ToB企服应用市场:ToB评测及商务社交产业平台

标题: Stable diffusion prompts 使用语法、参数讲解、插件安装教程 [打印本页]

作者: 小秦哥    时间: 2024-6-22 13:05
标题: Stable diffusion prompts 使用语法、参数讲解、插件安装教程
Stable diffusion prompts 使用语法、参数讲解、插件安装教程

本文基于 Stable diffusion WebUI 进行讲解(安装在 AutoDL 上,安装在本地电脑上的也同样实用本教程)。
初始界面:

文件目次结构:

上图红框中的 4 个文件夹是我们常用到的,embeddings 放置训练的 embedding 模子,它可以在我们使用底子模子时,再添加此模子进行叠加效果。

extensions 插件安装目次,在 WebUI 插件安装界面安装后,可以此文件夹中检察,并上传相应的插件模子(如 ControlNet 需要专门的模子)

Models 模子文件夹,安装时会默认下载 v1-5-pruned-emaonly,我们从其它地方下载的模子可以拷贝到此文件夹,在需要使用某个模子时,可以进行切换,如下图:

outputs 生成的图体系会输出到这个文件夹里,可进行检察及生存。

上图从左到右,依次是:
txt2img: 笔墨生成图片
img2img: 图片生成图片
Extras: “无损”放大图片,优化(清楚、扩展)图像
**PNG info:**从图片 exif 里获取图片的信息,如果是 Stable Diffusion 原始生成的 png 图片,图片的 exif 信息里会写入图片生成参数
**Checkpoint Merger:**合并不同的模子,生成新的模子
**Train:**训练 embedding 或者 hypernetwork
**Settings:**设置页面
**Extensions:**插件的安装和管理页面
txt2img


**Sampling method:**采样方法
● Euler a :富有创造力,不同步数可以生产出不同的图片。 超过 30~40 步根本就没什么增益了
● Euler:最常见的底子算法,最简单也最快
● DDIM:速度快,一样平常 20 步差不多
● LMS:eular 的延伸算法,相对更稳定一点,30 步就比力稳定
● PLMS:改进一点的 LMS
● DPM2:DDIM 的一种改进版,速度大约是 DDIM 的两倍
**Sampling Steps:**采样迭代步数
先随机出一个噪声图片,然后一步步调解图片,向提示词 Prompt 靠拢。其实就是告诉 Stable Diffusion,这样的步骤应该进行多少次,步骤越多,每一步移动也就越小越精确,同时也成比例地增加生成图像所需要的时间。大部分采样器超过 50 步后意义就不大了
**Restore faces:**优化面部,绘制面部图像特别注意。原理是调用一个神经网络模子对面部进行修复
**Tiling:**生成一个可以平铺的图像
**Highres. fix:**老师成低分辩率的图,接着添加细节之后再输出,可以把低分辨率的照片调解到高分辨率
Batch count、 Batch size: 都是生成几张图,前者盘算时间长,后者需要显存大
**Denoising strength:**决定算法对图像内容的保留程度。因为加的噪声少,原图片部分多,加的噪声多,原图片部分少。在 0 处,什么都不会改变,而在 1 处,你会得到一个不相关的图像
**CFG Scale:**对描述参数的倾向程度(也就是生成图像与提示词的同等程度),越低的值产生越有创意的效果,如果太低,比方 1,那 Promp t就完全没用了。一样平常在 5~15 之间为好,7,9,12 是 3 个常见的设置值
**Seed:**种子数,只要种子数、参数、模子都同等,就能重新生成一样的图像,-1 的话是生成一个随机数
Prompt 语法

正向提示词例子:
  1. (masterpiece:1.331), best quality,illustration,(1girl),(deep pink hair:1.331), (wavy hair:1.21),(disheveled hair:1.331), messy hair, long bangs, hairs between eyes,(white hair:1.331), multicolored hair,(white bloomers:1.46),(open clothes),beautiful detailed eyes,purple|red eyes),expressionless,sitting,dark background, moonlight,flower_petals,city,full_moon,
复制代码
**分隔:**不同的关键词tag之间,需要使用英文逗号 , 分隔,逗号前后有空格或者换行不影响效果。比方:1girl,loli,long hair,low twintails(1 个女孩,loli,长发,低双马尾)
**混合:**WebUI 使用 | 分隔多个关键词,实现混合多个要素,注意混合是同等比例、同时混。比方:1girl,red|blue hair, long hair(1个女孩,红色与蓝色头发混合,长发)
**增强/减弱:**有两种写法。
● 第一种 (提示词:权重数值):数值从0.1~100,默认状态是 1,低于 1 就是减弱,大于 1 就是增强。比方:(loli:1.21),(one girl:1.21),(cat ears:1.1),(flower hairpin:0.9)
● 第二种 (((提示词))),每套一层()括号增强 1.1 倍,每套一层 [] 减弱 1.1 倍。也就是套两层是1.1*1.1=1.21 倍,套三层是 1.331 倍,套 4 层是 1.4641 倍。比方: ((loli)),((one girl)),(cat ears),[flower hairpin],这与第一种写法等价,所以还是发起使用第一种方式。
**渐变:**可简单的理解时为,先按某种关键词生成,然后再此底子上向某个方向变化。
[关键词1:关键词2:数字],数字大于 1 理解为第 X 步前为关键词 1,第 X 步后变成关键词 2,数字小于 1 理解为总步数的百分之 X 前为关键词 1,之后变成关键词 2。
比方:a girl with very long [white:yellow:16] hair 等价为开始 a girl with very long white hair
,16步之后 a girl with very long yellow hair
比方:a girl with very long [white:yellow:0.5] hair 等价为开始 a girl with very long white hair,50% 步之后 a girl with very long yellow hair
**瓜代:**轮流使用关键词,比方:[cow|horse] in a field,这就是个牛与马的混合物;[cow|horse|cat|dog] in a field 就是牛、马、猫、狗之间混合。
**Negative prompt:**负面提示词,用笔墨描述不想在图像中出现的内容。
一些常见的负面提示词:
  1. lowres,bad anatomy,bad hands,text,error,missing fingers,extra digit,fewer digits,cropped,worst quality,low quality,normal quality,jpeg artifacts,signature,watermark,username,blurry,missing arms,long neck,Humpbacked,missing limb,too many fingers,mutated,poorly drawn,out of frame,bad hands,owres,unclear eyes,poorly drawn,cloned face,bad face
复制代码
img2img


与 txt2img 类似,在笔墨提示词的底子上,增加了图片提示。

Denoising strength:与原图同等性的程度,一样平常大于 0.7 出来的都是新效果,小于 0.3 根本就会原图同等
Extras


重要将图像进行优化,Resize 设置放大的倍率,GFPGAN visibility 重要对图像清楚度进行优化,CodeFormer visibility 对于老照片及人脸修复很有用,权重参数为 0 时效果最大,为 1 时效果最小,发起从 0.5 开始实验。

Upscaler 放大算法,一样平常不清楚可不选,或者选 ESRGAN_4x。

Batch from Directory 可以进行批量处置惩罚,在 Input directory 中输入需要批量处置惩罚图片的目次,在 Output directory 中输入生存效果目次。

Scale to 中,可自定义图片的尺寸。
Extensions


插件界面,installed 表示已经安装好的插件,Available 表示在线可用的插件,一样平常都是从这里安装。
点击 Load from: 加载出可用的插件,然后按 Ctrl + F,输入想要安装插件的名称,以此进行查找。

输入 CN,查找汉化插件:

安装后,重新启动 UI 界面,插件就可以见效了。

两个比力重要的插件:Dreambooth,ControlNet。

免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。




欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/) Powered by Discuz! X3.4