大家好，我是風(fēng)雨無阻。

通過前面幾篇AI 繪畫Stable Diffusion 研究系列的介紹，我們完成了Stable Diffusion整合包的安裝、模型ControlNet1.1 安裝、模型種類介紹與安裝，相信看過教程的朋友們，手上已經(jīng)有可以操作實踐的Stable Diffusion 環(huán)境了。

那么本篇文章將給大家?guī)?Stable Diffusion 最重要也是使用最多的文生圖功能介紹，由于內(nèi)容比較多，這里會分成上、下兩篇文章進行介紹。

今天為大家?guī)淼氖?AI 繪畫Stable Diffusion 研究（四）sd文生圖功能詳解（上）。

大家進入到web ui 頁面后，首先看到的是下面這個界面。

上圖一目了然的標(biāo)注了文生圖界面大致的功能。
接下來，就詳細(xì)講解一下每個功能的使用方法和注意事項。

1、模型選擇區(qū)域

模型對于 SD 繪圖來說非常重要，不同的模型類型、質(zhì)量會很大程度的決定最終的出圖效果。

2、功能欄

包括了常見的 文生圖、圖生圖、后期處理等常用功能。不同的功能頁面也不同，在這里，我們先針對經(jīng)常使用的文生圖模塊頁面來進行講解。

3、正向提示詞

正向提示詞prompt &tag**: 如果大家使用過 ChatGPT 就應(yīng)該知道 Prompt 是什么。說的直白點就是我們想讓 SD 幫忙生成什么樣的圖的描述，比如角色或場景等，**需要使用英文進行描述

正向Prompt &Tag 改善畫質(zhì)用的 Tag ，適用于二次元風(fēng)格，可以考慮搭配不同的模型使用：

(masterpiece:1.2), best quality, masterpiece, highres, original, extremely detailed wallpaper.oerfect lighting,(extremely detailed CG:1.2), drawing, paintbrush

4、反向提示詞

反向提示詞 Prompt&Tag : 就是告訴SD 生成圖里 ，不想出現(xiàn)的內(nèi)容， 需要使用英文進行描述。

通用反面 Tag，保底不出古神用的 Tag，適用于二次元風(fēng)格，可以考慮搭配不同的模型使用：

NSFW, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality,(monochrome)), ((grayscale)), skin spots, acnes, skin blemishes, age spot, (ugly:1.331),duplicate:1.331), (morbid:1.21), (mutilated:1.21), (tranny:l.331), mutated hands, (poorly drawnands:1.5), blurry, (bad anatomy:1.21), (bad proportions:1.331), extra limbs, (disfigured:1.331),missing arms:1.331), (extra legs:1.331), (fused fingers:1.61051), (too many fingers:1.61051),unclear eyes:1.331), lowers, bad hands, missing fingers, extra digit,bad hands, missing fingers.((extra arms and legs)))

5、生成按鈕

調(diào)整完其他設(shè)置后，點擊生成，開始生成圖片，也可以不做調(diào)整。

6、采樣迭代步數(shù)

AI 繪畫的過程是將純噪點圖，變?yōu)楦咔鍒D的一個過程，采樣迭代步數(shù)，就是這個過程需要的步數(shù)，隨著步數(shù)的增加，圖片的細(xì)節(jié)也不斷增多。

采樣迭代步數(shù)不能設(shè)置太小，也不能設(shè)置太大。設(shè)置太小，圖片效果就不好；設(shè)置太大， 生成圖花的時間就越長，如果超過40 步以后，那么畫面的變化是基本看不出來。

采樣迭代步數(shù)，推薦 20-30 之間，通常28是一個不錯的值。

7、采樣方法

采用什么樣的繪畫方式算法，以及“畫多少筆” 來繪圖，一定程度上決定出圖的質(zhì)量。

以下是 每個采樣方法，對應(yīng)生成步數(shù)的效果。

如圖：

綜合以上參考，根據(jù)出圖質(zhì)量、采樣步數(shù)的對比，對于新手朋友來說 推薦無腦使用：DPM adaptive 采樣方法。

8、出圖顯示區(qū)域

9、出圖大小

出圖大小 ：默認(rèn) 512**512 像素 ，因為模型訓(xùn)練時，都是使用這個尺寸，因此效果最好，所以一般保持默認(rèn)即可，當(dāng)然如果要出 3:2 的圖，也可以設(shè)置為： 512* 768 ， 768*512 。

根據(jù)自己的需要進行調(diào)整，也可以不用調(diào)整。出圖越大，對于顯卡要求越高。

10、出圖數(shù)量

出圖數(shù)量=總批次數(shù)x每批數(shù)量。

每批的數(shù)量越多：需要的顯存越大。

總批次越多：根據(jù)實際經(jīng)驗，生成的圖片質(zhì)量要好一些，但是花的時間越長。

可根據(jù)自己的需求和電腦配置進行選擇。

11、出圖存儲目錄

可以查找歷史出圖

12、隨機種子

模仿別人的圖，需要進行調(diào)整，一般不用調(diào)整。

13、面部修復(fù)

面部修復(fù)，首先需要在設(shè)置中，按如下選項進行設(shè)置 ：

然后依次點擊：保存設(shè)置，重載前端，讓其生效：

14、高分辨率修復(fù)

因為我們出圖是512*512， 如果要放大，比如1024x1024 ，就需要勾選高分辨率修復(fù)功能。

A、放大算法選擇推薦

真實風(fēng)格推薦選擇：R-ESRGAN 4x+

動漫風(fēng)格推薦選擇：R-ESRGAN 4x+ Anim

B、放大倍數(shù)

根據(jù)電腦配置進行選擇

顯卡顯存高 選擇 2-3倍

顯卡顯存不高，選擇1.5-2倍

15、提示詞引導(dǎo)系數(shù)（CFD Scale）：

提示詞引導(dǎo)系數(shù)，是控制提示詞與生成的圖像相關(guān)性 ，可以理解為 “越小AI越自由發(fā)揮” ，一般推薦數(shù)值為5-15之間，默認(rèn)為 7 。

如果數(shù)值太大，會出現(xiàn)銳化、線條變粗的效果；

如果太小AI就自由發(fā)揮了，不看 Tag， 同時圖像的飽和度也會偏低。

參考以下對比圖：

16、隨機種子：

隨機種子是生成過程中所有隨機性的源頭， 每個種子都是一幅不一樣的畫。

默認(rèn)的 -1 是代表每次都換一個隨機種子，生成的每張圖就不同。由隨機種子，生成了隨機的噪聲圖，再交給AI進行畫出來。

使用固定的隨機種子 ，可控制生成圖與之前的圖更相似。

17、保存

針對部署到本地的，意義不大。

如果針對部署到服務(wù)器上的，點擊保存后，就可以下載。

18、打包下載

生成多張圖的時候，圖片會打包到壓縮包內(nèi)，就可以下載，本地基本用不到。

19、發(fā)送到圖生圖、發(fā)送到重繪、發(fā)送到后期處理，這三個功能，這里就先不做介紹。后邊介紹圖生圖功能的時候再做詳細(xì)說明。

20、圖標(biāo)功能介紹

圖標(biāo)1: 箭頭 從提示詞或上次生成的圖片中，讀取生成參數(shù)。

圖標(biāo)2: 清空提示詞

圖標(biāo)3: 快捷顯示隱藏擴展模型

圖標(biāo)4: 預(yù)設(shè)樣式，保存反向提示詞。

21、Tag 加權(quán)、減權(quán)用法簡單說明

大家可能會經(jīng)常看到別人發(fā)的 Tag 里面會有一些符號？比如大小括號等等。這些屬于進階用法，這里僅僅簡單提及一下。

這里以 Tree 這個 Tag 作為例子進行說明。

(Tree) ： 加權(quán)重，這是1.1倍。

((Tree)) ：括號疊加，這是 1.1*1.1=1.21倍。

[Tree] ：減權(quán)重，一般用的少。減權(quán)重也一般就用下面的指定倍數(shù)。

(Tree:1.5) 指定倍數(shù)，這里是1.5倍的權(quán)重，還可以 (Tree:0.9) 達到減權(quán)重的效果。

好了，今天的內(nèi)容就到這里，下一篇將給大家詳細(xì)講解提示詞的規(guī)則和寫作技巧，敬請期待！文章來源地址http://www.zghlxwxcb.cn/news/detail-656103.html

到了這里，關(guān)于AI 繪畫Stable Diffusion 研究（四）sd文生圖功能詳解（上）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！