关于Stable Diffusion 3.5，这里有你需要知道的一切：免费可商用，和Flux比谁强？ | SD3.5使用教程，含ComfyUI工作流与整合包

AI极客菌

已于 2024-12-31 11:50:19 修改

阅读量2.1k

点赞数 28

文章标签： stable diffusion 音视频 AI作画人工智能 AIGC 人工智能作画 ai

于 2024-11-29 15:26:14 首次发布

本文链接：https://blog.csdn.net/2401_85688943/article/details/144138341

版权

Stable Diffusion 3.5 重磅登场，带来诸多惊喜！它最大的亮点之一便是免费可商用，这对于创作者和商业项目来说极具吸引力。
在与 Flux 的比较中，各有千秋。Stable Diffusion 3.5 凭借其成熟的技术体系，在图像生成质量上表现卓越。它能够根据输入的描述精准地生成细腻、逼真的图像，色彩还原度高，细节丰富。

在这里插入图片描述

本文不仅深入探讨其特性，还为您呈上详细的使用教程。通过 ComfyUI 工作流与整合包，即使是新手也能快速上手。从参数设置到模型导入，一步步引导您充分发挥 Stable Diffusion 3.5 的强大功能。无论是艺术创作、广告设计还是影视特效等领域，了解和掌握 Stable Diffusion 3.5 都将为您开启全新的创作之门，助力您在数字创作的世界里游刃有余，收获更多令人惊艳的成果。

目前SD3.5适配度最高的还是ComfyUI，还是推荐大家先把ComfyUI先下载好。

显卡方面推荐N卡，如果打算用Large的话最好是24GB以上的显存、Medium最少16GB、量化版Medium至少12GB。

而内存需求如果用原版T5文本编码器的话需要64GB，而量化版T5文本编码器则是至少32GB。

图片来源：Nenly同学

当然如果没能达到上述需求的配置也能运行模型，但可能生成速度会很慢，也可能爆显存导致系统报错等问题。如果以上配置需求达标的话就可以进行本地部署，如果不达标的话我会比较推荐进行云端部署“在线”的ComfyUI。

本地部署的话可以看我之前的这篇笔记：什么！还有高手？（AI绘画：ComfyUI的基本安装和使用）

在昨天的笔记中下载好SD3.5基础模型本体之后，将其放在这个路径下方：

ComfyUI（根目录）/models/checkpoints

下载地址：https://huggingface.co/collections/stabilityai/stable-diffusion-35-671785cca799084f71fa2838

除了基础模型本体以外还需要下载文本编码器：

https://huggingface.co/stabilityai/stable-diffusion-3-medium/tree/main/text_encoders

文件放置路径在这里：

**ComfyUI（根目录）/models/clip
**

不过我这里要提一嘴，因为模型都是16GB起步需要下载的时间比较久，如果显存在8-16GB之间的小伙伴最好先用Medium模型试试，24GB的小伙伴就可以都下载了。

在准备好了这些之后启动ComfyUI，在网盘链接中也有工作流的下载，直接将工作流拖拽到ComfyUI中。

在这里插入图片描述

这里简单解析一下Large工作流的用法：

只需要四步操作：

第一步在最左侧的模型加载板块选择模型和CLIP

如果没有更改默认名称的话，现在是处于默认选中了的状态，保守起见还是手动再选择一次确保主要模型是sd3.5_large.safetensors

第二步，在右侧的提示词把板块用准确的语言描述想要生成的内容

这里不太需要太多的修辞用自然语言即可，我是懒得写直接先抄一段提示词试试。

下面还有一个用于输入负面提示词的框，但是新版本的ComfyUI不需要专门输入一些诸如worst quality、ugly之类的

第三步，在尺寸板块中输入生成图像的尺寸。

推荐输入的生成像素在100万像素左右，这里是尺寸参考：

图片来源：Nenly同学

然后就可以点击生成了，等一会会在最右侧的预览图像窗口中生成图像：

在采样的地方一般维持官方给的默认参数，如果要自己尝试的话可以更改采样器但是不要碰调度器。

在上方还有一些辅助参数，一般不需要更改

这里有个ModelSamplingSD（模型的采样偏移数值）是一个用于稳定高分辨率不下生成效果的因素。

其他的节点则是在利用负面条件清零机制（Conditioning Zero Out）影响负面提示词的作用，通过将清零后的条件作用在特定时间步数内（除去开头10%的其他步数）可以实现对图像生成的精细控制，同时避免它们影响过渡生成。

在掌握了简单的Large模型生成步骤之后，其他的两个生成流程其实是大差不差的，这个Large Turbo相当于是一个加速模型，生成的时间只需要Large模型的十分之一。

其实现加速的方式是缩短了采样所需的步数，整个流程的步骤和Large的一致，唯一不同的是采样参数里的步数。

常规模型需要20步以上来完成一张图片的生成，这里只需要4步，与此同时对应的CFG数值需要降低到1。

生成速度确实很快，不过在同一提示词下，原版Large模型的生成效果是明显要优于Turbo的。

不过要知道一点，Turbo是生成速度更快，但是比起原版的Large并不会降低配置占有，这个时候就是用到Medium模型的时候了。

Medium的参数量只有Large模型的30%左右，其工作流大部分地方和Large一样，不一样的只有CFG、零化的步骤分配。

用Medium生成速度会非常快且占用显存很低

而实际生成效果呢？

好像还可以，不过根据一些原视频评论区的小伙伴和UP主有提到Medium的语义细节的实现上要比Large马虎一些。

但是转念一想这个Medium的训练量是和SDXL一个级别的，再加上低配置需求带来效率上的提升，这样一看Medium其实还不错。

Medium很适合去做各种风格类型的尝试，反复的快速抽卡能够让我更快得到想要的成品。

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。

在这里插入图片描述

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。
在这里插入图片描述