wap 网站 css学习抖音推广运营

前言

我向来不喜欢搞一些没有用的概念，所以直接整理可能用到的东西。

sd简单的说就是一个更据描述生成不同风格的图片的东西，与之对应的还有mj，但是我绝对不会使用他，为什么，因为收费，可以不赚钱，但是绝对不能往里搭，无非浪费一些时间而已

软件下载

• 秋葉aaaki 唯一账号：https://space.bilibili.com/12566101

概述

Stable Diffusion模型并不是单一的文生图模型，而是多个模型组成的运作系统，其中的技术可以拆解为3个结构来看：

• ClipText 文本编码器 ：用于解析提示词的Clip模型
  • 编码器Clip ，它是由OpenAI公司开发的模型，包括文本编码和图像编码2个部分，分别用于提取文本和图像的特征，通过搜集大量网络上的图像和文字信息再对Clip模型进行训练，可以实现文本和图像的对应关系。
  • 在SD模型运作过程中，它可以提取提示词文本部分的特征传递给图像生成器，让模型理解我们输入的提示词内容，从而达到文本控制图像生成的目的。
• Diffusion扩散模型 ： 用于生成图像的U-Net 和Sche duler
  • 就是更据算法什么东西的生成图像
• VAE模型 ： 用于压缩和恢复的图像解码器
  • 相当于滤镜

SD安装

1、安装软件

2、启动

3、配置

4、运行

5、测试

要么直接弹窗，要么就复制控制台中的链接http://127.0.0.1:7860
打开页面后直接点击生成，看看有没有图片生成

导入SD模型【决定画风】

常用模型

• Checkpoint（大模型）【常用】
  • 相当于风格滤镜，例如 油画，漫画，写实风等。
  • 需要注意的是，一些Checkpoint需要与特定的低码率编码器（Lora）配置使用，以获得更好的效果
• VAE模型
  • 对模型的滤镜进行微调，不同的VAE右一些细节上的差异，但是不会影响输出的效果
  • 可以理解成对模型进行增强，有些模型文件已经有了VAE效果，所以不要盲目挂载，选择自动模式就行
• embedding
  • 相当于组件。举个例子，如果我们想要生成一个开心的皮卡丘，通常需要输入很多描述词，如黄毛、老鼠、长耳朵、红等等。但是，如果引入皮卡丘的embedding，我们只需要输入两个词：皮卡丘和开心。皮卡丘的embedding打包了所有皮卡丘的特征描述，这样我们就不用每次输入很多单词来控制生成的画面了。
  • 在日常使用中，embedding技术通常用于控制人物的动作和特征，或者生成特定的画风。相比于其他模型（如LORA），embedding的大小只有几十KB，而不是几百兆或几GB，除了还原度对比lora差一些但在存储和使用上更加方便
• LoRA模型【常用】
  • LORA与embedding在本质上类似，因为携带着大量的训练数据，所以LORA对人物和细节特征的复刻更加细腻。
  • 每个LORA模型对输出图像的权重设置是非常重要的。权重设置越大，对画面的影响因素就越浅。通常情况下，权重应该控制在0.7-1之间。如果权重过高，会大幅度影响出图的质量。
  • 为了获得最佳效果，我们可以根据不同的LORA模型选择适当的提示词和排除词，并在设置权重时进行调整。同时，我们还可以参考其他作者的经验和技巧，以便更好地利用LORA生成图像

下载安装模型

• https://civitai.com/各类模型下载也俗称c站（不稳定，用魔法）
• https://lexica.art/找一些风格提示词不错
• https://www.liblib.art/

SD卸载

直接把整个文件夹删除，删除前记得把模型复制出来，以后还能用

SD文生图

Stable Diffusion基础的操作流程并不复杂

1. 选择模型【决定画风】
2. 选择功能（文生图）
3. 填写提示词【主要决定画面内容】
4. 设置参数 【设置图像的预设属性】
5. 点击生成。
   通过操作流程就能看出，我们最终的出图效果是由 模型、提示词、参数设置 三者共同决定的，缺一不可。
   

提示词

大家都知道，如今的AI工具大多是通过提示词来控制模型算法，那究竟什么是提示词？

对于人类而言，在经过多年的学习和使用后，我们只需简单的几句话便能轻松的沟通和交流。但如今的人工智能还是基于大模型的数据库进行学习，如果只是通过简单的自然语言描述，没有办法做到准确理解。为了更好的控制AI，人们逐渐摸索出通过反馈来约束模型的方法，原理就是当模型在执行任务的时候，人类提供正面或负面的反馈来指导模型的行为。而这种用于指导模型的信息，就被统称为 Prompt提示词。

Stable Diffusion的咒语上除了prompt（正向关键词）外，还有Negative prompt反向关键词。

• 正向提示词用于描述想要生成的图像内容，
• 反向关键词用于控制不想出现在图像中的内容

比如目前很多模型还无法理解的手部构造，为了避免出现变形，我们可以提前在反向关键词中输入手部相关的提示词，让绘图结果规避出现手的情况。

注意：不是zg人开发的，所以这里的提示词去翻译成英文，只需以词组形式分段输入即可，词组间使用英文逗号进行分隔。大部分情况下字母大小写和断行也不会影响画面内容，我们可以直接将不同部分的提示词进行断行，由此来提升咒语的可读性。

提示词使用技巧

当然如果每次都是想到什么输什么，画面中可能还是会缺失很多信息，这里给大家分享一下我自己平时使用的提示词公式，按顺序分别为： 主体内容、环境背景、构图镜头、图像设定、参考风格。 后续在编写咒语时可以按照一下类目对号入座，会更加规范和易读。
需要注意的是，公式只是参考，并非每次编写咒语我们都要包含所有内容，正常的流程应该是先填写主体内容看看出图效果，再根据自己的需求来做优化调整。

提示词的高级使用技巧

强调关键词

先来看看 强调关键词 ，这应该是使用最为频繁的语法了。强调关键词是依赖括号和数值来控制特定关键词的权重，当权重数值越高，说明模型对该关键词更加重视，在运行过程中模型就会着重绘制该部分的元素，在最终成像时图片中就会体现更多对应信息。反之数值越低，则最终图片中对应内容会展示的更少。

控制关键词的括号共有三种类型： 圆括号()、花括号{}和方括号[] ，分别表示将括号内关键词的权重调整到原有的1.1倍、1.05倍和0.9倍。其中花括号{}平时很少会使用， 一般都是用圆括号()和方括号[] 。

需要注意的是，这里括号是支持多层叠加的，每层括号都表示乘以固定倍数的权重

除了直接加括号外，还有一种更常用的控制权重方法，那就是直接填写数值。

虽然强调关键词语法支持的权重范围在0.1～100之间，但是过高和过低的权重都会影响出图效果，因此建议大家控制在 0.5～1.5 范围即可。

这里还有个快捷操作的小技巧，就是选中对应关键词后，按住 ctrl+⬆️ / ⬇️ ，可以快速增加和减少权重数值，默认每次修改0.1，可以在设置中修改默认数值。