本文讲解，模型底模，VAE美化模型，Lora模型，hypernetwork。

文本Stable Diffusion 简称sd

欢迎关注留言讨论！

使用模型

C站：https://civitai.com/

huggingface：https://huggingface.co/models?pipeline_tag=text-to-image

大模型（底模型）

stable diffusion webui 部署完成后，checkpoint是放底模

home\webui\models 目录下

常见模式：后缀ckpt/safetensors

常见大小：2G-7G

Realistic Vision：逼真的照片风格。

Anything v5：动漫风格。

Dreamshaper：写实绘画风格。

VAE美化模型

可以理解为滤镜，选择VAE就像给图片套上了一层滤镜，会改变图片原有的颜色风格；一般默认是无，而且有些大模型中会自带VAE

常见模式：后缀ckpt/pt

名字中带有vae

stable-diffusion-webui 默认页面并没有显示 VAE 设置部分，所以需要先设置一下。首先点击「Settings」，然后点左侧菜单的「User interface」这个 Tab，拉到下面有个选项叫做Quicksettings list，在输入框里面添加,sd_vae,CLIP_stop_at_last_layers:

最后点击上面的「Apply settings」，在点「Reload UI」就会重新刷新页面，即可看到头部的 VAE 区域:

可以去C站和huggingface下载我们把这些 VAE 模型下载并把它放入到models/VAE目录下:

wget https://huggingface.co/stabilityai/sd-vae-ft-mse-original/resolve/main/vae-ft-mse-840000-ema-pruned.ckpt -O ~/workspace/stable-diffusion-webui/models/VAE/vae-ft-mse-840000-ema-pruned.ckpt
wget https://huggingface.co/AIARTCHAN/aichan_blend/resolve/main/vae/Anything-V3.0.vae.safetensors -O ~/workspace/stable-diffusion-webui/models/VAE/Anything-V3.0.vae.safetensors
wget "https://huggingface.co/AIARTCHAN/aichan_blend/resolve/main/vae/Berry's%20Mix.vae.safetensors" -O ~/workspace/stable-diffusion-webui/models/VAE/BerrysMix.vae.safetensors

所谓没有对比就没有伤害，对比明显可以感受到不加 VAE 图片优点灰蒙蒙的，不够鲜艳，另外是细节不够，而加了不同的 VAE 都有了更好的颜色效果，细节更全了 (微调)。

最后，注意不同的 VAE 适配的模型不同，也不是某个 VAE 可以用在任何模型下，否则可能会生成非常奇怪的图。

Lora模型

LoRA模型是通过截取大模型的某一特定部分生成的小模型，虽然不如大模型的能力完整，但短小精悍。因为训练方向明确，所以在生成特定内容的情况下，效果会更多。

常见模式：后缀ckpt/safetensors/pt

常见大小：100MB

模型下载并把它放入到models/Lora目录下

可以去C站下载搜索Lora模型

Embeddings

通过角色训练产出，能够让你的主模型识别某个指定的角色，因为你的主模型不可能每个角色都认识，通过文件名触发。

常见模式：后缀pt

常见大小：几十KB

模型下载放到webui\embeddings

可以去C站下载搜索Embeddings模型

Hypernetworks

通过画风训练产出，能够指定特定的画风！

常见模式：后缀pt

常见大小：几十KB

模型下载放到webui\models\hypernetworks

可以去C站下载搜索hypernetworks模型

功能类型选择

除了文生图，也可根据自己的需求选择其他选项卡进行操作，以下简单介绍正常流程会用到的选项卡：

图生图（img2img）：将文生图的结果继续生成图片，或自己上传一张图片，常用于调整和优化图片，或修改图片风格、背景、人物形象等场景；

附加功能（Extras）：对单张或批量图片进行缩放的操作；

图片信息（PNG Info）：将本地图片上传后，可以用于其他选项卡的功能中；

模型合并（Checkpoint Merger）：将多个模型进行不同权重的合并，从而获得一个新的模型；

扩展：SD的扩展插件配置区，可以查看已安装的插件内容，并控制开启和禁用状态；也支持通过URL的方式获取其他插件。

掌握提示词技巧

提示语输入基本要求

使用英语描述最佳，避免出现单词拼写错误；（不同模型可能有训练中文和日文，可自行判断）

标点符号同样使用英文半角进行输入；

建议使用逗号隔开的单词作为提示词；（也可用句号、甚至是空字符（\0)来分隔关键词，可以提高图像质量；

也可以使用自然语言描述图片内容，比如：A handsome hero armed with a sword（一个英俊的英雄装配着剑）

提示语描述和图像风格搭配，相近的描述不要重复出现

善于利用反向提示语来去除图片的负面效果；

尽可能使用特定含义的词汇，比如将 big 调整为 huge ，避免使用有多种含义的词汇；

避免使用with、and之类的连接词；

可使用emoji() 进行补充描述；

逗号前后的少量空格并不影响实际效果；

可以通过指定风格提示语来创作带有特效或指定画风的图片；(风格获取参考下文

姿势的描述越精简越好，否则容易出现肢体重复的情况；（肢体生成是AI硬伤，可用controlnet来解决）

避免过长提示词，越尾部的提示词在图片中的权重默认就越低，因此关键特征尽可能放在头部或通过语法来提高权重；（过长提示词可适当提高生成步数获取更好效果）

输入提示词技巧

输入模板

将自己构思的图片特征抽象为标签描述，并将标签按分类进行排列，以下为模板示例：

(quality), (subject)(style), (action/scene), (artist), (filters)

(quality) 代表画面的品质，比如 low res 结合 sticker使用来“利用”更多数据集，1girl结合high quality使用来获得高质量图像。

(subject) 代表画面主题，锁定画面内容，这是任何提示词基本组成部分。

(style) 是画面风格，可选。

(action/scene) 代表动作/场景，描述了主体在哪里做了什么。

(artist) 代表艺术家名字或者出品公司名称

(filters) 代表一些细节，补充。可以使用艺术家，工作室，摄影术语，角色名字，风格，特效等等。

提示词语法

(word) - 将权重提高 1.1 倍

((word)) - 将权重提高 1.21 倍（= 1.1 * 1.1），乘法的关系。

[word] - 将权重降低 90.91%

(word:1.5) - 将权重提高 1.5 倍

(word:0.25) - 将权重减少为原先的 25%

(word) - 在提示词中使用字面意义上的 () 字符使用数字指定权重时，必须使用() 括号。如果未指定数字权重，则假定为（权重增加通常会占一个提示词位，应当避免加特别多括号）

（n）=(n:1.1)
（（n））=(n:1.21)
（（（n）））=(n:1.331)
（（（（n））））=(n:1.4641)
（（（（（n）））））=(n:1.61051)
（（（（（（n））））））=(n:1.771561)

辅助工具推荐

标签参考

最全tag库（根据分类查找）：https://danbooru.donmai.us/

颜色列表：https://en.wikipedia.org/wiki/List_of_colors_by_shade

表情符号：https://unicode.org/emoji/charts/emoji-list.html

标签冰山图：https://icebergcharts.com/i/Danbooru_Tags

美图灵感

C站：https://civitai.com/

OpenArt：https://openart.ai/discovery

prompthero：https://prompthero.com/

ptsearch（韩风）：https://www.ptsearch.info/home/

arthub ：https://arthub.ai/

lexica（艺术风格）：https://lexica.art/

提示词工具

Danbooru 标签超市：https://tags.novelai.dev/

AI绘画提示词生成器：http://www.atoolbox.net/Tool.php?Id=1101

魔咒百科词典：https://aitag.top/

风格化标签

Stable Diffusion V1 Artist Style Studies(风格化总结)：https://proximacentaurib.notion.site/e28a4f8d97724f14a784a538b8589e7d?v=42948fd8f45c4d47a0edfc4b78937474

艺术家风格：https://www.urania.ai/top-sd-artists

Artists To Study：https://artiststostudy.pages.dev/

MidLibrary 这个网站提供了不同的图像风格，每一种都带有鲜明的特色：https://midlibrary.io/midjourney-style-classifier#styles-by-categories

看到这里，说明你已经完成进阶，继续加油，帮忙关注！

获取和使用插件

插件系统作为SD的能力扩展，很多大佬发挥想象力制作了许多强力的插件，个人认为普通画图不需要研究太多的插件内容，因为你根本没那个时间精力，不过有几个常用插件可以安装和尝试使用，以下我以本地部署的SD页面为例，介绍如何获取插件、使用插件和插件推荐：

sd-webui-additional-networks为Stable Diffusion WebUI添加支持更多的网络架构和模型,如RealESRGAN等。

https://github.com/kohya-ss/sd-webui-additional-networks

sd-webui-controlnet为Stable Diffusion WebUI提供控制网络功能,可以精细控制图像生成结果。

https://github.com/Mikubill/sd-webui-controlnet

sd_civitai_extension将Civitai的模型集成到Stable Diffusion WebUI中,提供更多高质量的模型。

https://github.com/civitai/sd_civitai_extension.git

sd-webui-animatediff为Stable Diffusion WebUI提供图像动画生成功能。https://github.com/continue-revolution/sd-webui-animatediff

sd-dynamic-prompts实现一个微型模板语言,用于Stable Diffusion WebUI中的随机prompt生成。

https://github.com/adieyal/sd-dynamic-prompts

sd_dreambooth为Stable Diffusion WebUI提供DreamBooth功能,可以进行细粒度的少样本训练。

https://github.com/d8ahazard/sd_dreambooth_extension

sd-webui-deforum为Stable Diffusion WebUI添加各种视觉效果,如图像动画、语音生成等。

https://github.com/deforum-art/sd-webui-deforum

Stable-Diffusion-Webui-Civitai-Helper辅助管理Civitai模型,使其更容易集成到Stable Diffusion WebUI中。

https://github.com/butaixianran/Stable-Diffusion-Webui-Civitai-Helper

Tiled Diffusion & VAE应用瓦片化扩散模型和VAE进行超分辨率图像生成,降低VRAM用量。

https://github.com/pkuliyi2015/multidiffusion-upscaler-for-automatic1111

了解和配置参数

常用参数的基本介绍

采样器（Sampler）：不同采样器的图片效果有所差异，具体看下文介绍；采样迭代步数（Steps）：图片生成时需要进行多少步的计算，20-50即可，太低图片质量差，太高可能图片失真；更多的步骤意味着从噪声到图像的更小、更精确的步骤。增加这一点直接增加了生成图像所需的时间；

面部修复（Restore faces）：可选项，修复面部细节，用于人像图片生成；

平铺/分块（Tiling）：可选项，生成平铺拼接的图案，类似瓷砖拼接的效果；

高清修复（Hires.fix）：可选择，常用于大尺寸的高清图片输出需求，非常耗性能速度很慢；宽度/高度（Width/Height）：图像的宽度，像素。要增加这个值，你需要更多的显存。大尺度的图像一致性会随着分辨率的提高而变差（模型是在 512x512 的基础上训练的）。非常小的值（例如 256 像素）也会降低图像质量。这个值必须是8的倍数；出图尺寸太宽时，图中可能会出现多个主体，推荐使用小尺寸分辨率 + 高清修复；

生成批次（Batch count）：每次执行画图的批次数；最终出图=生成批次*每批数量每批数量（Batch size）：每批画图的数量，增加这个值可以提高性能，但你也需要更多的 VRAM，默认为1即可；（数量与时间成正比）

提示词相关性（CFG Scale）：是否严格按照提示词的要求来生图，数值越小AI就会自由发挥，过大过小的数值都会让图片变形；一般7-10。

随机种子（seed）：是图片生成算法在初始状态的基础，指定一个数值，那么对于相同提示词+同样参数+同样的种子，就会出来一个一模一样的图片；-1是指每次生成时都随机一个值，这样图片的生成就会有差异性；图片的种子值可在右侧输出的日志中找到；不同显卡由于微架构不同，可能会造成预料之外的不同结果

Samplers 采样器推荐

DPM（离散概率模型）采样器：这些采样器基于离散概率模型，用于图像生成等任务。“2M”、“SDE” 和 “Karras” 变体可能指的是标准 DPM 方法的特定修改或改进。

欧拉和亨恩采样器：这些是解决微分方程的数值方法，在逆向扩散过程中至关重要。"欧拉"是一种更简单的方法，而"亨恩"则是一种更准确但计算上更密集的方法。

LMS（朗之万蒙特卡洛采样）：这是一种用于采样的蒙特卡洛方法，在某些场景下以其效率而闻名。

DDIM（去噪扩散隐式模型）：这是扩散模型的一种变体，允许更快的采样，并且可以更加可控。（最初发布的 SD 模型 v1 中附带的采样器）

PLMS（概率流朗之万蒙特卡洛采样）：一种结合了概率流和朗之万蒙特卡洛方法的采样器。（最初发布的 SD 模型 v1 中附带的采样器）

UniPC：一个为快速采样扩散模型而设计的统一预测-校正框架。https://github.com/wl-zhao/UniPC

你可能注意到还有一些采样器的名称中也有一个字母 a 呢？

比如 Euler a、DPM2 a、DPM++ 2S a、DPM++ 2S a Karras，它们都属于祖先采样器（ancestral samplers）。祖先采样器会在每个采样步骤中向图像添加噪声。因为采样结果有一定的随机性，所以它们是随机采样器。

带有 “Karras” 标签的采样器，它们采用了 https://arxiv.org/abs/2206.00364 文章中推荐的噪声策略。在接近去噪过程结束时，将噪声步长变小。研究人员发现这可以提高图像的质量。

如何选择合适采样器

如果你想使用快速、新颖且质量不错的算法，最好的选择是 DPM++ 2M Karras，设置 20~30 步。

如果你想要高质量的图像，那么可以考虑使用 DPM++ SDE Karras，设置 10~15 步，但要注意这是一个计算较慢的采样器。或者使用 DDIM 求解器，设置 10~15 步。

如果你喜欢稳定、可重现的图像，请避免使用任何原始采样器（SDE 类采样器）。

如果你喜欢简单算法，Euler 和 Heun 是不错的选择。