Stable Diffusion 文生图全网最细详解

从这一节开始开始我们正式开始学习 SD (Stable Diffusion)

第一节我们从 Web UI 开始讲解

基于使用最多的 文生图 模块来讲解

一、WEB UI 页面

如果你使用是 SD，

那么你进入到 web ui 页面后可以看到下面这个页面

其中：

• 模型选择： 模型对于 SD 绘图来说非常重要，不同的模型类型、质量会很大程度的决定最终的出图效果（模型相关的课程会在后面细讲）
• Prompt区： 如果你使用过 ChatGPT 你应该知道 Prompt 是什么。说的直白点就是你想让 SD 帮忙生成什么样的图，反向 Prompt 就是你不想让 SD 出生的图里有这些东西。后续课程也会详细的讲解如何更好的编写 Prompt
• 功能栏： 包括了常见的 文生图、图生图、模型获取、模型训练等功能。不同的功能页面也不同，这一节课，我们先针对最长使用的 文生图 模块页面来讲解
• 采样区： 采用什么样的绘画方式算法，以及“画多少笔” 来绘图。一定程度上决定出图的质量
• 调参区： 设置分辨率、每次出图的批次、出图抽象性（和 prompt 关联性的程度）
• 脚本区： 通过配置脚本可以提高效率；比如批量出图、多参数的出图效果比较（课程中会大量使用）

接下来会进一步的介绍每个模块的使用。

二、模型选择

直白点说，

模型就是“模型训练师”们通过大量的图片进行训练得到的具备某种风格的模型。

我们使用某个模型后，

后续在出图的整体方向就会更靠近这个模型的风格。

你安装好之后默认可以看到两个模型

• anything ： 二次元风格模型
• Deliberate：真人风格模型

推荐的网站：

C站：civitai.com/ 需要魔法

www.aigodlike.com/ 如果没有魔法的话可以试试 这个 也不错

huggingface.co/

三、Prompt 区

如果你学习过如何更好的编写 ChatGPT 的 prompt，

你会发现 Prompt 的编写都会遵守一定的范式，

这样得出来的效果才可能更贴近我们的想法。

选择完模型之后，

我们就可以给予这个模型风格，

告诉 SD prompt 画出什么样的图。

比如：直接告诉 SD 画一个女孩

虽然能出来一个 女孩，

emmm… 但是这个质量吧，还是很差的，

实事上呢，

是我们的 prompt 写的太差劲了 导致的

如果我们完善一点 (丰富一些 prompt ）

会发现效果质量立竿见影；而我们只是加入了一些通用的 prompt 提示语

• 正向的 prompt： 说白就是要高画质、更多的细节

 (masterpiece:1,2), best quality, masterpiece,best detail face 

1
2

• 反向的 prompt： 不要少胳膊断腿，要是一个正常的图

(((NSFW))), (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, ((monochrome)), ((grayscale)), skin spots, acnes, skin blemishes, age spot, (ugly:1.331), (duplicate:1.331), (morbid:1.21), (mutilated:1.21), (tranny:1.331), mutated hands, (poorly drawn hands:1.5), blurry, (bad anatomy:1.21), (bad proportions:1.331), extra limbs, (disfigured:1.331), (missing arms:1.331), (extra legs:1.331), (fused fingers:1.61051), (too many fingers:1.61051), (unclear eyes:1.331), lowers, bad hands, missing fingers, extra digit,bad hands, missing fingers, (((extra arms and legs))),

1
2

其中的一些细节，

比如 提示语的语法格式、公式、权重、模版和tag大全，我们会在 prompt 和 tag 课程中细讲。

有个比较有意思的 反向 tag 叫 NSFW(no sutiable for work)

一般情况尽量把这个加入到反向词中，特别是工作场合。不然惊喜可能随时都会出现（各种18+）…

想想在工作的时候，你信誓旦旦给你的同事来一张漂亮的小姐姐，结果…

如果你不太信的话，可以直接把 NSFW 放在正向里面试试…

四、采样区

采样区做的事就是，我们该用什么样的采样方式来画，画多少笔（多细致）

1.采样方式

由于采样方式的原理比较深奥，涉及到很多的算法，我直接给结论，

我更加推荐使用下面这三个：

• Euler a
• DDIM
• DPM ++ 2M Karras

我们可以试试这三个不同采样方法的效果

整体的质量是非常好的，出图速度相对也会快很多

2. 采样步数

采样步数相当于是作画的时候画多少笔。

同样的也是先给结论，建议在 20-40之间，出图效果会更好。并不是越高越好

来看看效果

会发现步数到了60其实也还好，

但同时需要考虑到性价比，步数越高也就意味着耗费的资源会越多，对机器的配置会更高。

所以一般我们的步数设置到 20-40之间就可以了。

接着上节课，我们继续讲解 Stable Diffusion Web UI 的使用。

这节课我们会讲解 面部修复，高清修复和调参区的内容

五、脸部修复

面部修复的适用在画真人、三次元的场景，特别是在画全身的时候

一般在画全身，由于脸部占比的空间比较小，那么绘制出来的效果就会比较差

1.面部修复

SD 支持直接一键进行脸部修复，但这效果可能不是非常好，也不是最终方案

举个例子：

模型选择：Realistic Vision V2.0 （如何下载模型可以参照课程

在没有开启面部修复的情况，脸部非常不自然（特别是在画全身的时候）

开启面部修复后：

出图的效果，脸部就自然了非常多

2.高清修复

高清修复的原理相当于是把原分辨率的图放大进行绘制，

绘制结束后再做一个还原，从而达到脸部的优化。

这样对于电脑的资源消耗会更大。

其中有几个参数可以来说说：

• 放大算法： 这块可以直接给结论；大家如果要改善真人、三次元的脸部直接使用 R-ESRGAN 4x+ ；如果是二次元的使用 R-ESRGAN 4x+ Anime6B
• 高清修复采样次数： 建议直接给0，表示直接使用原有出图的采样步数即可
• 重绘幅度(Denoising)： “放飞程度“，在修复的时候和原图的相似关系，越小表示越相似，越大最后的图就和原图没啥关系了
• 放大倍率： 一般给到2倍即可。太大基本上电脑配置吃不消

我们可以来看看使用高清修复后优化的样子：

耗时要远大于不修复的出图时间，

但是效果也是比普通的面部修复要好。

主要是可以根据自己的需要调节参数。

如果我们把重绘幅度拉满，

会发现和原图就不太像了，甚至会… Emmm…

六、调参区

前面讲到的模型决定了出图的大方向

Prompt 决定了最终的图是什么样

调参区 则决定了一次出多少张图，分辨率以及随机性

1.分辨率 高度&宽度

1.1 如何设置合适的大小

当我们默认进入 SD Web UI 页面后的默认高度和宽度就是 512*512.

这是因为综合各方面来说这个分辨率的性价比是最高的

• 在 SD 的最初模型 SD 1.5 训练的图片的分辨率大部分都是 512*512，所以在出图的时候，这个分辨率的效果也是最好的
• 基于性能的考量，512*512 可以比较好的满足质量的要求。对于机器的配置的要求也能适中。如果分辨率设置的比较大，那么电脑的显卡可能就会崩掉，导致SD报错

考虑到SD的最初模型几乎都是 512*512 ,

所以我们想要比较好的效果的时候，

至少应该要有个参数是在 512-768 之前，

这样出图的质量都可以得到保障。

设置的分辨率是：768*320

1.2.妙用画身体

我们可以来思考一个问题，如果画一个全身的人出来？

第一反应是不是就是在 prompt 里面提出来对吧？

加上 full body ，我们可以来看看效果

出来的效果空间感很差，

为了不出现拉伸的情况，SD 会自动的做一些裁剪。

所以，我们可以调整分辨率来实现画全身的场景

这个看起来是不是就非常完美了！

当想要画全身的时候可以考虑用这种方式。

当然了，细心的同学们会发现，手指还是有问题，我们后续会讲到如何优化！

2.批次VS每批数量

这个就很好理解了

（相当于有一个马路，生成批次决定了有几辆车按顺序通过，每批数量决定了有几个车道可以并行通过）

• 生成批次：可以理解成点击一次生成会循环生成多少个数量的图
• 每批数量：表示一个批次里一次生成多少张图（一批会有一个概览图）

那我们选择哪种方式批量出图呢？

如果你的配置比较高，那么可以使用 每批数量 的方式出图，会更快。

否则就加大批次，每一批生成一个

七、随机种子 DNA

1.随机种子

可能会有同学发现前面我们出的图几乎都是一个样子。

只有细微的不同，这个就是固定了随机种子导致的。

默认随机种子的值是 -1，表示每次出图都会随机一个种子，根据这个种子进行出图。

如果我们想要固定某个形象，那么把对应种子的值填在这，那么每次出图的效果大致都会一样。

2.差异种子

如果我们点开更多，会发现还有更多参数

• 随机种子会和差异种子进行融合
• 差异强度：融合后的效果到底更偏向随机种子还是差异种子；如果是0，那么相当于没有设置差异种子；如果是1那么相当于是没有设置随机种子

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。
 

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。

​