Stable Diffusion 系列教程 | 快速入门
目录
1.基本原理
2.主流方式
3.配置要求
3.1 显卡方面
4.基本界面
4.1 模型设置区
4.2 菜单栏区域
4.3 提示词区
4.4 出图设置区
5.文生图基本操作流程
5.1 选用模型，撰写提示词
5.2 进行出图设置
5.3 再次出图！
5.4 保存
1.基本原理
在2012年，就有很多的学者对图像生成展开了研究，但在那时候，因为算法，数据，算力等各方面原因，生成的图像过于“抽象” ，可以称他为灵魂画手，直到最近两年，AI产出的图像内容在质量上和准确度上渐渐地变得更高，同时由于一些辅助装备，如ControlNet等让AI绘画可控性更高，也更受到大家的重视。
现在的主流的AI绘画模型，主要运用了扩散Diffusion模型，他很人类绘画相比差异很大，不是起稿，勾线，描边，上色等步骤按部就班完成的，他采取了一个独特的方式
首先它将图片通过增加噪声的方式进行“扩散”，也就是让他变得更模糊，当内容模糊之后，我们就可以理解为有更大的空间让它自由发挥了，AI也是如此，但是在训练它的过程中，它可以学习到一种重要的能力，就是逐步恢复这种杂乱的噪声为真实图像
而如果在训练的过程中我们给AI 一些限制条件等，AI就可以按我们限制条件去恢复生成我们想要的图像了
2.主流方式
Midjourney，DALL E等方式
（1）出图额度需要购买会员（换句话说就是需要付费）直接租价格比较贵，可以去租用共享账号
（2）较容易出比较高质量的图
（3）模型部署在云端，不需要本地电脑配置较高
Stable Diffusion
（1）是一款免费的软件，可以无限制出图
（2）但是有一定的上手门槛，出图质量需要较多的调控才能达到满意的效果，因而我们这系列教程主要围绕stable diffusion
（3）部署在本地，比较吃电脑配置，显卡内存（也可以部署在GPU服务器）
（4）但是由于开源，依托强大的开源社区，收获非常多的活跃用户，可以进行个性化的训练，个性化程度较高
3.配置要求
3.1 显卡方面
显卡品牌型号 N卡（英伟达的独立显卡）首选，目前也支持A卡，但是速度较N卡慢
不同品牌型号，意味着显卡的算力不同，进而影响着出图的速度
查看自己的显卡品牌型号的方法如下链接
分享几种查看本机显卡类型的方法~~ - 知乎 (zhihu.com)
查到以后可以对照下表 ，下表是不同型号N卡出一张512*512分辨率的图片，迭代步数为100步的时间
图片来源 B站 Nenly同学
显卡内存 最少8GB能玩，16GB及格，上不封顶，越高玩的越爽 内存主要影响着出图分辨率，模型大小等
硬盘空间 最少有60GB以上的硬盘空间，因为我们需要下载很多模型，而一个模型往往都有几个GB
4.基本界面
下面界面是加了一些插件之后的，如中文插件，图库浏览器，如果你使用的是一些大佬的整合包，那么一般他们都会帮助你安装好，但是如果没有也无所谓，我们会在之后给大家讲解插件的安装
4.1 模型设置区
左上角用来更换模型
点击下拉箭头查看并且选择模型
模型需要我们提前下载并且保存到 根目录/models/Stable-diffusion文件夹下
当我们保存模型到上述文件夹下后，点击蓝色的刷新按钮，刷新模型，再点击下拉箭头就可以看到我们的模型了
4.2 菜单栏区域
一些基本功能
最常用的两个 文生图，图生图
| 选项 | 作用 |
|---|---|
| 文生图 | 由prompts提示词生成图片 |
| 图生图 | 由已有的图片+提示词生成图片 |
| 图库浏览器（后安装的插件） | 查看生成的图片 |
| Tag 反推 | 由图片反推提示词prompts |
| 设置 | 进行一些设置操作 |
| 扩展 | 进行扩展安装管理等操作 |
其他我们用到的时候再介绍
4.3 提示词区
最关键的一个区域，也就是我们念咒语的地方，这里用英语撰写（可以用翻译软件）
正向提示词 希望画面出现的内容，一般我们会有一些固定的提示词，如（杰作masterpiece, 最高质量best quality，高细节）特定模型也会有特定的让画面质量变高的正向提示词
反向提示词 不希望画面出现的内容，如（丑陋的，多手指的）
之后会给大家专门总结，到时候直接复制粘贴即可
提示词区右边的生成下边有五个小图标，相当于一些快捷键，从左到右依次为
| 图标 | 作用 |
|---|---|
| 箭头 | 复原上次生成图片的提示词（自动记录） |
| 垃圾桶 | 清空当前所有提示词 |
| 红色日出 | 打开其他模型选择界面如Embedding，HypernetWork的选择，这些模型后面会单独讲到 |
| 记事薄 | 应用选择的风格模板到当前提示词，就是着五个小图标下面那个风格模板选项 |
| 保存按钮 | 保存当前的正反向提示词 |
4.4 出图设置区
如图
从上到下，左到右依次介绍
采样方法
采样方法具体是什么涉及到模型原理，不必深究，我们这里只需要知道什么时候用什么样的采样方法即可，一般遵循如下原则
（1）在显卡给力，时间充裕的条件下，可以自己尝试比较不同的采样方法
（2）一般在C站下载模型的同时，模型作者会给出他觉得比较好的采样方式，这是作者已经经过大量实验的结论，可以帮助你节约时间
（3）没有作者相关建议的时候
对于二次元图 DPM++ 2M或DPM++ 2M Karras UniPC
对于真实系图 Euler a、DPM++ SDE、DPM++ SDE Karras
同时，一般而言带++的都相对来说不戳
迭代采样步数
之前讲原理的时候，模型将噪声一步一步恢复到真实图片，此参数控制这些去噪步骤的数量。通常越高越好，但在一定程度上，我们使用的默认值是25个步骤。以下是不同情况下使用哪个步骤编号的一般指南：
（1）如果正在测试新的提示，并希望获得快速结果来调整您的输入，请使用10-15个步骤
（2）当您找到您喜欢的提示时，请将步骤增加到25
（3）如果是有毛皮的动物或有纹理的主题，生成的图像缺少一些细节，尝试将其提高到40
面部修复：修复人物的面部，但是非写实风格的人物开启面部修复可能导致面部崩坏。 平铺/分块：生成一张可以平铺的图像 高分辨率重绘：使用两个步骤的过程进行生成，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，选中后会有新的参数，之后专门出一篇介绍
宽度高度 出图分辨率设置 最佳的范围应在512至768像素之间
设置的出图分辨率太低，会导致图像不清晰
设置的出图的分辨率过高，一方面显存支撑不了，另外一方面可能会导致图像生成多人情况，
生成批次：每次生成图像的组数。 每批数量：每组多少个图像。图像总数是这个值乘以批次数。除 4090 等高级显卡以外通常保持为 1
提示词相关性CFG：较高的数值将提高生成结果与提示的匹配度。 OpenArt上使用的默认CFG是7，这在创造力和生成你想要的东西之间提供了最佳平衡。通常不建议低于5。 CFG量表可以分为不同的范围，每个范围都适合不同的提示类型和目标 CFG 2 – 6：有创意，但可能太扭曲，没有遵循提示。对于简短的提示来说，可以很有趣和有用 CFG 7-10：推荐用于大多数提示。创造力和引导一代之间的良好平衡 CFG 10-15：当您确定您的提示是详细且非常清晰的，您希望图像是什么样子时 CFG 16-20：除非提示非常详细，否则通常不推荐。可能影响一致性和质量 CFG >20：几乎无法使用
随机种子（Seed）:生成每张图片时的随机种子，这个种子是用来作为确定扩散初始状态的基础。不懂的话，用随机的即可。
5.文生图基本操作流程
我们可能一下子了解不了这么多，大家可能都看困了，那么我们来亲自来出一张图，体验一下基本的过程，加深印象
5.1 选用模型，撰写提示词
在左上角模型选取，选择深渊橘模型
写提示词
画面内容 用自己的语言描述一个画面出来
如 一个女生在城市里骑着自行车，阳光洒在她的身上，但是提示词不认中文打开翻译软件，翻译即可
A girl rides a bicycle in the city, and the sunlight shines on her
但仅有这个远远不够，不相信？给你看一下这样图片直出 有多离谱
点击生成，喀嚓，生成如下
惨不忍睹，所以还需要加一些正面对画面质量这些约束的咒语
在正向提示框加入
SFW, (masterpiece:1,2), best quality, masterpiece, highres, original, extremely detailed wallpaper, perfect lighting,(extremely detailed CG:1.2),
反向提示框加入
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))),
5.2 进行出图设置
我们就将采样方式设置为 DPM++ 2M
5.3 再次出图！
不能说有多好，但至少比刚才好了一些，当然后续还会介绍更多技巧提升画面质量
所以我们要意识到一点， stable diffusion 出一张好图是不容易的，这也是为什么显卡这些的重要性，它可以让我们低成本试错
5.4 保存
点击图库浏览器，可以查看生成的图片
想把他导出来
右键，另存为即可
或者找到根目录下的outputs文件夹 里面有我们的所有的图片