Ai绘画有一个很现实的问题，要保证每次画出的都是同一个人物的话，很费劲。
Midjourney就不必说了，人物的高度一致性一直得不到很好的解决。而在Stable Diffusion（SD）中，常用办法是通过同一个Seed值（种子值），或者通过训练同一个人物的高质量Lora去控制。
Seed值控制虽然可大体达到目的，但是画出的人物姿态也高度趋同，而且稍微改变描述就会画出另外一个人来，而训练「高质量」模型则更费时费力。
直到最近SD的Controlnet插件推出了Reference only功能，这个问题才得到较好的改善。
一张稳定的人脸，配合不同的场景和动作，意味着角色人设可以得到继承和发挥。如应用到连贯的绘画场景中，例如漫画、虚拟角色设计等领域，意味着提高产能的可行性。
先看看效果。下面是SD画出的一张动漫人物参考图。
我们通过Reference Only功能，基于参考图去生成新的图片，大致效果如下(点击可看大图)：
可以看到，在改变了姿势、场景、构图之后，人物的脸部特征，包括发型，仍然得到很好的保留，维持了高度统一的形象。
同时也留意到，人物服装只是部分相同。这个时候，如果要保持一致性，应该通过更详细的Tag描述去控制，具体指定服装的颜色、样式和风格等。
换个「真人」图看看。下图是SD画的参考图：
修改描述词后，通过Reference Only生成新的图片例：
以看到，“真人”效果和动漫人物效果结论相近，而且即使变换底模（大模型），人物脸部仍然可以得到很好的继承。
需要指出的是，在测试过程中发现：
1.并不是所有底模，都可以跟Reference only契合得很好，个别模型在成像过程中，有时候会出现色彩走样。
2.一些底模结合Reference only绘图时，并不总是支持多动作、多场景、多视角变换，个别场景很难被画出，例如，要把背景换成“大海”，即使“大海”的权重再高，也是无法实现，不知是何原因。
无论如何，Reference only可免去训练高质量模型即可保持人物一致，算是一个较大进步，如果下个版本可以解决上述2个问题，相信可以更好地赋能内容生产领域。
Reference only目前一共有3个预处理器可用，分别为：
Reference only：绘制与参考图类似的风格和脸部；
Reference adain：自适应规范，会更偏向于使用的模型，结果可能偏离参考图；
Reference adain+attn：结合了上述两种。
具体的安装使用方法如下：
整合包安装
-
下载解压秋叶大佬的整合包
2. 安装依赖
3.启动A绘世启动器
4.一键启动
5. 启动成功自动弹出页面
若弹出Stable Diffusion WebUI界面，则表示启动成功。
生成第一张图
选择模型，填写正反向提示词，配置参数，启动。详细介绍请看下一篇文章
2.建议在SD中生成参考图，并将参考图上传到Controlnet的图片作业区域，如下图界面：
3.勾选启用Controlnet，选择Reference only三个预处理器中的一个，并将Style Fidelity值设置为1，如下：
4.基于参考图的描述词生成图片即可，如需变换场景或细节例如发型等，可在正面提示词中调整，不会影响人脸继承。
最后
AIGC（AI Generated Content）技术，即人工智能生成内容的技术，具有非常广阔的发展前景。随着技术的不断进步，AIGC的应用范围和影响力都将显著扩大。以下是一些关于AIGC技术发展前景的预测和展望：
1、AIGC技术将使得内容创造过程更加自动化，包括文章、报告、音乐、艺术作品等。这将极大地提高内容生产的效率，降低成本。2、在游戏、电影和虚拟现实等领域，AIGC技术将能够创造更加丰富和沉浸式的体验，推动娱乐产业的创新。3、AIGC技术可以帮助设计师和创意工作者快速生成和迭代设计理念，提高创意过程的效率。
未来，AIGC技术将持续提升，同时也将与人工智能技术深度融合，在更多领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程。
对于从来没有接触过AI绘画的同学，我已经帮你们准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。
AIGC学习必备工具和学习步骤
工具都帮大家整理好了，安装就可直接上手
还有一些已经总结好的学习笔记，可以学到不一样的思路。
我们在学习的时候，往往书籍源码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，科学有趣才能更方便的学习下去。
实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
而新时代随着AI流行，如果不更紧AI新时代时代只会被落后，想要学习或者尝试的伙伴可以点击下方二维码，即可前往免费领取！
