2022年绝对是人工智能发作的元年，前有stability.ai 开源 StableDiffusion 模子，后有 OpenAI 发布ChatGPT，二者都是里程碑式的节点事件，其重要性不亚于当年苹果发布iPhone，Google推出Android。它们让AI不再是一个遥不可及的技能名词，而是触手可及、实着实在的智能应用工具。
不同于ChatGPT可以直接体验，Stable Diffusion需要自己部署后才气使用，以是国内相识的人还不多。但StableDiffusion绝对是AI图像生成范畴的ChatGPT级的杀手产物——它使用超级简朴、完全开源免费，生成的图片以假乱真、震动四座。本日，我将用万字保姆级教程教你怎样一步一步在当地运行起StableDiffusion，并手把手教你怎样生成以假乱真的AI生成图片。
文章目录
-
- 快速体验Stable Diffusion
- 2. Replicate
- 3. Playground AI
- 4. Google Colab
- 5. BaseTen
- 当地部署Stable Diffusion
- 情况预备
-
- 安装Stable Diffusion Web Ui
- 模子安装
- 使用Stable Diffusion Web Ui
-
- 界面汉化
- prompt语法
- 示例
- Prompt
- Negative prompt
- 参数设置
- 生成
- Stable Diffusion资源列表
- 2. Civitai
- 3. Discord
- 4. Rentry for SD
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)什么是Stable
Diffusion
Stable Diffusion是一种埋伏扩散模子（Latent Diffusion
Model），能够从文本描述中生成具体的图像。它还可以用于图像修复、图像绘制、文本到图像和图像到图像等任务。简朴地说，我们只要给出想要的图片的文字描述在提Stable
Diffusion就能生成符合你要求的逼真的图像！
Stable
Diffusion将“图像生成”过程转换为逐渐去除噪声的“扩散”过程，整个过程从随机高斯噪声开始，经过训练逐步去除噪声，直到不再有噪声，终极输出更贴近文本描述的图像。这个过程的缺点是去噪过程的时间和内存消耗都非常大，尤其是在生成高分辨率图像时。Stable
Diffusion引入埋伏扩散来办理这个题目。埋伏扩散通过在较低维度的埋伏空间上应用扩散过程而不是使用实际像素空间来淘汰内存和计算成本。
与DALL·E和Midjourney相比，Stable Diffusion最大的上风是开源 ，这就意味着Stable
Diffusion的潜力巨大、发展飞快。Stable Diffusion已经跟许多工具宁静台举行了集成，且可用预训练模子数量浩繁（参见Stable
Diffusion资源列表）。正是由于社区的活泼，使得Stable Diffusion在各种风格的图像生成上都有着出色的表现，随便给大家看几张我生成的图片：
ChilloutMix生成的写实韩风小姐姐
|
|
—|—|—
SynthwavePunk生成的国风小姐姐
|
|
—|—|—
InkPunk Diffusion生成的泼墨油彩风格的布偶猫
|
|
—|—|—
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)核心概念
为了方便大家更好地理解后面的内容，下面对Stable Diffusion中的几个核心概念做简朴的说明。Stable
Diffusion的具体原理请参考《Stable
Diffusion原理详解》。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)自动编码器
自动编码器 (VAE)
由两个重要部分组成：编码器和解码器。编码器会将图像转换为低维埋伏表现（像素空间–>埋伏空间），该表现将作为输入传递给U_Net。解码器做的事情刚好相反，将埋伏表现转换回图像（埋伏空间–>像素空间）。
自动编码/解码器
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)U-Net
U-Net 也由编码器和解码器组成，两者都由 ResNet 块组成。编码器将图像表现压缩为较低分辨率的图像，解码器将较低分辨率解码回较高分辨率的图像。
U-Net架构
为了防止 U-Net 在下采样时丢失重要信息，通常在编码器的下采样 ResNet 和解码器的上采样 ResNet 之间添加快捷连接。
此外，Stable Diffusion 中的 U-Net 能够通过交错注意力层调节其在文本嵌入上的输出。 交错注意力层被添加到 U-Net
的编码器和解码器部分，通常在 ResNet 块之间。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)文本编码器
文本编码器会将输入提示转换为 U-Net 可以理解的嵌入空间。一般是一个简朴的基于Transformer的编码器，它将标记序列映射到埋伏文本嵌入序列。
文本编码器
好的提示（prompt）对输出质量直观重要，这就是为什么现在大家这么强调提示设计（prompt
design）。提示设计就是要找到某些关键词或表达方式，让提示可以触发模子产生具有预期属性或结果的输出。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)推理过程
Stable Diffusion的大致工作流程如下：
起首，Stable Diffusion模子将埋伏种子和文本提示作为输入。 然后使用埋伏种子生成巨细为 64×64 的随机埋伏图像表现，而文本提示通过
CLIP 文本编码器转换为 77×768 的文本嵌入。
接下来，U-Net 以文本嵌入为条件迭代地对随机埋伏图像表现举行去噪。 U-Net 的输出是噪声残差，用于通过调度算法计算去噪的埋伏图像表现。
调度算法根据先前的噪声表现和预测的噪声残差计算预测的去噪图像表现。这里可选用的调度算法许多，每个算法各有优劣，对Stable
Diffusion来说建议用以下几个：
- PNDM scheduler（默认）
- DDIM scheduler
- K-LMS scheduler
去噪过程重复大约 50 次以逐步检索更好的埋伏图像表现。 完成后，埋伏图像表现由变分自动编码器的解码器部分解码。
整体流程可以用下面的流程图表现：
Stable Diffusion工作流程
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)快速体验Stable
Diffusion
如果你不想自己搭建Stable Diffusion情况，或者你想在自己动手部署Statble Diffusion之前，先体验一下Stable
Diffusion的威力，可以尝试如下5个免费的工具：
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)1.
Dream Studio
DreamStudio 是Stable
Diffusion的创造者Stability AI的官方网络应用步伐。
Dream Studio dashboard
最大的上风是官方出品，支持stability.ai旗下的所有模子，包括最新发布的Stable Diffusion v2.1。
Dream Studio模子选择
用Dream
Studio生成图片需要消耗积分，注册是会免费赠予积分，用来体验根本够用。如果想生成更多图片可以花10美元购买积分，大约可以生成1000张图片。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)2.
Replicate
Replicate是一个机器学习模子共享平台，你可以通过API来分享或使用上面的模子。
大神cjwbw在Replicate上共享了Stable Diffusion
v2.0模子，你可以免费测试。
Replicate界面
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)3.
Playground AI
Playground
AI是一个专注AI图像生成的网站，功能丰富、模子浩繁。最近也上线了最新的Stable
Diffusion v2.1，可以免费使用，但限制每个用户每天最多生成1000张图片。
Playground AI界面
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)4.
Google Colab
如果你是数据工程师或算法工程师，大概你更盼望在Jupyter Notebook中使用Stable Diffusion。Anzor Qunash在Google
Colab上共享了[Stable Diffusion 2.0
Colab](https://colab.research.google.com/github/qunash/stable-
diffusion-2-gui/blob/main/stable_diffusion_2_0.ipynb)（已更新到2.1），你可以直接复制过来使用。
Stable Diffusion 2.0 Colab界面
该Notebook用gradio搭建了界面，只需点击运行按钮，就会显示Gradio
UI界面。然后，您就可以在上面生成任意数量的图像，而且可以调节参数，控制生成结果。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)5.
BaseTen
Baseten是一个MLOps平台，用于创业公司在生产阶段快速开辟、部署和测试模子。BaseTen最近发布了对Stable
Diffusion的API支持，并提供了一个演示页面。
BaseTen界面
这个工具非常简朴，只有一个文本框和一个生成按钮，没有其他参数可以调节，也没有生成数量的限制。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)当地部署Stable
Diffusion
当地部署Stable Diffusion最简朴的方法是使用Stable Diffusion Web
Ui。
Stable Diffusion Web Ui是一套无代码、可视化的Stable Diffusion集成运行情况。它将Stable
Diffusion的安装部署集成打包，提供一键安装脚本，并提供Web界面操作界面，极大简化了Stable
Diffusion的操作和使用，让没有不懂代码的小白也能轻松上手使用Stable Diffusion模子。
Stable Diffusion Web Ui界面
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)系统设置需求
Stable Diffusion还是比力吃资源的，因此对基础硬件有一定要求。
- NVIDIA GPU 至少 4GB 显存
- 至少 10GB 可用硬盘空间
上面的设置是Stable Diffusion运行起来的基础要求，如果想要生成速度快，显卡设置自然是越高越好，显存最好也上到8G。保举设置最好不低于：
- NVIDIA RTX GPU 至少 8GB 显存
- 至少 25GB 可用硬盘空间
如果当地机器设置达不到，可以考虑用云假造主机。目前最经济的是AWS的g4dn.xlarge，￥3.711元/小时。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)情况预备
Stable Diffusion Web Ui用Python开辟，完全开源，因此在运行Stable Diffusion Web
Ui前，我们需要安装Git来拉取Stable Diffusion Web Ui源代码，并安装Python。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)安装Git
Git是一个开源的分布式版本控制系统。这里安装Git是为了获取Stable Diffusion Web
Ui的代码。当然，如果不安装Git，我们也可以通过[代码打包下载链接](https://github.com/AUTOMATIC1111/stable-
diffusion-webui/archive/refs/heads/master.zip)直接下载Stable Diffusion Web
Ui的代码，但是这样获取的代码无法后续更新，每次Stable Diffusion Web
Ui升级都要重新下载代码覆盖老版本代码。用Git就很方便，可以通过clone下令从代码库获代替码，通过git pull更新到最新版代码。
Git安装很简朴，只需到[Git下载页面](https://git-
scm.com/downloads)下载对应平台安装包安装即可（Linux发行版一般自带Git可以不消安装）。
Windows用户请注意，安装时在安装设置界面勾选上“Add a Git Bash Profile to Windows Terminal”选项。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)安装Python
Python的安装方法有许多，这里保举大家通过Miniconda来安装。用Miniconda有几个利益：
- 方便创建和管理多个Python假造情况。我建议每个Python项目都创建一套自己独立的Python假造情况，防止python情况或库版本不对导致代码运行出错。
- Miniconda体积很小，只有conda+python+pip+zlib和一些其他常用的包，小巧灵活。
大家只要到Miniconda下载页面下载对应平台的安装包即可，最新的Miniconda包含_Python
3.10.9_。
下载完安装包直接双击安装即可（Linux版本在Shell中运行下载下来的shell脚本）。Windows用户请注意，当看到下面界面时，请务必勾选第一个选项，将Miniconda添加到情况变量PATH中。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)设置国内源
由于 Python 第三方库的泉源是国外源，使用国内网络安装库时会出现下载迟钝、卡顿等现象，不仅延伸时间，而且很容易安装失败。因此我们需要将 conda
的安装源更换成国内镜像，这样可以大幅提拔下载速度，进步安装成功率。这里保举清华源，实行下方下令即可添加：
- conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- * 1
- * 2
- channels:
- - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- - defaults
- show_channel_urls: True
- * 1
- * 2
- * 3
- * 4
- * 5
- 中科大的源
- conda config –add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
- 阿里云的源
- conda config --add channels http://mirrors.aliyun.com/pypi/simple/
- * 1
- * 2
- * 3
- * 4
- * 5
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)安装Stable
Diffusion Web Ui
情况设置好后，我们就可以开始安装Stable Diffusion Web Ui了。
起首从GitHub上下载Stable Diffusion Web Ui的源代码：
- git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
- * 1
- * 2
Ui的项目目录，在项目目录里会看到webui.bat和webui.sh这两个文件，这两个文件就是Stable Diffusion Web
Ui的安装脚本。
- 如果你是Windows系统，直接双击运行webui.bat文件
- 如果你是Linux系统，在控制台运行./webui.sh
- 如果你是Mac系统，使用方法跟Linux相同
安装脚本会自动创建Python假造情况，并开始下载安装缺失的依赖库。这个过程大概会有点久，请耐心等待。如果中途安装失败，多半是网络连接超时，此时可以重新实行安装脚本，脚本会接着上次的下载安装位置继续安装。直到看到
- Running on local URL: http://127.0.0.1:7860
- * 1
- * 2
用浏览器打开http://127.0.0.1:7860就会看到Stable Diffusion Web Ui的界面。
Stable Diffusion Web Ui界面
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)模子安装
Stable Diffusion Web Ui安装过程中会默认下载Stable Diffusion v1.5模子，名称为v1-5-pruned-
emaonly。如果想用最新的Stable Diffusion v2.1，可以从Hugging
Face上下载官方版本[stabilityai/stable-
diffusion-2-1](https://huggingface.co/stabilityai/stable-
diffusion-2-1)。下载后将模子复制到models目录下的Stable- diffusion目录即可。完成后点击页面左上角的刷新按钮，即可在模子下拉列表中看到新加入的模子。
Stable Diffusion Web Ui选择模子
除了标准模子外，Stable Diffusion还有其他几种范例的模子，models目录下每一个子目录就是一种范例的模子，其中用的最多的是LoRA模子。
LoRA（Low-Rank
Adaptation）模子是小型稳定扩散模子，可对标准模子举行微调。它通常比标准模子小10-100倍，这使得LoRA模子在文件巨细和训练结果之间取得了很好均衡。LoRA无法单独使用，需要跟标准模子配合使用，这种组合使用方式也为Stable
Diffusion带来了强大的灵活性。
LoRA模子下载后需要放到Lora目录中，使用时在提示中加入LoRA语法，语法格式如下：
- <lora:filename:multiplier>
- * 1
- * 2
multiplier 是LoRA 模子的权重，默认值为1，将其设置为 0 将禁用该模子。
关于Stable Diffusion提示的使用规则请参考这里。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)使用Stable
Diffusion Web Ui
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)界面先容
Stable Diffusion Web Ui整体上分为2个部分，最上面是模子选择 ，可以从下拉列表中选择已下载的预训练模子
模子选择区
模子选择下面是一个Tab栏，这里是Stable Diffusion Web Ui提供的所有功能。
Stable Diffusion Web Ui功能模块
- txt2img — 根据文本提示生成图像；
- img2img — 根据提供的图像作为范本、结合文本提示生成图像；
- Extras — 优化(清晰、扩展)图像；
- PNG Info — 显示图像根本信息
- Checkpoint Merger — 模子合并
- Train — 根据提供的图片训练具有某种图像风格的模子
- Settings — 系统设置
寻常使用最多的是txt2img 和 img2img ，下面针对这2大块功能具体讲解。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)txt2img
txt2img有三个区域：
txt2img功能区
提示区重要是2个文本框，可以输入提示文本。其中：
prompt : 重要是对于图像举行描述。prompt对Stable
Diffusion图像生成质量至关重要，因此如果想生成高质量图片，一定要在提示设计上下功夫。一个好的提示需要具体和具体，后面会专门讲解怎样设计一个好的提示。
Negative prompt ：重要是告诉模子我不想要什么样的风格或元素；
参数调节区提供了大量参数用于控制和优化生成过程：
Sampling method ：扩散去噪算法的采样模式，不同采样模式会带来不一样的结果，具体需要在实际使用中测试；
Sampling steps ：模子生成图片的迭代步数，每多一次迭代都会给 AI 更多的时机去对比 prompt 和
当前结果，从而进一步调解图片。更高的步数需要花费更多的计算时间，但却不一定意味着会有更好的结果。当然迭代步数不敷肯定会降低输出的图像质量；
Width、Height ：输出图像宽高，图片尺寸越大越消耗资源，显存小的要特别注意。一般不建议设置的太大，由于生成后可以通过 Extras
举行放大；
Batch count、 Batch size ：控制生成几张图，前者计算时间长，后者需要显存大；
CFG Scale ：分类器自由引导尺度，用于控制图像与提示的一致程度，值越低产生的内容越有创意；
Seed ：随机种子，只要种子一样，参数和模子稳定，生成的图像主体就不会剧烈变化，实用于对生成图像举行微调；
Restore faces ：优化面部，当对生成的面部不满意时可以勾选该选项；
Tiling ：生成一张可以平铺的图像；
Highres. fix
：使用两个步骤的过程举行生成，以较小的分辨率创建图像，然后在不改变构图的情况下改进其中的细节，选中该选项会有一系列新的参数，其中重要的是：
Upscaler ：缩放算法；
Upscale by ：放大倍数；
Denoising strength ：决定算法对图像内容的保留程度。0什么都不会改变，1会得到一个完全不同的图像；
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)img2img
img2img跟txt2img界面类似，不同的是没有了txt2img中的参数调节区，取而代之的是图像范本区。
img2img功能区
我们可以上传范本图片让Stable Diffusion模仿，其他地方跟txt2img相同
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)界面汉化
通过这里下载简体中文语言文件，下载完成后将其复制到项目文件夹的“localizations”目录中。之后在Settings
-> User interface -> Localization (requires
restart)，在下拉菜单中选择zh_CN。如果下拉列表中看不到zh_CN，请先点击右侧的刷新按钮，然后就能在下拉列表中看到了。设置完成后记得点击页面上方的“Apply
settings”按钮保存设置。
语言设置
语言设置需要重启才气生效。Ctrl + C先终止Stable Diffusion Web
Ui服务，然后再运行webui.bat或webui.sh，重启后刷新浏览器页面就能看到语言酿成了简体中文了。
汉化界面结果
⚠注意：该汉化大概不完美，个别地方会漏汉化或汉化表达禁绝确，接待大家反馈错误和优化建议。有本领的朋友建议用英文界面。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)prompt语法
为了产生具有特定风格的图像，必须以特定格式提供文本提示。 这通常需要添加_提示修饰符_或添加更多关键字或关键短语来实现。下面为大家先容一下Stable
Diffusion的prompt语法规则。
Stable Diffusion提示文本中的关键字或关键短语通过半角逗号分割，一般越靠前权重越高。我们可以通过提示修饰符来认为修改权重。
- (tag) ：增长权重5%
- [tag] ：降低权重5%
- (tag: weight) ：设置具体权重值
括号可以嵌套使用，比方：(tag)的权重为 1 × 1.05 = 1.05 1 \times 1.05 = 1.05
1×1.05=1.05，((tag))的权重为 1 × 1.05 × 1.05 = 1.1025 1 \times 1.05 \times 1.05 =
1.1025 1×1.05×1.05=1.1025。同理[tag]的权重为 1 1.05 = 0.952 \frac{1}{1.05} = 0.952
1.051=0.952，[[tag]]的权重为 1 1.0 5 2 = 0.907 \frac{1}{1.05^2} = 0.907
1.0521=0.907 。
- [tag1 | tag2] ：将tag1和tag2混合；
- {tag1 | tag2 | tag3} ：从标签聚集中随机选择一个标签；
- [tag1 : tag2 : 0.5 ] ：表现先用tag1生成，当生成进程到50%时，改用tab2生成；如果输入整数的话表现步长，比如10，意思是生成10步后改用tag2；
- lora:filename:multiplier ：LoRA模子引用语法
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)示例
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)模子
这里我将使用chilloutmix + KoreanDollLikeness生成写实风韩系偶像小姐姐。
起首需要下载chilloutmix模子（我用的是chilloutmix_NiPrunedFp32Fix.safetensors），将其拷贝到Stable- diffusion目录，还需要下载KoreanDollLikeness这个LoRA模子，将其拷贝到Lora目录。
然后在Stable Diffusion Web
Ui主界面的模子选择中下拉选择chilloutmix_NiPrunedFp32Fix.safetensors。如果找不到该模子，可以点击右侧刷新按钮刷新一下。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)Prompt
选择好模子后，我们开始设计prompt。起首我们引入LoRA
- <lora:koreanDollLikeness_v10:0.66>
- * 1
- * 2
- best quality, ultra high res, (photorealistic:1.4)
- * 1
- * 2
接着来定义图片的主体内容，这里我将盼望图片中出现的元素都做个权重增强：
- 1girl, thighhighs, ((school uniform)),((pleated skirt)), ((black stockings)), (full body), (Kpop idol), (platinum blonde hair:1), ((puffy eyes))
- * 1
- * 2
- smiling, solo focus, looking at viewer, facing front
- * 1
- * 2
- <lora:koreanDollLikeness_v10:0.66>, best quality, ultra high res, (photorealistic:1.4), 1girl, thighhighs, ((school uniform)),((pleated skirt)), ((black stockings)), (full body), (Kpop idol), (platinum blonde hair:1), ((puffy eyes)), smiling, solo focus, looking at viewer, facing front
- * 1
- * 2
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)Negative
prompt
我们还需要提供Negative prompt去除我们不想要的风格和元素：
- paintings, sketches, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, ((monochrome)), ((grayscale)), skin spots, acnes, skin blemishes, age spot, glan
- * 1
- * 2
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)参数设置
为了让图片生成得更加真实自然，我们需要对参数做一些调解，需要调解的参数如下：
- Sampler: DPM++ SDE Karras
- Sample Steps: 28
- CFG scale: 8
- Size: 512x768
这里鼓励大家多尝试其他取值，上面只是我认为结果最好的一组参数。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)生成
完成上面所有设置后，就可以点击Generate 按钮生成图片了。生成速度由你的设备性能决定，在我的电脑上大约30s生成一张图片。
Stable Diffusion Web Ui生成结果
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)Stable
Diffusion资源列表
好的生成质量离不开好的模子，这里为大家列出了Stable Diffusion预训练模子资源的获取泉源。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)1.
Hugging Face
Hugging Face是一个专注于构建、训练和部署先辈开源机器学习模子的网站。
HuggingFace是Stable Diffusion模子创作的首选平台，目前平台上有270多个与Stable
Diffusion相关的模子，用"Stable Diffusion"作为关键字就能搜到。
保举[Dreamlike Photoreal 2.0](https://huggingface.co/dreamlike-art/dreamlike-
photoreal-2.0)这个模子，这是一个由Dreamlike.art制作的基于Stable Diffusion
v1.5的真实感模子，生成结果非常靠近真实照片。
另一个热门模子是Waifu Diffusion，保举尝试。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)2.
Civitai
Civitai是一个专为Stable Diffusion
AI艺术模子设计的网站。该平台目前有来自250+创作者上传的1700个模子。这是迄今为止我所知的最大的AI模子库。你可以在上面分享自己的模子或生成作品。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)3.
Discord
在Stable Diffusion的Discord页面中有一个名为“Models-Embeddings”的专属频道，里面提供了许多可以免费下载的各种模子。
[](https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170505222316800182130715%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=170505222316800182130715&biz_id=0&utm_medium=distribute.pc_search_result.none-
task-blog-2allfirst_rank_ecpm_v1~hot_rank-2-129387945-null-
null.142%5Ev99%5Epc_search_result_base1&utm_term=AI%E7%BB%98%E7%94%BB%E5%AE%89%E8%A3%85%E5%8C%85&spm=1018.2226.3001.4187)4.
Rentry for SD
Rentry网站上有一个保存Stable
Diffusion模子的页面sdmodels，上面由70多个模子可以免费下载。
使用这些模子资源的时候要注意：下载自定义AI模子会带来危险。比方，某些大概包含NSFW（不安全）内容。
另一个风险是，这些自定义AI模子大概包含恶意代码或恶意脚本，特别是CKPT文件。如果想要更安全地使用AI模子，请尽量选择safetensor文件范例。
但由于AIGC刚刚爆火，网上相关内容的文章博客五花八门、良莠不齐。要么杂乱、零星、碎片化，看着看着就衔接不上了，要么内容质量太浅，学不到干货。
这里分享给大家一份Adobe大神整理的《AIGC全家桶学习笔记》，信赖大家会对AIGC有着更深入、更系统的理解。
有需要的朋友，可以长按下方二维码，免费领取！
AIGC所有方向的学习门路思维导图
这里为大家提供了总的门路图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，包管自己学得较为全面。如果下面这个学习门路能资助大家将AI利用到自身工作上去，那么我的任务也就完成了：
AIGC工具库
AIGC工具库是一个利用人工智能技能来生成应用步伐的代码和内容的工具聚集，通过使用AIGC工具库，能更加快速，准确的辅助我们学习AIGC
有需要的朋友，可以点击下方卡片免费领取！
精品AIGC学习书籍手册
书籍阅读永不外时，阅读AIGC经典书籍可以资助读者进步技能水平，开辟视野，把握核心技能，进步办理题目标本领，同时也可以鉴戒他人的经验，结合自身案例领悟贯通。
AI绘画视频合集
我们在学习的时候，往往书籍源码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，科学有趣才气更方便的学习下去。
有需要的朋友，可以长按下方二维码，免费领取！
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。 |
