接上一篇《AI绘图体验：Stable Diffusion本地化部署详细步骤》本地部署完了SD后，大家肯定想知道怎么用，接下来补一篇Stable Diffusion WEB UI 详细操作，如果大家还没有完成SD的部署，请参考上一篇文章进行本地化的部署。

基于使用最多的 文生图 模块来讲解最常用的一些操作

一、WEB UI 页面

你进入到 web ui 页面后可以看到下面这个页面（不同人的设置，可能会有颜色风格差异。整体布局可参考）。

其中：

• 模型选择： 模型对于 SD 绘图来说非常重要，不同的模型类型、质量会很大程度的决定最终的出图效果（模型相关的课程会在后面细讲）

• Prompt区： 如果你使用过 ChatGPT 你应该知道 Prompt 是什么。说的直白点就是你想让 SD 帮忙生成什么样的图，反向 Prompt 就是你不想让 SD 出生的图里有这些东西。后续课程也会详细的讲解如何更好的编写 Prompt

• 功能栏： 包括了常见的 文生图、图生图、模型获取、模型训练等功能。不同的功能页面也不同，这一节课，我们先针对最长使用的 文生图 模块页面来讲解

• 采样区： 采用什么样的绘画方式算法，以及“画多少笔” 来绘图。一定程度上决定出图的质量

• 调参区： 设置分辨率、每次出图的批次、出图抽象性（和 prompt 关联性的程度）

• 脚本区： 通过配置脚本可以提高效率；比如批量出图、多参数的出图效果比较（课程中会大量使用）

接下来会进一步的介绍每个模块的使用。

二、模型选择

直白点说，

模型就是“模型训练师”们通过大量的图片进行训练得到的具备某种风格的模型。

我们使用某个模型后，

后续在出图的整体方向就会更靠近这个模型的风格。

你安装好之后默认可以看到两个模型

• anything ： 二次元风格模型

• Deliberate：真人风格模型

三、Prompt 区

如果你学习过如何更好的编写 ChatGPT 的 prompt，

你会发现 Prompt 的编写都会遵守一定的范式，

这样得出来的效果才可能更贴近我们的想法。

选择完模型之后，

我们就可以给予这个模型风格，

告诉 SD prompt 画出什么样的图。

比如：直接告诉 SD 画一个女孩

虽然能出来一个 女孩，

emmm... 但是这个质量吧，还是很差的，

实事上呢，

是我们的 prompt 写的太差劲了 导致的

如果我们完善一点 (丰富一些 prompt ）

会发现效果质量立竿见影；而我们只是加入了一些通用的 prompt 提示语

正向的 prompt：说白就是要高画质、更多的细节

 (masterpiece:1,2), best quality, masterpiece,best detail face

向的 prompt：不要少胳膊断腿，要是一个正常的图

(((NSFW))), (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, ((monochrome)), ((grayscale)), skin spots, acnes, skin blemishes, age spot, (ugly:1.331), (duplicate:1.331), (morbid:1.21), (mutilated:1.21), (tranny:1.331), mutated hands, (poorly drawn hands:1.5), blurry, (bad anatomy:1.21), (bad proportions:1.331), extra limbs, (disfigured:1.331), (missing arms:1.331), (extra legs:1.331), (fused fingers:1.61051), (too many fingers:1.61051), (unclear eyes:1.331), lowers, bad hands, missing fingers, extra digit,bad hands, missing fingers, (((extra arms and legs))),

其中的一些细节，

比如 提示语的语法格式、公式、权重、模版和tag大全，我们会在 prompt 和 tag 课程中细讲。

有个比较有意思的 反向 tag 叫 NSFW(no sutiable for work)

一般情况尽量把这个加入到反向词中，特别是工作场合。不然惊喜可能随时都会出现（各种18+）...

想想在工作的时候，你信誓旦旦给你的同事来一张漂亮的小姐姐，结果.....

如果你不太信的话，可以直接把 NSFW 放在正向里面试试...

四、采样区

采样区做的事就是，我们该用什么样的采样方式来画，画多少笔（多细致）

1.采样方式

由于采样方式的原理比较深奥，涉及到很多的算法，我直接给结论，

我更加推荐使用下面这三个：

• Euler a

• DDIM

• DPM ++ 2M Karras

我们可以试试这三个不同采样方法的效果

整体的质量是非常好的，出图速度相对也会快很多

2.采样步数

采样步数相当于是作画的时候画多少笔。

同样的也是先给结论，建议在 20-40之间，出图效果会更好。并不是越高越好

来看看效果

会发现步数到了60其实也还好，

但同时需要考虑到性价比，步数越高也就意味着耗费的资源会越多，对机器的配置会更高。

所以一般我们的步数设置到 20-40之间就可以了。

好了，基础篇就到此结束了，大家各自摸索吧，想要超近路的同学，我们在学习下面部修复和调参。来我的下一篇博客吧。

《AI绘图：Stable Diffusion WEB UI 详细操作介绍：进阶篇》