使用StableDiffusion简单绘制生成清纯AI美女图片

昨天 170阅读

一、StableDiffusion是什么

Stable Diffusion是一种基于潜在空间扩散（latent diffusion）的模型。它并非直接在高维图像空间中操作，而是首先将图像压缩到潜空间（latent space）中，然后在潜空间中应用扩散过程来生成新的图像。

Stable Diffusion能够从文本描述中生成详细的图像，并可用于图像修复、图像绘制、文本到图像和图像到图像等多种任务。简而言之，只需提供所需的图片的文字描述，Stable Diffusion就能生成符合要求的逼真图像。

Stable Diffusion将“图像生成”过程转换为逐渐去除噪声的“扩散”过程。整个过程从随机高斯噪声开始，经过训练逐步去除噪声，直到不再有噪声，最终输出更贴近文本描述的图像。

二、准备StableDiffusion

要想使用该软件，那肯定安装要准备GPU相关了。

（1）自己电脑安装软件：如果你硬件条件充裕，可以直接搜索其他页面怎么安装StableDiffusion即可，这里不过多描述。（其实本人也不太会装）

（2）租赁GPU算力：如果你硬件条件不充裕，可以考虑GPU算力租赁，也不贵。本博主就是太穷买不起高端显卡，自己电脑自带显卡太拉跨，就考虑GPU算力租赁。本人一开始是在腾X云租GPU服务器，要6块钱一个小时，还要自己经历复杂的安装及配置，后面生图速度也不尽人意，于是就放弃。后面找到一个比较划算的，2块一小时，有兴趣的话看后续第五章内容。

三、StableDiffusion页面功能介绍

下面以文生图页面来介绍

1、快捷设置

（1）StableDiffusion模型（ckpt）：

大模型，经过训练学习后得到的程序文件。

模型常见下载地址：

1）civitai.com

2）liblib.art

3）huggingface.co

（2）VAE模型：

VAE（变分自编码器，Variational Autoencoder）是一种基于深度学习的生成模型，它起到增强图像质量和细节的关键作用，主要作用于滤镜和微调。

（3）Clip跳过层：

是通过一个神经网络系统，将提示词从文字转化成简单的数字。将这些数字放入到神经网络的第一层进行计算，把得到的运算结果再放到第二层进行计算，然后再放到第三层进行计算……层层处理，层层递进，一直到最后一层。

默认值为2，即在通过神经网络的运算层的时候跳过两层运算，提前结束运算。

数值越低，越能理解提示词，越接近你的描述。数值越高，越容易忽略提示词，AI会更多自主创新

2、功能菜单

（1）文生图：顾名思义就是通过一些文字描述生成一些AI图片

（2）图生图：顾名思义就是你提供图片，再进行一些修改/转绘

（3）Lora模型：固定目标的特征形象的一个模型

（4）设置：设置一些配置的地方

（5）扩展：扩展StableDiffusion插件的地方，在这里可以找到你需要的插件并进行安装使用。如本人常用的人脸修复插件

3、正反提示词

（1）正向提示词（Prompts）：主要描述你想要什么样的内容，比如 a girl 。建议使用英文

（2）反向提示词（Negative Prompts）：描述你不想要什么，比如low quality。也同样建议使用英文

4、参数配置:

（1）采样迭代步数（Steps）：图像扩散的步数，也可以理解为AI绘画的笔数。

（2）采样器（Smapler）：提供不同的算法来去大模型中采取数据样本。不同算法采样的结果会有所不同。

（3）宽度：单位是像素，AI出图时的宽度。

（4）高度：单位是像素，AI出图时的高度。

（5）生成批次：AI要跑几批图片

（6）每批数量：每批要出几张图（建议不动，吃显卡）

（7）提示词相关新（CFG）：影响输入提示词的权重

（8）随机种子：图片生成的种子数据。默认值是-1，即随机抽取种子数据生成图片。种子对于图像生成至关重要，简而言之如果遇上了“对眼”的图片请立刻锁定种子，通过增加步数、调整关键词等深化图像。同时也可以去图片信息中调用你之前生成的图片种子。

（9）高分辨率修复：

针对你的生成的图片的图片进行修复，扩大像素及抗锯齿性等。

可能有人问，为什么不直接调整AI出图宽度和高度？这样不是更快吗？不同的，调整AI出图的宽度和高度，会让AI有不同的空间绘画出不同的内容。就比如你之前是600*800，像素点有限，AI绘画出来的结果就可能只是一个女孩，这正好符合你的要求。但假如你调整为1200*1600，像素变大了，AI绘画出来的空间更大，可能就不止一个女孩子了，这时可能就不太符合你的要求了。