Stable Diffusion完整入门指南，保姆级教程！

SD 保姆教程，从原理功能到案例输出展示，最后简述 ControlNet 的使用技巧。

Stable Diffusion 的基本介绍

首先官方给出的解释是：

这和 MJ 有什么区别？为了更方便理解我们将 Stable Diffusion 与 Midjourney 做一个对比：

一、基础介绍

这里分为三个部分：1. 提示词 2. 符号的使用 3. 图像的输出

1. 提示词

提示词分为正向和反向的

正向提示词：

生成图像时，我们可以使用正向提示词来指定想要生成的图像。正向提示词可以是脑子里想到的图片或一句话，将其拆分成不同的关键词，并用逗号隔开作为输入。

需要注意的是，相同的指令在不同的模型库和参数下，生成的输出图像可能会不一样。此外，提示词的顺序也非常重要，因为它们的顺序会影响到生成图像的权重。通常情况下，越靠前的提示词权重越大，越靠后的提示词权重越小。

反向提示词（排除词）：

输入框内输入的标签内容就是你画面中不想要出现的东西，如：低质量的，缺手指，五官不齐等等。

下图给大家做一个案例演示

提示词拆分：

对于使用提示词生成图像生成的小伙伴来说，当看到喜欢的图像或脑海中想到很多画面，但却不知道如何用提示词准确描述，现在有三种方法可以帮助大家快速拆分和生成图像。

①  Stable Diffusion 中自带反推功能，可以通过将想要拆分的图像拖入反推，点击按钮来获得生成该图像的提示词。第一次使用可能会有些慢，需要稍等片刻。需要注意的是，这些提示词需要进行后期的优化，常用的方法是通过百度翻译后进行增删改，或者输入到 GPT 中进行优化，优化后将提示词放入相应的框内进行图像输出。

② 第二种方法我们可以借助三方网站：

https://replicate.com

来进行拆分，拆分好后，同第一条一样，进行一个增删改，然后我们对两种方法进行比较，通过比较后，我们可以进行词汇的筛选与合并。

③ 利用 gpt 或文心等相关工具，将想要描述的长句输入，最后加一句描述，请将这句话拆分为 Stable Diffusion 的提示词，如果不满意可以继续恢复优化提示词，或者换一批相关描述，然后将转换好的提示词同上面一样增删改。

2. 符号的使用

正如前文所述，词汇在提示中的位置越靠前，其所占的权重就越大。

为了进一步调整提示关键词的权重，我们可以通过以下语法来设置关键词的权重：在选中关键词的同时，按下键盘上的 Ctrl+⬆️ ⬇️来快速调整权重。每次调整的权重值为0.1，建议将权重值控制在0.7-1.4之间。

简单来说，将每个提示词看作一个