Stable Diffusion 模型界面介绍

1. 界面1
   

图1 Stable Diffusion 模型界面1
①：选择的模型，及Stable Diffusion进行生成图片是使用的模型。其中.ckpt为大模型

②：prompt --> 正向提示词。表示你的想法，你想要生成一副什么样的图片，包含主体、风格、色彩、质量要求等等
③：negative prompt --> 反向提示词。表示你不想要什么，如不想要图片出现什么，不想图片质量差，不想人物模糊或者多手多脚等
④：提示词相关设置
⑤：选择的样式，一般都是用于文生图（由文字生成图片）和图生图（由一个图片生成另一个图片）

2. 界面2

图2 Stable Diffusion 模型界面2
界面2中都是参数设置

采样方法(Sampler)：表示绘制时算法采用偏向哪种风格。目前大众使用的有两种，写实风格使用DPM++ SDE Karras；偏动漫风格一点使用DPM++ 2M Karras。采样迭代步数(Steps)：表示图片生成过程迭代的次数面部修复(Restore faces)：人物风格图片时针对脸部会有一定稳定效果，不会出现奇奇怪怪的五官或者模糊不清平铺/分块(Tiling)：一般不使用高清修复(Hires.fix)：将生成的图片进行高清放大，提升分辨率宽度(Width)：生成的图片宽度高度(Height)：生成的图片高度生成批次(Batch count)：表示绘制时通过几个批次进行绘画每批数量(Batch size)：表示每批生成几张图片提示词相关性(CFG Scale)：数值越大，生成的图片与你的prompt描述越像；数值越小与你的描述关联度越低。一般为5-10之间。重绘幅度(Denoising)：用于在原图上进行重绘的程度随机种子(Seed)：-1表示不基于图片种子进行绘制，完全基于你的prompt生成（未使用种子，出图都是随机状态）；如果不为-1，生成的图片会依据图片进行二次绘制。（随机种子的用途就是固定生成图片过程中所产生的随机数，从而在下次生成图片时最大限度的进行还原）差异随机种子(Variation seed)：让生成的图片有更多变化。需点击Extra才能设置。ControlNet： ControlNet是一个用于深度神经网络的控制技术，它可以通过操作神经网络块的输入条件来控制神经网络的行为脚本(Script)：功能相对较多，一般用得很少。

3. 界面3

图3 Stable Diffusion 模型界面3

绘图、局部重绘、局部重绘（手涂蒙版）：都是可以在线对原图进行修改；
局部重绘（上传蒙版）：是上传原图和修改后端蒙版图
批量处理：对本地目录下的所有图片进行处理
缩放模式(Resize mode)：对图片的尺寸的修改
4. 界面4

图4 Stable Diffusion 模型界面4
界面4 是关于ControlNet的参数设置

启用(Enable)：勾选此选项后，点击 “生成” 按钮时，ControlNet 才会生效。反色模式(Invert Input Color)：将图像颜色进行反转后应用。RGB 转 BGR(RGB to BGR)：把颜色通道进行反转，在 NormalMap 模式可能会用到。低显存优化(Low VRAM)：低显存模式，如果你的显卡内存小于等于4GB，建议勾选此选项。无提示词的猜测模式(Guess Mode)：也就是盲盒模式，不需要任何正面与负面提示词，出图效果随机，很有可能产生意想不到的惊喜效果！预处理器(Preprocessor)：在此列表我们可选择需要的预处理器，每个 ControlNet 的预处理器都有不同的功能，后续将会详细介绍。模型(Model)：配套各预处理器需要的专属模型。该列表内的模型必须与预处理选项框内的名称选择一致，才能保证正确生成预期结果。如果预处理与模型不一致其实也可以出图，但效果无法预料，且一般效果并不理想。权重(Weight)：权重，代表使用 ControlNet 生成图片时被应用的权重占比。引导介入时机(Guidance Start(T))：在理解此功能之前，我们应该先知道生成图片的 Sampling steps 采样步数功能，步数代表生成一张图片要刷新计算多少次，Guidance Start(T) 设置为 0 即代表开始时就介入，默认为 0，设置为 0.5 时即代表 ControlNet 从 50% 步数时开始介入计算。引导退出时机(Guidance End(T))：和引导介入时机相对应，如设置为1，则表示在100%计算完时才会退出介入也就是不退出，默认为 1，可调节范围 0-1，如设置为 0.8 时即代表从80% 步数时退出介入。缩放模式(Resize Mode)：用于选择调整图像大小的模式：默认使用（Scale to Fit (Inner Fit)）缩放至合适即可，将会自动适配图片。
一共三个选项：Just Resize，Scale to Fit (Inner Fit)，Envelope (Outer Fit)画布宽度和高度(Canvas Width 和 Canvas Height)：画布宽高设置，请注意这里的宽高，并不是指 SD 生成图片的图像宽高比。该宽高代表 ControlNet 引导时所使用的控制图像的分辨率，假如你用 SD 生成的图片是 1000x2000 分辨率，那么使用 ControlNet 引导图像时，对显存的消耗将是非常大的；我们可以将引导控制图像的分辨率设置为 500x1000 ，也就是缩放为原本图像一半的分辨率尺寸去进行引导，这有利于节省显存消耗。创建空白画布(Create Blank Canvas)：如果之前使用过 ControlNet 功能，那么将会在 ControlNet 的图像区域留有历史图片，点击该按钮可以清空之前的历史，也就是创建一张空白的画布。预览预处理结果(Preview Annotator Result)：点击该按钮可以预览生成的引导图。例如：如果使用 Canny 作为预处理器，那么点击该按钮之后，可以看到一张通过 Canny 模型提取的边缘线图片。隐藏预处理结果(Hide Annotator Result)：点击该按钮可以隐藏通过 Preview 按钮生成的预览图像窗口（不建议隐藏）

5. 界面5
   

图5 Stable Diffusion 模型界面5

反推提示词：
⒈使用CLIP模型从图片中反推图片用到的正向提示词
⒉使用DeepBooru模型从图片中反推图片用到的正向提示词

模板风格(Styles)：就是提示词的模板

①、②：读取你上一张图的所有参数信息（包括提示词）
③：删除、清空关键词
④：模型选择管理
⑤：提示词模板，将已选择的模板风格写入当前提示词
⑥：提示词模板，将当前提示词（prompt ）保存为模板风格

6. 界面6
   

图6 Stable Diffusion 模型界面6

①：打开图像输出目录

②：保存当前选择的图片，会在下方出现图片链接，点击Download即可下载

③：将图片保存为压缩包格式

④：选择当前图片作为图生图的初始图片

⑤：选择当前图片作为图生图的初始图片，并能在图片上进行绘制

⑥：选择当前图片作为图生图附加功能进行绘制