stable diffusion使用手册

stable diffusion的安装及入门使用手册，适合新手，内容有软件安装、基本界面、基本操作流程、模型、提示词(prompt)、参数设置。

stable diffusion入门使用手册

• 软件安装
  • AI绘画原理
    • 人工智能算法和技术来生成艺术作品或模拟人类绘画过程的过程
      • 数据收集
        • AI绘画的第一步是收集大量的艺术作品和图像数据，这些数据可以来自各种艺术家和风格。这些数据将用于训练人工智能模型。
      • 训练模型
        • 使用机器学习算法，特别是深度学习技术，将数据输入到模型中进行训练。常用的深度学习模型包括卷积神经网络（CNN）和生成对抗网络（GAN）。在训练过程中，模型通过学习输入数据的模式和特征来理解艺术作品的风格、色彩和构图等方面。
      • 特征提取
        • 在模型训练完成后，可以使用该模型来提取输入图像的特征。这些特征可以包括线条、纹理、色彩和形状等信息。
      • 生成图像
        • 利用已经训练好的模型和提取的特征，AI可以生成具有艺术风格的图像。这可以通过将提取的特征与新的输入图像相结合，然后利用模型生成新的图像来实现。
      • 优化和改进
        • 生成的图像可能需要进行进一步的优化和改进。这可以包括调整色彩平衡、增强对比度、改变绘画风格或添加细节等。
  • 配置要求
    • 电脑和操作系统
      • 系统：win/Mac
      • CPU： AMD 或 Intel CPU。 RAM：至少 16 GB DDR4 或 DDR5 RAM。 存储：256 GB 或更大的SATA 或 NVMe 固态驱动器。您需要至少 10 GB 的可用空间。通常，1 TB 驱动器提供每 GB 存储的最佳价格。 GPU： 具有至少 8 GB GDDR6 内存的 GeForce RTX GPU。 显卡：品牌-优先选择英伟达 显存-影响出图分辨率和模型训练规模
  • 前置软件安装
    • python
      • 安装时须选中 Add Python 3.10 to PATH
    • CUDA
      • WIN+R调出显卡的管理界面 输入命令：nvidia-smi 查询设备支持的cuda版本 官网下载地址：www.nvidia.com
    • GIT
      • 下载地址：Git-scm.com
  • 软件安装包
    • 秋叶(秋葉aaaki)个人主页：https://space.bilibili.com/12566101?spm_id_from=333.337.search-card.all.click 安装包：BV1iM4y1y7oA
  • 打开wenui
    • 解压后找到文件中的启动器 一键启动
  • 注意事项：
    • 安装路径不要有中文，
    • Webui文件夹放在较空的盘
• 基本界面
  • 文生图与图生图:进行图形绘制
  • 后期处理：图形放大
  • 图库浏览器：历史出图浏览及保存
  • 扩展：插件搜索安装
  • 设置：webui基础设置如保存路径、内存设置、图片参数设置、语言设置等
• 基本操作流程
  • 1.启动器一键启动（如无法启动时，打开控制台，找到命令:Running on local URL: http://127.0.0.1:7860将网址输入浏览器打开)
  • 2.stable diffusion模型（界面左上方）选择模型
    • 模型下载地址：https://civitai.com/
    • 模型安装地址：models\stable diffusion
  • 3.输入正面提示词
  • 4.输入反面提示词
  • 5.设置出图参数
    • 迭代步数 (Steps)：推荐20
    • 采样方法（sampler）：推荐带加号的算法
    • 设置图片像素尺寸
    • 设置提示词引导系数 (CFG Scale)：数值根据自身情况而定
• 模型
  • 下载
    • C站：https://civitai.com/
    • 抱脸hugging face：https://huggingface.co/
  • 模型的VAE（SD VAE)-便分自解码器（调节画面色彩质感）
    • 安装地址：Stable-Diffusion\sd-webui-aki-v4.1\sd-webui-aki-v4.1\models\VAE
  • 模型安装位置
    • Stable-Diffusion\sd-webui-aki-v4.1\sd-webui-aki-v4.1\models\Stable-diffusion
• 提示词(prompt)
  • 基本书写方式
    • 英文书写
    • 词组为单位
    • 词组之间以逗号（英文）为分割号
  • 内容型提示词
    • 正面提示词
      • 人物、场景、环境、构图、色彩、其他要素、
    • 负面提示词
      • 用于避免出现错误：画面质量、人物肢体、重复、毁容等
    • 标准化提示词
      • 质量
      • 画风
  • 权重(提示词中控制画面比重的符号使用方法）
    • 括号加数字权重，括号内数字就是权重，例：（tree:1.5）tree就是原来的1.5倍
    • 加括号（），一个权重变成原来的1.1倍。每套一层就再乘以1.1，例（（（xxx）））为X1.1的三次方=1.331 大括号{ }，每套一层，额外X1.05倍 方括号【】，每套一层，额外X0.9倍（减弱）
• 参数设置
  • 采样步数（step）
    • 控制在20最合适
  • 采样方法（sampler)
    • 优先选模型推荐算法
    • Euler两个适合插画风格，出图比较朴素 DPM 2M、UniPc和2M Karras速度较快，融合、新颖切质量不错 DPM ++、SDE Karras、细节会较为丰富，高质量图像 推荐使用下面带有+号的，是改进后的算法
  • 分辨率
    • 根据电脑配置来决定，优先选择低分辨率批次出图，选择中意的图片使用放大算法提高图片分辨率
  • 面部修复（勾选）（防止出现面部扭曲的现象）
  • 高分辨率修复（Hires. fix）-无法突破显存的限制
    • 本质上是文生图之后又一次再基础上图生图，进行了两次绘图，能画到多大尺寸，最后还是多大，并且过程会慢一些
    • 放大算法及重绘幅度根据自己的需要尝试及设定
  • 提示词引导系数（CFG Scale）
    • 控制在7-12之间
  • 图生图：平衡好提示词引导系数及重绘幅度的关系
  • 随机种子：固定随机种子，修改提示词，可以固定ai绘画风格
• 例：（杰作：1,2），最佳质量，杰作，高分辨率，原创，非常详细的壁纸，完美的灯光，（非常详细的CG：1.2），绘图，画笔，
• ex：(masterpiece:1,2), best quality, masterpiece, highres, original, extremely detailed wallpaper, perfect lighting,(extremely detailed CG:1.2), drawing, paintbrush,