WANGJUNAIJIAO的博客

Stable Diffusion（稳定扩散）是一种生成模型，基于扩散过程来生成高质量的图像。它通过一个渐进过程，从一个简单的噪声开始，逐步转变成目标图像，生成高保真度的图像。这个模型的基础版本是基于扩散过程的，但也有一些改进版本，包括基于变分自动编码器（VAE）、局部正则化的自动编码器（LORA）和嵌入式扩散等。

今天主要是以一秒内就能生成图片的爆炸性模型 SDXL Turbo的发布为契机，对SD 的各类基础模型：SD 1.x、SD 2.x、SD 1.5、SDXL 1.0和SDXL Turbo，及操作界面：WebUI、ComfyUI和Fooocus进行详细介绍，一文搞懂他们之间的关系，选择不迷路。一、SD 基础模型介绍1、SD 1.x：这是Stable Diffusion的早期版本，主要用于图像生成任务。这里的1.x表示1系列的主要版本，x是一个变量，表示具体的子版本。

二维码是一种用于存储和传输信息的方便而广泛使用的图像编码技术。它是由黑色方块和白色空白区域组成的二维图形，可以通过扫描设备(如智能手机)进行解码。二维码基于特定的编码标准和解码算法——其中包括错误检测和纠错编码，以确保在图像损坏或部分遮挡的情况下仍能正确解码。二维码的优点是可以存储大量信息，并且能够快速扫描和解码，因此在商业、营销、物流等领域得到广泛应用在日常生活中，二维码已成为我们个人名片的一种展示方式，如何通过**人工智能生成内容(AI Generated Content, AIGC)**技术让我们

近期，人工智能技术的发展似乎反复出圈。AI绘画、AI编曲、AI写代码、AI对话等概念不断走入大众的视野，新一代科技革命似乎已然到来。一些人对它嗤之以鼻，认为只是深度学习在计算机算力加持下进化为大模型罢了，本质原理上没有创新；有人认为这是一次里程碑事件——工业革命以来淘汰了大部分的重复性体力劳动，而ChatGPT等超级模型的诞生是否预示着大部分的重复性脑力劳动即将被终结？

结束控制的步数：这是指在生成图像的过程中，模型停止使用 ControlNet控制网络来指导图像生成之前的步骤数量。启动控制的步数：这是指在生成图像的过程中，模型开始使用 ControlNet 控制网络来指导图像生成之前的步骤数量。通过调节启动控制的步数和结束控制的步数，可以灵活地控制 ControlNet 控制网络在图像生成过程中的作用程度，以获

在 Stable Diffusion 中，采样器（Sampler）是指用于生成图像的一种技术或方法，它决定了模型如何从潜在空间中抽样并生成图像。采样器在生成图像的过程中起着重要作用，影响着生成图像的多样性、质量和创造性。以下是对 Stable Diffusion 采样器的详细解释：潜在空间抽样：采样器负责从潜在空间中抽样，并将这些样本输入到生成器中以生成图像。潜在空间是一个高维向量空间，其中每个向量代表一个潜在的图像表示。通过从潜在空间中抽样不同的向量，采样器可以生成不同的图像样本。

关于现在非常红火的AI绘画，很多感兴趣的人不知道如何入手，如果你的电脑配置足够好，那么不要犹豫，让我来教你如何在本地电脑全免费运行当下最强大的AI绘画工具——Stable Diffusion 吧！Stable Diffusion Web UI...

目前市面上比较权威，并能用于工作中的AI绘画软件其实就两款。一个叫Midjourney（简称MJ），另一个叫Stable-Diffusion（简称SD）。MJ需要付费使用，而SD开源免费，但是上手难度和学习成本略大，并且非常吃电脑配置...

Stable Diffusion AI 绘画从提示词到模型出图》介绍了 Stable Diffusion AI 绘画工具及其使用技巧。书中内容分为两部分：“基础操作篇”，讲解了 SD 文生图、图生图、提示词、模型、ControlNet 插件等核心技术的应用，帮助读者快速从新手成长为 SD 制图高手；“案例实战篇”，精选了动漫人物、水墨画、AI 摄影、商业海报、电商模特、产品包装、电影角色等大量 AI 绘画案例，并带有详细的同步教学视频，读者可以边学边做，提高学习效率。

这是一款最早流行起来的AI绘图工具，直接在谷歌云端运行的程序，对电脑配置没有要求，用浏览器就可以操作。

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。安装部署SD成功后，发现跟平时用的SD有点不一样，少了VAE和CLIP.4。

Stable Diffusion 是当前最火热的图像生成模型之一，目前已经广泛应用于艺术创作、游戏开发、设计模拟等领域，因其开源生态和易于使用而受到创作者的广泛关注，相比 Midjourney 而言，其最大的优势是完全免费，且拥有庞大的社区资源。如果需要本地部署 Stable Diffusion，首选 Stable Diffusion Webui。不过本地部署对设备硬件要求还是比较高的，通常需要至少 4G 显存，有关如何在 Windows 上使用，社区已经有了非常不错的一键启动脚本。

Stable Diffusion是最近很🔥的一种图像生成方法。基于潜在扩散的机器学习模型，其主要用于根据文本的描述生成详细的图像。该模型由慕尼黑大学的CompVis研究团体开发，是各种生成性人工神经网络之一，由初创公司StabilityAI、CompVis与Runway合作开发，并得到EleutherAI和LAION的支持。Stable Diffusion模型主要由变分自编码器（VAE）、U-Net和一个文本编码器三个部分组成。在前向扩散过程中，高斯噪声被迭代地应用于压缩的潜在表征。

至此，stable diffusion comfyui的api的整个调用逻辑已经走完，无论是文生图、图生图、换脸、倒推关键词等，都是走相同的流程。你们在实际开发过程中也可以参考我的项目来实现。

我们可以在这里进行下载，After Detailer插件的主界面设计简洁直观，为用户提供了便捷的操作体验。该插件具备强大的多通道处理能力，能够同时在一张照片中对脸部、手部等多个区域进行精细修复，极大地提升了图片处理的效率和灵活性。启用After Detailer，只需轻轻一勾，即可轻松开启您的图片修复之旅。在模型选择方面，After Detailer提供了丰富多样的模型选项，以满足不同场景下的修复需求。尤其是脸部修复功能，其效果堪称完美，赢得了用户的一致好评。

在这个信息爆炸的时代，AI技术正以前所未有的速度发展着。图生图、AI换脸、图生视频等技术的涌入，极大地改变了我们的工作与生活，带来了更多的挑战与机遇。

了解过Blender的朋友一定都知道B站UP主**“只剩一瓶辣椒酱”**，他在blender界就是和秋叶大佬一样的存在，属于祖师级别的人物。最近，他和幻之境开发小组联合开发的一款基于 STABLE DIFFUISON ComfyUI 核心的 Blender AI 插件，将他们整合到了一起，名字叫做——**无限圣杯（资源在文末）**。鉴于有的朋友还不知道blender是什么，我先在这里大致普及一下，它和SD一样，是一款**免费开源的三维制作软件**，曾经作为C4D的平替被大家所熟知。

经过前面几篇文章的学习，我相信大家都已经做好了准备，但是通过提示词怎么生成都还是差一点意思，实际上我们有时候还是需要借助现有的图形，不论是做姿势参照还是局部重绘，都是提高绘图质量的手段，在Stable Diffusion的创作过程中，图生图（基于图像生成图像）是一种非常实用的方法，它允许我们在现有图像的基础上进行创作和修改。本文将详细介绍如何在ComfyUI中建立图生图流程，并利用derfuu插件进行图像尺寸的智能调整，以便更好地控制生成图像的质量和风格。

通过Lora小模型可以控制很多特定场景的内容生成。但是那些模型是别人训练好的，你肯定很好奇，我也想训练一个自己的专属模型（也叫炼丹～_～）。甚至可以训练一个专属家庭版的模型（family model），非常有意思。将自己的训练好的Lora模型放到stableDiffusion lora 目录中，同时配上美丽的封面图。

Stable Diffusion WebUI无疑为图像创作和艺术表达开辟了新的道路。它不仅为专业设计师和艺术家提供了强大的工具，也让业余爱好者能够轻松实现创意想法。随着AI技术的不断进步，我们可以预见，未来图像生成工具将更加智能、精准，能够更好地理解用户的意图，并创造出更加符合期望的作品。