AI数字绘画 stable-diffusion 保姆级教程

最新推荐文章于 2024-09-03 10:27:37 发布

Python程序员小泉

最新推荐文章于 2024-09-03 10:27:37 发布

阅读量817

点赞数 12

分类专栏： AI绘画 SD教程文章标签： stable diffusion AI作画 AI绘画 AI绘画入门人工智能

本文链接：https://blog.csdn.net/m0_59162248/article/details/138998168

版权

AI绘画同时被 2 个专栏收录

280 篇文章 22 订阅

订阅专栏

SD教程

251 篇文章 5 订阅

订阅专栏

近段时间来，你可能在不少地方都看到了非常多这样的好看的画。（全套教程文末领取哈）

比如这样的赛博朋克风

prompt: Cyberpunk, 8k resolution, castle, the rose sea, dream

yuantu.png

水墨画风格

prompt: a watercolor ink painting of a fallen angel with a broken halo wielding a jagged broken blade standing on top of a skyscraper in the style of anti - art trending on artstation deviantart pinterest detailed realistic hd 8 k high resolution

油画

prompt: portrait of bob barker playing twister with scarlett johansson, an oil painting by ross tran and thomas kincade

水彩画

prompt: a girl with lavender hair and black skirt, fairy tale style background, a beautiful half body illustration, top lighting, perfect shadow, soft painting, reduce saturation, leaning towards watercolor, art by hidari and krenz cushart and wenjun lin and akihiko yoshida

并且在各种平台我们也是随处可见，以下分别为小红书、闲鱼、twitter

yuantu-2.png

这些图都很像是艺术家画的一样，但是他们却不是出自真正的的艺术家之手，而是 AI艺术家。AI 就像 16 年打败李世石进军围棋行业一样，开始进军艺术届了。

我们来看看 AI绘画发展的比较关键的时间线

Disco Diffusion 是发布于Google Colab 平台的一款利用人工智能深度学习进行数字艺术创作的工具，它是基于MIT 许可协议的开源工具，可以在Google Drive 直接运行，也可以部署到本地运行。

Disco Diffusion 有一个弊端，就是速度非常慢，动辄半个小时起步。

Midjourney是Disco Diffusion的原作者Somnai所加入的AI艺术项目实验室。

Midjourney 对 Disco Diffusion 进行了改进，平均1分钟能出图。

OpenAI推出 DALL·E 2, DALL-E 2实现了更高分辨率和更低延迟，而且还包括了新的功能，如编辑现有图像。

目前还没有按到 DALL·E 2 的体验资格。

stability.ai 推出 Stable-Diffusion并且开源了

一经推出就受到广大网友的喜爱，操作简单，出图快，平均10-20秒。

Stable-Diffusion 免费、生成速度又快，每一次生成的效果图就像是开盲盒一样，需要不断尝试打磨，所以大家都疯狂似的开始玩耍，甚至连特斯拉的前人工智能和自动驾驶视觉总监 Andrej Karpathy 都沉迷于此。

而 stability.ai 却是一个年轻的英国团队

他们的宗旨为 “*AI by the people, for the people” ，*中文翻译的大意为，人们创造AI，并且AI服务于人，除了 stable-diffusion 他们还参与了众多的 AI 项目

今天主要介绍的就是 stable-diffusion 的玩法，官方利用 stable-diffusion 搭建的平台主要是 dreamstudio.ai 听这个名字就感觉很牛，梦幻编辑器（自己取得，勿喷，因为生成的图都很梦幻），你也可以自己使用 colab 来本地运行，下面就来详解介绍这两种方式

使用方式

1.官网注册账号

打开 https://beta.dreamstudio.ai/ 选择一种注册方式，我这里使用了 Google 账号登录（后面也有相关的教程来教你如何来注册一个Google账号），你也可以选择自己的方式。

注册好后，就可以进入到这个界面。

你可以直接在下方输入名词，也可以在打开右侧的设置按钮，里面会更详细的配置。

输入好关键词后，直接点 Dream 按钮，等待10秒左右就可以生成图片。

当然这样的生成方式非常的方便，但是是有次数限制的。

可以看到右上角的点数，默认你注册账号会有200点点数，每次生成一张默认设置的图片就会消耗一个点数，如果你要生成更多的方式就需要付费了， 10 英镑 1000 点数。

如果你想获得更高精细程度的图片，单次则需要消耗更多的点数。以下是官方给出的价格表：

而且使用这种方式，你生成图片的版权是自动转为为 CC0 1.0，你可以商用或者非商用你生成的图片，但是也会默认成为公共领域的资源。

2.使用 Colab（推荐）

这一种是我比较推荐的方式，因为这种方式你可以几乎无限地使用 Stable Diffusion，并且由于这种方式是你自己跑模型的方式生成的图片，版权归属于你自己。

Colab 是什么呢？

Colaboratory 简称“Colab”，是 Google Research 团队开发的一款产品。在 Colab 中，任何人都可以通过浏览器编写和执行任意 Python 代码。它尤其适合机器学习、数据分析和教育目的。从技术上来说，Colab 是一种托管式 Jupyter 笔记本服务。用户无需设置，就可以直接使用，同时还能获得 GPU 等计算资源的免费使用权限。 —— https://research.google.com/colaboratory/faq.html?hl=zh-CN

由于 Colab 是Google 的产品，因此你使用前必须要拥有一个 Google 账户，如果不知道怎么注册的划到最底下的 Google 账号注册教程。

而我们目前默认使用的是 Hugging face 开源的 colab 示例。

Hugging face 是一家总部位于纽约的聊天机器人初创服务商，开发的应用在青少年中颇受欢迎，在上面存储了大量的模型，而 Stability.ai 的 Stable ****Diffusion 也是开源在上面。

打开链接： https://colab.research.google.com/github/huggingface/notebooks/blob/main/diffusers/stable_diffusion.ipynb

打开后，点击右上角的连接。

点击确定

等连接上后我们运行第一段脚本，就是查看当前使用的机器。一般是从 K80、T4、P100、V100 中随机分配一个。

我拿到的是一个 Tesla T4 GPU 的机器，这里比较看人品。如果你拿到一个 V100 的一定要发一波炫耀一下。

然后继续跑下面的命令，安装必要的依赖，每次安装完成后，都会显示运行时间以及运行状态。

运行到这一步，会要求你填写一个 huggingface_hub 的 token 链接

来到 https://huggingface.co/settings/tokens 这个页面，如果没有登录默认会调到登录页

注册一个账号后，复制这个 Token 到 Colab 页面

然后会提示你登录成功了，如果提示异常应该是你复制错了，这个时候你得点开秘钥，手动复制一下。

然后接下来我们就开始拉取模型

注意，这里你直接先运行，是会报错了，会显示 403

{"error":"Access to model CompVis/stable-diffusion-v1-4 is restricted and you are not in the authorized list. Visit https://huggingface.co/CompVis/stable-diffusion-v1-4 to ask for access."}

这是因为你没有去 huggingface 授权访问。

打开 https://huggingface.co/CompVis/stable-diffusion-v1-4