，高step表现好。
DDIM：适合宽画，速度偏低，高step表现好，负面tag不够时发挥随意，环境光线与水汽效果好，写实不佳。
DPM2：该采样方法对tag的利用率最高，几乎占80％+
DPM2 a：几乎与DPM2相同，对人物可能会有特写
PLMS：单次出图质量仅次于Heun。
LMS：质感OA,饱和度与对比度偏低，更倾向于动画的风格
LMS Karras：会大改成油画的风格，写实不佳。

不同的采样方法对应不同的迭代步数，不同的模型，都有不同的效果，多试试其中的不同

模型

模型分为几种类型

模型	存放路径	描述
Checkpoint	stable diffusion安装目录\models\Stable-diffusion	也叫Ckpt模型或大模型，是绘图的基础主模型，不同的大模型有不同的绘图风格
VAE	stable diffusion安装目录\models\VAE	搭配主模型使用，起调色和微调作用
Embedding	stable diffusion安装目录\models\embeddings	提词打包模型，可以生成指定角色的特征、风格或画风
Hypernetwork	stable diffusion安装目录\models\hypernetworks	类似Embedding模型的效果，常用语画风、效果的转换
LoRA	stable diffusion安装目录\models\Lora	搭配主模型使用，用于样式修改

其他参数

宽度：调整照片宽度
高度：调整照片高度
面部修复：用于修复面部的怪异，生成人物勾选
高分辨率修复：通过算法放大图片的分辨率
提示词引导次数：用来控制提示词与出图相关性的一个数值。一般来说，CFG设置为5-15之间是最常规以及最保险的数值。过低的CFG会让出图饱和度偏低，过高的CFG则会出现粗矿的线条或过度锐化的图像，甚至于画面出现严重的崩坏。
迭代步数：希望AI的绘图次数（配合不同的采样器，需要使用不同迭代步数，一般在20-30即可，并不是越高越好）
随机种子：若生成的图像比较满意，可以保存随机种子，用当前随机种子重新生成图片，产生的变化较小
总批次数/单批数量：生成图片数量

AI工具SD整合包、各种模型插件、提示词、AI人工智能学习资料都已经打包好放在网盘中了，无需自行查找，有需要的小伙伴文末扫码自行获取。

写在最后

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。