Stable Diffusion 出图必备脚本神器

最新推荐文章于 2025-02-17 17:21:12 发布

程序员小八

最新推荐文章于 2025-02-17 17:21:12 发布

阅读量828

点赞数 17

文章标签： stable diffusion 数据库 javascript midjourney 人工智能开发语言 ecmascript

本文链接：https://blog.csdn.net/z099164/article/details/138997811

版权

细心的同学看完前面的课程

肯定会发现案例中经常会有一些参数对比图、混合模式的对比这种效果

这个就是 SD 提供的脚本功能，

这一节我们就来讲讲 SD 最常使用的三个脚本工具： 提示词矩阵、批量提示词和X/Y/Z图表

一 Prompt Matrix 提示词矩阵

如果我们希望比较几个提示词的融合关系，

那我们可以使用提示词矩阵来实现我们的需求。

比如：我们想要比较复古风格和Q版风格对现有 prompt 的影响，那么我们就可以根据以下步骤操作

打开提示矩阵脚本功能
给出提示词 (|chibi|retro artstyle)

best quality, ultra-detailed, masterpiece, hires, 8k,

pov,stand up,
1girl,big eye,wear long hoodie,casual pants
|chibi|retro artstyle

最终就可以得到四张效果图：

二 X/Y/Z 图表

1.字符类参数

如果我们希望对比不同的参数对原有的 prompt 的影响。

比如迭代步数、模型或者是prompt中的提示词，那么就可以使用这个脚本来实现。

**举个例子：**我们希望比较不同的采样方法（Euler a, DPM++ 2M Karras）来渲染不同的发型(ahoge, blunt bangs, drill , bun, wavy)，他们的效果是什么样的

best quality, ultra-detailed, masterpiece, hires, 8k,

pov,stand up,
1girl,big eye,wear long hoodie,casual pants,
ahoge hair

先看效果：

这个例子中：

X轴-提示词搜索/替换：SD 会拿着 X轴值中的第一个词在 prompt 中找，然后进行挨个替换成 X轴中的每一个提示词进行出题
Y轴-采样方法：这个就直接将 Y轴值中的每一个采样方法进行挨个使用

2.数值类参数

还有一种是数值类的参数比较，比如迭代步数

举个例子： 我们想要在同一模型下，比较不同迭代步数(10-90)对出图的影响，跨度步数为10，每10步出一张图，那我们就可以这样填

如果我们不想按10步为跨度进行出图。希望整个范围就出5张，让 SD 自己平均划分。

举个例子： 设置的迭代步数为 10-90，希望出十张图，那么我们可以直接填写 10-90[10] 即可

三批量提示词出图

如果我们希望根据多个不同的 prompt 提示词进行出图，每个prompt的反向词，参数也不同，那么我们就可以使用这种方式来进行批量出图。

首先：我们先打开批量提示词出图脚本

目前支持两种方式： 直接输入文本、上传文件

不管是直接文本输入还是上传文件，其格式是一样的，每一行只写一条记录

格式：

–prompt “1dog” --negative_prompt “nsfw” --width 512 --height 512 --sample_name “Euler a” --step 20 --batch_size 1 --cfg_scale 7 --seed -1

–prompt 正向提示词
–negative_prompt 反向提示词
–sample_name 采样方法
–cfg_scale 相关性

“sd_model”：模型名称

“outpath_samples”：样本输出路径

“outpath_grids”：网格输出路径

“prompt_for_display”：用于展示的提示词

“prompt”：正向提示词

“negative_prompt”：负面提示词

“styles”：提示词模板（你自己设置的提示词模板）

“seed”：随机种子

“subseed_strength”：次级种子强度

“subseed”：次级种子

“seed_resize_from_h”：次级种子高度

“seed_resize_from_w”：次级种子宽度

“sampler_index”：采样器索引

“sampler_name”：采样器名称

“batch_size”：生成批次

“n_iter”：每批数量

“steps”：采样迭代步数

“cfg_scale”：提词相关性

“width”：宽度

“height”：高度

“restore_faces”：面部修复

“tiling”：平铺

“do_not_save_samples”：不保存样本

“do_not_save_grid”：不保存网格

举个例子： 给出两个完整的 prompt，一个是画一只猫，一个是狗，那么我们就可以在文本输入框内填

--prompt "1dog" --negative_prompt "nsfw" --width 512 --height 512 --sample_name "Euler a" --step 20 --batch_size 1 --cfg_scale 7 --seed -1 
--prompt "1cat" --negative_prompt "nsfw" --width 512 --height 768 --sample_name "Euler a" --step 20 --batch_size 1 --cfg_scale 7 --seed -1

写在最后

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

在这里插入图片描述