AI绘画Stable Diffusion安装、使用教程 整合包下载

  • Post author:
  • Post category:其他


安装Stable Diffusion webui

效果图:

1.准备工作

在下载

AI

绘画工具前,电脑上需要提前下载一些运行的环境

1.下载python、git

首先本地机器最好是英伟达的 N 卡,并且至少需要

4GB

显存才能在本地运行,当然,A 卡也是可以玩起来的,因为绘画对显卡是有着很高的要求的。不然的话,即使安装成功,得到的图片结果可能也是全黑图或者是根本无法进行绘制

安装的时候,需要打开魔法上网,不然无法下载绘画所需要的一些依赖

另外本地需要有

python

环境,官方要求下载


Python 3.10.6


版本

其中

python

的下载地址:

https://www.python.org/downloads/

另外还需要安装

Git

,下载地址:

https://git-scm.com/downloads/


python

安装完成后,我们运行以下命令,将

pip

升级到最新

python -m pip install --upgrade pip

2.下载Stable Diffusion webui

第一种使用

Git

命令:

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

第二种直接下载压缩包文件,如下图所示:

3.运行启动

下载到本地后,如果你是

windows

系统,直接双击文件夹中的

webui-user.bat

如果你是

MACOS

或者

Linux

系统,请运行命令

./webui.sh

第一次启动会下载各种依赖,时间比较久,而且最新版加入了一个近

4GB

的默认模型

v1-5-pruned-emaonly.safetensors

也是要下载的,所以耐心等就可以了。

如果想要加快下载速度的话,可以提前下载好这个模型,然后放到

models/Stable-diffusion

文件夹中即可,然后再启动

webui-user.bat

,这样就不会再重新下载这个模型了

模型默认官方下载地址:

https://huggingface.co/runwayml/stable-diffusion-v1-5/tree/main

如果觉得官方默认下载缓慢,评论区我也贴上了百度云默认模型的下载地址,请自行选择

如果安装过程顺利,直接在浏览器打开

http://127.0.0.1:7860

访问成功即是安装成功,打开的页面大概如下

2.下载插件,汉化

汉化安装


方式1:从可用安装

点击软件界面的

Extensions

按钮,再点击

Available

可用扩展按钮,最后点击

Load from

按钮,它就能从后面的索引链接中,检索出所有可用的扩展,供自己下载了

当扩展列表列表加载出来后,我们搜索

Bilingual Localization

语言本地化插件,点击后面的

install

下载即可


方式2:从网站安装

先点击

Extensions

,然后点击下面的第三个按钮

Install from URL

需要自己手动填写汉化的链接地址进行安装,这里我们可以选择

github

的链接也可以去国内

gitee

上面的链接

汉化插件的开源仓库是

sd-webui-bilingual-localization

或者

stable-diffusion-webui-chinese

,搜索一下,然后把链接贴进去,点击

Install

即可

https://github.com/VinsonLaro/stable-diffusion-webui-chinese.git


方式3:从网站安装

  • 我们直接找到

    stable-diffusion-webui/extensions

    扩展目录,然后打开命令行窗口在该目录下运行以下命令即可

git clone 仓库地址

启用汉化

方法一:点击

Setting

按钮,再点击左侧的

Bilingual Localization

栏,在

Localization file

下拉框中选择语言即可

方法二:点击

Setting

按钮,再点击左侧的

User interface

栏,拉到最下面就可以看到插件

Localizationg

的开启窗口了

在选择好后,我们需要点击

Apply setting

保存一下配置,再点击

Reload UI

重新加载界面即可愉快的玩耍了

双语汉化

  • 双语汉化仓库链接:

    https://github.com/journey-ad/sd-webui-bilingual-localization.git

  • 上面的简单汉化,只是界面全转成中文,如果你想既显示中文又显示英文的话,需要使用双语插件

  • 也是通过上面的三种方式任意一种下载好汉化插件后,需要启用它才可以看到效果

  • 此时我们需要将

    Setting

    中左侧的

    User interface

    栏下面的

    Localizationg

    的设置成

    None

    ,然后再在

    Bilingual Localization



    Localization file

    下拉框中选择语言,重启

    UI

    即可

使用篇

效果图:

界面参数

在使用

Stable Diffusion

开源

AI

绘画之前,需要了解一下绘画的界面和一些参数的意义

目前 AI 绘画对中文提示词的效果不好,尽量使用英文提示词


最主要一些参数如下:


Prompt:

正向提示词,也就是

tag

,提示词越多,

AI

绘图结果会更加精准


Negative prompt:

反向提示词,也就是反向

tag


Width / Height

:要生成的图片尺寸。尺寸越大,越耗性能,耗时越久。


CFG scale:


AI

对描述参数

Prompt

的倾向程度。值越小生成的图片越偏离你的描述,但越符合逻辑;值越大则生成的图片越符合你的描述,但可能不符合逻辑。


Sampling method:

采样方法。有很多种,但只是采样算法上有差别,没有好坏之分,选用适合的即可。


Sampling steps:

采样步长。太小的话采样的随机性会很高,太大的话采样的效率会很低,拒绝概率高


Seed:

随机数种子。生成每张图片时的随机种子,这个种子是用来作为确定扩散初始状态的基础。不懂的话,用随机的即可


Restore faces:

面部修复,优化面部的,原理是调用一个神经网络模型对面部进行修复,影响面部。修复画面中人物的面部,但是非写实风格的人物开启面部修复可能导致面部崩坏


Tiling:

无缝贴图,是一种老牌优化技术,即

CUDA

的矩阵乘法优化,影响出图速度和降低显存消耗,不过实际选上之后可能连正常的图都不出来了。打死不开


Highres.fix:

高分辨率修复,默认情况下,文生图在高分辨率下会生成非常混沌的图像。如果使用高清修复,会型首先按照指定的尺寸生成一张图片,然后通过放大算法将图片分辨率扩大,以实现高清大图效果

采样器


Euler a:

是个插画,

tag

利用率仅次于

DPM2



DPM2 a

,环境光效菜,构图有时奇葩


Euler:

柔和,也适合插画,环境细节与渲染好,背景模糊较深


Heun:

单次出土平均质量比

Euler



Euler a

高,但速度最慢,高

step

表现好


DDIM:

适合宽画,速度偏低,高

step

表现较好,负面

tag

不够时发挥随意,环境光线与水汽效果好,写实不佳


DPM2:

该采样方式对

tag

的利用率最高,几乎占用

80%

以上


DPM2 a:

几乎与

DPM2

相同,只是在人物的时候可能有特写


PLMS:

单次出图质量仅次于

Heun


LMS:

质感

OA

,饱和度与对比度偏低,更倾向于动画风格


LMS Karras:

会大改成优化的风格,写实不佳


DPM fast:

此为上界开发者所遗留的测试工具,不适合魔术师使用

文生图(txt2img)


文生图(text2img):

根据提示词

Prompt

的描述生成相应的图片

选择

绘画模型(Stable Diffusion checkpoint)



文生图(txt2img)



填写正向提示词(Prompt)



填写反向提示词(Negative prompt)



选择采样器(一般选择DPM++ 2M Karras)



设置采样步骤(一般设置30)



设置长宽(Width / Height,推荐 1024 * 1536)



点击生成(Generate)

根据上面的步骤,即可通过文字生成图片了,一般我们只要编写

Prompt

即可,

Negative prompt

一般都是固定的,限制一下水印,低质量以及其他可能出现的逻辑错误即可

图生图(img2img)


图生图(img2img):

将一张图片根据提示词

Prompt

描述的特点生成另一张新的图片

选择

绘画模型(Stable Diffusion checkpoint)



图生图(img2img)



填写正向提示词(Prompt)



填写反向提示词(Negative prompt)



选择采样器(一般选择DPM++ 2M Karras)



设置采样步骤(一般设置30)



设置长宽(Width / Height,推荐 1024 * 1536)



点击生成(Generate)

将上传一张图片到图生图中,进行测试一下,这里使用的是刚刚文生图的照片,根据上面的步骤,点击生成,看看效果

可以看出:

AI

图生图,其实就是根据你上传的图片和你的

Prompt

生成一张跟上传差不多的照片

标签权重

在输入

Prompt

标签的时候,有时候想到啥就会写啥,默认写在前面的权重会最高



stable Diffusion

中也可以通过特定符号提升关键词的权重

其中

()

是加强权重,

[]

是降低权重,

{}



NAI



()

的“实现”,

<>

用于嵌入

例如:

(eye) > [eye]



(eye:1.4)

会比正常情况多增加约

40%



(eye:0.6)

会减少约

40 %

模型下载

模型网站推荐:

https://civitai.com/

左上角的下拉框可以用来选择模型,其中

v1-5-pruned-emaonly.safetensors

是默认模型

默认的模型画出来的图片比较丑,所以我们需要下载更好更适合的模型来绘画

每个模型侧重绘画的风格不一样,有些适合画人,有些适合画动漫,有些适合画风景,根据自己的需求选择适合自己的绘画风格模型进行下载

下载好模型,将模型文件放入到

models/Stable-diffusion

文件夹下,重载

UI

,即可看到

模型的大致区别

名称 需求 效果 备注
stable-diffusion (4GB emaonly模型) 2GB 显存起步 出图速度 10s,单次最大出 920×920 适合出图用
stable-diffusion (7GB full ema模型) 4GB 显存起步 带最后一次训练的权重,所以费显存 适合训练用
waifu (Float 16 EMA 模型) 2GB显存起步 与stable性能接近 ,显存占用略高 适合出图用
waifu (Float 32 EMA 模型) 2GB显存起步 与stable性能接近,显存占用略高 适合出图用,出图质量其实和16差别不大
waifu (Float 32 Full 模型) 4GB显存起步 与stable性能接近,显存占用略高 适合出图或训练用
waifu (Float 32 Full + Optimizer 模型) 8GB显存起步 与stable性能接近,显存占用略高 适合训练用
Naifu (4GB pruned 模型) 最低8GB显存&8GB显存 和官方比较接近 适合出图用
Naifu (7GB latest模型) 最低8GB显存(向上浮动10GB) 和官方比较接近 适合出图或训练用
  • 注意这里显存指的是512X512尺寸,默认配置下,出图时软件所需要占用的显存。2GB显存起步,意味浙你电脑显卡实际显存最少也要3GB(因为系统桌面,浏览器的显示也需要占用一部分显存)
  • 通过增加各种“优化”参数,可以通过性能的部分下降换取显存占用减少。
  • Nafu模型名称说明1:animefull-final-pruned = full-latest = NAI 全量模型(包含NSFW)
  • Nafu模型名称说明2:animesfw-latest = NAI 基线模型

参考资料:


Stable Diffusion

开源地址:

GitHub – AUTOMATIC1111/stable-diffusion-webui: Stable Diffusion web UI


最新版本 Stable Diffusion 开源 AI 绘画工具之使用篇_人工智能_极客飞兔_InfoQ写作社区

AI 标签生成器


极客飞兔AI标签生成器



版权声明:本文为m0_61634551原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。