Stable Diffusion完整入门指南，保姆级教程！干货满满，建议收藏！_stable diffusion使用教程

文末附入门学习籽料包~

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独立的个体，权重默认为1，而后面的数值就相当于在修改这个默认值。当然，我们也可以将权重调整为负数，从而在提示中产生与原意相反的影响。

通过这种方法，我们可以更加精确地控制提示关键词的权重，以达到更好的提示效果。同时，我们也需要注意保持提示内容的流畅性和自然性，避免过度的修改，导致提示内容的语义不连贯或不符合实际情况。

3. 图像的输出

画面的信息量取决于输出图片的大小。

在全身构图中，一些细节，例如脸部、饰品和复杂的纹样，只有在较大的图像中才能得到充分的展示空间，如图像太小，脸部，手部，一些细节就会被压缩成一团，无法得到充分的表现，以下图的风景为例，当画幅越大时，展示的内容越多。

二、界面部分

这里分为四个部分：1. 采样迭代步数 2. 采样方法的介绍 3. 提示词相关性 4. 随机种子

1. 采样迭代步数

输出画面需要的步数，每一次采样步数，都是在上一次的迭代步骤基础上绘制生成一个新的图片，一般来说采样迭代步数保持在 18-30 左右即可。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。

2. 采样方法的介绍

常用的有三种，分别是 Euler a、DPM++2S a Karras、DDIM

Euler a：

Euler a 是一种用于控制时间步长大小的可调参数，在 Stable Diffusion 中采用 Euler 时间步长采样方法。适当的 Euler a 值能够捕捉到细节和纹理，但如果值太大会导致过度拟合，生成图像出现噪点等不良效果。一句话概括：采样生成速度最快，但是如果说在高细节图增加采样步数时，会产生不可控突变（如人物脸扭曲，细节扭曲等）。

适合：ICON，二次元图像，小场景

下图为大家展示同提示词不同步幅

DPM++2S a Karras：

采用 DPM++2S a Karras 采样方法生成高质量图像，该方法在每个时间步长中执行多次操作，同等分辨率下细节会更多，比如可以在小图下塞进全身，代价是采样速度更慢。

适合：写实人像，复杂场景刻画

下图展示同提示词不同步幅下的输出图像，可以看到步幅越高，细节刻画越好

DDIM：

DDIM 采样方法可以快速生成高质量的图像，相比其他采样方法具有更高的效率，想尝试超高步数时可以使用，随着步数增加可以叠加细节。

适合：写实人像，复杂场景刻画

下图为大家展示同提示词不同步幅下的输出图像，可以看到随着步幅的提高，细节和丰富度逐渐提高

3. 提示词相关性

Stable Diffusion 中的提示词相关性指的是：输入提示词对生成图像的影响程度。当我们提高提示词相关性时，生成的图像将更符合提示信息的样子；相反，如果提示词相关性较低，对应的权重也较小，则生成的图像会更加随机。因此，通过调整提示词相关性，可以引导模型生成更符合预期的样本，从而提高生成的样本质量。

① 对于人物类的提示词，提示词相关性控制在 7-15之间。

② 对于建筑大场景类的提示词，一般控制在 3-7之间。这样可以在一定程度上突出随机性，同时又不会影响生成图像的可视化效果。因此，提示词相关性可以帮助我们通过引导模型生成更符合预期的样本，从而提高生成的样本质量。

4. 随机种子

随机种子是一个可以锁定生成图像的初始状态的值。当使用相同的随机种子和其他参数，我们可以生成完全相同的图像。设置随机种子可以增加模型的可比性和可重复性，同时也可以用于调试和优化模型，以观察不同参数对图像的影响。

在 Stable Diffusion 中，常用的随机种子有-1 和其他数值。

当输入-1 或点击旁边的骰子按钮时，生成的图像是完全随机的，没有任何规律可言。而当输入其他随机数值时，就相当于锁定了随机种子对画面的影响，这样每次生成的图像只会有微小的变化。因此，使用随机种子可以控制生成图像的变化程度，从而更好地探索模型的性能和参数的影响。

在工作产出中，如果细微调整，我们将会固定某个种子参数然后进行批量生成。

三、模型部分

这里分为四个部分：1. Checkpoint的介绍 2. VAE的介绍 3. embedding的介绍 4. Lora 的使用详解

1. Checkpoint 的介绍

对于模型作者而言，训练模型通常指生成 Checkpoint 文件。这些文件包含了模型参数和优化器状态等信息，是训练过程中定期保存的状态快照。

对于使用者而言，可以将 Checkpoint 文件理解为一种风格滤镜，例如油画、漫画、写实风等。通过选择对应的 Checkpoint 文件，您可以将 Stable Diffusion 模型生成的结果转换为您所选择的特定风格。需要注意的是，一些 Checkpoint 文件可能需要与特定的低码率编码器（如 Lora）配合使用，以获得更好的效果。

在下载 Checkpoint 文件时，您可以查看相应的模型简介，通常作者会提供相应的文件和说明事项，以帮助您更好地使用和理解该文件。

总之，Checkpoint 文件是 Stable Diffusion 模型训练过程中定期保存的状态快照，使用者可以将其理解为一种风格滤镜，用于将模型输出结果转换为特定的风格。在使用 Checkpoint 文件时，需要注意文件的匹配和相应的使用说明。

2. VAE 的介绍

可以将 VAE 理解为对模型的滤镜加微调，不同的 VAE 可能有一些细节上的差异，但不会影响输出的效果。

它可以增强模型的表现，有些模型文件已经自带了 VAE 效果，因此不需要盲目地去挂载，可以选择自动模式来简化日常使用。

3. embedding 的介绍

如果你有做过 UI 的经验，那么你应该知道组件的概念。在 Stable Diffusion 中，embedding 技术就可以被理解为一种组件，它可以将输入数据转换成向量表示，方便模型进行处理和生成。

举个例子，如果我们想要生成一个开心的皮卡丘，通常需要输入很多描述词，如黄毛、老鼠、长耳朵、腮红等等。但是，如果引入皮卡丘的 embedding，我们只需要输入两个词：皮卡丘和开心。皮卡丘的 embedding 打包了所有皮卡丘的特征描述，这样我们就不用每次输入很多单词来控制生成的画面了。

在日常使用中，embedding 技术通常用于控制人物的动作和特征，或者生成特定的画风。相比于其他模型（如 LORA），embedding 的大小只有几十 KB，而不是几百兆或几 GB，除了还原度对比 lora 差一些但在存储和使用上更加方便。

总之，embedding 技术将输入数据转换为向量表示，为模型的处理和生成提供了便利。通过使用 embedding，我们可以更加轻松地生成符合预期的样本，而不需要手动输入大量的描述词汇。

4. LORA 的介绍

LORA 与 embedding 在本质上类似，因为携带着大量的训练数据，所以 LORA 对人物和细节特征的复刻更加细腻。

使用技巧：

通常来说，每个 LORA 模型都有对应的底膜和触发词汇。我们可以查看 LORA 作者产出的相关图片，从中获取模型信息，并从中选择一些提示词和排除词来指定生成图像的方向。

需要注意的是，每个 LORA 模型对输出图像的权重设置是非常重要的。权重设置越大，对画面的影响因素就越浅。通常情况下，权重应该控制在 0.7-1 之间。如果权重过高，会大幅度影响出图的质量。

为了获得最佳效果，我们可以根据不同的 LORA 模型选择适当的提示词和排除词，并在设置权重时进行调整。同时，我们还可以参考其他作者的经验和技巧，以便更好地利用 LORA 生成图像。

四、图生图

这里分为三个部分：1. 简介 2. 重绘幅度 3. 缩放模式

1. 简介

图生图是一种生成图像的方法，它可以通过对已有的图像进行修改或变形，生成新的图像。在 Stable Diffusion 中，我们可以将垫图的图像看作是一张“初始图像”，通过多次迭代，对其进行修改和变形，逐步生成与垫图风格类似想要的图片。

需注意的是图生图相对于文生图多出两个功能。

2. 重绘幅度

指的是每次迭代中图像被重新绘制的程度或幅度，也就是新生成的图像与上一次迭代生成的图像之间的差异程度。

它的取值范围在 0 到 1 之间。当值等于 0 时，新生成的图像与上一次迭代生成的图像完全一致，即没有重新绘制；当值等于 1 时，新生成的图像与上一次迭代生成的图像完全不同，即完全重新绘制。

需要注意的是，重绘幅度的大小会影响生成图像的质量和逼真程度。当重绘幅度较小时，生成的图像可能会比较模糊或粗糙；当重绘幅度较大时，生成的图像可能会出现明显的噪点或瑕疵。

3. 缩放模式

拉伸：

不改变宽高比的前提下将图片拉伸，宽度高度充满画面空间的100%。

裁剪：

保留宽高比的基础上，然后裁剪掉超出去的部分,使用时我们可以提前调整好输出图片的宽高比例。

填充：

它指在缩放图像时，将原始图像放置在目标尺寸的中心位置，多出去的部分用一定的颜色值（通常为黑色）填充周围的空白区域。

直接缩放：

指对图像进行简单的缩放处理，即直接将原始图像缩放到目标尺寸。

在 Stable Diffusion 中，如果生成的图像尺寸与原始图像尺寸不一致，就需要进行缩放处理。直接缩放是一种简单粗暴的缩放方式，它直接将原始图像缩放到目标尺寸，不进行任何额外的处理。这种缩放方式的优点是简单快速，但缺点是可能会导致图像失真或模糊，特别是当缩放比例较大时。

---

这里分为四个部分：1. 图生图 2. 绘图功能 3. 局部重绘 4. 批量处理

1. 图生图

主要用来做图片放大和造型背景的变化，或者三次元改二次元时用的，通常配合着ControlNet来使用。

2. 绘图功能

通过手动绘制或修改图像的局部区域，来指导生成器生成更加符合用户期望的图像，使用时可以利用绘图工具，如笔刷、橡皮擦等，对图像的局部区域进行修改。修改后的图像会被作为下一次迭代的初始图像，从而影响后续的图像生成过程。

通过绘图，可以更加精细地控制生成图像的细节和特征，从而获得更符合预期输出

3. 局部重绘

也称为上传蒙版法，提前在作图软件里用画笔涂抹好需要重新绘制的区域，黑色区域表示需要修复的区域，白色区域表示不需要修复的区域。

注意：因此只需要在需要修复的区域涂黑色，其他区域可以涂白或保留原始颜色。上传蒙版的话，也只需在绘图软件里把需要修复的区域涂黑即可。

局部重绘的目的是，尽可能地保留原始图像的结构和纹理特征，使修复后的图像更加自然和真实。

4. 批量处理

指使用已有的图像生成新的图像。而图生图的批量处理是指，同时对多张输入图像进行图生图操作，生成对应的多张输出图像。

ControlNet的使用

一图搞定插件安装。

这里分为三个部分：1. 权重 2. 预处理器与模型的关系 3. 介入时机和退出时机

1. 权重

ControlNet的权重与图生图权重的对比关系时，低重绘强度配高权重，可以锁定图片的细节，更改画风上的展现，拓展延伸推荐。高重绘强度配低权重，修改图片细节，定风格图后小修改推荐。

2. 预处理器与模型的关系

使用预处理器时要与模型一一对应起来，如与处理器选择canny，则相对应的模型也要选择canny。

预处理器和模型在 Stable Diffusion 中是相辅相成的，预处理器通过对输入图像进行预处理和数据增强，为模型提供了更好的输入，而模型则通过对输入进行特征提取和生成高质量图像，为预处理器提供了更好的反馈。

3. 介入时机和退出时机

介入时机：代表第几步介入对画面的影响
退出时机：代表第几步退出对画面的影响

如，现在是一个生成步幅为30步的图像

现在介入时机为0.2，则从30x0.2=6，第六步的时候ControlNet开始介入

现在退出时机为0.8，则从30x0.8=24，第二十四步的时候ControlNet退出对输出的介入

---

这里分为五个部分：1. Canny 边缘检测 2. Hed 边缘检测 3. MLSD 线性检测 4. Open pose 5. LeRes深度信息估算

1. Canny 边缘检测

Canny 是一种经典的边缘检测算法，能够很好地识别出图像中的边缘信息，对于图像生成任务来说，可以帮助模型更好地生成具有清晰边缘的图像。处理图片的方式是将图片专为线稿，对于画面细节不复杂的图像来说很好。但处理复杂图像时，主体会容易被除主题元素以外的元素影响。

细节刻画上，一种是分辨率越高，线条越清晰。阈值越少，对应的细节也越多。

2. Hed 边缘检测，细节保留

该算法的特点是，能够同时预测多个尺度的边缘，从而提高了边缘检测的精度，对边缘清晰的图像生成效果更好。当用草图转上色时，可以在绘图软件将描边加粗加深一些，从而能更方便获取边缘。

3. MLSD 线性检测

mlsd模型，可以进行直线检测，通过分析图片的线条结构来构建出建筑外框，适合建筑设计的使用。可以配合canny一起使用，效果更佳。

4. Open pose-人物摆pose

判断主图的主体动作，然后将动作附加在主图上，一般配合着open pose editer

5. LeRes深度信息估算

对有场景深度的图片效果更佳，生成的图像景深更易区分。

随着AI技术的快速发展，图像生成领域的大型模型正在成为研究的热点，但是由于该领域的相对新颖和复杂性，相关的教程和资源目前还相对匮乏。希望本文可以帮助大家快速入门Stable Diffusion，并为您提供一些有用的参考资料。

相信在不久的将来，一些真正具有商业价值的大模型将会涌现出来，为设计和其他领域带来更多的创新和效益，最后，希望大家能不断探索和学习，掌握更多的技能和知识，为设计赋能！

写在最后

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。

感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。

一、AIGC所有方向的学习路线

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。

二、AIGC必备工具

工具都帮大家整理好了，安装就可直接上手！

三、最新AIGC学习笔记

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。

四、AIGC视频教程合集

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。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

若有侵权，请联系删除