万字长文：Stable Diffusion 保姆级教程

2022年绝对是人工智能发作的元年，前有 stability.ai 开源 Stable Diffusion 模子，后有 Open AI 发布 ChatGPT，二者都是里程碑式的节点变乱，其紧张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。
差异于ChatGPT可以直接体验，Stable Diffusion必要自己摆设后才气使用，以是国内相识的人还不多。但Stable Diffusion绝对是AI图像天生范畴的ChatGPT级的杀手产物——它使用超等简单、完全开源免费，天生的图片以假乱真、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本地运行起Stable Diffusion，并手把手教你怎样天生以假乱真的AI天生图片。
文章目录

• 
  
  
  
  • 什么是Stable Diffusion
    
  • 
    
    
    
    • 核心概念
      
    • 
      
      
      
      • 自动编码器
        
      • U-Net
        
      • 文本编码器
        
      
      
    • 推理过程
      
    
    
  • 快速体验Stable Diffusion
    
  • 
    
    
    
    • 1. Dream Studio
      
    • 2. Replicate
      
    • 3. Playground AI
      
    • 4. Google Colab
      
    • 5. BaseTen
      
    
    
  • 本地摆设Stable Diffusion
    
  • 
    
    
    
    • 体系配置需求
      
    • 情况预备
      
    • 
      
      
      
      • 安装Git
        
      • 安装Python
        
      • 配置国内源
        
      
      
    • 安装Stable Diffusion Web Ui
      
    • 模子安装
      
    
    
  • 使用Stable Diffusion Web Ui
    
  • 
    
    
    
    • 界面介绍
      
    • 
      
      
      
      • txt2img
        
      • img2img
        
      
      
    • 界面汉化
      
    • prompt语法
      
    • 示例
      
    • 
      
      
      
      • 模子
        
      • Prompt
        
      • Negative prompt
        
      • 参数设置
        
      • 天生
        
      
      
    
    
  • Stable Diffusion资源列表
    
  • 
    
    
    
    • 1. Hugging Face
      
    • 2. Civitai
      
    • 3. Discord
      
    • 4. Rentry for SD
      
    
    
  
  

什么是Stable Diffusion

Stable Diffusion是一种潜伏扩散模子（Latent Diffusion Model），能够从文本形貌中天生具体的图像。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使命。简单地说，我们只要给出想要的图片的笔墨形貌在提Stable Diffusion就能天生符合你要求的传神的图像！
Stable Diffusion将“图像天生”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，经过训练渐渐去除噪声，直到不再有噪声，最终输出更贴近文本形貌的图像。这个过程的缺点是去噪过程的时间和内存斲丧都非常大，尤其是在天生高分辨率图像时。Stable Diffusion引入潜伏扩散来办理这个题目。潜伏扩散通过在较低维度的潜伏空间上应用扩散过程而不是使用现实像素空间来镌汰内存和盘算资本。
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进行了集成，且可用预训练模子数量众多（拜见Stable Diffusion资源列表）。正是由于社区的生动，使得Stable Diffusion在各种风格的图像天生上都有着精彩的表现，恣意给各人看几张我天生的图片：
ChilloutMix天生的写实韩风小姐姐

SynthwavePunk天生的国风小姐姐

InkPunk Diffusion天生的泼墨油彩风格的布偶猫

核心概念

为了方便各人更好地明白背面的内容，下面对Stable Diffusion中的几个核心概念做简单的分析。Stable Diffusion的具体原理请参考《Stable Diffusion原理详解》。
自动编码器

自动编码器 (VAE) 由两个紧张部门组成：编码器息争码器。编码器会将图像转换为低维潜伏表现（像素空间–>潜伏空间），该表现将作为输入传递给U_Net。解码器做的事变刚好相反，将潜伏表现转换回图像（潜伏空间–>像素空间）。

自动编码/解码器
U-Net

U-Net 也由编码器息争码器组成，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 在下采样时丢失紧张信息，通常在编码器的下采样 ResNet 息争码器的上采样 ResNet 之间添加速捷毗连。
别的，Stable Diffusion 中的 U-Net 能够通过交叉注意力层调治其在文本嵌入上的输出。 交叉注意力层被添加到 U-Net 的编码器息争码器部门，通常在 ResNet 块之间。
文本编码器

文本编码器会将输入提示转换为 U-Net 可以明白的嵌入空间。一般是一个简单的基于Transformer的编码器，它将标记序列映射到潜伏文本嵌入序列。

文本编码器
好的提示（prompt）对输出质量直观紧张，这就是为什么现在各人这么夸大提示计划（prompt design）。提示计划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。
推理过程

Stable Diffusion的大抵工作流程如下：
起首，Stable Diffusion模子将潜伏种子和文本提示作为输入。 然后使用潜伏种子天生大小为 64×64 的随机潜伏图像表现，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潜伏图像表现进行去噪。 U-Net 的输出是噪声残差，用于通过调理算法盘算去噪的潜伏图像表现。 调理算法根据先前的噪声表现和预测的噪声残差盘算预测的去噪图像表现。这里可选用的调理算法许多，每个算法各有优劣，对Stable Diffusion来说发起用以下几个：

• PNDM scheduler（默认）
  
• DDIM scheduler
  
• K-LMS scheduler
  

去噪过程重复约莫 50 次以渐渐检索更好的潜伏图像表现。 完成后，潜伏图像表现由变分自动编码器的解码器部门解码。
团体流程可以用下面的流程图表现：

Stable Diffusion工作流程
快速体验Stable Diffusion

如果你不想自己搭建Stable Diffusion情况，大概你想在自己动手摆设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：
1. Dream Studio

DreamStudio 是Stable Diffusion的创造者Stability AI的官方网络应用步调。

Dream Studio dashboard
最大的上风是官方出品，支持stability.ai旗下的全部模子，包罗最新发布的Stable Diffusion v2.1。

Dream Studio模子选择
用Dream Studio天生图片必要斲丧积分，注册是会免费赠予积分，用来体验根本够用。如果想天生更多图片可以花10美元购买积分，约莫可以天生1000张图片。
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
3. Playground AI

Playground AI是一个专注AI图像天生的网站，功能丰富、模子众多。近来也上线了最新的Stable Diffusion v2.1，可以免费使用，但限定每个用户每天最多天生1000张图片。

Playground AI界面
4. Google Colab

如果你是数据工程师或算法工程师，大概你更希望在Jupyter Notebook中使用Stable Diffusion。Anzor Qunash在Google Colab上共享了Stable Diffusion 2.0 Colab（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，就会表现Gradio UI界面。然后，您就可以在上面天生恣意数量的图像，并且可以调治参数，控制天生结果。
5. BaseTen

Baseten是一个MLOps平台，用于创业公司在生产阶段快速开发、摆设和测试模子。BaseTen近来发布了对Stable Diffusion的API支持，并提供了一个演示页面。

BaseTen界面
这个工具非常简单，只有一个文本框和一个天生按钮，没有其他参数可以调治，也没有天生数量的限定。
本地摆设Stable Diffusion

本地摆设Stable Diffusion最简单的方法是使用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的安装摆设集成打包，提供一键安装脚本，并提供Web界面使用界面，极大简化了Stable Diffusion的使用和使用，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
体系配置需求

Stable Diffusion还是比力吃资源的，因此对底子硬件有一定要求。

• NVIDIA GPU 至少 4GB 显存
  
• 至少 10GB 可用硬盘空间
  

上面的配置是Stable Diffusion运行起来的底子要求，如果想要天生速率快，显卡配置自然是越高越好，显存最好也上到8G。推荐配置最好不低于：

• NVIDIA RTX GPU 至少 8GB 显存
  
• 至少 25GB 可用硬盘空间
  

如果本地机器配置达不到，可以思量用云假造主机。现在最经济的是AWS的g4dn.xlarge，￥3.711元/小时。
情况预备

Stable Diffusion Web Ui用Python开发，完全开源，因此在运行Stable Diffusion Web Ui前，我们必要安装Git来拉取Stable Diffusion Web Ui源代码，并安装Python。
安装Git

Git是一个开源的分布式版本控制体系。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直接下载Stable Diffusion Web Ui的代码，但是如许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下令从代码库获取代码，通过git pull更新到最新版代码。
Git安装很简单，只需到Git下载页面下载对应平台安装包安装即可（Linux发行版一般自带Git可以不用安装）。
Windows用户请注意，安装时在安装配置界面勾选上“Add a Git Bash Profile to Windows Terminal”选项。

安装Python

Python的安装方法有许多，这里推荐各人通过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。我发起每个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堕落。
  
• Miniconda体积很小，只有conda+python+pip+zlib和一些其他常用的包，小巧机动。
  

各人只要到Miniconda下载页面下载对应平台的安装包即可，最新的Miniconda包罗_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。

配置国内源

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、卡顿等征象，不但耽误时间，而且很轻易安装失败。因此我们必要将 conda 的安装源更换成国内镜像，如许可以大幅提升下载速率，进步安装乐成率。这里推荐清华源，实行下方下令即可添加：

1. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

复制代码

添加乐成后可以通过conda config --show-sources查察当前源

1. channels:
2.   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
3.   - defaults
4. show_channel_urls: True

复制代码

除了清华源，还可以添加中科大源或阿里云源

1. 中科大的源
2. conda config –add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
3. 阿里云的源
4. conda config --add channels http://mirrors.aliyun.com/pypi/simple/

复制代码

末了，运行conda clean -i打扫索引缓存，包管用的是镜像站提供的索引。
安装Stable Diffusion Web Ui

情况配置好后，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：

1. git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

复制代码

下载完成后，cd stable-diffusion-webui进入Stable Diffusion Web 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体系，直接双击运行webui.bat文件
  
• 如果你是Linux体系，在控制台运行./webui.sh
  
• 如果你是Mac体系，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靠库。这个过程大概会有点久，请耐心等待。如果中途安装失败，多半是网络毗连超时，此时可以重新实行安装脚本，脚本会接着前次的下载安装位置继续安装。直到看到

1. Running on local URL:  http://127.0.0.1:7860

复制代码

分析Stable Diffusion Web Ui安装乐成。
用欣赏器打开http://127.0.0.1:7860就会看到Stable Diffusion Web Ui的界面。

Stable Diffusion Web Ui界面
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。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革新按钮，即可在模子下拉列表中看到新参加的模子。

Stable Diffusion Web Ui选择模子
除了标准模子外，Stable Diffusion另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，此中用的最多的是LoRA模子。
LoRA（Low-Rank Adaptation）模子是小型稳固扩散模子，可对标准模子进行微调。它通常比标准模子小10-100倍，这使得LoRA模子在文件大小和训练结果之间取得了很好均衡。LoRA无法单独使用，必要跟标准模子配合使用，这种组合使用方式也为Stable Diffusion带来了强盛的机动性。
LoRA模子下载后必要放到Lora目录中，使用时在提示中参加LoRA语法，语法格式如下：

1. <lora:filename:multiplier>

复制代码

filename是LoRA模子的文件名（不带文件后缀）
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。
使用Stable Diffusion Web Ui

界面介绍

Stable Diffusion Web Ui团体上分为2个部门，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提供的全部功能。

Stable Diffusion Web Ui功能模块

• txt2img — 根据文本提示天生图像；
  
• img2img — 根据提供的图像作为范本、联合文本提示天生图像；
  
• Extras — 优化(清晰、扩展)图像；
  
• PNG Info — 表现图像根本信息
  
• Checkpoint Merger — 模子归并
  
• Train — 根据提供的图片训练具有某种图像风格的模子
  
• Settings — 体系设置
  

平常使用最多的是txt2img 和 img2img，下面针对这2大块功能具体解说。
txt2img

txt2img有三个地区：

• 提示区
  
• 参数调治区
  
• 输出欣赏区
  

txt2img功能区
提示区紧张是2个文本框，可以输入提示文本。此中：
prompt: 紧张是对于图像进行形貌。prompt对Stable Diffusion图像天生质量至关紧张，因此如果想天生高质量图片，一定要在提示计划上下功夫。一个好的提示必要具体和具体，背面会专门解说怎样计划一个好的提示。
Negative prompt：紧张是告诉模子我不想要什么样的风格或元素；
参数调治区提供了大量参数用于控制和优化天生过程：
Sampling method：扩散去噪算法的采样模式，差异采样模式会带来不一样的结果，具体必要在现实使用中测试；
Sampling steps：模子天生图片的迭代步数，每多一次迭代都会给 AI 更多的时机去对比 prompt 和 当前结果，从而进一步调整图片。更高的步数必要耗费更多的盘算时间，但却不一定意味着会有更好的结果。当然迭代步数不足肯定会低落输出的图像质量；
Width、Height：输出图像宽高，图片尺寸越大越斲丧资源，显存小的要特殊注意。一般不发起设置的太大，由于天生后可以通过 Extras 进行放大；
Batch count、 Batch size：控制天生几张图，前者盘算时间长，后者必要显存大；
CFG Scale：分类器自由引导标准，用于控制图像与提示的同等程度，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，天生的图像主体就不会剧烈变革，实用于对天生图像进行微调；
Restore faces：优化面部，当对天生的面部不满意时可以勾选该选项；
Tiling：天生一张可以平铺的图像；
Highres. fix：使用两个步骤的过程进行天生，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此中的细节，选中该选项会有一系列新的参数，此中紧张的是：
​ Upscaler：缩放算法；
​ Upscale by：放大倍数；
​ Denoising strength：决定算法对图像内容的保存程度。0什么都不会改变，1会得到一个完全差异的图像；
img2img

img2img跟txt2img界面类似，差异的是没有了txt2img中的参数调治区，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
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，请先点击右侧的革新按钮，然后就能在下拉列表中看到了。设置完成跋文得点击页面上方的“Apply settings”按钮生存设置。

语言设置
语言设置必要重启才气见效。Ctrl + C先制止Stable Diffusion Web Ui服务，然后再运行webui.bat或webui.sh，重启后革新欣赏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，接待各人反馈错误和优化发起。有本领的朋友发起用英文界面。
  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。 这通常必要添加_提示修饰符_或添加更多关键字或关键短语来实现。下面为各人介绍一下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以为修改权重。

• (tag)：增长权重5%
  
• [tag]：低落权重5%
  
• (tag: weight)：设置具体权重值
  

括号可以嵌套使用，例如：(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混淆；
  
• {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天生，当天生进程到50%时，改用tab2天生；如果输入整数的话表现步长，比如10，意思是天生10步后改用tag2；
  
• lora:filename:multiplier：LoRA模子引用语法
  

示例

模子

这里我将使用chilloutmix + KoreanDollLikeness天生写实风韩系偶像小姐姐。
起首必要下载chilloutmix模子（我用的是chilloutmix_NiPrunedFp32Fix.safetensors），将其拷贝到Stable-diffusion目录，还必要下载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，可以点击右侧革新按钮革新一下。
Prompt

选择好模子后，我们开始计划prompt。起首我们引入LoRA

1. <lora:koreanDollLikeness_v10:0.66>

复制代码

然后界说天生图片的风格，我们希望超写实风，可以用如下关键词：

1. best quality, ultra high res, (photorealistic:1.4)

复制代码

此中photorealistic我们赋予较高的权重1.4。
接着来界说图片的主体内容，这里我将希望图片中出现的元素都做个权重加强：

1. 1girl, thighhighs, ((school uniform)),((pleated skirt)), ((black stockings)), (full body), (Kpop idol), (platinum blonde hair:1), ((puffy eyes))

复制代码

末了，修饰一些心情、姿势的细节：

1. smiling, solo focus, looking at viewer, facing front

复制代码

如许我们完备的promt是:

1. <lora:koreanDollLikeness_v10:0.66>
3. , best quality, ultra high res, (photorealistic:1.4)
5. , 1girl, thighhighs, ((school uniform)),((pleated skirt)), ((black stockings)), (full body), (Kpop idol), (platinum blonde hair:1), ((puffy eyes))
7. , smiling, solo focus, looking at viewer, facing front

复制代码

Negative prompt

我们还必要提供Negative prompt去除我们不想要的风格和元素：

1. paintings, sketches, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, ((monochrome)), ((grayscale)), skin spots, acnes, skin blemishes, age spot, glan

复制代码

这里紧张剔除了绘画风、简笔画、低质量、灰度图，同时去除雀斑、痤疮等皮肤瑕疵。
参数设置

为了让图片天生得更加真实自然，我们必要对参数做一些调整，必要调整的参数如下：

• Sampler: DPM++ SDE Karras
  
• Sample Steps: 28
  
• CFG scale: 8
  
• Size: 512x768
  

这里鼓励各人多尝试其他取值，上面只是我以为结果最好的一组参数。
天生

完成上面全部设置后，就可以点击Generate按钮天生图片了。天生速率由你的装备性能决定，在我的电脑上约莫30s天生一张图片。

Stable Diffusion Web Ui天生结果
Stable Diffusion资源列表

好的天生质量离不开好的模子，这里为各人列出了Stable Diffusion预训练模子资源的获取泉源。
1. Hugging Face

Hugging Face是一个专注于构建、训练和摆设先进开源机器学习模子的网站。
HuggingFace是Stable Diffusion模子创作的首选平台，现在平台上有270多个与Stable Diffusion相干的模子，用"Stable Diffusion"作为关键字就能搜到。

推荐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，天生结果非常靠近真实照片。

另一个热门模子是Waifu Diffusion，推荐尝试。
2. Civitai

Civitai是一个专为Stable Diffusion AI艺术模子计划的网站。该平台现在有来自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天生作品。

3. Discord

在Stable Diffusion的Discord页面中有一个名为“Models-Embeddings”的专属频道，内里提供了许多可以免费下载的各种模子。

4. Rentry for SD

Rentry网站上有一个生存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间要注意：下载自界说AI模子会带来伤害。例如，某些大概包罗NSFW（不安全）内容。
另一个风险是，这些自界说AI模子大概包罗恶意代码或恶意脚本，特殊是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。
本文转自 https://blog.csdn.net/jarodyv/article/details/129387945?ops_request_misc=%257B%2522request%255Fid%2522%253A%252236e7765b8b4f6590deb253073ebff2dc%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=36e7765b8b4f6590deb253073ebff2dc&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allfirst_rank_ecpm_v1~rank_v31_ecpm-11-129387945-null-null.142v102pc_search_result_base3&utm_term=Stable%20Diffusion%20%E6%98%AF%E4%BB%80%E4%B9%88&spm=1018.2226.3001.4187，如有侵权，请接洽删除。
关于AI绘画技能储备

学好 AI绘画 岂论是就业还是做副业赢利都不错，但要学会 AI绘画 还是要有一个学习规划。末了各人分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小同伴们一点资助！
对于0底子小白入门：
   如果你是零底子小白，想快速入门AI绘画是可以思量的。
  一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到得当自己的学习方案
  包罗：stable diffusion安装包、stable diffusion0底子入门全套PDF，视频学习教程。带你从零底子体系性的学好AI绘画！

零底子AI绘画学习资源介绍

👉stable diffusion新手0底子入门PDF👈

（全套教程文末领取哈）

👉AI绘画必备工具👈

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末
👉AI绘画底子+速成+进阶使用教程👈

观看零底子学习视频，看视频学习是最快捷也是最有结果的方式，跟着视频中老师的思路，从底子到深入，还是很轻易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末
👉12000+AI关键词大合集👈

这份完备版的AI绘画全套学习资料已经上传CSDN，朋友们如果必要可以微信扫描下方CSDN官方认证二维码免费领取【包管100%免费】

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。