洛阳泰山的博客

AI绘画 | Stable Diffusion”专栏由CSDN认证博客专家“泰山AI”创建，该作者在AI领域有着丰富的经验和深厚的理论基础。专栏共包含25篇文章，每篇文章都经过精心撰写，旨在帮助读者深入了解Stable Diffusion的各项功能，并通过实际案例展示其应用场景。专栏的文章内容丰富多样，涵盖了从基础知识到高级应用的多个方面，适合不同水平的读者学习和参考。

本篇文章教会你如何使用Stable Diffusion WEB UI,实现视频的人物，或是动物重绘，可以更换人物或者动物，也可以有真实变为二次元。原视频和Ai视频画面合并。

本篇文章教会你如何利用Stable Diffusion WEB UI，使用一个人物图片转换成为一个口播视频。本篇内容的教程以WINDOWS系统为例，教你如何安装使用。先看视频效果彭于晏图片生成口播视频。

本篇文章教会你如何让几秒钟去除图片中的马赛克，还是依托于Stable Diffusion WEB UI的强大扩展插件ControlNet,快来学起来吧，如果有问题请在评论区留言。

如何让一张真实人物变成动漫二次元风格的图片？Stable Diffusion WebUI加上contolNet扩展插件帮你快速实现。快来使用AI绘画打开异世界的大门吧！！！

这篇文章教会你如果用Stable Diffusion WEB UI制作艺术二维码，什么是艺术二维码呢？就是普通二维码和艺术图片融合后的二维码图片，如下图所示。主要原理还是使用controlNet的control_v1p_sd15_qrcode_monster模型和光影模型control_v1p_sd15_brightness。

这篇文章教会你如何使用Stable Diffusion WEB UI扩展插件ControlNet控制光影模型实现艺术字与图片的光影效果。艺术字主要原理是用到了Depth (深度)算法和模型，光影效果是用到了control_v1p_sd15_brightness（亮度）和control_v1p_sd15_illumination（光亮）两个模型其中之一就行。

这篇文章教会你如何使用Stable Diffusion WEB UI扩展插件ReActor轻松实现图片中的人物换脸。ReActor 是 Stable Diffusion WebUI 的扩展，它允许在图像中非常简单准确地进行人脸替换（人脸交换）。

Stable Diffusion WEB UI 依靠各种第三方插件，可是实现很多功能，今天主要讲解如何使用ControNet插件的Recolor (重上色) 实现黑白老照片的上色和修复，变成一个彩色高清的图片。

如何让一张动漫人物变成真实系列人物？Stable Diffusion WebUI五步即可实现。快来使用AI绘画打开异世界的大门吧！！！

这一节我们就来讲讲 SD 最常使用的三个脚本工具的使用，分别是 提示词矩阵、批量提示词和X/Y/Z图表。这三个脚本SD-WebUI默认自带的无需另外安装皆可使用。在文生图和图生图网页界面的最下方，脚本选择栏里。

LCM 是一个用于 Stable Diffusion 模型的新型采样器（Sampler）。Stable Diffusion 是一种生成式人工智能模型，主要用于文本到图像的转换，即根据给定的文本提示生成相应的图像。采样器是这种模型中的一种重要组成部分，它负责从概率分布中抽取样本以生成最终的输出。LCM 代表了 “Lora Consistency Model”，其中 Lora 是一种新的采样方法，而 Consistency Models 强调的是在生成过程中保持一致性。

上一篇文章讲到如何给人物更换背景和服装。今天主要讲电商模特，就是服装电商们的固定服装产品图片如何变成真人模特穿上的固定服装产品效果图。如果你掌握了，这篇文章对你来说，上手会更轻松。

图片蒙版是一种用于调节图像修改程度以及进行局部调整的工具。它通常分为四种类型，包括图层蒙版、剪贴蒙版、矢量蒙版和快速蒙版。蒙版一词本身具有“蒙在上面的板子”的含义，在Photoshop中，蒙版通常只有三种颜色，即黑色、白色和灰色。黑色代表保护，白色代表允许修改，灰色则用来调整被修改的程度。通过使用蒙版，用户可以选择性地保护或修改图像的特定区域。sd-webui-controlnet扩展插件之前已经讲过如何安装使用了。

提示词对于Stable Diffusion AI绘画来说非常重要， 由于Stable Diffusion 支持英文提示词，对于英文不好的朋友，每次都要切换翻译网站去翻译，很不方便，下面介绍两款Stable Diffusion 提示词扩展插件，让你写提示词更轻松。插件网址： https://github.com/Physton/sd-webui-prompt-all-in-onePrompt-all-in-one 插件功能主要包括自动中文转英文、一键转英文、快速修改权重、收藏常用提示词等。我们可以通过插件让

ControlNet是一个用于控制AI图像生成的插件，通过使用Conditional Generative Adversarial Networks（条件生成对抗网络）的技术来生成图像。它允许用户对生成的图像进行更精细的控制，从而在许多应用场景中非常有用，例如计算机视觉、艺术设计、虚拟现实等。对于stable diffusion，ControlNet的出现提供了一种新的神经网络概念，通过额外的输入来控制预训练的大模型，例如stable diffusion。

Stable Diffusion WebUI是一个基于Gradio库的浏览器界面，用于配置和生成AI绘画作品，并且进行各种精细地配置。它支持目前主流的开源AI绘画模型，例如NovelAI/Stable Diffusion。在基本设置方面，Stable Diffusion WebUI的默认地址为127.0.0.1:7860，目前有中文界面。

Stable Diffusion web ui，除了依靠文生图（即靠提示词生成图片），图生图（即靠图片+提示词生成图片）外，这两种方式还不能满足我们所有的绘图需求，于是就有了 Embeddings（词嵌入）、LoRa（低秩适应模型）、Hypernetwork（超网络）。你只需要在提示词词，使用Embeddings（词嵌入）、LoRa（低秩适应模型）、Hypernetwork（超网络）的标签。

安装后在图生图面板网页最下方的脚本选择框里，选择SD Upscale 就能展开SD Upscale 参数设置。选择SD Upscale 后，出现以下参数设置的面板。只有三个参数设置，一是分块重叠像素宽度、一个是放大倍数、一个是放大算法。放大倍数和放大算法上面已经说过，这里主要解释下什么是分块重叠像素宽度？

在 StableDiffusion图生图的面板里，除了图生图（img2img）选卡外，还有局部重绘(Inpaint)，涂鸦(Sketch)，涂鸦重绘(Inpaint Sketch),上传重绘蒙版（Inpaint Uplaod）、批量处理（Batch）等功能。下面我就讲解一下这些功能的作用和使用。

Stable Diffusion 不仅可以文生图，还可以图生图。文生图就是完全用提示词文本去生成我们想要图片，但是很多时候会有词不达意的感觉。就像我们房子装修一样，我们只是通过文字描述很难表达出准确的想要的装修效果，如果能给到一张设计图或者效果图，那么就能更加直白的表达我们的想要的意思了。

在Stable Diffusion中，Prompts是控制模型生成图像的关键输入参数。它们是一种文本提示，告诉模型应该生成什么样的图像。Prompts可以是任何文本输入，包括描述图像的文本，如“一只橘色的短毛猫，坐在草地上，背景是蓝天白云”，也可以是关键词的组合，如“鸟，森林，天空”。通过使用Prompts，我们可以控制生成图像的样式、主题、颜色、纹理等。同时，我们还可以通过调整Prompts的权重来控制不同要素在图像中的突出程度。例如，如果将某个关键词的权重设置得更高，那么模型在生成图像时就会更加

以上就是本篇文章的全部内容，大家可以尝试的设置这些参数生成一些图片了。当然你生成的图片的效果大概率不会很理想。以上所有参数中难度设置最大作用也最大的就是promts提示词了。如何才能写出更准确，更能让Ai理解的提示呢？下篇文章我会讲promts提示词的基本语法和进阶语法的使用，相信你Ai绘画的水平会得到进一步的提升。

我们下载完stable-diffusion-ui后还需要下载需要的大模型，才能进行AI绘画的操作。秋叶的stable-diffusion-ui整合包内，包含了anything-v5-PrtRE.safetensors和Stable Diffusion-V1.5-final-prune_v1.0.ckpt两个模型。anything-v5-PrtRE.safetensors模型可以用于生成多种类型的图像，包括肖像、风景、动物、卡通、科幻等，它具有较强的适应性和泛用性，效果表现出较强的真实感和细节还原能力。

Stable Diffusion Web UI是一款基于Stable Diffusion基础应用的交互程序，它利用gradio模块搭建而成。这个模块除了具有txt2img、img2img等基本功能外，还包含许多模型融合改进、图片质量修复等附加升级。所有这些功能都可以通过易于使用的Web应用程序图形用户界面进行访问。Stable Diffusion是一款基于人工智能技术开发的绘画软件，它可以帮助艺术家和设计师快速创建高品质的数字艺术作品。

随着深度学习技术的不断发展，文本到图像生成已经成为了研究的热点领域。过去几年中，出现了许多文本到图像的生成模型，如GANs、VQ-VAE等。这些模型在生成图像时，通常需要使用大量的数据和计算资源，并且生成的图像质量也参差不齐。因此，开发一种更加稳定、高效且能够生成高质量图像的文本到图像生成模型成为了当务之急。在这个背景下，Stable Diffusion应运而生。该模型由CompVis、Stability AI和LAION的研究人员和工程师共同开发，于2022年发布。