m0_59162248的博客

《Stable Diffusion保姆级教程：从安装到ControlNet应用》本文详细介绍了Stable Diffusion的安装与基础使用方法。内容涵盖：1）硬件要求（4G显存/50G硬盘）；2）通过整合包一键安装流程；3）模型获取与管理（推荐Civitai网站）；4）核心功能界面详解，包括提示词编写、参数设置（采样方法/迭代步数/种子值）；5）实际案例演示建筑图像生成全流程；6）重点讲解ControlNet插件的应用价值。教程特别强调建筑领域的实用技巧，如提示词组合策略（环境+样式+材料等）和画质

Stable Diffusion下载安装教程（附安装包）快速部署 AI 绘画工具

这篇教程详细介绍了在MacBook Pro（M1Pro芯片，32GB内存）上安装Stable Diffusion的步骤。内容包括注意事项（如macOS上CLIP询问器和训练功能受限）、安装文件获取方式（通过微信公众号"一颗星宇宙"获取项目文件），以及自动安装方法。特别提醒Mac用户：使用GPU加速生成的图像质量与CPU相当，但训练过程会非常缓慢且消耗大量内存。文章还提供了故障排除建议，如Web UI无法启动或性能不佳时的解决方案。

这篇文章分享了AI绘画模型的推荐和使用经验，重点介绍了几个优质模型资源网站，包括Civitai、LiblibAI等。作者推荐了两款热门大模型：MajicMix Realistic（v5版本优化出色，适合生成真实人物）和ChilloutMix（亚洲审美风格）。文章强调模型"贵精不贵多"，建议搭配LORA模型使用即可创作优质作品，并展示了部分生成效果图。

stable diffusion（安装以及模型的初步使用）

AI绘图提示词/咒语/词缀/关键词使用指南（Stable Diffusion Prompt 设计师操作手册）

Stable Diffusion是2022年发布的文本生成图像AI模型，由StabilityAI等机构联合开发。该模型采用潜在扩散技术，能够在普通GPU设备上运行，支持文本生成图像、图像修复等功能。其核心原理包含扩散过程（逐步添加噪声）和逆向过程（从噪声重建图像）。相比DALL-E等云端模型，Stable Diffusion开源且本地可部署。模型架构包含VAE编码器、U-Net和文本编码器，通过Latent Diffusion在低维空间处理数据，显著提升效率。技术特点包括：基于CLIP的文本引导、扩散模型的

文章主要介绍了如何使用Stable Diffusion和LoRa模型训练个性化AI绘画模型。作者详细分享了从Civitai下载模型、安装Kohya's GUI训练工具到数据预处理和参数配置的全过程。关键点包括：LoRa模型体积小但效果优秀，适合显存有限的显卡训练；训练前需要将图片预处理为512x512并添加标注；文章提供了具体的训练参数配置，特别针对RTX 3070等中端显卡做了优化。整个过程展示了利用开源工具实现个性化AI艺术创作的可行性，为爱好者提供了实用的技术指导。

随着SDXL大模型的推出，StableDiffusion的发展将会迎来新的时代，与Midjourney相比，新的模型也呈现出了不俗的表现。在SD向SDXL过渡的时间节点上，总结下近期常用的几个大模型，供大家参考。点击文末阅读原文，可以查看下载地址和相关信息。

本文详细介绍了Stable Diffusion本地安装部署教程。硬件要求包括16GB内存、60GB以上SSD硬盘和4GB显存NVIDIA显卡。安装步骤涵盖Python 3.10.6、Git环境配置，以及使用秋叶整合包进行一键部署。文章还提供了启动器配置建议（如xFormers优化）和常见问题解决方案。最后展示了该工具生成的精美AI绘画作品，并附赠全套学习资料（安装包、教程视频、提示词手册等）的获取方式。

本文分享了LoRA训练的经验与步骤，适合新手入门。LoRA是一种低秩适配器技术，可降低大模型微调的门槛，使普通用户也能在家用电脑上训练模型。训练流程包括：明确目的（具象类或泛化类）、收集素材（数量与质量要求不同）、处理素材（统一尺寸、生成与优化标签）、调整参数并开始训练。关键工具推荐StableDiffusionWebUI和BooruDatasetTagManager。训练时需注意重复次数和轮数的设置，不同类别需采用不同策略。

要：Stable Diffusion（SD）是一款AI图片生成工具，无需绘画或拍摄即可通过文字描述生成图像。安装要求包括：Win10/11系统、8G以上内存、NVIDIA显卡（4G显存起）及60G存储空间。推荐使用秋叶整合包进行安装，解压后运行启动器即可使用。测试显示，8G显存显卡生成一张图仅需11秒。学习资料包括安装包、视频教程、模型文件和提示词手册等全套资源，适合零基础用户快速掌握AI绘画技能。

【摘要】本文介绍了C站最受欢迎的3款AI绘画模型：1）Pony Diffusion V6 XL，擅长手部绘制，支持多种风格创作；2）Animagine XL 3.1，专精动漫风格，附带2000+提示词；3）下载量冠军Juggernaut XL，全能型模型适配各类风格。文末提供全套AI绘画学习资源包（含安装包/教程/提示词手册），适合零基础用户系统学习，可免费领取。

这篇文章介绍了两个开源的SDXL艺术风格模型：HYSTERIA和PVC Style Model。HYSTERIA是一款暗黑风格的忧郁主题模型，由意大利作者Yamer开发，适合创意性表达；PVC Style Model则是国内作者WangKa创作的二次元人偶风格模型，具有鲜明的色彩和质感。文章分享了模型的基础信息、推荐参数及使用技巧，同时向开源模型作者致敬，强调了训练高质量模型所需的巨大工作量。

本文介绍了使用Animagine XL 3.1大模型生成高质量图片的注意事项和示例效果。该模型对提示词要求较高，建议使用辅助工具生成丰富关键词。文中展示了10组不同主题的图片生成案例，包括人物肖像（烈焰红唇、旗袍美女等）、动漫角色、动物风景等，均配有详细参数和提示词。示例效果涵盖多种风格，验证了模型强大的图像生成能力。

Stable diffusion模型分几种？一文详解，入门必看！

本文介绍了在ComfyUI中实现图片批量放大的方法。主要内容包括：1）使用Easy-Use和KJNodes插件搭建基础工作流；2）通过图像分块技术降低显存占用；3）结合For循环节点实现文件夹内图片批量处理。文章详细讲解了工作流搭建步骤，并提供了效果对比图，展示了分块处理对图像细节的优化效果。最后还附带了一套完整的ComfyUI学习资料获取方式。该方法能有效提升批量处理效率，特别适合低显存设备实现高清放大。

本文介绍了4种在ComfyUI中实现图片高清放大的方法：1）模型放大法，使用4x-ultrasharp模型实现无损放大；2）Latent缩放法，通过潜变量系数缩放实现2倍放大；3）UltimateSDUpscale插件法，结合采样器进行细节增强；4）三重放大法，将前三种方法串联使用。教程详细演示了每种方法的节点配置和工作流搭建，通过图像对比展示了放大效果，最终实现4096像素级的高清输出，使图片细节（如发丝）清晰可见。文章还提供了相关模型下载链接和节点操作指引，适合AI绘画爱好者学习使用。

ComfyUI v0.2.2版本带来全新界面设计和工作流管理功能，取消悬浮面板，优化操作体验。主要更新包括：支持Mistoline Flux ControlNet、PyTorch升级至2.4.1、可配置实时预览尺寸等。升级后可通过管理器一键更新，支持中文界面配置。新版菜单分为工作流管理和生成管理两大模块，新增图像展示面板位置调整、节点收藏等功能。搜索功能支持预览但暂不支持中文，可通过设置切换回旧版搜索。这些改进显著提升了AI绘图和视频生成的工作效率。

本文介绍了一种利用AI技术实现一键线稿上色的高效工作流。通过MistoLine rank256模型与ControlNet的结合，配合SDXL文生图功能，能够快速将黑白线稿转化为彩色作品。教程详细演示了工作流搭建步骤，包括模型加载、节点设置等关键环节，并展示了适用于动漫、插画、建筑等多种风格的上色效果。

AI绘画在今天，已经发展到了炽手可热的地步，相比于过去，无论是从画面精细度，真实性，风格化，还是对于操作的易用性，都有了很大的提升。并且如今有众多的绘画工具可选择。今天我们主要来聊聊基于stable diffusion的comfyUI！

ComfyUI 是一款全新的 WebUI，它可以让您使用图形/节点/流程图的界面设计和执行高级稳定扩散管道，无需编写任何代码。它支持多种稳定扩散模型和功能模块，可以实现工作流的精准定制和可靠复现，同时提供图像生成的实时预览和比较功能。它具有高度优化的内部生成流程，生成速度快，可达 AUTOMATIC1111 的 3-5 倍，对显存要求低（4G 就能很好的运行），可以在 Nvidia GPU、AMD GPU、CPU 甚至苹果 Mac silicon 上运行，完全离线工作，不会下载任何东西。它是稳定扩散领域最强

ComfyUI入门教程 -- 操作界面介绍(基于官方桌面版)

本文介绍了如何使用ComfyUI的Mv-Adapter插件从单张图像生成多视角图像。文章详细描述了实现环境、工作流内容及模型选择，包括提示词反推、抠图、多视图生成、图像修复等步骤。通过Mv-Adapter生成768x768尺寸的多视图图像，并结合ControlNet和脸部修复流程提升图像质量。文章还提供了ComfyUI的学习资料，帮助用户掌握AI绘画技术。

本文介绍了多个适用于SD1.5版本的优秀模型，涵盖不同风格和领域。majicMIX mrealistic 以写实风为主，生成唯美的人物和风景，但偏向CG感；realistic 则更贴近真实世界，适合肖像创作，但操作难度较高；DreamShaper 擅长生成基于现实的幻想风格，如西幻、朋克等；Counterfeit-V3.0 专注于超精细的日漫二次元风格；Lyriel 提供非日漫的动画风格；DDicon 适合B端ICON设计；Product Design 生成干净的产品图；XSarchitectural-In

在AI绘画领域，抠图是基础且关键的前置工作，涉及换背景、人物建模、换装等操作。市面上虽有智能抠图软件，但大多收费或质量不佳，且无法与ComfyUI工作流联动。本文介绍了两款插件：abg-comfyui和segment anything。前者简单高效，适合主体明确的图片；后者功能强大，支持精准提示词抠图，适用于复杂需求。此外，文章还强调了模型选择的重要性，指出模型越大效果越好，但资源占用也更多。最后，作者分享了一套ComfyUI学习资料，帮助读者更好地掌握AI绘画技术。

Flux近期发布了一系列官方工具，增强了其在ComfyUI中的绘图功能，使其能够媲美甚至超越闭源工具。文章详细介绍了如何在ComfyUI中安装和使用Flux的多种功能，包括重绘（Fill Inpainting）、扩图（Fill Outpainting）、风格参考（Redux）以及ControlNet。每个功能都提供了相应的模型下载路径和操作步骤，展示了Flux在图像处理中的强大能力，如修改图像细节、扩展背景、生成风格变体等。通过这些工具，用户可以在ComfyUI中实现复杂的图像编辑和创作。

ComfyUI 是一款功能强大且高度模块化的稳定扩散图形用户界面和后台工具，支持通过节点/图形/流程图界面设计和执行复杂的稳定扩散工作流程，无需编写代码。它兼容 SD1.x、SD2.x 和 SDXL 模型，提供异步队列系统、优化执行、低内存支持（--lowvram）、CPU 运行（--cpu）等功能。ComfyUI 支持多种模型格式（ckpt、safetensors、diffusers），并集成了嵌入/文本反演、Loras、超网络、区域合成、内绘、控制网络、升级模型等高级功能。安装简便，Windows 用户

在Comfyui里面，我们可以看到有着密密麻麻的各种各样的节点，但这些都是插件类的节点，很多都是极少用到的，但这里面有5类基础节点，几乎在每个工作流里面都是一定会用上的，下面我们来一一了解一下。

本文介绍了使用Stable Diffusion进行创作的两大工具：WebUI和ComfyUI，重点探讨了ComfyUI的高可定制性和复现性。作者分享了安装ComfyUI的步骤，包括下载源码、安装依赖和启动服务，并简要介绍了ComfyUI的主要组件及其功能，如加载检查点、CLIP文本编码、空潜在图像、K采样器、VAE解码和保存图像。此外，作者提到Flux模型的高硬件配置要求，并计划通过硅基流动的API接入Flux模型。最后，文章提供了获取AI设计工具、模型和插件的途径。

ComfyUI 是一款基于 Stable Diffusion 模型的节点式图形界面工具，适合零基础用户进行 AI 艺术创作。它通过可视化节点工作流，让用户以“搭积木”的方式自由编排图像生成逻辑，降低了技术门槛。相比 WebUI，ComfyUI 具有轻量、灵活、透明等优点，但操作门槛较高，生态相对较小。硬件配置要求包括至少 4GB 显存的 GPU、8GB 内存和 40GB 存储空间。安装推荐使用秋叶大佬的一键整合包，解压后启动 A绘图启动器即可完成安装。

本文介绍了如何通过ComfyUI进行AI绘画，并深入探讨了其工作原理。首先，启动ComfyUI并运行默认工作流，生成第一幅AI画作。接着，通过类比雕塑创作过程，解释了AI绘画的步骤：从输入文本描述到模型生成图像，逐步去除噪声并最终生成逼真图像。文章还详细介绍了AI绘画的三大核心组件：CLIP文本编码器、噪声预测器U-Net和VAE编码器，分别负责文本与图像的编码、噪声预测与去除、以及像素与潜空间的转换。

近年来，AI技术在艺术创作和内容生产领域取得了显著进展，尤其是文本生成图像的AI绘画技术。2022年，MidJourney生成的数字油画在艺术比赛中获奖，引发了广泛关注。随后，Disco Diffusion、DALL-E 2和Stable Diffusion等工具相继推出，AI绘画的质量和速度不断提升。Stable Diffusion的开源更是推动了技术的普及，相关公司StabilityAI估值达10亿美元。AI绘画的历史可追溯至20世纪70年代，但近年深度学习的发展使其进入全新阶段。2014年GAN的提出

Stable Foundation 是一款对标 Midjourney 的免费 AI 画图软件，基于最新的 sdxl 1.0 模型，部署在 Discord 平台上。用户可以通过简单的步骤将 Stable Foundation 机器人添加到 Discord 频道中，并使用其进行图像生成。该软件支持正向/负向关键词输入、风格选择、尺寸调整等功能，并引入了 ControlNet 技术，允许用户通过参考图生成相似构图和风格的图像。此外，用户还可以通过“reStyle”按钮切换不同风格，如低多边形、线条艺术、水彩等。S

最近好多新手问我各种各样的安装问题，真是愁死我了！今天特意把详细步骤整理出来，以后就别再反复询问啦！在这篇教程里，我会手把手带你完成 Stable Diffusion 的部署。别担心，整个过程比你想象的简单太多！现在就跟着我一步步操作吧～

Stable Diffusion（SD）是一种基于扩散模型的先进人工智能技术，主要用于文本到图像的生成任务。它通过在潜在空间中生成图像，显著提高了计算效率。SD WebUI是一个交互式网页界面，允许用户通过输入文本提示生成图像。Python作为主要编程语言，广泛应用于SD模型的开发和运行。ControlNet插件和模型则提供了更精细的图像控制功能。VAE（变分自编码器）和CHECKPOINT模型是SD生成图像的基础。此外，hyper-network和LORA等技术用于微调和定制模型。随着AI绘画市场的快速增

Stable Diffusion的安装部署相对简单，支持Windows和Mac系统。推荐使用NVIDIA显卡的Windows电脑以获得最佳性能。安装方式主要有两种：整合包安装和手动安装。整合包安装（如秋葉整合包）适合新手，操作简便，一键启动，但可能包含不必要的插件。手动安装则更灵活，适合有经验的用户，可以按需安装插件和模型，但过程较为复杂。无论哪种方式，都需要安装Python和Git作为前置条件。AMD显卡用户需特别设置，且性能可能不如NVIDIA显卡。

在 Stable Diffusion 中，无论是通过文生图还是图生图功能创作 AI 绘画作品，核心都在于使用提示词精准描述期望的图像效果。不断调整提示词组合与参数设置，是优化绘图效果、激发创作灵感的关键。与其依赖网络上他人分享的现成提示词，不如系统掌握提示词撰写技巧。接下来，这份攻略将助你快速掌握 SD 提示词 prompt 的使用精髓，自由驾驭 AI 绘画创作。

这周工作节奏相对舒缓，在完成于「Kaggle」和「AutoDL」这两个云平台上部署 Stable Diffusion 后，我决定挑战一下在 Mac 本地进行 Stable Diffusion 的部署。查看 Stable Diffusion WebUI 的 Github 官网后发现，其部署步骤的介绍条理清晰、操作难度似乎也不大。

Stable Diffusion 是一款由 CompVis 团队发布的扩散模型，凭借其出色的图像生成能力迅速成为 AI 绘图领域的焦点。该模型基于 LAION 5B 数据集训练，用户只需输入文本提示即可生成高质量图像。AUTOMATIC1111 开发的 Stable Diffusion Web UI 提供了更便捷的交互界面，支持 txt2img、img2img 等基础功能，并集成了模型融合、图像修复等高级功能。用户可以通过浏览器访问该界面