惊喜！4G显卡也能用Stable Diffusion啦

上周六 Stable Diffusion WebUI 发布了 1.8.0 版本。

新版本主要特点如下：

• 将touch2.1.2更新到版本 2.1.2，提高了稳定性

• FP8 支持，新增了对八位精度模型的支持，降低了硬件门槛

• 支持 SDXL-Inpaint 模型

• 使用 Spandrel 进行升级和面部修复架构

• 自动向后版本兼容性（从指定了程序版本的旧图像加载信息文本时，将添加兼容性设置）

• 实现零终端 SNR 噪声计划选项

• 添加一个 [✨] 按钮以对库中的选定图像运行局部修复

• 独立的资产存储库;在本地提供字体，而不是从 Google 的服务器提供字体

• 官方 LCM 采样器支持

• 添加对 DAT 升频器型号的支持

• 额外网络树视图

• NPU 支持

总体来说，该版本更新亮点较多，但稳定casket和SVD视频功能未加入略显遗憾。最重要的是，Stable Diffusion Webui 1.8.0版本更新，对硬件要求将大幅降低！

使用方法

官方仓库地址：

https://github.com/AUTOMATIC1111/stable-diffusion-webui

首先，我们需要更新我们的用户界面。如果你们正在使用Automatic 1111或Forge的手动安装，需要编辑webui-user.bat文件，并在这两行之间添加”git pull”命令，如屏幕上所示。如果你们正在使用Forge的便携版本，需要双击update.bat文件。如果你使用的是秋葉版的整合包，你可以尝试从启动器进行版本的升级！

\--reinstall-torch --reinstall-xformers

git pull

一个重大的新特性是Torch升级到2.1.2版本。这个版本提高了Torch执行所有操作的效率和速度。

在Image to Image选项中，我们现在有了Soft Inpainting选项，这是一种改进的inpainting，能够在我们应用Inpaint修复的区域实现更平滑、自然的融合。你们可以通过修改这些参数来改善Inpaint处理区域的融合效果。如果你们想知道这些参数各自的作用，可以打开Help选项，那里会对每个参数进行详细描述。从这个版本开始，所有Stable Diffusion XL模型都将在Inpainting模式下工作，我们将能够获得比之前更好的出图效果！

在这个版本中，FP8（“八位浮点数”）模式已经可用，对于电脑配置偏低的小伙伴来说，这可能是一个好消息！它可以减少我们的显存消耗。

从指定程序版本的旧图像加载信息文本时，将添加兼容性设置，增强了兼容性。

这个版本集成了“高分辨率修复”按钮。点击这个按钮，我们将根据当前的Hires.Fix配置放大和提升图像细节。

从这个版本开始，正式内置了LCM采样方法。以前是需要安装了AnimateDiff，才会在采样方法列表中看到LCM。

如果你们想了解更多关于LCM的信息，可访问《AnimateDiff+LCM实现stable diffusion生成视频几何级提速》

从这个版本开始，可以使用DAT类型的高清放大算法。在放大算法列表中，我们可以看到新增了3个DAT的放大算法。

现在，我们可以对所有模型进行排序和分类，无论是Checkpoints、Loras还是任何其他类型，都可以按照我们希望的文件夹结构进行排序。例如，通过这个修改，我们可以看到我们的checkpoint模型文件夹层次结构的树状结构。

这个版本增加了对专门用于处理深度学习算法的NPU处理卡的支持。如果你有类似的硬件设备，那这对你来说一定是一个好消息！

本次版本最大的更新，可能就是touch更新到2.1.2，不过还不是最新版本的pytorch 2.2.2版（在forge分支上已实现了）。

Stable diffusion webui上，最关键的问题是，如何又快又高质地出图了，因为turo的推出让出图速度有飞的提升，但出图质量让人堪忧。然后现在又有了eulurA Turbo这个采样器，弥补了这个问题。

新版本下网友 @germandai 给出的stable diffusion webui 高质极速出图组合建议。

• 模型(model)： sd turbo

• 采样器(sampler)： Euler A Turbo

• 采样步数(steps)： 2

• 提示词 相关性Q(CFG)： 1

• 生成实例： 矿卡40hx，512x512，一组八张，示图如下

• 用时： 6.7 sec.<–这是出八张的时间，平均每张不到1秒

写在最后

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。

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。
 

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、AIGC必备工具

工具都帮大家整理好了，安装就可直接上手！

三、最新AIGC学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、AIGC视频教程合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

若有侵权，请联系删除