AI绘画Stable Diffusion & 哩布哩布免电脑配置入门实操篇！

一、了解 SD 与哩布哩布

1. SD简介

SD全称为 Stable Diffusion，与 Midjourney（MJ）一样，也是一款AI绘画软件，SD 的核心原理是潜在扩散模型（LDM），通过该技术，SD能够将原始图像转化为噪声图像，然后逐渐去除噪声，生成最终的逼真绘画。相比于 Midjourney，它具有更强的可控性，它把一切的控制权都交给你。在许多商业场景中更加实用，操作复杂度也会高一点。但 MJ 与 SD 是目的性不同的工具，MJ是视觉表现工具，SD 是制作取向工具，不同需求者会在不同的阶段使用它们，而且两者并不冲突，在制作上可以相互配合互补。

2. LiblibAI (以下简称Lib)

下面跟大家强烈推荐哩布哩布（https://www.liblib.art/），它原来是一个模型分享和下载的网站，后来有了在线 SD 的功能。其界面设计与原生 SD 基本上一样的，Lib 不仅可以本地部署，并提供了 SD 大模型的下载；同时作为一个 SD 生态网站，它可以线上体验 SD 功能，不需要科学上网。

由于本地部署对于电脑硬件要求很高，不仅要求中高端显卡,同时还需要安装和设置软件环境。如果你是 AI 新人，在没有时间和设备的前提下想要试试AI绘图，照着网上的教程做一些东西，为自己的学习和工作提供更多助力，Lib 线上版会是非常适合你的学习平台和生产工具，目前每天可以免费生成 300 张，还是很赞的。

本文以下介绍均基于在线版 Lib，适用于新手体验与学习。（对于想要安装本地部署的，以下为网上搜集的安装配置要求，可参考，如果你是Mac本就不用考虑了。）

电脑配置要求

显卡(最重要):N卡 (Nvidia) 显存4GB以上，但是至少8 GB 用起来才会比较舒服，不然渲染一张 512*512 的小图就需要几分钟体验感很差。不推荐A卡(AMD) ，最低配置 GT X 1060，不到一分钟一张图；建议配置 GT X 3060 ，10秒左右一张图；高配 GT X 3080 GT X 4090 ，体验三秒一张图。

内存:尽量16GB 及以上，因为在出图的时候我们除了开 SD 软件，可能同时会打开各种参考图网站，SU 模型，PS 修图等等,容易卡死。

CPU 处理器:AI 绘图主要用 GPU 计算，不太吃 CPU，与显卡相匹配的处理器就可以。 硬盘储存空间:100GB 以上，软件本体在20-30GB，后期还需要下载很多大的模型，每个模型一般也有2-5GB，还有各种 Lora 模型，所以储存越大越好。

SD基础软件安装：推荐大家直接安装 Stable Diffusion WebUl 资源整合包（网上搜索秋叶的一键安装包）

二、基本界面认识

1. 网站首页

打开网址 https://www.liblib.art/ 后，就到了网站首页（如下图），可以看到大幅页面为模型广场，是Lib提供的海量模型库。右上角注册登录，点左侧创作区域的【在线生图】，即可到做图操作页面。

在开始生图前，我们可以先在 Lib 上找到众多已经预训练好的模型，一键添加到自己的模型列表中，就可以直接使用。比如，我想要搜索插画类大模型，可以在类型选择 CHECKPOINT，搜索框内写插画，即可找到类似模型。

2. 做图页面

点击【在线生图】，转到做图操作页面。如下图，主要包括大模型选择框，功能标签栏，提示词填写区，提示词操作区，高级参数设置区，结果生成区，结果处理区（图片生成后出现）。

3.关于模型

基本大模型 CHECKPOINT（必须要选择）

大模型有3类‍

2D 二次元模型：动画插画，偏向平面的二次元人物，例如：AWpainting；

2.5D 模型：偏向 3D 的动画人物，游戏道具人物，盲盒，玩具等，例如：Rev animated；

3D 写实类模型：真实影片，真人写真，实物拍摄，例如：Chillout Mix，麦橘写实。

前面界面认识部分已经介绍过网站首页就是模型广场，你可以在模型广场去了解和探索自己喜欢的大模型，并进行收藏加入自己的模型库，后面在做图时就可以选择对应大模型出类似风格的图。

在生图的操作页面，点开左上角的模型选择区域【CHECKPOINT】，（可选默认的模型，也可以自己添加其他各类模型），点击模型后的问号（❓），也可以跳转到模型介绍页面查看其基本介绍信息，如下所示。

Lora 小模型（可选可不选）

Lora 为 SD 的一个插件，可以将其理解为辅助的提示词，让 AI 有更加细化的风格作为参考，你选择了小模型后，提示词框内会加上对应的触发关键词。

和收藏大模型一样，在模型广场上也一样可以查找添加 Lora 小模型到自己的模型库，打开对应模型页面后还可以查看模型创作者给你的玩法提示，帮助你设置你的参数。

在作图界面的提示词操作区点开【打开预览】（如下截图）可以看到自己收藏的 Lora 模型。甚至于你也可以训练你自己的 Lora 模型（高阶玩法，需购买会员）。

4.关于提示词

SD 里提示词区域包括正面提示词和负面提示词。负面提示词即你不想要画面中出现的内容，你也可以不填写。总体来说，如果你已经对 MJ 有所了解的话，提示词对你来说就很简单。并且在这里你直接用中文写也可以，然后点击右上角的翻译，它可以帮你翻译为英文。

注意：1.相比于 MJ 可以理解长句子，SD 更适合短语。2.提示词中画风描述词要与所选择的大模型相匹配。如果有冲突，系统会优先按模型效果。比如你选择的模型是二次元的 Awpainting，提示词写了写实风格，最后生成的图依然会是二次元风格。

💡 关于prompt的一些规则

1.权重设置：（提示词）给提示词加一层小括号表示增加权重1.1倍，加2层小括号，（（提示词））即增加权重 1.1 乘 1.1=1.21 倍；[提示词]给提示词加一层中括号表示降低权重为0.9倍，同理两层总括号即降低权重 0.9 乘 0.9=0.81 倍；（提示词：1.X)代表提升提示词权重1.X倍 ；（提示词：0.X)代表降低提示词权重0.X倍。最后这个方式设置权重更推荐。

2.利用步数做渐变： 提示词1：提示词2: 数字 如果数字<1，则表示前 （步数乘以数字） 步，以提示词1生成，之后按照提示词2生成；如果数字>1，则表示，前（数字）步，以提示词1生成，剩下步数以提示词2生成。

Tips：可以将常用的正向和负向提示词提前预设写进去，然后点击右侧提示词操作区的保存按钮，如下图，我在正面和负面提示词框内写上通用的高质量图片提示词，点击右侧【保存当前配置和提示词】，进行命名，后续点击下方的预设，就可以添加自己预设的内容。如果想修改，修改后，重复保存，会将原来保存的内容覆盖。比如下图我预设保存了自己的固定提示词，取名为高清高质量写实照片。下一次我就可以直接右侧区域选择，提示词就可以自动添加进去。

如果想要皮克斯风格，可以将刚才添加的皮克斯 Lora 模型选上，可以点击上面的小图标，将触发词加上。

5.认识基础参数

（1）采样方法参数

它指的是不同的算法，代表了不同的生成图片的效率。速度方面 DDIM 最快，目前比较推荐和网上使用最广泛的几种为Euler a，DPM++ 2M karras, DPM++ SDE karras，DDIM，属于速度快且质量有保证。

注意：不同的采样方式可能对不同的模型产生不同的影响，因此采样方法的选择最好的方法就是多尝试。

（2）迭代步数

指用多少次来计算你提示词里的内容。步数不是越高越好，15-30之间比较适合，最大不要超过50步，推荐值25步左右。

（3）面部修复、平铺、高分辨率修复

面部修复： 通常用于实景图出现面部崩坏的情况，开启此功能，面部崩坏的情况会有一定的改善，但不建议用于二次元的图。

平铺： 用于出无缝衔接的重复性花纹，可以按瓷砖，壁纸效果来理解。

高分辨率修复与重绘幅度： 高清修复即增加原有图像分辨率，同时也可以调整原图像。

勾选高清修复后出现重绘幅度选项：高分辨率修复的重绘幅度为0时不会改变原图，0.3 以下会基于原图稍微修正，超过 0.7 会对原图做出较大改变，1 会得到一个完全不同的图像。

（4）宽度与高度

也即分辨率。最大为1024✖️1024如果你想生成更高清图像，建议生成小分辨率尺寸然后再用高清修复功能。

（5）生图的批次与数量

这个很好理解，即每次生成多少组图，每组图多少张。一次性生成张数越多，响应时间会越长。

对于安装本地部署的小伙伴的建议：中低显存 (6G、8G)的显卡，选择设置多批次，每批次生成1张图，降低对显卡的压力；高显存 (12G、16G、24G)的显卡，可以设置单批次，一次性生成多张图。

（6）提示词引导系数 CFG

数值越高越接近提示词内容，默认0.7较为合适，过低的 CFG，AI自由发挥的空间大，过高的 CFG，会让画面过饱和，甚至出现瑕疵，（过大的 CFG值，可以通过提高采样步数来抵消）。合适的CFG范围5-12之间，常用7或9搭配合适的送代步数15-30使用。

（7）随机种子（类似 MJ 中的种子）

当随机种子为-1时，则是未使用种子，后续出图都是随机状态；每次通过 SD 生成的图片都会有一个随机种子 Seed 值，可以填入随机种子参数位置，固定随机种子值后，后续生成的图片都会参考这个种子进行生成。点击随机种子区域右侧类似掉头的箭头图标，在随机种子框中即可快速填入当前图片的随机种子。

如果我们想要固定某个形象，可以尝试把图片的随机种子值填在 Seed 里，这样每次出图的风格大致都会一样。

Tips:可以利用高分辨率修复以及种子值，养成先用小图测试再选择高分辨率修复，固定种子生成高清图的好习惯。

第一步:低分辨率快速抽卡（选择低分辨率 512 * 512，总批次选 4，每批次选 1，可以快速出 4 张图）

第二步：在多次抽卡确认效果后，锁定满意效果的种子值，再选择高分辨率修复，可得到满意的高清图。

（8） ControlNet 功能

这个功能可以实现更加精准控制。选取不同的预处理器，可以提取你上传画面的构图，人物的姿势和画面的深度信息等等，让 SD 按照你给的图片参考信息来出图，来精准控制需要生成的图片。有了它的帮助，就不用频繁用提示词碰运气抽卡式创作了。这个是目前在 AI 绘图方面得到较高认可的功能。（展开后有其各种详细参数如下截图，此功能在基础篇不做详细介绍。）

三、根据提示词动手尝试

以下是一个提示词和参数的范例，自己动手操作吧，只有尝试，你才能明白每一个参数的功能和效果。

【猫猫模特主题】

• Liblib上模型：realistic VisionV50_v50VAE.safetensors

• Liblib上 Lora：catman，权重 0.7 （它的触发词是 maomi，可以先去模型广场上搜索这个模型的介绍信息）

• VAE：自动匹配

• 采样算法：DPM++ SDE Karras

• 采样步数：25

• 宽度：512

• 高度：768

• 提示词引导系数：7.0

• 正向提示词：(Best quality, masterpiece: 1.2), cat, cute, anthropomorphic, on the runway, children’s clothing, green, loose casual suit, Maine cat, maomi

  ‍翻译：(最佳质量，杰作：1.2），猫咪，可爱，拟人化，在T台上，童装，绿色，宽松休闲套装，缅因猫

• 负向提示词：(EasyNegative:1.2), badhandv4,ng_deepnegative_v1_75t,worst quality, low quality, monochrome

（以上提示词里相关颜色，服装的描述你都可以根据你的喜好调整）

下面这是我的参数页面截图，以及生成的图片，你的图是怎样的呢？

最后，关于更多 MJ 和 Stable Diffusion 设计的知识我们还整理了很多操作和案例知识，如果想要查阅相关内容，欢迎下方扫码获取哦

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