AI技術(shù)的進(jìn)步為我們的工作帶來了更多挑戰(zhàn)，比如不少人可能就對新出現(xiàn)的AI繪畫軟件應(yīng)用感到不太熟練。而在本篇文章里，作者就針對 Stable Diffusion 這款A(yù)I繪畫軟件的使用輸出了這份“保姆級教程”，一起來看看本文的解讀。

碼字不易，SD保姆教程，從原理功能到案例輸出展示，最后簡述ControlNet的使用技巧，圖文約1萬5千字左右，閱讀時長約20分鐘～

Stable Diffusion的基本介紹

除了官方給出的解釋。

它和MJ有什么區(qū)別？

為了更方便的理解，我們將Stable Diffusion與Midjourney做一個對比：

一、基礎(chǔ)介紹

1. 提示詞

提示詞分為兩個部分。

1）正向提示詞

i. 生成圖像時，我們可以使用正向提示詞來指定想要生成的圖像。正向提示詞可以是腦子里想到的圖片或一句話，將其拆分成不同的關(guān)鍵詞，并用逗號隔開作為輸入。

ii. 需要注意的是，相同的指令在不同的模型庫和參數(shù)下，生成的輸出圖像可能會不一樣。此外，提示詞的順序也非常重要，因為它們的順序會影響到生成圖像的權(quán)重。通常情況下，越靠前的提示詞權(quán)重越大，越靠后的提示詞權(quán)重越小。

2）排除詞

輸入框內(nèi)輸入的標(biāo)簽內(nèi)容就是你畫面中不想要出現(xiàn)的東西，如：低質(zhì)量的，缺手指，五官不齊等等。

下圖給大家做一個案例演示。

3）提示詞拆分

對于使用提示詞生成圖像生成的小伙伴來說，當(dāng)看到喜歡的圖像或腦海中想到很多畫面，但卻不知道如何用提示詞準(zhǔn)確描述，現(xiàn)在有三種方法可以幫助大家快速拆分和生成圖像。

i. Stable Diffusion 中自帶反堆功能，可以通過將想要拆分的圖像拖入反堆，點擊按鈕來獲得生成該圖像的提示詞。第一次使用可能會有些慢，需要稍等片刻。

需要注意的是，這些提示詞需要進(jìn)行后期的優(yōu)化，常用的方法是通過百度翻譯后進(jìn)行增刪改，或者輸入到 GPT 中進(jìn)行優(yōu)化,優(yōu)化后將提示詞放入相應(yīng)的框內(nèi)進(jìn)行圖像輸出。

ii. 第二種方法我們可以借助三方網(wǎng)站：https:/// 來進(jìn)行拆分，拆分好后，同第一條一樣，進(jìn)行一個增刪改，然后我們對兩種方法進(jìn)行比較，通過比較后，我們可以進(jìn)行詞匯的篩選與合并。

iii. 利用gpt或文心等相關(guān)工具，將想要描述的長句輸入，最后加一句描述，請將這句話拆分為Stable Diffusion的提示詞，如果不滿意可以繼續(xù)恢復(fù)優(yōu)化提示詞，或者換一批相關(guān)描述，然后將轉(zhuǎn)換好的提示詞同i一樣增刪改。

2. 符號的使用

正如前文所述，詞匯在提示中的位置越靠前，其所占的權(quán)重就越大。為了進(jìn)一步調(diào)整提示關(guān)鍵詞的權(quán)重，我們可以通過以下語法來設(shè)置關(guān)鍵詞的權(quán)重：在選中關(guān)鍵詞的同時，按下鍵盤上的Ctrl+上下來快速調(diào)整權(quán)重。每次調(diào)整的權(quán)重值為0.1，建議將權(quán)重值控制在0.7-1.4之間。

簡單來說，將每個提示詞看作一個獨立的個體，權(quán)重默認(rèn)為1，而后面的數(shù)值就相當(dāng)于在修改這個默認(rèn)值。當(dāng)然，我們也可以將權(quán)重調(diào)整為負(fù)數(shù)，從而在提示中產(chǎn)生與原意相反的影響。

通過這種方法，我們可以更加精確地控制提示關(guān)鍵詞的權(quán)重，以達(dá)到更好的提示效果。同時，我們也需要注意保持提示內(nèi)容的流暢性和自然性，避免過度的修改導(dǎo)致提示內(nèi)容的語義不連貫或不符合實際情況。

3. 圖像的輸出

畫面的信息量取決于輸出圖片的大小。在全身構(gòu)圖中，一些細(xì)節(jié)，例如臉部、飾品和復(fù)雜的紋樣，只有在較大的圖像中才能得到充分的展示空間，如圖像太小，臉部，手部，一些細(xì)節(jié)就會被壓縮成一團(tuán)，無法得到充分的表現(xiàn)，以下圖的風(fēng)景為例，當(dāng)畫幅越大時，展示的內(nèi)容越多。

二、界面部分

1. 采樣迭代步數(shù)

輸出畫面需要的步數(shù)，每一次采樣步數(shù)都是在上一次的迭代步驟基礎(chǔ)上繪制生成一個新的圖片，一般來說采樣迭代步數(shù)保持在18-30左右即可，低的采樣步數(shù)會導(dǎo)致畫面計算不完整，高的采樣步數(shù)僅在細(xì)節(jié)處進(jìn)行優(yōu)化，對比輸出速度得不償失。

2. 采樣方法的介紹

常用的有三種，分別是Euler a，DPM++2S a Karras和DDI

Euler a：

i. Euler a是一種用于控制時間步長大小的可調(diào)參數(shù)，在Stable Diffusion中采用Euler時間步長采樣方法。適當(dāng)?shù)腅uler a值能夠捕捉到細(xì)節(jié)和紋理，但如果值太大會導(dǎo)致過度擬合，生成圖像出現(xiàn)噪點等不良效果。

ii. 一句話概括：采樣生成速度最快，但是如果說在高細(xì)節(jié)圖增加采樣步數(shù)時，會產(chǎn)生不可控突變（如人物臉扭曲，細(xì)節(jié)扭曲等）。

適合：ICON，二次元圖像，小場景。

下圖為大家展示同提示詞不同步幅。

DPM++2S a Karras ：

i. 采用 DPM++2S a Karras 采樣方法生成高質(zhì)量圖像，該方法在每個時間步長中執(zhí)行多次操作，同等分辨率下細(xì)節(jié)會更多，比如可以在小圖下塞進(jìn)全身，代價是采樣速度更慢。

ii. 適合：寫實人像，復(fù)雜場景刻畫。

下圖展示elura a同提示詞不同步幅下的輸出圖像，可以看到步幅越高，細(xì)節(jié)刻畫越好。

DDIM

i. DDIM 采樣方法可以快速生成高質(zhì)量的圖像，相比其他采樣方法具有更高的效率，想嘗試超高步數(shù)時可以使用，隨著步數(shù)增加可以疊加細(xì)節(jié)。

下圖為大家展示DDIM同提示詞不同步幅下的輸出圖像，可以看到隨著步幅的提高，細(xì)節(jié)和豐富度逐漸提高。

3. 提示詞相關(guān)性

Stable Diffusion中的提示詞相關(guān)性指的是輸入提示詞對生成圖像的影響程度。當(dāng)我們提高提示詞相關(guān)性時，生成的圖像將更符合提示信息的樣子；相反，如果提示詞相關(guān)性較低，對應(yīng)的權(quán)重也較小，則生成的圖像會更加隨機(jī)。因此，通過調(diào)整提示詞相關(guān)性，可以引導(dǎo)模型生成更符合預(yù)期的樣本，從而提高生成的樣本質(zhì)量。

i. 在具體應(yīng)用中，對于人物類的提示詞，一般將提示詞相關(guān)性控制在7-15之間。

ii. 而對于建筑等大場景類的提示詞，一般控制在3-7左右。這樣可以在一定程度上突出隨機(jī)性，同時又不會影響生成圖像的可視化效果。因此，提示詞相關(guān)性可以幫助我們通過引導(dǎo)模型生成更符合預(yù)期的樣本，從而提高生成的樣本質(zhì)量。

4. 隨機(jī)種子

i. 隨機(jī)種子是一個可以鎖定生成圖像的初始狀態(tài)的值。當(dāng)使用相同的隨機(jī)種子和其他參數(shù)，我們可以生成完全相同的圖像。設(shè)置隨機(jī)種子可以增加模型的可比性和可重復(fù)性，同時也可以用于調(diào)試和優(yōu)化模型，以觀察不同參數(shù)對圖像的影響。

ii. 在Stable Diffusion中，常用的隨機(jī)種子有-1和其他數(shù)值。當(dāng)輸入-1或點擊旁邊的骰子按鈕時，生成的圖像是完全隨機(jī)的，沒有任何規(guī)律可言。而當(dāng)輸入其他隨機(jī)數(shù)值時，就相當(dāng)于鎖定了隨機(jī)種子對畫面的影響，這樣每次生成的圖像只會有微小的變化。因此，使用隨機(jī)種子可以控制生成圖像的變化程度，從而更好地探索模型的性能和參數(shù)的影響。

在工作產(chǎn)出中，如果細(xì)微調(diào)整，我們將會固定某個種子參數(shù)然后進(jìn)行批量生成。

三、Checkpoint，VAE，embedding和lora的使用詳解

1. 安裝路徑自查

2. Checkpoint的介紹

i. 對于模型作者而言，訓(xùn)練模型通常指生成Checkpoint文件。這些文件包含了模型參數(shù)和優(yōu)化器狀態(tài)等信息，是訓(xùn)練過程中定期保存的狀態(tài)快照。

ii. 對于使用者而言，可以將Checkpoint文件理解為一種風(fēng)格濾鏡，例如油畫、漫畫、寫實風(fēng)等。通過選擇對應(yīng)的Checkpoint文件，您可以將Stable Diffusion模型生成的結(jié)果轉(zhuǎn)換為您所選擇的特定風(fēng)格。需要注意的是，一些Checkpoint文件可能需要與特定的低碼率編碼器（如Lora）配合使用，以獲得更好的效果。

iii. 在下載Checkpoint文件時，您可以查看相應(yīng)的模型簡介，通常作者會提供相應(yīng)的文件和說明事項，以幫助您更好地使用和理解該文件。

總之，Checkpoint文件是Stable Diffusion模型訓(xùn)練過程中定期保存的狀態(tài)快照，使用者可以將其理解為一種風(fēng)格濾鏡，用于將模型輸出結(jié)果轉(zhuǎn)換為特定的風(fēng)格。在使用Checkpoint文件時，需要注意文件的匹配和相應(yīng)的使用說明。

3. VAE的介紹

i. 可以將VAE理解為對模型的濾鏡加微調(diào)，不同的VAE可能有一些細(xì)節(jié)上的差異，但不會影響輸出的效果。

ii. 它可以增強(qiáng)模型的表現(xiàn)，有些模型文件已經(jīng)自帶了VAE效果，因此不需要盲目地去掛載，可以選擇自動模式來簡化日常使用。

4. embedding的介紹

i. 如果你有做過UI的經(jīng)驗，那么你應(yīng)該知道組件的概念。在Stable Diffusion中，embedding技術(shù)就可以被理解為一種組件，它可以將輸入數(shù)據(jù)轉(zhuǎn)換成向量表示，方便模型進(jìn)行處理和生成。

ii. 舉個例子，如果我們想要生成一個開心的皮卡丘，通常需要輸入很多描述詞，如黃毛、老鼠、長耳朵、腮紅等等。但是，如果引入皮卡丘的embedding，我們只需要輸入兩個詞：皮卡丘和開心。皮卡丘的embedding打包了所有皮卡丘的特征描述，這樣我們就不用每次輸入很多單詞來控制生成的畫面了。

iii. 在日常使用中，embedding技術(shù)通常用于控制人物的動作和特征，或者生成特定的畫風(fēng)。相比于其他模型（如LORA），embedding的大小只有幾十KB，而不是幾百兆或幾GB，除了還原度對比lora差一些但在存儲和使用上更加方便。

iiii. 總之，embedding技術(shù)將輸入數(shù)據(jù)轉(zhuǎn)換為向量表示，為模型的處理和生成提供了便利。通過使用embedding，我們可以更加輕松地生成符合預(yù)期的樣本，而不需要手動輸入大量的描述詞匯。

5. LORA的介紹

LORA與embedding在本質(zhì)上類似，因為攜帶著大量的訓(xùn)練數(shù)據(jù)，所以LORA對人物和細(xì)節(jié)特征的復(fù)刻更加細(xì)膩。

使用技巧：

i. 通常來說，每個 LORA 模型都有對應(yīng)的底膜和觸發(fā)詞匯。我們可以查看 LORA 作者產(chǎn)出的相關(guān)圖片，從中獲取模型信息，并從中選擇一些提示詞和排除詞來指定生成圖像的方向。需要注意的是，每個 LORA 模型對輸出圖像的權(quán)重設(shè)置是非常重要的。權(quán)重設(shè)置越大，對畫面的影響因素就越淺。通常情況下，權(quán)重應(yīng)該控制在 0.7-1 之間。如果權(quán)重過高，會大幅度影響出圖的質(zhì)量。

ii. 為了獲得最佳效果，我們可以根據(jù)不同的 LORA 模型選擇適當(dāng)?shù)奶崾驹~和排除詞，并在設(shè)置權(quán)重時進(jìn)行調(diào)整。同時，我們還可以參考其他作者的經(jīng)驗和技巧，以便更好地利用 LORA 生成圖像。

四、圖生圖下的功能詳解

簡介：

是一種生成圖像的方法，它可以通過對已有的圖像進(jìn)行修改或變形，生成新的圖像。在 Stable Diffusion 中，我們可以將墊圖的圖像看作是一張“初始圖像”，通過多次迭代，對其進(jìn)行修改和變形，逐步生成與墊圖風(fēng)格類似想要的圖片。

需注意的是圖生圖相對于文生圖多出兩個功能。

重繪幅度：

i. 指的是每次迭代中圖像被重新繪制的程度或幅度，也就是新生成的圖像與上一次迭代生成的圖像之間的差異程度。

ii. 它的取值范圍在 0 到 1 之間。當(dāng) 值等于 0 時，新生成的圖像與上一次迭代生成的圖像完全一致，即沒有重新繪制；

當(dāng)值等于 1 時，新生成的圖像與上一次迭代生成的圖像完全不同，即完全重新繪制。

需要注意的是，重繪幅度的大小會影響生成圖像的質(zhì)量和逼真程度。當(dāng)重繪幅度較小時，生成的圖像可能會比較模糊或粗糙；

當(dāng)重繪幅度較大時，生成的圖像可能會出現(xiàn)明顯的噪點或瑕疵。

縮放模式：

直接縮放：

i. 指對圖像進(jìn)行簡單的縮放處理，即直接將原始圖像縮放到目標(biāo)尺寸。

ii. 在 Stable Diffusion 中，如果生成的圖像尺寸與原始圖像尺寸不一致，就需要進(jìn)行縮放處理。直接縮放是一種簡單粗暴的縮放方式，它直接將原始圖像縮放到目標(biāo)尺寸，不進(jìn)行任何額外的處理。這種縮放方式的優(yōu)點是簡單快速，但缺點是可能會導(dǎo)致圖像失真或模糊，特別是當(dāng)縮放比例較大時。

1. 圖生圖

主要用來做圖片放大和造型背景的變化，或者三次元改二次元時用的，通常配合著ControlNet來使用。

2. 繪圖

i. 通過手動繪制或修改圖像的局部區(qū)域，來指導(dǎo)生成器生成更加符合用戶期望的圖像，使用時可以利用繪圖工具，如筆刷、橡皮擦等，對圖像的局部區(qū)域進(jìn)行修改。修改后的圖像會被作為下一次迭代的初始圖像，從而影響后續(xù)的圖像生成過程。

ii. 通過繪圖，可以更加精細(xì)地控制生成圖像的細(xì)節(jié)和特征，從而獲得更符合預(yù)期輸出。

3. 局部重繪

i. 也稱為上傳蒙版法，提前在作圖軟件里用畫筆涂抹好需要重新繪制的區(qū)域，黑色區(qū)域表示需要修復(fù)的區(qū)域，白色區(qū)域表示不需要修復(fù)的區(qū)域。

（注意：因此只需要在需要修復(fù)的區(qū)域涂黑色，其他區(qū)域可以涂白或保留原始顏色。上傳蒙版的話也只需在繪圖軟件里把需要修復(fù)的區(qū)域涂黑即可）

ii. 局部重繪的目的是盡可能地保留原始圖像的結(jié)構(gòu)和紋理特征，使修復(fù)后的圖像更加自然和真實。

4. 批量處理

指使用已有的圖像生成新的圖像。而圖生圖的批量處理是指同時對多張輸入圖像進(jìn)行圖生圖操作，生成對應(yīng)的多張輸出圖像。

五、ControlNet的使用

1. 一圖搞定插件安裝

權(quán)重：

ControlNet的權(quán)重與圖生圖權(quán)重的對比關(guān)系時：

預(yù)處理器與模型的關(guān)系：

i. 使用預(yù)處理器時要與模型一一對應(yīng)起來,如與處理器選擇canny，則相對應(yīng)的模型也要選擇canny。

ii. 預(yù)處理器和模型在 Stable Diffusion 中是相輔相成的，預(yù)處理器通過對輸入圖像進(jìn)行預(yù)處理和數(shù)據(jù)增強(qiáng)，為模型提供了更好的輸入，而模型則通過對輸入進(jìn)行特征提取和生成高質(zhì)量圖像，為預(yù)處理器提供了更好的反饋。

介入時機(jī)和退出時機(jī)：

i. 介入時機(jī)：代表第幾步介入對畫面的影響；退出時機(jī)：代表第幾步退出對畫面的影響。

ii. 如，現(xiàn)在是一個生成步幅為30步的圖像：

2. Canny 邊緣檢測

i. Canny 是一種經(jīng)典的邊緣檢測算法，能夠很好地識別出圖像中的邊緣信息，對于圖像生成任務(wù)來說，可以幫助模型更好地生成具有清晰邊緣的圖像。

ii. 處理圖片的方式是將圖片專為線稿，對于畫面細(xì)節(jié)不復(fù)雜的圖像來說很好，但處理復(fù)雜圖像時，主體會容易被除主題元素以外的元素影響。

iii. 細(xì)節(jié)刻畫上，一種是分辨率越高，線條越清晰，閾值越少，對應(yīng)的細(xì)節(jié)也越多。

4. Hed 邊緣檢測，細(xì)節(jié)保留

i. 該算法的特點是能夠同時預(yù)測多個尺度的邊緣，從而提高了邊緣檢測的精度，對邊緣清晰的圖像生成效果更好。

ii. 當(dāng)用草圖轉(zhuǎn)上色時，可以在繪圖軟件將描邊加粗加深一些，從而能更方便獲取邊緣。

5. MLSD 線性檢測

i. mlsd模型，可以進(jìn)行直線檢測，通過分析圖片的線條結(jié)構(gòu)來構(gòu)建出建筑外框，適合建筑設(shè)計的使用。

ii. 可以配合canny一起使用，效果更佳。

6. Open pose-人物擺pose

判斷主圖的主體動作，然后將動作附加在主圖上 一般配合著open pose editer。

7. LeRes深度信息估算

對有場景深度的圖片效果更佳，生成的圖像景深更易區(qū)分。

六、結(jié)語

隨著AI技術(shù)的快速發(fā)展，圖像生成領(lǐng)域的大型模型正在成為研究的熱點，但是由于該領(lǐng)域的相對新穎和復(fù)雜性，相關(guān)的教程和資源目前還相對匱乏。希望本文可以幫助各位設(shè)計師快速入門Stable Diffusion，并為您提供一些有用的參考資料。

相信在不久的將來，一些真正具有商業(yè)價值的大模型將會涌現(xiàn)出來，為設(shè)計和其他領(lǐng)域帶來更多的創(chuàng)新和效益，最后，希望大家能不斷探索和學(xué)習(xí)，掌握更多的技能和知識，為設(shè)計賦能！