【AIGC实用案例分析14】：Stable Diffusion AI 绘画怎么用

首先分享之前的所有文章 >>>> 😜😜😜
Github : 👉 github.com/black-ant
CASE 备份 : 👉 gitee.com/antblack/ca…

一. 前言

一年不到，AI对生活和工作的影响已经逐步体现。所以千万别掉队了，也许 AI 不能成为我们的主要工作，但是如何借助 AI 实现副业的扩展同样值得思考。

这一篇就来讲一个 AI 绘画工具，这个工具我也是才上手不久，所以我把这其中的一些笔记分享出来，希望大家都能融入到这个新的时代。

Stable Diffusion

stable diffusion 本质上是一个 AI 绘图生成工具，我想大家肯定听说过它的竞品 ： Midjourney 。

之所以选择 Stable Diffusion 的主要原因就是它免费，本地就可以搭建，开源资源丰富 ， 适合我们这些业务人员去折腾。

实测 4060 笔记本显卡一张图 1024 大小的图大概在 10S 左右 , 如果嫌慢不要紧， 阿里云买一个抢占式的 GPU 服务器再部署一套到云环境上面，一小时也只要3块钱。

• 欠拟合 ：指模型不能在训练集上取得好的结果。学了又好像没有完全学会
• 过拟合 ：指在训练集上表现很好，但是测试集上表现很差
• 不收敛 ： 训练失败，根本没学会
• 泛化能力 ：指的AI对未知样本的推理、适应能力

二. 安装和使用

基础安装太简单了，果然玩图的大佬都是热心肠，这里推荐直接使用 sd-webui-aki  Bilibili 地址。

启动的效果就是这样，入门使用只需要关注2个点 ：

• 模型管理 ： 在各模型网站下载对应模型后添加进去即可
• 一键启动 ： 直接启动运行

几个好用的模型网站 ：

• 土司 ： tusiart.com/
• civitai : civitai.com/
• liblib : www.liblib.ai/

三. 使用方式

整个主界面大致如下 ，来简单说一下其中这些关键的信息 ：

👉 001 : 基础模型是什么？

模型就是我们在上述模型网站中找到的喜欢的模型，模型很多，我们只需要找到自己想要生成的去下载即可 ：

下载完模型后，将模型添加到工具的模型管理中，然后在主界面模型旁边点击刷新就能应用上去。

模型也有对应的类型，这里简单概述下 ：

• LoRA ：通常用于人物和概念，体积小且控图效果好，常用于固定角色特征
• Checkpoint ： 体积较大，用于控制画风
• Embedding ： 适用于控制画风和人物，相对速度中等
• Dreambooth ： 可以用于人物，概念和画风，对配置要求较高

对我这种新手来说基本上不关注这个，模型训练可能是后续的实践中才需要使用到。

👉 002 : VAE 模型是什么 ？

Variational autoenconder，中文叫变分子编码器 ，主要的作用就是滤镜。在出图的时候会影响颜色和线条

一般大模型里面都会自带 VAE ， 出图如果有问题才可能需要用到它。

尝试了一下，左边的为原厂模型，右边加了其他 VAE. 虽然不明显，但是在颜色上还是有一些色差。

👉 003 / 004 : 提示词怎么写 ？

提示词分为正向提示词和反向提示词 ，

• 正向提示词 ：
  • 通过提示词 来指定生成的图像
  • 提示词的顺序会影响到图像的生成 ，前面的提示词权重更大
• 排除词 ：
  • 用于指定图像中不期望出现的东西 （低质量，小图，五官不全）
• 权总 ：
  • stable diffusion 支持对提示词进行权重设置，点击提示词按 Ctrl + 上下方向键

那么提示词该怎么去找，去哪里找呢？

方案一 ： 通过 Stable Diffusion 的工具反推提示词

直接把图片拖进去，就能得到对应的提示词，后续直接使用即可。

方案二 ： 去模型网站或者图站查找提示词

一般下载的模型下面都能找到一些效果图，点进去就能看到对应的提示词

方案三 ： 找 GPT 问或直接写

👉 005 ：步数的作用是什么 ？

• 迭代每一步都是在前一步的基础上进行处理
• 低的采样步数会导致画面计算不完整，高的采样步数仅在细节处进行优化，对比输出速度得不偿失

👉 006 ：采样方式有什么用 ？

采样方式指的是模型生成图像时所采用的策略，决定了如何从模型的输出分布中选择样本。

@ 具体介绍 post.smzdm.com/p/aev65x7z/

@ 详细原理 zhuanlan.zhihu.com/p/612572004

@ （推荐对比看看）👉关于不同出图效果 zhuanlan.zhihu.com/p/625556566

不是很了解，帮不了太多，但是文档我给你们找好了呀！！！

上文界面里面的采样方式主要有以下区别 ：（PS 这一块网上资料也不多，只能做到这个地步了）

算法	速度	步数	优 / 缺点	场景
Euler a		20-30	1. 适当的步长出图更快 2. 步长过大会过度拟合，图像变形 3. 富有创造力	ICON ， 二次元，小场景
Euler		20-30	- 基于Karras论文
LMS		30+	1. 效果一般，比较抽象 ， 质感OA,饱和度与对比度偏低，更倾向于动画的风格 2. 线性多步调度器（Linear multistep scheduler）
Heun		20-30	- 基于Karras论文
DPM2		20-30	该采样方法对tag的利用率最高，几乎占80％+
DPM2 a		25-30	几乎与DPM2相同，对人物可能会有特写
DPM++ 2S a		20-30
DPM++ 2M		20-30
DPM++SDE	慢
DPM++2S a Karras	慢		- 在每个时间步长中执行多次操作 - 同等分辨率下细节更多 - 步长越多细节越明显	写实人物，复杂场景
DPM++ 2M Karras		20-30	1. 是二阶扩展概率模型求解的算法 2. 可以在速度和质量之间平衡
DPM ++ SDE Karras	慢	8-12
DDIM	慢	10-15	1. 步数越多细节越丰富 2. 收敛快，可以快速生成高质量图像	写实人像，复杂场景刻画
UniPc		20-30
DPM adaptive		10
LMS Karras		20	会大改成油画的风格，写实不佳
DPM2 Karras		20-30
DPM2 a Karras		20-30

👉 007 ：关于图像大小 ？

• 图像越大，从而需要往图片中加入更多的元素，越容易出现低质量的信息
• 如果图像大小一样，相同的提示词可能会出现类似的结果，但是大小一旦变化，图像的变化就极大
• 图像越大，花的时间必然就会越长
• 总结 ： 图像不是越大越好，过大的图像反而影响整体质量。

关于宽度 ：

• 推荐 512 x 512 ，一般模型都是在这个基础上进行计算的
• 宽带必须是 8 的倍数
• 宽度不适合太大，容易出现图像崩溃
• 高度同理

👉 008 ：CFG Scale （提示词引导系数 ）

• 控制图像与提示词之间的契合度，这个值越高，生成的图像也越接近你的提示词
• 这个值一定程度上会降低图像质量，因为相当于限制了范围
• 建议 7- 15

其他功能补充 ：

随机种子的作用

• 随机种子可以帮助我们锁定图像范围 ，使用相同种子的时候可以生成类似的图像
• 相同的随机种子可以提高图像的可重复度和相似性，用于调优和优化模型
• 当使用 -1 随机种子时图像完全随机，完全无规律

总结

首篇完成，算是对这段时间学习的一个总结，期望能对大家有所帮助。

学无止境， 这个系列也是一直会保持更新。