【MomoTalk之Stable Diffusion】本地部署与风格探索

        在项目内容正式实施前，这次的任务是本地部署Stable Diffusion Web UI，探索一下符合项目需求的图像风格。

WebUI的下载与安装

        去年在SD1.5大火的时候就尝试过WebUI，因此此次的配置并不难，从Github仓库拉取更新了一下本地代码，并且根据引导重新配好了环境，区别似乎在于PyTorch的版本更高了，但页面和功能还是熟悉的样子。

Fine-tune模型与LoRA的收集

        本次的MomoTalk项目是源于BA，因此需要能够生成其中的人物，这自然是借助LoRA实现，兴致勃勃地在Civitai上下载了一个看起来不错的爱丽丝LoRA和Q版人物LoRA，结果用标准SD1.5生成后得到了一张一言难尽的图片：

        人物特征基本满足，但完全没法看，因此只能寻求下载一个Fine-Tune的SD，最后，在简单的筛选后选择了对动漫人物更有理解的meinamix，从而拿到了一个比较不错的效果。

        虽然光环有明显的错乱，手也不甚科学，但至少人物上不再是抽象了。

图像生成的尝试

        下一步就是尝试能否让爱丽丝表现出各种各样的动作和表情，从而穿插到对话当中。在最后的对接当中，文本模型将会给出一个“表情描述“字段，而这个字段就是Prompt里唯一需要替换的东西。

        经过尝试，爱丽丝的动作维持在几个相对固定的状态，而表情上的变化则更是难以控制，但毕竟图像只是辅助整个语音系统的介质之一，因此也就不过多苛求了。