Stable Diffusion web UI 文档
Stable Diffusion web UI
一个基于Gradio库的web UI，用于Stable Diffusion。
特征
带有图像的详细功能展示：
- 原始txt2img和img2img模式
- 一键安装并运行脚本（但你仍然必须安装python和git）
- 外画
- 修复
- 彩色素描
- 提示矩阵
- 稳定扩散高档
- Attention，指定模型应该更多关注的文本部分
- 穿着“((燕尾服))”的男人 - 会更加关注燕尾服
- 穿着“(tuxedo:1.21)”的男人 - 替代语法
- 选择文本并按“Ctrl+Up”或“Ctrl+Down”（如果您使用的是 MacOS，则按“Command+Up”或“Command+Down”）以自动调整对所选文本的关注（代码由匿名用户贡献） ）
- Loopback，多次运行img2img处理
- X/Y/Z 图，一种绘制具有不同参数的 3 维图像图的方法
- 文本倒置
- 拥有任意数量的嵌入并使用您喜欢的任何名称
- 使用每个标记具有不同数量向量的多个嵌入
- 使用半精度浮点数
- 在 8GB 上训练嵌入（还报告 6GB 工作）
- 附加选项卡包含：
- GFPGAN，修复人脸的神经网络
- CodeFormer，面部恢复工具，作为 GFPGAN 的替代品
- RealESRGAN，神经网络升级器
- ESRGAN，具有许多第三方模型的神经网络升级器
- SwinIR 和 Swin2SR（参见此处），神经网络升级器
- LDSR，潜在扩散超分辨率升级
- 调整宽高比选项
- 采样方法选择
- 调整采样器 eta 值（噪声乘数）
- 更高级的噪音设置选项
- 随时中断处理
- 4GB 显卡支持（也有 2GB 工作报告）
- 批次的正确种子
- 实时提示令牌长度验证
- 生成参数
- 用于生成图像的参数与该图像一起保存
- 对于 PNG，在 PNG 块中；对于 JPEG，在 EXIF 中
- 可以将图像拖到PNG信息选项卡以恢复生成参数并自动将其复制到UI中
- 可以在设置中禁用
- 将图像/文本参数拖放到提示框中 - 读取生成参数按钮，将提示框中的参数加载到UI
- 设置页面
- 从 UI 运行任意 python 代码（必须使用
--allow-code运行才能启用） - 大多数 UI 元素的鼠标悬停提示
- 可以通过文本配置更改 UI 元素的默认值/混合/最大/步长值
- 平铺支持，用于创建可以像纹理一样平铺的图像的复选框
- 进度条和实时图像生成预览
- 可以使用单独的神经网络来生成几乎没有 VRAM 或计算要求的预览
- 否定提示，一个额外的文本字段，允许您列出您不想在生成的图像中看到的内容
- 样式，一种保存部分提示并稍后通过下拉菜单轻松应用它们的方法
- 变体，一种生成相同图像但有微小差异的方法
- 种子调整大小，一种生成相同图像但分辨率略有不同的方法
- CLIP询问器，一个尝试从图像中猜测提示的按钮
- 提示编辑，一种中代更改提示的方法，比如开始做西瓜，中途切换到动漫女孩
- 批处理，使用img2img处理一组文件
- Img2img 替代，交叉注意力控制的反向欧拉方法
- Highres Fix，一个方便的选项，只需单击一下即可生成高分辨率图片，而不会出现通常的扭曲
- 即时重新加载检查点
- 检查点合并，该选项卡允许您将最多 3 个检查点合并为一个
- 自定义脚本 具有来自社区的许多扩展
- Composable-Diffusion，一种同时使用多个提示的方法
- 使用大写“AND”分隔提示
- 还支持提示的权重：“猫：1.2 AND 狗 AND 企鹅：2.2” - 提示无代币限制（原创稳定扩散最多可使用 75 个代币）
- DeepDanbooru 集成，为动漫提示创建 danbooru 风格标签
- xformers，精选卡的主要速度提升：（将
--xformers添加到命令行参数） - 通过扩展：历史记录选项卡：在 UI 中方便地查看、直接和删除图像
- 生成永久选项
- 训练选项卡
- 超网络和嵌入选项
- 预处理图像：使用 BLIP 或 deepdanbooru（针对动漫）进行裁剪、镜像、自动标记 - 剪辑跳过
- 超网络
- Loras（与 Hypernetworks 相同但更漂亮）
- 一个单独的 UI，您可以通过预览选择要添加到提示中的嵌入、超网络或 Loras
- 可以选择从设置屏幕加载不同的 VAE
- 进度条中的预计完成时间
- API
- 支持 RunwayML 的专用修复模型
- 通过扩展：Aesthetic Gradients，一种通过使用剪辑图像嵌入生成具有特定美感的图像的方法（实现https: //github.com/vicgalle/stable-diffusion-aesthetic-gradients)
- 稳定扩散 2.0 支持 - 请参阅 [wiki](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features#stable- 扩散-20) 说明
- Alt-Diffusion 支持 - 请参阅wiki 获取说明
- 现在没有任何不好的字母了！
- 以安全张量格式加载检查点
- 放宽分辨率限制：生成图像的尺寸必须是 8 的倍数而不是 64
- 现在有执照了！
- 从设置屏幕重新排序用户界面中的元素
安装与运行
确保满足所需的依赖项，并按照以下可用说明进行操作：
- NVidia（推荐）
- AMD GPU。
- Intel CPU、Intel GPU（集成和独立）（外部 wiki 页面）
或者，使用在线服务（例如 Google Colab）：
- 在线服务列表
使用发行包在带有 NVidia-GPU 的 Windows 10/11 上安装
- 从 v1.0.0-pre 下载
sd.webui.zip并解压其内容。 - 运行“update.bat”。
3.运行“run.bat”。
有关更多详细信息，请参阅 Install-and-Run-on-NVidia-GPUs
Windows 上的自动安装
1.安装Python 3.10.6（较新版本的Python不支持torch），勾选“Add Python to PATH”。
2.安装git。
3. 下载 stable-diffusion-webui 存储库，例如通过运行 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git。
4. 以普通非管理员用户身份从 Windows 资源管理器运行“webui-user.bat”。
Linux 上的自动安装
1.安装依赖项：
# 基于 Debian：
sudo apt install wget git python3 python3-venv libgl1 libglib2.0-0
# 基于红帽：
须藤 dnf 安装 wget git python3
# 基于拱门：
sudo pacman -S wget git python3
- 导航到您想要安装 WebUI 的目录并执行以下命令：
wget -q https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh
3.运行webui.sh。
4. 检查“webui-user.sh”选项。
在 Apple Silicon 上安装
在此处查找说明。
贡献
以下是如何向此存储库添加代码：贡献
文档
该文档已从本自述文件移至项目的 wiki。
为了让 Google 和其他搜索引擎抓取 wiki，这里有一个（不适用于人类）[可抓取 wiki](https://github-wiki-see.page/m/AUTOMATIC1111/stable-diffusion- 网络用户界面/维基）。
学分
借用代码的许可证可以在“设置 -> 许可证”屏幕以及“html/licenses.html”文件中找到。
- 稳定扩散 - https://github.com/CompVis/stable-diffusion，https://github.com/CompVis/taming-transformers
- k-扩散 - https://github.com/crowsonkb/k-diffusion.git
- GFPGAN - https://github.com/TencentARC/GFPGAN.git
- CodeFormer - https://github.com/sc Zhou/CodeFormer
- ESRGAN - https://github.com/xinntao/ESRGAN
- SwinIR - https://github.com/JingyunLiang/SwinIR
- Swin2SR - https://github.com/mv-lab/swin2sr
- LDSR - https://github.com/Hafiidz/latent-diffusion
- MiDaS - https://github.com/isl-org/MiDaS
- 优化想法 - https://github.com/basujindal/stable-diffusion
- 交叉注意力层优化 - Doggettx、超网络或 Loras 添加到您的提示中
- 可以选择从设置屏幕加载不同的 VAE
- 进度条中的预计完成时间
- API
- 支持 RunwayML 的专用修复模型
- 通过扩展：Aesthetic Gradients，一种通过使用剪辑图像嵌入生成具有特定美感的图像的方法（实现https: //github.com/vicgalle/stable-diffusion-aesthetic-gradients)
- 稳定扩散 2.0 支持 - 请参阅 [wiki](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features#stable- 扩散-20) 说明
- Alt-Diffusion 支持 - 请参阅wiki 获取说明
- 现在没有任何不好的字母了！
- 以安全张量格式加载检查点
- 放宽分辨率限制：生成图像的尺寸必须是 8 的倍数而不是 64
- 现在有执照了！
- 从设置屏幕重新排序用户界面中的元素
安装与运行
确保满足所需的依赖项，并按照以下可用说明进行操作：
- NVidia（推荐）
- AMD GPU。
- Intel CPU、Intel GPU（集成和独立）（外部 wiki 页面）
或者，使用在线服务（例如 Google Colab）：
- 在线服务列表
使用发行包在带有 NVidia-GPU 的 Windows 10/11 上安装
- 从 v1.0.0-pre 下载
sd.webui.zip并解压其内容。 - 运行“update.bat”。
3.运行“run.bat”。
有关更多详细信息，请参阅 Install-and-Run-on-NVidia-GPUs
Windows 上的自动安装
1.安装Python 3.10.6（较新版本的Python不支持torch），勾选“Add Python to PATH”。
2.安装git。
3. 下载 stable-diffusion-webui 存储库，例如通过运行 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git。
4. 以普通非管理员用户身份从 Windows 资源管理器运行“webui-user.bat”。
Linux 上的自动安装
1.安装依赖项：
# 基于 Debian：
sudo apt install wget git python3 python3-venv libgl1 libglib2.0-0
# 基于红帽：
须藤 dnf 安装 wget git python3
# 基于拱门：
sudo pacman -S wget git python3
- 导航到您想要安装 WebUI 的目录并执行以下命令：
wget -q https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh
3.运行webui.sh。
4. 检查“webui-user.sh”选项。
在 Apple Silicon 上安装
在此处查找说明。
贡献
以下是如何向此存储库添加代码：贡献
文档
该文档已从本自述文件移至项目的 wiki。
为了让 Google 和其他搜索引擎抓取 wiki，这里有一个（不适用于人类）[可抓取 wiki](https://github-wiki-see.page/m/AUTOMATIC1111/stable-diffusion- 网络用户界面/维基）。
学分
借用代码的许可证可以在“设置 -> 许可证”屏幕以及“html/licenses.html”文件中找到。
- 稳定扩散 - https://github.com/CompVis/stable-diffusion，https://github.com/CompVis/taming-transformers
- k-扩散 - https://github.com/crowsonkb/k-diffusion.git
- GFPGAN - https://github.com/TencentARC/GFPGAN.git
- CodeFormer - https://github.com/sc Zhou/CodeFormer
- ESRGAN - https://github.com/xinntao/ESRGAN
- SwinIR - https://github.com/JingyunLiang/SwinIR
- Swin2SR - https://github.com/mv-lab/swin2sr
- LDSR - https://github.com/Hafiidz/latent-diffusion
- MiDaS - https://github.com/isl-org/MiDaS
- 优化想法 - https://github.com/basujindal/stable-diffusion
- 交叉注意力层优化 - Doggettx - https://github.com/Doggettx/stable-diffusion，即时编辑的原创想法。
- 交叉注意力层优化 - InvokeAI, lstein - https://github.com/invoke-ai/InvokeAI（最初为http://github.com/lstein/stable-diffusion）
- 次二次交叉注意力层优化 - Alex Birch (https://github.com/Birch-san/diffusers/pull/1)、Amin Rezaei (https://github.com/AminRezaei0x443/memory-efficient-attention)
- 文本倒置 - Rinon Gal - https://github.com/rinongal/textual_inversion （我们没有使用他的代码，但我们正在使用他的想法）。
- SD 高档创意 - https://github.com/jquesnelle/txt2imghd
- 用于绘制 mk2 的噪声生成 - https://github.com/parlance-zz/g-diffuser-bot
- CLIP 询问器想法并借用一些代码 - https://github.com/pharmapsychotic/clip-interrogator
- 可组合扩散的想法 - https://github.com/energy-based-model/Compositional-Visual-Generation-with-Composable-Diffusion-Models-PyTorch
- xformers - https://github.com/facebookresearch/xformers
- DeepDanbooru - 动漫扩散器询问器 https://github.com/KichangKim/DeepDanbooru
- 从 float16 UNet 中以 float32 精度进行采样 - marunine 的想法，Birch-san 的示例 Diffusers 实现 (https://github.com/Birch-san/diffusers-play/tree/92feee6)
- 指导 pix2pix - Tim Brooks（明星）、Aleksander Holynski（明星）、Alexei A. Efros（无明星） - https://github.com/timothybrooks/instruct-pix2pix
- 安全建议 - RyotaK
- UniPC 采样器 - 赵文亮 - https://github.com/wl-zhao/UniPC
- TAESD - Ollin Boer Bohan - https://github.com/madebyollin/taesd
- LyCORIS - 红白蓝叶
- 重新启动采样 - lambertae - https://github.com/Newbeeer/diffusion_restart_sampling
- 初始 Gradio 脚本 - 由匿名用户发布在 4chan 上。 谢谢匿名用户。