SD插件｜EasyPhoto｜妙鸭相机平替|美颜算法

一、介绍：

GitHub：

https://github.com/aigc-apps/sd-webui-EasyPhoto

table Diffusion WebUI扩展插件EasyPhoto，翻译中文为简单照片。

最近通过AI生成照片的一个APP很火，叫做妙鸭相机，通过上传几张你的个人照片就可以训练出角色模型，然后用户可以自由生成各种照片。

可这有两个缺点，毕竟要上传个人照片到别人的服务器，而且妙鸭相机官方对于用户安全隐私的协议定义模糊，已经导致很多用户不满，上传后的照片使用权居然归官方所有。

其二就是需要收费，对于量大的用户来说也是一个痛点。

而站长在体验了EasyPhoto之后认为，这真的可以完美取代妙鸭相机，有过之而无不及，大部分参数都可以自定义，可用性极强，训练也极其简单。

二、下载模型

快捷安装

这种方式最为简单，下载后直接解压该文件，你将会得到一个名为sd-webui-EasyPhoto的文件夹，将其移动至.\stable-diffusion-webui\extensions目录内即可完成安装。

在线安装

此方法适用于魔法环境没有问题的朋友，可以通过在线安装的方式一键安装，非常方便。

打开Stable Diffusion的扩展界面后，点击从网址安装按钮，然后在扩展的git仓库网址输入框中粘贴如下网址，最后点击安装按钮即可，然后等待安装脚本自动执行。

https://github.com/aigc-apps/sd-webui-EasyPhoto.git

这可能需要等待几分钟，不要刷新或关闭网页。

安装完成后点击页面最下方的重载UI按钮，UI重新启动后就可以在主菜单中看到EasyPhoto选项卡。

其它依赖

本插件还依赖于阿里的魔塔和huggingface的一些模型，如果你的魔法网络环境没有问题，那么你可以直接正常使用，该插件会自动下载相关内容。

但如果你的魔法网络存在问题，可以使用本站所提供的环境依赖包，关于该依赖的详细安装方式如下。

该插件的辅助模型默认路径为%USERPROFILE%\.cache，如果你是初次使用，可能不存在此路径，可以在CMD中执行如下代码判断该路径是否存在，如果不存在则自动创建。

if not exist %USERPROFILE%\.cache mkdir %USERPROFILE%\.cache

执行完上面的代码之后，我们可以通过在CMD中执行下面的代码，自动打开模型目录。

start %USERPROFILE%\.cache

将我们下载完成的模型文件解压缩，你将会得到两个文件夹，名称分别为huggingface和modelscope，移动至刚刚打开的文件夹（.cache）下即可。

三、使用教程

基础设置

在使用此插件功能之前，我们还需要设置一下Controlnet。

我们至少需要三个Controlnets用于推理。

因此，您需要设置Multi ControlNet: Max models amount (requires restart)。

模型训练

以下是程序的主界面，站长来讲解一下基础功能。

在开始即用之前，我们需要训练一个自己的角色模型，方便以后生成的图像都使用该模型，来确定角色的形象可以与所需要的人物一致。

我们点击Upload Photos按钮，上传5张至20张之间的同一个角色照片，比如站长本次使用的是樱景宁宁写真图，共计20张图片。

在右侧The base checkpoint you use.选择基础模型，也就是你希望训练模型时使用哪个模型做为训练时的基础Base，这很重要，这关乎于以后的出图风格。

如果要设置参数，以下是每个参数的解析：

参数名	含义
resolution	训练时喂入网络的图片大小，默认值为512。
validation & save steps	验证图片与保存中间权重的steps数，默认值为100，代表每100步验证一次图片并保存权重。
max train steps	最大训练步数，默认值为800。
max steps per photos	每张图片的最大训练次数，默认为200。
train batch size	训练的批次大小，默认值为1。
gradient accumulationsteps	是否进行梯度累计，默认值为4，结合train batch size来看，每个Step相当于喂入四张图片。
dataloader num workers	数据加载的works数量，windows下不生效，因为设置了会报错，Linux正常设置。
learning rate	训练Lora的学习率，默认为1e-4。
rank Lora	权重的特征长度，默认为128。
network alpha	Lora训练的正则化参数，一般为rank的二分之一，默认为64。

在你设置完所有参数后，点击Start Training按钮，即可开始训练。

此时网页会自动弹出一个窗口，让你输入一个名字，也就是角色的ID，方便让你知道以后应该选用哪个模型做为你的角色。

随便输入，只要你能记得这是谁就好。

训练期间你可以多次点击Refresh Log按钮，来查看训练的进度。

默认设置的最大部署为800，也就是当训练步数达到800时就会完成模型训练，

其实全部保持默认，训练后的效果也还不错。

站长2080TI的显卡，20张超大原图分辨率图像的训练时间为5个小时左右，如果你的图像并不大，经过裁切之后可以大幅缩短训练时间。

图像生成

模型训练完成之后，我们可以来到Inference选项卡，里面内置了一些模板，你可以直接点击一张照片模板，然后在下面选择对应的基础模型和你训练的模型ID，比如本站设置训练樱景宁宁的角色ID为NN，那么在User id (The User id you provide while training)内你就可以选择为NN的模型，如果你没有看到该模型，可以点击��按钮刷新模型列表，这将会自动查找最新模型。

四、运行

python face_vilify.py

五、效果展示

出自：https://mp.weixin.qq.com/s/UQ7zEnlxZjYPMJxek5gRRA