超详细的 Stable Diffusion Webui入门教程(二)基础操作

前言

cover_image

工欲善其事,必先利其器!今天我们聊聊 Stable Diffusion WebUI 的基础操作以及各个参数都代表了什么。

所有的AI设计工具,安装包、模型和插件,都已经整理好了,👇获取~在这里插入图片描述

一、大模型的切换

在 Stable Diffusion (以下简称 SD)的背景下,大模型通常意味着,它能够更准确地理解给定的文本提示,生成更符合用户期待的图像。

这些大模型通常是通过使用大规模数据集训练出来的,这些数据集包含了大量的图像和相关的文本描述。

总的来说,“大模型” 在 SD 中指的是一个大型的、参数众多的神经网络,它具有生成高质量图像的能力。但相应地,也提出了更高的数据和计算要求。

1.1 在 SD WebUI 中如何切换大模型

如图:界面左上角,在这里可以切换你所安装的模型。

1.2 如何获取大模型

获取大模型的首选就是 C 站:https://civitai.com/。

当然国内也有一些网站可以下载大模型,比如 哩布ai,这里我们以C站为例进行讲解。

如图所示:选择 Checkpoint,然后在输入框输入要下载的模型名

模型下载下来后,放入指定文件夹下,然后点击后面的刷新按钮即可使用。

1.3 大模型存放路径

下载下来的模型文件要放到指定目录下:SD 根目录\models\Stable-diffusion,比如我这里是 sd-webui-aki-v4.5\models\Stable-diffusion

二、模型的VAE

VAE 的全称是 Variational Auto-Encoder,翻译过来是变分自动编码器,本质上是一种训练模型,Stable Diffusion 里的 VAE 主要是模型作者将训练好的模型“解压”的解码工具。

现在的大模型一般都内嵌了 VAE 属性(不需要再下载 VAE 文件)。一般情况下我们就选择第一个 自动 就行了。

有的模型需要指定 VAE,那么在下载大模型的时候,同时也要把指定 VAE 下载下来。在 C 站下载模型,在下载页面会有文件显示,如图所示:

2.1 VAE的安装路径:SD目录\models\VAE

三、功能选项

在这一部分,我将重点解释一些关键的功能。

3.1 文生图

Stable Diffusion 提供了一个独特的特性,那就是反向关键词功能。

反向提示词允许用户指定他们不希望在图像中出现的元素,这与 Midjourney 不同。但是在关键词格式上与 Midjourney 大致相似。

下面这块参数就是设置图片的一些基本参数,比如分辨率、尺寸等等,具体参数见下文。

3.2 图生图

这一功能很直观:用户提供一张参考图片,并输入相应的提示词,便会根据这些信息生成新的图像。这一点 Stable Diffusion 与市面上其他 AI 绘画软件保持了一致性。后面我会再讲解一些更高阶的玩法。

3.3 图片信息功能

当你使用 Stable Diffusion 来绘制一张图像后,你可以在该功能区域上传这张图片。随后,会在界面的右侧部分展示出这张图像的相关参数,包括用于生成该图像的关键词、seed值、尺寸等。

这样的设计便于用户理解和追踪图像生成的背后逻辑及其构成要素。然后可以再发送到文生图或图生图等功能界面,进行进一步创作。

3.4 训练功能

用户可以通过这个选项来训练自己的个性化模型。

这项功能对于新手来说可能不太常用,但对于希望深入掌握和利用 AI 为自己的工作流量身定制解决方案的用户来说,它是非常有价值的。

这个是我强烈推荐的核心特性之一,因为它为用户提供了极大的灵活性和自定义能力。

3.5 设置界面

就是常规的设置选项,小伙伴们直接研究下就好了。

3.6 扩展功能

这个也是常用的功能,这个跟插件的扩展相关,SD 之所以强大离不开丰富的生态社区,后面我们会详细展开来说。

四、正向提示词和反向提示词

在 SD Webui 中创作数字艺术或进行图像生成时,你可以通过输入你想要描绘的元素来驱动创作过程。

将这些元素列在正向提示词框内,必须使用英文且词间以半角逗号分隔。

同时,如果有你不希望出现在作品中的元素,可以在反向提示词框内列出。此框同样只接受英文输入,并且要求使用英文半角符号。这种方法使得创造过程更为精准,便于实现具体的创作意图。

通常情况下,提示词中越靠前的词,权重就会越大,比如上面图中的提示词:

1girl, solo, hand fan, looking at viewer, long hair, holding, upper body, holding fan, black hair, chinese clothes, ((sparkle)), hair bun, simple background, red lips, flower, hanfu, long sleeves, closed mouth, single hair bun, paper fan``   ``女孩,独奏,手扇,看观众,长发,手持,上身,手持扇,黑发,中式服装,闪闪发光,发髻,背景简单,红唇,花,汉服,长袖,闭口,单发髻,纸扇

生成的图形主体就是手拿手扇的女孩:

在这里有用过 Midjourney 的小伙伴可能就有疑问了,((sparkle))是什么意思,为啥有这么多括号,我来为大家解答下,这个增加权重的意思,类似 Midjourney 的 ::。

① 最直接的权重调节就是调整词语顺序,越靠前权重越大,越靠后权重越低,前面我们也提到过。

② 可以通过下面的语法来对关键词设置权重,一般权重设置在 0.5~2 之间(一般不推荐超过1.5),可以通过选中词汇,按 ctrl+↑↓ 来快速调节权重,每次调节为 0.1,也可以直接输入。

五、功能按钮

5.1 生成按钮

顾名思义,输入关键词,参数调整好后,点击生成就开始生成跑图了。

如图第一个按钮:它的功能是读取你上一张图的所有参数信息(包括关键词)。

上图第二个按钮:不常用,单独单开一个窗口,进行提示词的输入,输入完成后点击提交就会提交到提示词框中。

第三个按钮:就是删除了,清空提示词和反向提示词中的关键词;这里可以和第一个按钮结合用哦。

第四个按钮:就是显示/隐藏扩展模型,便于管理模型。

点击该按钮后会出现以下界面,如图所示:自己所安装的模型和Lora都可以在这里调整。

如图第五个按钮:把当前选中的预设提示词,添加到提示词框中。

首先在预设样式中选中预设提示词,然后点击该按钮后该预设样式的提示词就会提交到提示词框中。

如图最后一个按钮:把当前提示词框中的提示词,保存为预设提示词,便于以后使用。

点击该按钮后,会有提示框弹出,填写完提示词名称,后点击确定,就会保存该提示词到预设。该按钮可以和第五个按钮结合使用。

六、采样迭代步数

通常情况下,迭代步数在 20—30 范围内即可。采样步数过低可能会造成图像渲染不完整,而过高的采样步数对生成图形的质量没有显著的提升。

因此,除非目标是创造一幅极尽细节描绘的图像,否则没必要使用更高的采样步数。因为,提高采样步数会使得图像生成速度变慢。

七、采样方法

Stable diffusion webui 是将 Stable Diffusion 实现可视化的图像用户操作界面,它本身还集成了很多其它有用的扩展脚本。

其中 SD 中的采样方法就非常的多,这里我们只介绍几个种常用的。

SD 中默认是显示全部的采样方法,但是我们常用的就是那么几个。因此,我们可以去设置里面,把不需要用到的关掉,这样界面中就会只显示我们常用的那几个。

**注意:**修改设置后,要报存,然后点击右边的重启 UI 修改就会生效。

八、高清修复和图片尺寸参数

在这里对面部修复做个简单的介绍,它对写实的风格有点效果,但是平铺生成的图片很奇怪,个人不推荐使用。后面会介绍更好用的面部修复的方法。比如ADetailer。

高清修复,高清修复的意思是把基础生成的图片,按照你选择放大的倍率放大到指定分辨率之后再重新绘制图片,受到你重复幅度调节的数值影响,推荐重绘幅度不要超过0.7。

放大算法推荐使用 R-ESRGAN 4x+ (写实风格)和 R-ESRGAN 4x+ Animate6B (二次元风格)。

宽度、高度就是图片的长宽比,很容易理解,生成批次和数量就是几批,一批几张图,配置好的可以直接拉满,增加效率哦。

**提示词相关性,**图像与你的提示的匹配程度。增加这个值将导致图像更接近你的提示(根据模型),但它也在一定程度上降低了图像质量。可以用更多的采样步骤来抵消。

九、seed-随机种子

这里的 seed 与 Midjourney 的 seed 功能一样。

如果固定随机种子,那么可以多次生成相同(或几乎相同,如果启用了 xformers)的图像。

如果对已经生成的图像基本满意,只是稍微改变你的输入参数,以前产生好结果的种子很可能仍然会产生好结果。

9.1 如何获取种子

生成图后,会在下方出现该图的具体参数,其中包括种子,如图:

9.2 差异随机种子

需要勾选这个按钮,才会出现

差异随机种子的功能是固定一个种子,然后调整差异强度来生成图片,因为是固定的 seed 值,所以生成的图风格都是类似的。直接看效果:

关于 Stable Diffusion WebUI 的基础操作我们就介绍到这里。

以上就是本期全部内容,希望对你有所启发和帮助。如果你觉得这篇文章写得不错,就动动小手为我点赞、关注并转发吧,让更多人也能get到这些实用的干货。你也可以在留言区打卡,说说最期待看哪方面的内容,我们下期再会!

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!

对于0基础小白入门:

如果你是零基础小白,想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括:stable diffusion安装包、stable diffusion0基础入门全套PDF,视频学习教程。带你从零基础系统性的学好AI绘画!

零基础AI绘画学习资源介绍

👉stable diffusion新手0基础入门PDF👈

在这里插入图片描述

在这里插入图片描述

👉AI绘画必备工具👈

在这里插入图片描述

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉AI绘画基础+速成+进阶使用教程👈

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

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👈

在这里插入图片描述

这份完整版的AI绘画全套学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/454619.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【从零开始的LeetCode-算法】3185. 构成整天的下标对数目 II

给你一个整数数组 hours&#xff0c;表示以 小时 为单位的时间&#xff0c;返回一个整数&#xff0c;表示满足 i < j 且 hours[i] hours[j] 构成 整天 的下标对 i, j 的数目。 整天 定义为时间持续时间是 24 小时的 整数倍 。 例如&#xff0c;1 天是 24 小时&#xff0c…

[Vue3核心语法] ref、reactive响应式数据

定义: ref用来定义&#xff1a;基本类型数据、对象类型数据&#xff1b; reactive用来定义&#xff1a;对象类型数据。 使用原则: 若需要一个基本类型的响应式数据&#xff0c;必须使用ref。 若需要一个响应式对象&#xff0c;层级不深&#xff0c;ref、reactive都可以。 …

项目管理这些问题,你是不是忍了很久?

项目管理中常见的问题&#xff0c;你是不是早就感到无奈了&#xff1f;项目进度滞后、成本超支、团队协作不畅、任务分配模糊、资源分配不合理……这些问题常常让人感到力不从心。 无论是关键节点的拖延&#xff0c;还是多部门间的沟通障碍&#xff0c;最终都会拖慢项目进展&a…

京东大模型革命电商搜推技术:挑战、实践与未来趋势

大模型对搜推技术产生了深远的影响&#xff0c;极大地推动了搜推技术的演进趋势&#xff0c;使得搜推更加的智能化和个性化&#xff0c;然而在搜推中引入大模型时同样面临一系列的挑战&#xff0c;例如商品知识的幻觉&#xff0c;复杂查询的理解&#xff0c;个性化商品推荐&…

酒店预订订房小程序源码系统 多酒店入驻+打造类似美团的酒店模式 带完整的安装代码包以及搭建部署教程

系统概述 随着移动互联网的普及&#xff0c;小程序因其轻量级、无需下载安装、即用即走的特点&#xff0c;迅速成为各行业的标配。对于酒店预订行业而言&#xff0c;小程序不仅能够有效提升用户体验&#xff0c;还能降低运营成本&#xff0c;提高转化率。本源码系统正是基于这…

js实现数组中数据有则删除无则添加-[‘12123‘,‘432233‘...]

可以使用indexOf方法来判断数组中是否存在某个元素&#xff0c;如果存在则使用splice方法删除该元素&#xff0c;如果不存在则使用push方法添加该元素。 下面是具体的代码实现&#xff1a; function addOrRemove(arr, item) {const index arr.indexOf(item);if (index -1) {…

Dockerfile和docker-compose详解

Dockerfile和docker-compose详解 文章目录 Dockerfile和docker-compose详解一、Dockerfile1. Dockerfile简介2. 构建镜像3. Dockerfile命令&#xff08;1&#xff09;FROM&#xff08;2&#xff09;WORKDIR&#xff08;3&#xff09;RUN&#xff08;4&#xff09;COPY&#xff…

MATLAB智能算法 - Immunity Algorithm免疫算法

Immunity Algorithm免疫算法 智能算法是路线规划、深度学习等等一系列领域所使用的优化算法&#xff0c;是算法进阶之路的必备之路。 前言&#xff1a;本文主要围绕解决TSP旅行商问题展开&#xff0c;对于机器人的路线规划以及非线性方程求解的问题等解决方案 对于一些其他智能…

Rust的泛型基础与实践

什么是泛型&#xff1f; 想象一下&#xff0c;我们想定义一个函数&#xff0c;它可以用来计算任意类型数据的最大值。如果我们只考虑整数&#xff0c;我们可以这样写&#xff1a; fn max(a: i32, b: i32) -> i32 {if a > b {a} else {b} }但是&#xff0c;如果我们还想…

【每日刷题】Day142

【每日刷题】Day142 &#x1f955;个人主页&#xff1a;开敲&#x1f349; &#x1f525;所属专栏&#xff1a;每日刷题&#x1f34d; &#x1f33c;文章目录&#x1f33c; 1. 1219. 黄金矿工 - 力扣&#xff08;LeetCode&#xff09; 2. 980. 不同路径 III - 力扣&#xff0…

C++20中头文件ranges的使用

<ranges>是C20中新增加的头文件&#xff0c;提供了一组与范围(ranges)相关的功能&#xff0c;此头文件是ranges库的一部分。包括&#xff1a; 1.concepts: (1).std::ranges::range:指定类型为range&#xff0c;即它提供开始迭代器和结束标记(it provides a begin iterato…

MP9928模块分析

MP9928 是一款高性能的同步降压 DC/DC 转换器控制器 IC&#xff0c;具有宽输入范围。以下是其操作和关键特性的总结&#xff1a; 概述 电流模式控制&#xff1a;MP9928 使用电流模式、可编程开关频率控制架构&#xff0c;通过外部 N 沟道 MOSFET 开关来调节输出电压。 反馈和…

PRCV2024:可信AI向善发展与智能文档加速构建

目录 0 写在前面1 GAI时代的挑战&#xff1a;图像内容安全1.1 图像篡改与对抗攻击1.2 生成式图像鉴别1.3 人脸鉴伪模型体验1.4 助力可信AI向善发展 2 GAI时代的机遇&#xff1a;大模型加速器2.1 TextIn大模型加速器2.2 通用文档解析2.3 文本向量模型 3 总结 0 写在前面 中国模…

认识一下:__asm { int 80h; LINUX - sys_fork }

这行代码 __asm { int 80h; LINUX - sys_fork } 使用了汇编语言的语法来直接调用 Linux 系统调用 fork。下面是对这行代码的详细解析&#xff1a; 代码解析 __asm: 这是一个用于嵌入汇编代码的指令&#xff0c;通常在 C 或 C 代码中使用&#xff0c;允许开发者直接插入汇编语言…

信息安全系统设计第七周

文章目录 密码系统设计学习内容AI 对学习内容的总结&#xff08;1分&#xff09;要求总结 第10章&#xff1a;身份认证和PKI理论基础第11章&#xff1a;实战PKI对 AI 总结的反思与补充&#xff08;2分&#xff09;要求反思与补充 学习思维导图&#xff08;2分&#xff09;要求思…

Pytorch 实现图片分类

CNN 网络适用于图片识别&#xff0c;卷积神经网络主要用于图片的处理识别。卷积神经网络&#xff0c;包括一下几部分&#xff0c;输入层、卷积层、池化层、全链接层和输出层。 使用 CIFAR-10 进行训练&#xff0c; CIFAR-10 中图片尺寸为 32 * 32。卷积层通过卷积核移动进行计…

告别微信封号!学会这5招,让你的账号坚不可摧

在这个信息爆炸的时代&#xff0c;无论是工作沟通、社交互动还是获取信息&#xff0c;微信都扮演着极其重要的角色。但是&#xff0c;随着微信平台规则的日益严格&#xff0c;账号被封的风险也随之增加。今天&#xff0c;我们就来聊聊如何有效防止 微信被封&#xff0c;让你的账…

【RL Latest Tech】安全强化学习(Safe RL):理论、方法与应用

&#x1f4e2;本篇文章是博主强化学习&#xff08;RL&#xff09;领域学习时&#xff0c;用于个人学习、研究或者欣赏使用&#xff0c;并基于博主对相关等领域的一些理解而记录的学习摘录和笔记&#xff0c;若有不当和侵权之处&#xff0c;指出后将会立即改正&#xff0c;还望谅…

Python | Leetcode Python题解之第486题预测赢家

题目&#xff1a; 题解&#xff1a; class Solution:def PredictTheWinner(self, nums: List[int]) -> bool:length len(nums)dp [0] * lengthfor i, num in enumerate(nums):dp[i] numfor i in range(length - 2, -1, -1):for j in range(i 1, length):dp[j] max(num…

uniapp结合uview-ui创建项目

准备工作&#xff1a; 下载HBuilderX;官网地址:HBuilderX-高效极客技巧 安装node.js;官网地址&#xff1a;Node.js — 在任何地方运行 JavaScript,下载所需版本&#xff0c;安装后配置好环境变量即可 方式一&#xff08;NPM安装方式&#xff09;&#xff1a; 1、打开开发者…