下载好相关模型文件后，直接放入Stable Diffusion相关目录即可使用，Stable Diffusion 模型就是我们日常所说的大模型，下载后放入**\webui\models\Stable-diffusion**目录，界面上就会展示相应的模型选项，如下图所示。作者用夸克网盘分享了「大模型」
链接：https://pan.quark.cn/s/bd3491e51998
提取码：f5c2

chilloutmix_NiPrunedFp32Fix.safetensors 亚太真人风格
majicmixRealistic_v7.safetensors 麦橘写实风格模型

Stable Diffusion 模型：
类型：生成模型，用于从随机噪声中生成逼真的图像。
功能：主要用于生成高质量的图像，可应用于艺术创作、图像编辑、视觉效果等领域。
结构：通常由生成器和判别器组成，通过学习图像数据的概率分布来生成新的图像。

Lora 模型：
类型：图像生成模型，特定于 Stable Diffusion 的一个子模型。
功能：Lora 模型是 Stable Diffusion 模型的一种变体，用于生成图像。
结构：具体结构可能因实现而异，但通常与 Stable Diffusion 模型类似，通过学习图像数据的概率分布来生成新的图像。

Lora 模型可能使用了 Stable Diffusion 中特定的训练方法或技巧，以提高模型的性能和稳定性。这些方法可能包括对训练过程中的损失函数、优化器和学习率的调整，以及对训练数据和噪声分布的处理。Lora 模型是 Stable Diffusion 的一个变体，它在图像生成方面可能具有一些特定的优化或改进。

Embedding 模型：
类型：自然语言处理模型，用于将文本转换为低维向量表示。
功能：主要用于文本处理任务，如语义分析、情感分析、命名实体识别等。
结构：通常由神经网络组成，将单词或标记映射到连续的低维向量空间中。

在 Stable Diffusion 中，Embedding 模型可能被用于将文本描述或提示转换为向量表示，以便与图像生成模型进行输入嵌入。这些文本描述可以指导模型生成特定主题、风格或内容的图像。通过将文本与图像关联起来，Embedding 模型可以帮助 Stable Diffusion 模型更好地理解文本提示并生成相关的图像

Hypernetworks 模型：
类型：神经网络结构，用于动态生成其他神经网络的参数。
功能：主要用于动态生成神经网络的参数，可用于模型个性化、迁移学习等任务。
结构：通常包含一个主网络和一个或多个次要网络，主网络用于生成参数，次要网络用于执行任务。

通过引入 Hypernetworks，Stable Diffusion 可能可以更灵活地调整模型的结构和参数，从而适应不同的数据集或任务。Hypernetworks 可能还可以用于个性化模型，使其更好地适应特定用户或应用场景

文生图示例
使用chilloutmix_NiPrunedFp32Fix.safetensors模型生成示例，在左上下拉框选择相应的大模型，输入正面提示词和负面提示词，点击生成

quality,masterpiece,realistic,ballerina,female,yoga_pants,black_choker,Hands on waist,smile,mansion,simple_background,
Steps: 20, Sampler: DPM++ 2M Karras, CFG scale: 7, Seed: 2022028845, Size: 512x768, Model hash: fc2511737a, Model: chilloutmix_NiPrunedFp32Fix, ADetailer model: face_yolov8n.pt, ADetailer confidence: 0.3, ADetailer dilate erode: 4, ADetailer mask blur: 4, ADetailer denoising strength: 0.4, ADetailer inpaint only masked: True, ADetailer inpaint padding: 32, ADetailer version: 24.1.2, Version: v1.7.0