在之前的文章中，我们知道了如何通过Web UI和Confy UI两种SD工具来进行图片生成，今天进一步地讲解其中的参数用处及如何调节。

文生图

参数详解

所谓文生图，就是通过文字描述我们想要图片包含的内容。初学的话，还是以Web UI为例来看看，在整个过程中，涉及到了哪些参数，以及我们可以做哪些事情来调整最后的效果。

我们先来看看上面标记的5个位置：
1、Stable Diffusion模型：这是生成图片的基石，目前该模型也有很多版本，比如SD1.0、SD1.5、SD2.0、SDXL、SD3.0、SD3.5等，可以根据我们自己的需要选择。不过目前基本不会用最原始的版本，而是使用在该模型上经过微调后的模型，图中的anything-v5模型就是在SD1.5原始模型上微调过。
2、外挂VAE模型：可以将原始图片空间映射到低维空间，减少显存占用率。使用VAE模型，可以让生成的图像颜色更鲜艳、细节更锐利，在一定程度上改善局部细节的生成质量。目前很多大模型已经自带VAE了，不需要我们手动选择，除非作者在模型发布页面着重提到需要外挂的VAE模型。
3、文生图：这是核心功能区域，可以看到其后面还有各种各样的功能模块，比如图生图、后期处理等，我们需要用到哪一部分，就点击该选项即可。
4、正向提示词：用来描述我们想要生成的图像呈现的效果，提示词框下面是已经内置的一些提示词，方便我们快速设置。
5、负向提示词：用来描述我们不想要图像呈现的效果，和正向提示词一样，也有一些内置的提示词。

然后再看看剩下标记的10个位置（均处于生成选项栏，其余的后续会介绍）：
1、采样方法：决定如何从噪声图像估计无噪声的图像，直接影响生成图像的速度、质量及风格，目前内置了数十种采样方法，需要依据我们想要实现的效果进行选择。
2、调度类型：控制扩散模型中去噪的时间步和噪声的分布，和采样方法共同决定了最后呈现的图像效果。
3、迭代步数：步数越少，生成速度越快，但是细节可能不足，步数越多，细节更丰富，但是计算量更大。
4、高分辨率修复：默认不开启，开启后会在文生图之后，先对生成的图像放大相应的倍数，然后对放大后的图像重绘以添加更多的细节。
5、Refiner：默认不开启，开启后会在文生图之后，借助refiner模型提升分辨率，进一步优化和改进生成的图像质量。
6、宽度和高度：控制最后生成的图像大小。
7、总批次数：控制同参数下进行文生图的批次数。
8、单批数量：控制同参数下单批次生成的图像数目。
9、提示词引导系数：控制我们的正向、负向提示词对于图像的影响程度，数值越大越会限制模型的创意。
10、随机数种子：决定了生成图像时的随机性，默认为-1，表示每次生成图像都是随机状态，也可以直接填写一个数值，那么后续生成图像时都会参考这个种子，以便最大限度地保证结果一致。
了解了基本功能后，我们再着重讲讲模型选择、提示词书写、采样方法与调度类型的选择这三个方面，其他设置大家可以多尝试一下。

如何选择模型

目前大家用的比较多的模型可以分为三类：

• 二次元类模型：Anything V5、Counterfeit V2.5、Dreamlike Diffusion。
• 真实性模型：Deliberate、Realistic Vision、LOFI。
• 2.5D模型：Never Ending Dream、Protogen、国风3。

假如我们的正向提示词为：a girl, cute，负向提示词不写，生成的选项如下所示：

分别采用Anything V5、Deliberate、国风3模型得到的效果如下。

如何书写提示词

模型选择好之后，我们再来看看如何书写好的提示词(参考了B站Nenly同学教学)，在实际使用中，可以将其分为两大类：

• 内容型提示词
• 标准化提示词

所谓内容型提示词，就是指我们想要呈现的画面内容，可以从四个角度书写：

• 人物及主体特征：服饰穿搭(white dress)、发型发色(long hair)、五官特点(small eyes)、面部表情(smilling)、肢体动作(stretchinig arms)。
• 场景特征：室内室外(indoor、outdoor)、大场景(forest、city、street)、小细节(tree、bush、white flower)。
• 环境光照：白天黑夜(day、night)、特定时段(morning、sunset)、光环境(sunlight、bright)、天空(blue sky)。
• 画幅视角：距离(close-up)、人物比例(full body、upper body)、观察视角(from above)、镜头类型(wide angle)。
  而标准化提示词，则可从两个角度书写：
• 画质提示词：通用高画质(best quality、masterpiece、8k)、特定高分辨率类型(unreel engine rendered)。
• 画风提示词：插画风(illustration、painting)、二次元(anime、comic)、写实系(realistic)。

另外提示词还有一些特殊的写法：

• 权重分配
  • 括号加数字：$(whiteflower:1.5)$代表权重调整为以前的1.5倍。
  • 套括号
    • 圆括号：每套一层，权重调整为之前的1.1倍，$(((whiteflower)))$为以前的1.331倍。
    • 大括号：每套一层，权重调整为之前的1.05倍，$whiteflower$为以前的1.15倍。
    • 方括号：每套一层，权重调整为之前的0.9倍，$[[[whiteflower]]]$为以前的0.729倍。
• 混合：混合两个描述同一对象的提示词要素，$white|yellowflower$生成黄白相混合的花。
• 迁移：连续生成具有多个不同特征的对象，$[white|red|yellow]flower$先生成白花，再生成红花，最后生成黄花。
• 迭代：与采样过程关联，一定阶段以后再生成特定对象，$(whiteflower:bush:0.8)$进程达到80%以前生成黄色的花，之后再生成灌木。

如何选择采样方法和调度类型

除了模型和提示词之外，采样方法和调度类型也极大地影响了生成图像的质量，SD提供了多种采样器，不同采样器生成图像的细节、风格和速度各有特点。以下是常见的采样器及其特点：

当我们选择采样方法的时候，可以先依据下面的技巧：

• 快速测试：选择 DDIM 或 Euler，可以快速生成图像，便于调整参数。
• 写实风格图像：选择 LMS 或 DPM++ 2M Karras，能生成细节丰富、清晰的图像。
• 艺术风格图像：选择 Euler a 或 PLMS，可以生成带有艺术风格的多样化图像。
• 高分辨率图像：选择 DPM++ 系列 或 UniPC，可以更好地处理细节和边缘。

同样地，不同的调度类型也有自己的特点，下面是几种常见的调度器对比：

当我们选择调度器的时候，也可以先依据下面的技巧：

• 高分辨率图像生成：选择 Karras 调度器，能更好地优化细节。
• 快速生成任务：选择 Linear 调度器，简单高效。
• 平滑细腻图像：选择 Cosine 调度器，能提升艺术风格图像的质量。

不过大多数情况下，我们将调度类型设置为Automatic即可。

图生图

上面已经介绍完了文生图，我们再看看图生图，实际上它俩最大的区别有两个地方：

• 图生图需要事先上传一个图片，作为后续生成的参照。
• 除了提示词引导系数外，还有个重绘幅度，用于控制参照图片的影响程度。
  
  
  我们使用Anything V5模型，正向提示词和之前保持不变，仍然是a girl, cute，生成选项也与之前保持不变，上传一张照片：

然后点击生成，可以看到与原图相比，保留的元素不多，更多是模型自由发挥：

但如果我们把重绘幅度调到0.5，生成出来的图则保持了原图更多的元素：

总结

本篇文章介绍了SD中文生图和图生图的基本用法，相信阅读后大家对于SD都有个基本的了解，剩下的就是多去实操，在这个去中心化时代，每个人都可以成为不可忽略的重要节点。