Stable Diffusion checkpoint：这里可以选择已经下载的模型。目前许多平台支持开源的 SD 模型下载，例如 Civitai、Hugging Face 等。 txt2img：这个选项表示启用文生图（text-to-image）功能。类似地，img2img 等选项则代表其他功能。 prompt：用于生成图像的文字输入，需要使用英文输入，但你也可以通过探索 Extensions 来实现中文输入。 negative prompt：这是生成图像的反向提示词，用于指定你不希望模型生成的内容。例如，如果你不想图像中出现红色，可以在这里输入“red”。 Sampling method：不同的采样算法，这里深入了 Diffusion 算法领域，稍后我们会更详细地讲解。简单来说，通过这些采样算法，噪声图像可以逐渐变得更清晰。 Sampling steps：与采样算法配合使用，表示生成图像的步数。步数越大，需要等待的时间越长。通常 20-30 步就足够了。 Width & Height：生成图像的宽度和高度。 Batch size：每次生成的图像数。如果显存不够大，建议调小这个数值。 CFG scale：这里表示 prompt 的影响程度。值越大，prompt 的影响就越大。 Seed：生成图像的随机种子，类似于抽奖的幸运种子，会影响生成的图像结果。

Checkpoint/大模型/底模型/主模型：

这是 Stable Diffusion 绘图的基础模型，不同的主模型有不同的画风和擅长领域。

VAE全名

Variational autoencoder，中文名变分自编码器，作用可以理解为滤镜+微调，有的大模型有对应的VAE，没有的也可以选择使用常用的vae-ft-mse-840000-ema-pruned.safetensors，作用就是让图片看起来不那么灰蒙蒙的，会更加鲜艳。

用于滤镜和微调，有些大模型自带VAE。

LoRA

全称Low-Rank Adaptation of LargeLanguage Models，直译为大语言模型的低阶适应，这是微软的研究人员为了解决大语言模型微调而开发的一项技术。LoRA的作用是可以让结果倾向于一种风格，比如使用水墨风LoRA可以使结果是水墨风格，使用人物LoRA可以使人物趋向于一种样貌。

一种微调模型，可以固定某一类型的风格，必须与checkpoint模型一起使用。

embedding

可以理解为把大量的提示词（prompt、tag）打包在一起，就把他理解为提示词合集也行，所以文件很小。和LoRA有点类似，比如使用冬天风格的embedding可以使结果趋向于冬天。

微调模型，用于个性化图像生成。

ControlNet

Stable Diffusion中的一款很重要的插件，有了它可以让Stable Diffusion能更精确的控制生成的结果。

controlNet也是用来引导图片生成的，好处是在文本生成图片的基础上，加上另一张图做引导，可以让生成的图在一些底层特征上看起来相似。

可以使用图片生成下面类型的图片，然后再引导模型进行生成，这样人物大致轮廓就固定了，不会很随机

Canny Edge 使用Canny边缘检测生成边缘线稿，再将作为扩散模型输入。

HED 使用hed边界检测。

Depth 使用深度图生成。

Normal Maps 使用法线图生成图像。提供了Midas计算深度图并转换为法线图的扩展版本的模型。

Human Pose 使用姿势检测，获得人体骨骼的可视化姿势图像。

User Sketching 使用人类涂鸦进行生成

Semantic Segmentation 使用语义分割。

Hough Line 使用m-lsd直线检测算法。（论文中还提到了使用传统的霍夫变换直线检测）

Resize mode

当上传图片尺寸和要生成的图的尺寸不同时，需要选择调整大小方案。

Sampling Method

用于去噪，平衡生成图的速度和质量。内置多种算法可供选择。目前看起来 DPM++ 2M Karras 用的比较多。

Sampling Steps

是去噪过程的采样步骤数。越多越好，但需要更长的时间。一般在 20-28 之间。

宽度和高度 (Width/Height)

输出图像的大小。按需调整即可。

Batch Count

批次数量，我更愿意用下面的 Batch size 调整生产图的总数。

Batch size

每一批次要生成的图像数量。可以在测试提示时多生成一些，因为每个生成的图像都会有所不同。生成的图像总数等于 Batch Count 乘以 Batch size。

CFG (Classifier Free Guidance) scale

提示词相关性，用于控制模型应在多大程度上遵从您的提示。他有几个只可选: 1 (大多忽略你的提示)，3 (更有创意)，7 (遵循提示和自由之间的良好平衡)，15 (更加遵守提示)，30 (严格按照提示操作)，常用的是 7，做个平衡。测试时可以换这个值体验区别。

Denoising strength

降噪强度，常翻译成「重绘幅度」，取值范围是 0-1，描述新生成的图片与原图的相似程度，数值越小，采样越少，相似度越高，算的越快 (采样数 = Denoising strength* Sampling Steps)

Seed

生成的每个图像都有自己的种子值，修改这个值可以控制图像的内容。

Script

用户可以编写脚本代码，以实现一些特殊定制的功能。这个未来可以具体说，目前还没有遇到。

checkpoint大模型

可以理解为AI绘图的基础数据库，是使用大量的数据训练出来的。一般文件比较大，2G以上。

inpaint

局部重绘，一般用于修正图片。从画风到角色都有可能

hypernetworks

又称hyp，大多是影响画风，有极少数可以透过画风还原角色的。

prompt

提示词，你希望你的图片是什么样子的。决定你图片内容最重要的部分。一般情况下，我们主要是修改这里。

neg.prompt

负向提示词，你不需要你的图片是什么样子的。也非常重要，可以防止生成一些错误、低质量的内容

text2img

文生图，简称t2i。应该是最常使用的功能了，我们主要是在这个功能里面输入prompt生成图片

img2img

图生图，又称i2i。

可以基于已有的图片进行再次处理，可玩性同样很高可以对不满意、或者需要修改的图片，修改指定部分或修改非指定部分。比如说给图片换脸、或者给图片换衣服，都可以使用该功能。具体可以参考我发的其他介绍文章

详细

Last update: 2024-4-17