stable diffusion最全插件大全，新手必备指南_stable diffusion有哪些实用插件

Stable diffusion30个必备插件推荐，给我点个赞吧，兄弟们

1，ComfyUI，SD扩展里面直接搜索就行，

ComfyUI 是一个基于节点操作的UI界面，玩过建模的更容易学

安装后大概是这样的

大概是这么个流程

评价：comfyui,更适合显卡配置低的，8G,6G显存具体可以自己尝试一下。内部生成流程做了优化，生成图片时的速度相较于webui又10%~25%的提升（根据不同显卡提升幅度不同），8G显存下直接生成2k图片是没什么问题的。当然图片越大，显卡越吃力。有钱的话，有专业需求的话，还是买个4090一步到位吧。

相比较与SD的话，comfyui可控性很强。

comfyui支持以节点化的方式自由串联各种编解码器实现更自由的生成控制，相比之下，我们常用的WebUI其实就是一个完全固定下来的比较具有普遍性的流程。虽然这需要很多额外的学习成本（了解各种节点的作用和组合逻辑），comfyui,更加适合，图像摄影，游戏、美术，行业。

最好的方面是comfyui保存图像时，自动内嵌该图的所有工作流设置。那就意味着只要你下载足够多的参考图，模仿学习别人的工作流，会学的很快，简单易上手。有点像LR，和br

缺点，全英文界面，复杂的节点化流程，劝退非专业人士

2， roop换脸不太行，我就没发出来，专业的不适合普及，所以不发了

3，sd-webui-openpose-editor-main，可以对control里面进行编辑

4，大模型/Lora触发词插件lora-prompt-tool（Lora提示词助手）https://github.com/a2569875/lora-prompt-tool，可以直接安装。接下来，有触发词点一下就可以看到它的触发词了，没有的话，可以编辑一下。可以结合c站助手和喵手助理（这两个差不多），这个去复制对应的参数，和触发词当然不要指望用这个下东西，还是得去c站或者其他网站下载，再用idm跑满，下得飞快。

妙寿助理

c站

5，UI界面美化（建议12g显存以上）（kitchen）厨房主题，相比较与传统SD界面这个更美观，更直观，模型缩略图可以放大看。

可以选择主题，能上c站和github

6，完美手部修复插件Depth Library内含900个手部深度图，将文件复制到这个路径文件夹下“……\sd-webui-aki-v4\extensions”，直接覆盖。

7，提示词标签选择器Easy Prompt Selector网址安装”，然后输入以下地址,可以结合one button prompt 。 https://github.com/blue-pen5805/sdweb-easy-prompt-selector，可以直接安装。在写提示词的时候，我们遇到最多的情况可能就是脑子里面想不出来场景，可以逛逛“标签超市”——Danbooru 标签超市 (novelai.dev)。

8，抽卡神器，时间管理大师Agent Scheduler

适用于批量化操作，跑图，测试多CN融合

安装方式就是在扩展面板中搜索“Agent Scheduler”，或者是点击“从网址安装”，然后输入以下地址https://github.com/ArtVentureX/sd-webui-agent-scheduler，可以直接安装。如果显存不足，只会停止这个任务，然后继续下一个

可以搞几十张，

9，（必备）cutoff,一个及其好用的插件，用于强化提示词生成的图片，

给的提示词是这个1 girl, blue eyes, white shirt, black dress,

相对而言，不那么随机

10，Photopea
安装方式就是在扩展面板中点击“从网址安装”，然后输入以下地址https://github.com/yankooliveira/sd-webui-photopea-embed.git，可以直接安装,直接装了个ps，magic replace”。这个功能就是“创成式填充”，没错，就是那个大名鼎鼎的“创成式填充”，我们在SD里面也能用啦。还可以结合SD涂鸦功能，做一些概念图

11，（必备）自动写提示词脚本One Button Prompt，没有想法可以用这个看看，可以给一些提示词参考

12，（必备）超清无损放大器StableSR,这个有点麻烦，我就没下，我一般用这两个，4x-UltraSharp，8x_NMKD-Superscale_150000_G

13，手涂蒙版定位插件Latent Couple，类似于SD涂鸦功能，可以控制一定的构图比例

14，（必备）脸部修复插件After Detailer，一个修复脸崩的插件，能在512X512像素做到很好的修复脸部，注意SD出图，一开始最好是先出小图，512X512像素的就可以，后面可以结合插件等一些手段放大。因为大模型训练的图都是这种小图，不像SDxl1.0它那个是1024的。

15，（必备）Aspect Ratio。可以锁定宽高比插件

安装方式就是在扩展面板中搜索Aspect Ratio，可以直接安装。或者是将下载好的插件，放在这个路径文件夹下“……\sd-webui-aki-v4\extensions”。

16，（必备）提示词服从度增强插件，dynamic-thresholding启用动态阈值 （CFG Scale 修复）也就是提示词引导系数，它关系到出图与我们文字的相关程度。太大也不好，图片会崩，所以这个要自己多尝试，和cutoff， dynamic prompt，这三个插件差不多

参数

17，dynamic prompt（动态提示词）为随机或组合式提示词的生成实现了一种表达性模板语言，并支持深层目录结构中的通配符

这个有点复杂

18，Deforum 动画插件，的官方移植，一个用于 2D 和 3D 动画的扩展脚本，支持关键帧序列、动态数学参数（甚至可用于提示词内）、动态蒙版、深度预测和变形

19，（必备）prompt-all-in-one。安装方式就是在扩展面板中搜索prompt-all-in-one，可以直接安装。或者是将下载好的插件，放在这个路径文件夹下“……\sd-webui-aki-v4\extensions”。可以研究一下怎么用，多去网上搜索看看

安装完成后，重启webUI，就可以看到提示词区域变成了这个样子。

20， sad tallker,生成带有面部图像和语音音频的说话头视频，还是比较假这个东西，想玩的可以去看看，但是和抖音小和尚效果差别不是很大

21，TemporalKit

后期处理，动画, 通过自动 1111 扩展将时间稳定性添加到稳定扩散渲染的多合一解决方案temporalkit+ebsynth+controlnet 可以达到流畅动画效果

22，（必备）

sd-webui-segment-anything​github.com/continue-revolution/sd-webui-segment-anything.git

分割任何内容以获得稳定的扩散 WebUI。通过单击或文本提示自动生成图像的高质量分割/遮罩。旨在将WebUI和ControlNet与Segment Anything和GroundingDINO连接起来，以增强稳定扩散/ ControlNet修复（单个图像和批处理），增强ControlNet语义分割，自动化图像垫并创建LoRA / LyCORIS训练集。

23，text2video

选项卡，动画,将一系列真正的text2video模型（如ModelScope和Videocrafter）引入WebUI。

24，（必备）

TiledDiffusion with Tiled VAE​github.com/pkuliyi2015/multidiffusion-upscaler-for-automatic1111.git

无缝的大图像区域生成和升级，以及 vram 高效的平铺 vae 脚本

控制

25，显存预估,这个相对来说比较直观，可以看到自己生成图，所占的显存

选项卡,以递增的维度和批大小运行 txt2img、img2img、高分辨率修复，直到 OOM，并将数据输出到图形。

26（必备），LLuL，本地潜在升频器。通过蒙版的方式，定位区域以有选择地增强细节。

27，ebsynth_utility

选项卡，动画，使用img2img和ebsynth创建视频的扩展。使用 ebsynth 输出编辑后的视频。与 ControlNet 扩展配合使用。

28，LoRA Block Weight （LoRA 区块权重配置），应用LoRA强度;一个块一个块在飞行中。包括预设、权重分析、随机化、XY 图

模型相关，涉及到lora分层训练

29，深度图后期编辑,深度图，立体图像，3D网格和视频生成器扩展

30，（必备）controlnet,这个后面出个教程，梳理一下这个是什么玩意，学过ps学这个一点都不难，只要涉及到图像领域就一定离不开蒙版，简单的雅痞

注意有的插件中文直接搜索不到，要翻译成英文，我把所有扩展基本上都看了一遍，采取星级较高的插件，和一些个人认为比较好用的插件，欢迎补充，觉得不错，点个赞吧，写这个好麻烦。详细的操作教程可以自己去找，我这里就不阐述了，已经写的够多了，再写下去没人看。

写这个的目的是，我之前也是小白，发现这个插件装不完，一天一个插件，学的真麻烦，所以就总结一下，新手先把这30个插件装完，把插件学会了，就已经是中级玩家了，再去搞lora和大模型，你就是SD高级玩家。多做出几个大模型和lora你就是大神了。如果自己有单反拍摄素材那就更好了

 

目前 ControlNet 已经更新到 1.1 版本，相较于 1.0 版本，ControlNet1.1 新增了更多的预处理器和模型，每种模型对应不同的采集方式，再对应不同的应用场景，每种应用场景又有不同的变现空间

我花了一周时间彻底把ControlNet1.1的14种模型研究了一遍，跑了一次全流程，终于将它完整下载好整理成网盘资源。

其总共11 个生产就绪模型、2 个实验模型和 1 个未完成模型，现在就分享给大家，点击下方卡片免费领取。

1. 线稿上色

方法：通过 ControlNet 边缘检测模型或线稿模型提取线稿（可提取参考图片线稿，或者手绘线稿），再根据提示词和风格模型对图像进行着色和风格化。

应用模型：Canny、SoftEdge、Lineart。

Canny 示例：（保留结构，再进行着色和风格化）

2. 涂鸦成图

方法：通过 ControlNet 的 Scribble 模型提取涂鸦图（可提取参考图涂鸦，或者手绘涂鸦图），再根据提示词和风格模型对图像进行着色和风格化。

应用模型：Scribble。

Scribble 比 Canny、SoftEdge 和 Lineart 的自由发挥度要更高，也可以用于对手绘稿进行着色和风格处理。Scribble 的预处理器有三种模式：Scribble_hed，Scribble_pidinet，Scribble_Xdog，对比如下，可以看到 Scribble_Xdog 的处理细节更为丰富：

Scribble 参考图提取示例（保留大致结构，再进行着色和风格化）：

3. 建筑/室内设计

方法：通过 ControlNet 的 MLSD 模型提取建筑的线条结构和几何形状，构建出建筑线框（可提取参考图线条，或者手绘线条），再配合提示词和建筑/室内设计风格模型来生成图像。

应用模型：MLSD。

MLSD 示例：（毛坯变精装）

这份完整版的ControlNet 1.1模型我已经打包好，需要的点击下方插件，即可前往免费领取！

4. 颜色控制画面

方法：通过 ControlNet 的 Segmentation 语义分割模型，标注画面中的不同区块颜色和结构（不同颜色代表不同类型对象），从而控制画面的构图和内容。

应用模型：Seg。

Seg 示例：（提取参考图内容和结构，再进行着色和风格化）

如果还想在车前面加一个人，只需在 Seg 预处理图上对应人物色值，添加人物色块再生成图像即可。

5. 背景替换

方法：在 img2img 图生图模式中，通过 ControlNet 的 Depth_leres 模型中的 remove background 功能移除背景，再通过提示词更换想要的背景。

应用模型：Depth，预处理器 Depth_leres。

要点：如果想要比较完美的替换背景，可以在图生图的 Inpaint 模式中，对需要保留的图片内容添加蒙版，remove background 值可以设置在 70-80%。

Depth_leres 示例：（将原图背景替换为办公室背景）

6. 图片指令

方法：通过 ControlNet 的 Pix2Pix 模型（ip2p），可以对图片进行指令式变换。

应用模型：ip2p，预处理器选择 none。

要点：采用指令式提示词（make Y into X），如下图示例中的 make it snow，让非洲草原下雪。

Pix2Pix 示例：（让非洲草原下雪）

7. 风格迁移

方法：通过 ControlNet 的 Shuffle 模型提取出参考图的风格，再配合提示词将风格迁移到生成图上。

应用模型：Shuffle。

Shuffle 示例：（根据魔兽道具风格，重新生成一个宝箱道具）

8. 色彩继承

方法：通过 ControlNet 的 t2iaColor 模型提取出参考图的色彩分布情况，再配合提示词和风格模型将色彩应用到生成图上。

应用模型：Color。

Color 示例：（把参考图色彩分布应用到生成图上）

这份完整版的ControlNet 1.1模型我已经打包好，需要的点击下方插件，即可前往免费领取！

这里就简单说几种应用：

1. 人物和背景分别控制

2. 三维重建

3. 更精准的图片风格化

4. 更精准的图片局部重绘

以上就是本教程的全部内容了，重点介绍了controlnet模型功能实用，当然还有一些小众的模型在本次教程中没有出现，目前controlnet模型确实还挺多的，所以重点放在了官方发布的几个模型上。

同时大家可能都想学习AI绘画技术,也想通过这项技能真正赚到钱，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学，因为自身做副业需要，我这边整理了全套的Stable Diffusion入门知识点资料，大家有需要可以直接点击下边卡片获取，希望能够真正帮助到大家。