互联网装修公司排名,seo项目经理,中国建设招标网是权威网站吗,无锡网站建设价格最优简介
作为新入门的新手#xff0c;通常安装完Stable Diffusion之后#xff0c;一打开界面#xff0c;在文生图输入girl或者dog#xff0c;结果出来的画面比较糟糕#xff0c;看起来像素很低#xff0c;画面不清晰#xff0c;人物也不怎么美#xff0c;等等其他问题通常安装完Stable Diffusion之后一打开界面在文生图输入girl或者dog结果出来的画面比较糟糕看起来像素很低画面不清晰人物也不怎么美等等其他问题总之就觉得自己生成的图片怎么跟别人差距那么大是不是大家也曾经这样过来过 今天就来教会大家如何正确使用Stable Diffusion掌握基础知识能正确做出优秀的作品来首先先来个基本公式
一个优秀的作品CheckPoint大模型vae优秀的promptembedingLora一个4k优秀的作品CheckPoint大模型vae优秀的promptembedingLoraControlnet(Tile)增加细节放大算法 主要角色 1、checkpoint大模型
这是我们常说的模型也可以说是底模必须指定一个才能作画它是用来控制大整个画面的风格走势的。比如写实风格漫画风格等等文件名后缀一般为.ckpt和.safetensors模型大小为2G到8G不等。 checkpoint文件放置路径:\models\Stable-diffusion 2、Lora模型
它也是模型之一它可以使用也可以不使用它的出现只为了解决大模型能够微调的一种技术它的作用主要用于雕刻人物、动漫角色、物品的特征、控制画风、固定特征动作等等。文件名后缀一般为.safetensors大小在20mb到300mb不等部分Lora会需要触发词来使用,否则效果不明显。 Lora放置路径:\models\lora 3、embedding
这是我们说的prompt集合它可以用一个特殊表达式词语来代表一连串的关键词让填写prompt更简单。举个例子如果我们想要生成一个皮卡丘通常需要输入很多描述词如黄毛、老鼠、长耳朵、腮红等等。但是如果在我们的embedding库中已经引入皮卡丘的embedding我们只需要输入皮卡丘。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。 embedding文件放置路径:\models\embedding 4、VAE
Vae也是模型之一但它的作用只是给画面加载一个滤镜的效果为了就是修正最终输出的图片色彩如果不加载VAE可能会出现图片特别灰的情况。一般我们直接选用自动模型就可以了它会自动帮我们解决这类问题。当然也有些特殊情况需要用到VAE来对色彩进行调节。文件后缀一般为.downloading、.safetensors、.ckpt、.pt VAE文件的放置路径:\models\vae prompt的使用
prompt的好坏会决定出图的质量所以为什么有咒语这一说因为需要很长的prompt来告诉AI具体要的是什么。于是咒语的优化和书写尤为重要不过不用担心市场上现在网站上已经出了很多优秀作品他们的prompt是开源的可以复制之后来学习积累自己的prompt词。
propmt正向提示词表示在画面中需要出现的元素negative propmt负面提示词表示在画面中不想要出现的元素
1、增加权重
增加权重会让Stable Diffusion出图的时候会优先考虑画当前的关键词当权重超过2.0之后会让图片重复出现当前关键词导致Stable Diffusion发挥失常
(tag)1.1倍((tag))1.1x1.11.21倍每套一层括号额外x1.1倍{tag}1.05倍{{tag}}1.05x1.051.1025倍每套一层大括号额外x1.05倍 当然权重也不是越高越好的 2、减少权重
减少权重会让Stable Diffusion出图的时候只是作为参考使用当权重低于0.5的时候表示当前的关键词可有可无
[tag]0.9倍[[tag]]0.9x0.90.81倍每套一层括号额外x0.9倍
3、精准权重
(tag:1.2)1.2倍(tag:0.9)0.9倍
4、使用Lora
lora的使用是一个表达式如下
lora:bg:1.2使用bg的Lora模型权重为1.2lora:bg:1.2,lora:bgV2:1.5同样的多个Lora的使用也是可以的 市场上开源的Lora风格还是很多像图上的盲盒风格第一个电影风格最后一个 5、使用embedding
embedding的使用非常简单跟书写prompt一样直接写到提示词上即可前提是要下载好当前的embedding模型不需要任何表达式。embedding最常用的例子就是生成的人物的时候要求必须是完整的2个眼睛1个鼻子2个耳朵1个嘴巴5个手指同样的也能在负面提示词中增加embedding还是同样的人物不能出现坏手3个手指4个手指等 很明显可以看出,在NPnegative prompt中使用EasyNegative模型和没有使用NP的区别
没有EasyNegative手部明显画的很粗糙不太像是人的手使用EasyNegative手部比较正常细节也是正常可观
prompt的进阶玩法
进阶玩法能更加精准控制prompt生成我们想要的图
1、混合
混合强制将不同的主体的元素特征进行混合出图用AND把多种要素强制融合画进去语法关键词1 AND 关键词2 AND 关键词3举例1cat:2 AND 1dog AND 1tiger想要生成一个狗、猫和老虎 2、渐变
渐变指的是在作画中将元素进行过渡的过程语法[from:to:when] when表示的迭代步数或比例(数值在0-1范围表示比例1- 表示步数From提示词表示在 when 前的步数渲染 from 提示词to提示词表示在 when 后的步数渲染 to 提示词 举例(1 girl ,[blue hair:red hair:5])我们希望画一个女孩能够有红色和蓝色的头发 3、交替渲染
交替渲染交替渲染更像是在作画时每一笔交替使用不同的主体特征进行作画的方式语法[关键词1|关键词2]举例[1dog|1cat|1tiger]一个狗、猫和老虎进行交替渲染 界面介绍
1、模型选项
模型选项就是顶部的几个选择栏用来选择大模型和Vae模型使用常用的就是换大模型其他保持默认即可 2、提示词面板
提示词面板分2块propmt和negative propmt
propmt正向提示词表示在画面中需要出现的元素negative propmt负面提示词表示在画面中不想要出现的元素 3、功能按钮
功能按钮指的是右边这几个功能按钮 第一按钮他有两个功能
当你关掉软件后点击这个按钮就会读取你上一次做图的所有参数信息复制进来。当你在其他模型网站中Copy Generation Data复制别人案例图片的所有配置信息粘贴到提示词中再点击这个按钮就会自动读取配置信息的所有配置并应用到自己的作画参数中 第二个按钮就是删除了清空关键词 第三个按钮就是模型选择管理可以选择现有的CheckPoint、Lora、embedding等模型仓库点击模型即可应用 第四个按钮和第五个按钮是提示词模板功能
第四个是读取当前选定的模板风格所有提示词写入到提示词中第五个是将当前的提示词保存到新的模板中方便下次使用 4、绘图参数面板
绘图参数面板的功能是比较多的他可以通过拓展安装各种插件来控制绘图的过程 1.采样步数
一般来说大部分时候采样部署只需要保持在20~30之间即可更低的采样部署可能会导致图片没有计算完全更高的采样步数的细节收益也并不高只有非常微弱的证据表明高步数可以小概率修复肢体错误所以只有想要出一张穷尽细节可能的图的时候才会使用更高的步数。加大这个会导致出图变慢 2.采样方法
采样方法即是Stable Diffusion中的去噪音过程你可以理解为不同的算法目前的采样方法较多但是我们常用的就那几个经过各方面的实验来说带有符号的采样方法是经过改进后的算法建议找带有符号的使用。 3.其他选项 面部修复在做一些人物图片的时候防止人脸出现崩坏的情况可以勾选但如果你的提示词足够强大就可以不开启高清修复把基础生成的图片按照你选择放大的倍率放大到指定分辨率之后再重新绘制图片宽度、高度图片的长和宽生成批次和数量生成几批图一批几张图提示词相关性图像与你的提示的匹配程度。增加这个值将导致图像更接近你的提示词如果提示词比较烂那么图像质量会有降低种子生成图片的唯一标识输入不同的种子生成的图片不一样seed值一样那生成的图片也是一样
实操演示
这里实操一张4k的赛博朋克风格的手机壁纸作为演示例子。手机屏幕4K分辨率2160×3840 (9:16)
第一步文生图
先通过简单的咒语用写实风格的模型固定的种子生成1张540x960的图作为现在的手机像素540勉强有点说不过去所以增加高清修复功能放大到2倍也就是生成的图是1080x1920
第二步增加Lora模型
在咒语中增加赛博朋克的Lora模型让当前风格增加些赛博朋克元素当前用的是超写实赛博朋克美女的Lora记得提前下载 很明显图片更加的靠近游戏的赛博朋克风格 第三步发送到图生图启用Controlnet的Tile模型
将当前的图片发送到图生图
在图生图的Controlnet插件中选择启用选用tile模型tile模型可以极大限度提升当前图片的细节将重绘幅度调为0.9点击生成 很明显图片的细节和色彩更加丰富 第四步将图片发送到后期处理进行放大算法处理
由于我们现在生成的是高清修复后的1080距离4k像素还有2倍的距离所以我们将当前图片放大2倍选择R-ESRGAN 4x放大算法 图片超过5m上传不了这里只能截图展示啦 到这里我们就生成出一张像素为2160×3840赛博朋克风格的手机壁纸到这里就掌握了Stable diffusion的入门操作啦
