Stable Diffusion WebUI 折腾新篇章

原文：https://blog.iyatt.com/?p=13123

1 前言

第一次玩 Stable Diffusion WebUI 是三十几天前，当时还在用四年半前（大学前暑假）买的轻薄本，而在半年前独显还坏了，所以是纯纯的用 CPU 折腾，刚开始纯 CPU 跑，后面发现 OpenVINO 有个 fork 版本支持 Intel 核显。一张 512x768 的图（不用高清放大），纯 CPU 能跑个 1 小时左右吧，核显能跑五六分钟。
虽然核显提速明显，但是整体速度也不是很快，这个还是其次的。主要是 OpenVINO 版不完善，而且我看 GitHub 的提交记录而稀少，更新不积极，应该不怎么重视吧（到目前为止显示最近的更新已经是两个月以上了）。其中的不完善体现在多个方面：①核显加速是通过脚本实现的，也就是使用了核显加速就不能使用其它自定义脚本了；②核显加速对内存依赖非常高，当时我为了尝试更大的图，把内存从 20G （4+16）改到 36G（4+32），然而我测试的极限大概也只能画到 750x1000 左右，再大就会报错说什么内存地址错误之类的，盯着任务管理器看就会发现在某个时候突然内存跑满，然后终端就出现报错，也就是说内存爆了；③核显加速支持范围太小，只能在文生图和图生图使用，且文生图中不能使用高清化，一旦开了就会变成 CPU 跑，然后第三方插件没发现有支持的，比如常用 ControlNet 等等。在一系列的原因之下，最后我放弃了。
前几天我买了台新的笔记本电脑，RTX4060 的显卡，24 号下午到了，先是测试了一番，又把系统换成专业版，接着装各种软件，晚上把 WebUI 配上了，当时试了一下，还是画 512x768 的图，仅仅几秒就画出来了，有了前面用 CPU 折腾的体验，这速度快得让人挺兴奋的。
配置 WebUI 其实挺简单的，电脑的显卡驱动保证安装好了，安装 Python 和 Git，再克隆 WebUI 的源码下来，运行里面的启动脚本，首次会自动创建一个 Python 虚拟环境，并在里面安装依赖的各种工具包，比如 PyTorch 之类的，安装完以后就会自动启动。稍微详细一点的流程可以看我前面的记录：https://blog.iyatt.com/?p=12345

2024.1.28

2 环境

RAM：32G
CPU：i7-12700H
GPU：NVIDIA RTX4060 Laptop GPU
VRAM：8G

Windows 11 23H2

Stable Diffusion WebUI 1.7

3 资源网站

3.1 模型

• https://civitai.com/
• https://huggingface.co/
• https://www.liblib.ai/

3.2 插件

插件可以直接在 WebUI 里添加，可能有些没有收录到里面就要自己去下载，以及有些插件依赖模型需要手动下载，可以前往插件的项目页看README，会给出模型下载链接，基本上都是在开源代码托管平台 GitHub 上。

GitHub：https://github.com/

4 一些扩展（插件、脚本）

注：

• 添加扩展后一般都要点重启才能加载出来

4.1 汉化

• https://github.com/VinsonLaro/stable-diffusion-webui-chinese
• https://github.com/dtlnor/stable-diffusion-webui-localization-zh_CN
• https://github.com/hanamizuki-ai/stable-diffusion-webui-localization-zh_Hans

第一个插件支持中英同时显示，可以对照。第三个插件每过一段时间就会从云端同步，保持更新。
安装插件后进入设置，打开 User interface

在 Localization 里选择语言

然后保存设置并重启 UI 生效

4.2 ControlNet

• https://github.com/Mikubill/sd-webui-controlnet

控制网络，通过各种网络控制生成内容，比如骨骼可以控制生成人物姿势。

4.3 中文提示词组及提示词翻译

• https://github.com/thisjam/sd-webui-oldsix-prompt
  可以直接在里面选提示词，左键选进正面，右键选进负面
  
  也可以按{Alt}+{Q}调出翻译框，自定义输入内容直接翻译

4.4 inpaint anything

• https://github.com/Uminosachi/sd-webui-inpaint-anything
  这个插件可以识别输入的图像，将图像中的各种元素分割开，主要是用来生成蒙版很方便。