今天，我将为大家带来 Stable Diffusion webUI 入门的超详细教程，从 0 到 1 入门，再到进阶，让你轻松掌握这款强大的 AI 绘画工具。这期内容很长也很干，你可能不止看一遍这个文章频建议点赞收藏
一、本地部署 Stable Diffusion
我们都知道目前市面上有两款比较权威的 AI 绘画软件，分别是 Midjourney 和 Stable-Diffusion。Midjourney 需要付费使用，而 Stable-Diffusion 则是开源免费使用的。
大家应该现在最关心的是到底要怎么安装部署，或者我不安装不需要高配置电脑是不是也能使用这个工具，答案是可以的，目前很多平台都有相应提供的算力云平台，不需要高配置电脑一样可以使用，比如Cephalon Cloud 端脑云 – AIGC 应用平台
没有高配置电脑的可以选择在里面选择你的需要板块就能直接使用，不用进行安装部署的步骤，里面基本都是给帮你部署完了。
像一些comfyui、chatGPT、LORA炼丹这种里面全都有，按照自己的要求打开就好了，（ps：平台需要购买算力值，这个看自己的取舍）这里也不多说了，回到我们的正题，很多人关心的是我本地安装在哪里安装，怎么找资源呢？下面我来讲一下如如何安装部署
SD 开源地址：https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki目前大家普遍采用的 Stable Diffusion Web UI 是发布于开源程序分享网站 Github 的 Python 项目，和平常软件安装方法有所不同，不是下载安装即可用的软件，需要准备执行环境、编译源码，针对不同操作系统（操作系统依赖）、不同电脑（硬件依赖）还有做些手工调整，这需要使用者拥有一定的程序开发经验（可以现学），已经有很多大佬们写了详细的安装教程。（如 https://www.tonyisstark.com/846.html）
如果像我一样是小白不会装，现在可以直接使用大佬们做的一键启动程序包，比如国内@秋葉 aaaki 大大开发的整合包，极大的降低了安装门槛。
这份完整版的SD整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
安装完之后就会得到这个页面，直接点击A启动器启动就可以了。
进入之后如果全都是英文看不懂怎么办？
如果需要中文语言包，可以下载如下中文语言包扩展，下载界面网址为：https://github.com/VinsonLaro/stable-diffusion-webui-chinese
方法 1：通过 WebUI 拓展进行安装
打开 stable diffusion webui，进入”Extensions”选项卡
点击”Install from URL”，注意”URL for extension’s git repository”下方的输入框
粘贴或输入本 Git 仓库地址 https://github.com/VinsonLaro/stable-diffusion-webui-chinese
点击下方的黄色按钮”Install”即可完成安装，然后重启 WebUI(点击”Install from URL”左方的”Installed”，然后点击黄色按钮”Apply and restart UI”网页下方的”Reload UI”完成重启)
点击”Settings”，左侧点击”User interface”界面，在界面里最下方的”Localization (requires restart)“，选择”Chinese-All”或者”Chinese-English”
点击界面最上方的黄色按钮”Apply settings”，再点击右侧的”Reload UI”即可完成汉化
（如果你是下载的是秋叶大佬的安装包的话则不需要汉化包，里面会自带汉化功能）
二、界面基础：
1. 了解界面
当前对于 SD 并无通行且可靠的使用规范，因每个人电脑配置与需求各异，如 cpkd/Safetensors 大模型、VAE、embeding、lora 等 AI 模型，以及各类插件、提示词、输出参数等组合极为复杂，牵一发动全身。所以需要大家有足够耐心去查阅插件开发者的说明文档以及如 https://civitai.com/等分享网站的使用心得。大家可先在 civitai 上搜索喜欢的图例，复用原作者的出图提示词、参数和模型，再在此基础上进行修改，这样学习效果最为可观。
2. 具体功能
文生图：依据文本提示生成图像。
图生图：以提供的图像为范本并结合文本提示生成图像。
更多：可对图像进行优化（如清晰、扩展等）。
图片信息：显示图像基本信息，包含提示词和模型信息（除非被隐藏）。
模型合并：能将已有模型按不同比例合并生成新模型。
训练：根据提供的图片训练具有特定图像风格的模型。
3. 描述词
描述语包括正向与负向描述，也被称为 tag（标签）或 prompt（提示词）。
正面提示词：相比 Midjourney 需写得更精准细致，描述少则给予 AI 更多自由发挥空间。
负面提示词：是不希望 SD 生成的内容。
正向：如 masterpiece、best quality 等更多画质词以及画面描述。
反向：如 nsfw、lowres、bad anatomy、bad hands、text、error、missing fingers、extra digit、fewer digits、cropped、worst quality、low quality、normal quality、jpeg artifacts、signature、watermark、username、blurry 等，可根据画面产出添加不想出现的画面。
4.采样方法
DPM++ 2M 或 DPM++ 2M Karras（二次元图）或 UniPC；若想要些惊喜与变化，可选择 Euler a、DPM++ SDE、DPM++ SDE Karras（写实图）、DPM2 a Karras（注意调整对应 eta 值）。
eta 和 sigma 均与多样性相关，但它们的多样性源于步数的变化，若追求更多样性，应关注 seed 的变化，这两项参数应在确定图片框架后，在此基础上进行微调时使用。
采样步数：稳定扩散从充满噪音的画布开始创建图像，并逐渐去噪以达成最终输出，此参数控制去噪步骤数量。通常越高越好，默认值为 25 步。不同情况下使用的步骤编号指南如下：
若正在测试新提示并期望快速得到结果以调整输入，可使用 10-15 步。
当找到喜欢的提示时，将步骤增加到 25。
若为有毛皮的动物或有纹理的主题，生成图像缺少细节，可尝试提高到 40。
面部修复：可修复人物面部，但非写实风格人物开启面部修复可能导致面部崩坏。
平铺：生成可平铺的图像。
高分辨率重绘：采用两步过程生成，先以较小分辨率创建图像，然后在不改变构图的情况下改进细节，选中该选项会有一系列新参数，其中重要的是：
放大算法：Latent 在很多情况下效果不错，但重绘幅度小于 0.5 后效果不理想。ESRGAN_4x、SwinR 4x 对 0.5 以下重绘幅度有较好支持。
放大倍数：通常为 2 倍。
重绘幅度：决定算法对图像内容的保留程度，该值越高，放大后图像与放大前图像差别越大。低 denoising 意味着修正原图，高 denoising 与原图相关性不大。一般阈值为 0.7 左右，超过 0.7 与原图基本无关，0.3 以下只是稍作修改，0 则什么都不改变，1 会得到完全不同的图像。具体执行步骤为重绘强度*重绘步数。
长宽尺寸（分辨率）：长宽尺寸并非越大越好，最佳范围应在 512 至 768 像素之间，比如正方形图多为 512512 和 768768，人像肖像为 512×768，风景画为 768×512。
经过一整天的撰写，这篇文章就暂且先叙述到这里。想要继续深入学习的朋友也可以关注我，后续我也会持续地为大家讲解有关 AI 方面的知识。
随着技术的迭代，目前 Stable Diffusion 已经能够生成非常艺术化的图片了，完全有赶超人类的架势，已经有不少工作被这类服务替代，比如制作一个 logo 图片，画一张虚拟老婆照片，画质堪比相机。
最新 Stable Diffusion 除了有win多个版本，就算说底端的显卡也能玩了哦！此外还带来了Mac版本，仅支持macOS 12.3或更高版本。
这份完整版的SD整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
如果这篇文章对你有用，麻烦帮点个赞
评论(0)