Stable Diffusion 保姆级实战教程！学不会来打我！

前言

本教程没有难懂的理论，全是实操的截图，非常通俗易懂。

能够帮你在最短的时间里，掌握Stable Diffusion的核心操作方法。真正有效地提高工作的效率。

教程主要是讲我们在工作中高频使用的4个功能模块：文生图、图生图、后期处理和标签器。如下图：

希望对你有所启发。

目录**：**‍

1. Stable Diffusion 高效工作流程

2. 大模型、外挂VAE模型、LORA模型、CLIP终止层数

3. 提示词‍

4. 采样迭代步数

5. 采样器‍

6.【重要】Controlnet

7. 放大功能

8. CFG scale（提示图相关性/提示词引导系统）

9. CFG scale和采样器的关系‍

10. Seed值

11. 标签器‍

1. Stable Diffusion 高效工作流程‍

1.1 创意阶段**：**

效率高：【草图 + ControlNet + 提示词】这个方法出图的确定性高，但要一定的美术基础。

效率高：【网图 + ControlNet + 提示词】根据需求找一些合适的网图，再用SD生图。

效率高：【复制C站的图片信息】这个方法比较省事，但是不太好找到和需求接近的图。

效率低：【提示词】这个方法比较费时间，要不断地调整提示词去跑图抽盲盒。

1.2 深入阶段**：**

效率高：【PS修型 + 局部重绘】这个方法出图的确定性高，但要一定的美术基础。

效率低：【提示词 + 局部重绘】这个方法比较费时间，要不断地跑图抽盲盒。

1.3 最后整理、交付阶段**：**

效率高：【后期处理】确定性最高，1:1放大原图。

效率低：【高分辨率修复（Hires.fix）】需要调参数，比较费时间。

效率低：【SD脚本放大功能（SD upscale）】需要调参数，比较费时间。

`本文涉及模型、插件下载请扫描免费获取哦`

在这里插入图片描述

2 大模型、外挂VAE模型、LORA模型、CLIP终止层数

2.1 大模型：

大模型决定渲出来的风格。

用素材+SD底模（如SD1.5/SD1.4/SD2.1），深度学习之后炼制出的大模型，可以直接用来生图。

大模型决定了最终出图的大方向。

2.2 外挂VAE模型**：**

这个模型类似于PS滤镜**。**

是对大模型的补充，稳定画面的色彩范围。

作用是：滤镜+微调。

系统自带的VAE是animevae，效果一般，建议可以使用kl-f8-anime2或者vae-ft-mse-840000-ema-pruned。

anime2适合画二次元。

840000适合画写实人物。

2.3 LORA模型：

它是加强某一种风格的模型**。**

大模型的低秩适应，可以理解为模型插件。

它是在基于某个大模型的基础上，深度学习之后炼制出的小模型。

需要搭配大模型使用，可以在中小范围内影响出图的风格，或是增加大模型所没有的东西。

如果分不清大模型、LORA模型、VAE模型，可以上这个网址查看：https://spell.novelai.dev/

2.4 CLIP终止层数**：**

它就是：对比（语言到图像）预训练。

CLIP****终止层次越小，渲出的图越接近我们的提示词。数值越大越不像。

3 提示词****‍

正向提示词**：**

在正向提示词框里，写出需要生成内容的提示词。

反向提示词**：**

在反向提示词框里，写出不需要生成内容的提示词。

3.1 提示词相关性**：**

关于人物类的提示词，一般将提示词相关性控制在 7-15 之间。

关于建筑等大场景类的提示词，一般控制在3-7左右。

3.2 正向提示词建议书写结构**：**

画面主要元素，画面细节描述，景别描述，风格描述，画面质量描述。

3.3 提示词的分隔与权重**：**

1. 提示词要用英文“ , ” 隔开。

2. SD的提示词是没有从左到右的权重的，也就是说提示词的排名不分先后。如要加减提示词的权重，可以通过括号和数字来实现。

3.4 **正向质量提示词（通用）**‍

3.4.1 清爽风格的质量正向提示词：

Highest quality, ultra high definition, masterpiece, 8k quality‍

这段质量提示词生出的造型准确率比较高。适合二次元的风格。

3.4.2 厚重风格的质量正向提示词**：**

{{masterpiece}},{best quality},{highres},original,reflection,unreal engine,body shadow,artstationextremely detailed CG unity 8K wallpaper

这段质量提示词生出来的全身图造型准确率比较低，主要是脸部和手部的造型有破坏。

3.5 反向提示词（通用）****：

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)))

3.6 提示词融合****‍

3.6.1 “ _ ”：

在关键词和关键词之间加上“ _ ”，就可以把2种不同的东西融合在一起。如：man_chicken。

3.6.2 [cat🐶2]****：

[cat🐶2]：中括号里的数字“2”是可以根据效果进行调整的。

这个数字代表的是渲染A到第几张时开始渲染B。

这个目前比较好用，就是在一只动物中，有猫和狗的特征，像猫又像狗。后面的数字，是控制像猫多点还是像狗多点，要根据渲图的效果不断调试。

3.6.3 [cat|dog]****：

[cat|dog]：这个也是A和B融合的用法，一半是A一半是B。

3.6.4 “ and ”****：

在2个或2个以上的词之间加上“and”，生出来的图就会出现这些元素。

3.6.5 “ / ”****：

在2个关键词之间加“ / ”，是混合的用法。如：white/yellow flower，就是生成黄色和白色混合的花。

3.7 提示词隔开****‍

3.7.1 “ break ”****：

在词与词之间，用“ break ”隔开，如：在银色头发、黑上衣、灰背带裤的女孩的关键词1girl,Silver hair break Black blouses break Gray pants中加入“ break ”，这样可以提高关键词的准确率。

3.8 提示词权重**：**

括号

（）小括号

[]中括号

{ }大括号

简介

↑ 加权，

每加一层（）加权0.1

↓ 降权，

每加一层[]降权0.1

↑ 加权，

每加一层 { } 加权0.05

权重值

（默认值：1）

Prompt = 1

(Prompt)=1.1

((Prompt)) = 1.21

(((Prompt)))=1.33

Prompt = 1

[Prompt]=0.9

[[Prompt]] =0.81

[[[Prompt]]]=0.729

Prompt = 1

｛Prompt｝= 1.05

{{Prompt}}= 1.1025

{{{Prompt}}}=1.15

加权重的快捷键：Ctrl + 上/下箭头。

关键词的权重，一般在0.5~2之间。

注意：避免个别词条权重过高，安全范围在1上下0.5左右，如果想要强调一个词条可以多写几个类似词条。

括号加数字：

例1： (white flower:1.5)，含义：调节白花(white flower)权重为原来的1.5倍（增强）。

例2： (white flower:0.8)，含义：调节百花（white flower)的权重为原来的0.8倍（减弱）。

3.9 提示词人物特定视角用法**：**

以下关键词可以控制人物的视角：

front view：前视角；
side view：侧视角；
back view：背后视角；
Top view：顶视角；

5. Bottom view：仰视角。

3.10 提示词反推（图生图里的选项）****：

【图生图】的功能展示：

CLIP反推：

反推出来的是自然语法的描述。也就是一句话。

DeepBooru反推：

反推出来的是标签语法。也就是一个一个词语。

3.11 复制来的模型信息的粘贴方法**：**

C站网址：https://civitai.com/

从C站复制来的模型信息，粘贴在“正向提示词”框里，然后点击“↙”，复制来的模型信息就自动分好。

也可以点击“记事本”按钮，会弹出一个弹窗，把从C站复制来的模型信息粘贴到这个弹窗里，然后提交。复制来的模型信息就可以自动分好。

4 采样迭代步数**：**

控制降噪的轮次，选择50就是降噪50轮之后将图像经过解码器返回给用户。

5 采样器****‍

5.1 不同采样器的渲染效果对比**：**

以下图片生成的正向提示词：cat‍

随机数种子（Seed)：1242989826

	迭代步数（Steps)：10	迭代步数（Steps)：20	迭代步数（Steps)：30	迭代步数（Steps)：40	迭代步数（Steps)：50
Euler a
Euler a	最中规中矩的采样器，速度快，质量好，不收敛，推荐15-30步。
Euler
Euler	最中规中矩的采样器，速度快，质量好，收敛，推荐15-30步。
DPM++ 2M SDE
DPM fast
Restart	速度非常快，质量还行，因为极少的步数就能出不错的图。
LCM	‘4'步出图，‘实时渲染’，画质烂。适合跑灵感草图方向。
DPM++ 2M Karras
DPM++ 2M Karras	DPM++ 2M Karras：它的特点是柔和的，速度快、质量好、稳定性高。基本上是30步成型，50步最好。也是最多人使用的采样器。
DPM++ 2M SDE Karras
DPM++ 2M SDE Karras	DPM++ 2M SDE Karras：它的特点是细节和光感会比DPM fast和DPM++ 2M Karras好一些，速度慢，质量很好，不收敛，它是30步成型，50步效果最好。常用在真实人像中。
1. 如果只是想得到一些较为简单的结果：选用欧拉（Eular)或者Heun。 2. 对于侧重于速度、融合、新颖且质量不错的结果： DPM++ 2M Karras， Step Range：20-30。 UniPc， Step Range: 20-30。 3. 期望得到高质量的图像，且不关心图像是否收敛： DPM ++ SDE Karras， Step Range：8-12。 DDIM， Step Range：10-15。 4. 凡是带【a】【DDIM】【SDE】标识的采样器，都是不收敛的采样器。

6 Controlnet**：**

Control Net是一款可以对Stable Diffusion扩散模型进行精确控制的插件。能够获取参考图片的线条、法线、景深等等信息。由此，出图的确定性也较高。

6.1 人物姿势****‍

6.1.1 Openpose(姿态)****：

Openpose(姿态)可以提取图片中角色【身体】、【身体+手指】、【身体+表情】、【表情】、【身体+手指+表情】的信息。

用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。

6.2 线条****‍

6.2.1 Canny(硬边缘)****：

Canny(硬边缘)识别出来的线条最多，更好地还原原图，对二次元风格比较适用。

用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。

6.2.2 MLSD(直线)****：

MLSD(直线)只能识别直线，常用于建筑设计方面。

用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。

6.2.3 Lineaet(线稿)****：

Lineaet(线稿)可以针对不同风格的图片提取线稿。

用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。

1、在文生图正向提示词框中输入：lineart,best quality,masterpiece

2、然后选择模型和线稿Lora。‍‍

3、在ControlNet里的ControlNet Unit 0里放入需求提取线稿的原图。

4、控制类型选 Lineart (线稿) ，记得点“爆炸”图标。

5、最后点“生成”图片。

6.2.4 SoftEdge(软边缘)****：

SoftEdge(软边缘)只识别大概的轮廓，给SD更大的发挥空间。

用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。

6.2.5 Scribble/Sketch(涂鸦/草图)****：

Scribble/Sketch(涂鸦/草图)就是涂鸦，适合在前期用草图去生图。

用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。

6.3 空间深度****‍

6.3.1 Depth(深度)****：

Depth(深度)可以很好地还原物体的前后关系。

用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。

6.4 物品种类****‍

6.4.1 Segmentation(语义分割)****：

Segmentation(语义分割)是通过不同的颜色控制不同的物品。

用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。

Stable Diffusion_T2i_Seg颜色对照表，

网址：https://docs.qq.com/doc/DTFVMdUdkQXRVaXJX

6.5 风格****‍

6.5.1 T2l-Adapter**：**

T2l-Adapter就是还原原图的颜色。

【图生图】的功能演示：

正向提示词：1 girl,Highest quality,ultra high definition,masterpiece,8k quality

6.5.2 IP-Adapter**：**

IP-Adapter就是参考整张图。

【图生图】的功能演示：

正向提示词：1 girl,Highest quality,ultra high definition,masterpiece,8k quality

6.5.3 Reference(参考)：

Reference(参考)就是参考原图的颜色或角色。

【图生图】的功能演示：

6.5.4 Normalmap(法线贴图)****：

Normalmap(法线贴图)就是参考原图的光影和姿势。

这个我常用于风格转换。【重绘幅度：0.5】。

【图生图】的功能演示：

图片风格生成后的效果 ↑↑↑

6.5.5 Shuffle（随机洗牌）****：

Shuffle（随机洗牌）就是将图片的颜色混合融到新图里。

【图生图】的功能演示：

正向提示词：1 girl,Highest quality,ultra high definition,masterpiece,8k quality

6.6 模糊处理****‍

6.6.1 Tile/Blur(分块/模糊）****：

Tile/Blur(分块/模糊）就是把画面风格块面化，有点像艺考时画的水粉画。

【图生图】的功能演示：

原图和生成后的对比 ↑↑↑

6.7 重绘****‍

6.7.1 局部重绘**：**

局部重绘就是类似图生图的局部重绘，重绘画面的内容。

在文生图的正向提示词框中输入提示词：(white cat:1.8)

用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。

这个方法还可以用在去除不要的东西，如下面实例：‍

【图生图】的功能演示：

正向提示词：remove hands

局部重绘前和局部重绘后的对比 ↑↑↑

6.7.2 Recolor(重上色)****：

Recolor(重上色)就是给照片上色。

在文生图的正向提示词中输入提示词：1girl,solo,long hair,flower,halo,dress,barefoot,dark red hair,sitting,pipe,bare legs,white dress,very long hair,hair accessory,covering navel,looking at viewer,crossed legs,smoke,Chinese clothing,hair flower,sleeveless,pink flower,feet,Hanfu,sleeveless dress,toes,bare shoulders,whole body,pink eyes,side seams,thighs,beautiful legs,holding a pipe,bangs,raising hands,open mouth,purple eyes,Highest quality,ultra high definition,masterpiece,8k quality‍

用【图生图】的功能演示：

原图和生成后的对比 ↑↑↑

6.8 特效****************‍

6.8.1 Revision**：**

Revision就是修正原图中的物体。

用【图生图】的功能演示：

输入正向提示词：Shape your face

原图和生成后的对比 ↑↑↑

6.9 ControlNet 混合用法**：**

用【文生图】的功能演示，具体操作如下：

操作要点：在ControlNet里的ControlNet Unit 0里放入要参考的角色，控制类型选 Reference (参考) ，记得点爆炸图标。在ControlNet Unit 1里放入要参考的动态，控制类型选 Openpose(姿态) ，记得点爆炸图标。

参考角色和生成后的效果对比 ↑↑↑

7 放大功能****‍

7.1 高分辨率修复（Hires.fix）（文生图功能）****:

【文生图】的功能演示：

可以简单理解为，生成一张图后，又以图生图的方式将图放大，增加细节。所以，它拥有自己的【放大算法】【迭代步数】【重绘幅度】等。

放大算法：与采样方法概念类似。

迭代步数：就是采样步数。

重绘幅度：重绘幅度数值越大，生出来的图就和原图的差异越大，数值越小和原图差异越小。

1、 0：等于完全不重画。

2、 0.2~0.45：生出来的图与原图相似度高，变化幅度小。

3、 0.45~0.75**：生成更高精度的图，和原图差异大**。

7.2 后期处理（高清修复）****：

【后期处理】的功能演示：

原图和生成后的对比 ↑↑↑

7.3 SD脚本放大功能（SD upscale）****：

【图生图】的功能演示：

放大功能特点对比：

文生图：高清修复	图生图：SD放大	后期处理：附加功能
“打回重画，再来一幅”	“分几块画，拼在一起”	“简单放大，随时可用”
分两步，第一步生成低分辨率的图画，第二步使用它指定的高清算法，生成一个高分辨率的版本，在不改变构图的情况下丰富细节。	根据指定的放大倍数，将图生图的图像拆解成若干小块按照固定逻辑重绘，再合并成一张大图，可以实现在低显存的条件下生成大尺寸的图片。	利用各种放大算法，在图像生成后再对它进行单独处理，使之拥有更高的分辨率尺寸。
优势： 1. 不会改变画面的构图（因为随机种子固定）。 2. 稳定克服多人、多头有分辨率产生的问题。 3. 操作简便、清晰、直观。	优势： 1. 可以突破内存限制获得更大分辨率。 2. 画面精细度更高，对于细节的丰富更加出色。	优势： 1. 使用方便，操作简单，随时可以调用。 2. 计算速度快，没有重绘压力。 3. 完全不改变图片内容。
缺点： 1. 仍然受到最大显存的影响。 2. 计算速度相对较慢。 3. 偶尔”加戏“，出现莫名其妙的额外元素。比较难生出和原画一样的图。	缺点： 1. 分割重乎的过程不可控（语义误导格分界线割裂）。 2. 操作繁琐且相对不直观。 3. 偶尔加戏，出现莫名的额外元素。对于缺点解决方法：增加缓冲带，重绘幅度降低为0.4。	缺点： 1. 放大功能的效果不太显著。简单，高效地生出和原图一样的图。

8 CFG scale（提示图相关性/提示词引导系统）****：

1、 CFG scale的数值越高，渲出的图和提示词越接近，数值越低越不像。

2、 CFG scale的默认值是7，数值范围值是1~30。

【文生图】和【图生图】的功能：

9 CFG scale和采样器的关系：

	CFG Scale：1	CFG Scale：7	CFG Scale：12	CFG Scale：20	CFG Scale：30
Euler a
Euler
DPM++ SDE
DPM++ 2M Karras
提示词和随机数种子统一如下
正向提示词	1 girl,{{masterpiece}},{best quality},{highres},original,reflection,unreal engine,body shadow,artstationextremely detailed CG unity 8K wallpaper
反向提示词	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)))
随机数种子	2872683371