新手如何认识Stable Diffusion

在2022年，Stable Diffusion（简称SD）模型的问世标志着AI行业从传统深度学习时代迈向了AIGC（人工智能生成内容）新时代的重要一步。SD模型在AI绘画领域扮演着核心角色，它能够将文字描述转化为图像（文生图），也能基于已有图像进行再创作（图生图）。与Midjourney不同，Stable Diffusion是一个完全开源的项目，这意味着它的模型、代码、训练数据和相关资源都可以免费获取和使用。

想象一下，使用Stable Diffusion就像玩一个创意游戏。你只需在界面上输入你想要的图像描述，AI就会根据这些描述，从它所学的海量图像和文字中寻找灵感，然后开始创作。这个过程可能需要一点时间，因为AI需要精心调整每一个细节，以确保最终的图像尽可能地符合你的想象。

Stable Diffusion的应用范围非常广泛，它在艺术创作、游戏设计、广告制作等领域都大放异彩。它不仅节省了人们的创作时间，还激发了无限的创意灵感。

对于普通人来说，学习使用Stable Diffusion有多重好处：

创意自由：无论你是艺术家、设计师还是创意爱好者，Stable Diffusion都能帮你将内心的想法转化为生动的图像，让你的创意不再受限于绘画技巧。
技能增值：掌握Stable Diffusion这样的AI工具，可以为你的技能库增添新成员，这在数字化时代对于个人和职业发展都是一大优势。
效率提升：如果你需要快速找到或创建图像，Stable Diffusion能帮你节省大量时间和成本，无需依赖外部资源。
教育与娱乐：教育工作者和家长可以利用Stable Diffusion激发孩子们的创造力，同时它也是一个有趣的互动工具，适用于教学和家庭娱乐。
商业节省：对于小企业和创业者，Stable Diffusion可以快速生成产品原型图和广告素材，无需聘请专业设计师，有效降低运营成本。
艺术探索：Stable Diffusion可以帮助你探索不同的艺术风格、色彩搭配和构图，提升你的艺术审美和设计能力。
社交互动：通过Stable Diffusion生成的图像可以在社交媒体上分享，增加你或你品牌的曝光度，吸引更多关注。
未来准备：随着AI技术的不断进步，掌握Stable Diffusion等AI工具的使用，将使你更好地适应未来的工作和娱乐趋势。

如何使用Stable Diffusion

Stable Diffusion模型是算法科学家们研究的对象，我们作为用户，如何才能使用上这样一个AI模型呢？下面我就给大家介绍Stable Diffusion webUI工具，可以让我们轻松的通过图形化的界面来使用这些模型。

接下来我们来详细介绍各个区域的信息。

区域一：模型选择区域

Stable Diffusion模型：这里根据你想要生成图像的风格选用适合的模型，比如你是动漫风格就应该选择动漫模型，风景风格就应该选择风景类模型，模型可以去模型网站下载，或者留言给站长，站长分享链接。

外挂VAE模型：这是一种用于画面色彩增强的小模型，通俗解释就是图像生成好之后可以用后期处理给照片颜色处理。但是通常模型都已经包含相应的VAE模型，所以大部分情况下用处不大，针对必须要加VAE的模型，下载的时候通常也会特别说明。

CLIP 终止层数：设置为1为最后一层，模型默认12层最多，越往上细节越少。

举例说明：

1girl standing on a lake,early in the morning,beautiful sunshine,long black hair,cinematic,beautiful light,
（1女孩站在湖面上，清晨，美丽的阳光，黑色的长发，电影般的，美丽的光线）

层级设置的越高，丢失的细节越多，例子中主要提及6个细节，设置为1时所有细节都得到体现当设置CLIP为6时得到的结果（可以看到只保留了女孩和清晨等提及的细节，其他部分丢失细节）

区域二：提示词区域

功能选择：主要使用文生图 或者图生图，其他高阶功能在后续的视频中讲解

正向提示词：用来输出你想要展示的图像提示词。

点击选择正向提示词：为英文基础较差的用户，提供了方便输入正向提示词的功能。

负向提示词：用于输入你不想他出现的内容。比如风景画中你不喜欢看到人类，这里输入人类，就可以达到控图的目的

点击选择负向提示词：为英文基础较差的用户，提供了方便输入负向提示词的功能。

区域三：插件区域

辅助模型种类：

Embedding ：一种记录角色特征的小模型，比如柯南，奥特曼等具有特征的角色

Hyperworks：已经不适用，可以忽略

Lora：也是一种记录特征的小模型，比Embedding大，记录的特征更多，可以根据提示词生成一系列相近角色图片，常用于固定模特不同姿势换装展示。

采样方法：

选择不同的采样器，可以使生成角色的细腻程度不同，大家使用上可以简单归类。

如果我们比较关注图片质量，那最好选择带 DPM++、Karras、2M或者3M的，比如：DPM++ 2M Karras、DPM++ 3M SDE Karras、DPM++ 2M SDE Heun Karras、DPM++ SDE Karras ；或者使用较新的 UniPC。

如果想要快速或者简单的图像，Euler、DDIM是不错的选择。

懒人就直接选择UniPC，测试在不同模型下效果都很稳定。

迭代步数：

20-30之间，虽然很多教程跟你说越大图片越精细，但是同样出现问题，比如人物多个手，天上多个太阳，都是因为过度迭代导致的。

图片宽度高度：

根据自己的显卡显存决定，越大可以越细，如果使用过程看到OutOfMemory等字样的错误信息，请调小宽高。

提示词引导系数：

SD是一个有创造力的程序，一副照片的构成，一部分使你输入的，一部分是他自己构想出来的，那么多少用你的意思，多少比例用他自己的构思，就是这个值决定的。

1–大多忽略你的提示。
3–更有创意。
7–遵循提示和自由之间的良好平衡。
15–更加遵守提示，图片的对比度和饱和度增加。
30–严格按照提示操作，但图像的颜色会过饱和。

这里特意留空两个插件
AnimateDiff : 将图片转成动画的插件

ControlNet：精确控图的插件，固定动作，换脸，换衣服都是这个插件的能力

后续在我们创作，生成短视频内容时，发挥重要作用。