用Stable Diffusion 做个人！

装上stable-diffusion-webui之后，不亦乐乎的玩了几天，画出来的图不是邪魅奔跑的绵羊，就是三只眼的柯基。要画个养眼的小姐姐并不是那么容易…

即使有webui界面操作，对新手而言也要搞清楚几个概念和步骤：

checkpoint

stable-diffusion-webui 第一次运行时会自动下载基础模型v1-5-pruned-emaonly.safetensors

画人我们还需要下载 chilloutmix_NiPrunedFp32Fix.safetensors模型，现在网上各种“老婆”基本上都是基于这个checkpoint来绘制

https://civitai.com/models/6424/chilloutmix?modelVersionId=11745

stable-diffusion基础模型文件放置在 $SD_PATH/models/Stable-diffusion 目录下。我们下载chilloutmix模型之后，需要将其拷贝到该目录下，或者是按Stable Diffusion checkpoint 下拉框右边的刷新按钮，然后下拉选中新模型，sd-webui就会重新加载模型。

Lora模型

然后下载这三个Doll模型，可以给自己画个日系或者韩系老婆，或者三系混搭也不错。

https://civitai.com/models/28811/japanesedolllikeness-v15

https://civitai.com/models/26124/koreandolllikeness-v20

https://civitai.com/models/48363/taiwandolllikeness-v20

OR

https://huggingface.co/Kanbara/doll-likeness-series

Lora模型下载后需要拷贝到$SD_PATH/models/Lora目录下，点击 “Generate"出图按钮下面红色的奇怪按钮"extra networks” ，调出Lora模型的预览拦，如果点击Lora中的模型，sd-webui会自动生成一个对应模型的prompt。

然而，这几个模型对于横图的小姐姐都不太行，各种蹦，躺着的更是垮上天, 来两张垮掉的小姐姐辣辣眼睛

Prompt

emphasis

提示词可以用小括号或者中括号显示说明该提示词的重要性(emphasis)系数

• (word) 表示word的重要性系数为1.1
• ((word)) 表示word的重要性系数为1.1*1.1 = 1.21
• [word] 表示word的重要性系数为0.9 ??
• (word:1.5) 表示word的重要性系数为1.5
• (word:0.25) 表示word的重要性系数为0.25
• (word) 表示转义括号

() 可以自定义重要性系数， [] 不可以

Lora模型提示词

lora:filename:multiplier

其中filname表示Lora模型的文件名，multiplier 为该模型的权重系数，prompt中所有Lora模型的multiplier 之和要小于1

其他参数

选完模型和参数，设置完提示词之后，还有几个参数需要设置

Sampling method: civitai上大部分小姐姐选用的也是“DPM++ SDE Karras“模型

Sampling steps: 推荐28-35.

CGF Scale: 数值越高，会越取向于你所输入的提示, 一般7-10是一个比较平衡的区间

Restore faces: 脸部修复，如果不进行脸部修复，小姐姐的脸部表情相当僵硬.

Seed: 随机数种子

勾选完Restore faces，sd-webui会自动下载脸部修复的模型，如果由于网络原因下载失败，可以手动下载三个模型放置到对应的 facelib/ 目录和 CodeFormer/ 目录下

$ export SD_PATH=~/workspace/StableDiffusion/
$ cd $SD_PATH/stable-diffusion-webui/repositories/CodeFormer/scripts/weights/
$ export https_proxy="http://127.0.0.1:8080" # 设置wget科学上网
$ wget -O ./facelib/detection_Resnet50_Final.pth "https://github.com/sczhou/CodeFormer/releases/download/v0.1.0/detection_Resnet50_Final.pth" 
$ wget -O ./facelib/parsing_parsenet.pth "https://github.com/sczhou/CodeFormer/releases/download/v0.1.0/parsing_parsenet.pth"
$ wget -O ./CodeFormer/codeformer.pth "https://github.com/sczhou/CodeFormer/releases/download/v0.1.0/codeformer.pth"

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。