Stable Diffusion是2022年發(fā)布的深度學習文本到圖像生成模型。它主要用于根據(jù)文本的描述產(chǎn)生詳細圖像，盡管它也可以應(yīng)用于其他任務(wù)，如內(nèi)補繪制、外補繪制，以及在提示詞指導下產(chǎn)生圖生圖的轉(zhuǎn)變。它是一種潛在擴散模型，由慕尼黑大學的CompVis研究團體開發(fā)的各種生成性人工神經(jīng)網(wǎng)絡(luò)之一。它是由初創(chuàng)公司StabilityAI、CompVis與Runway合作開發(fā)，并得到EleutherAI和LAION的支持。最新一次更新整合包版本v4.5，11月更新。本整合包支持SDXL，預(yù)裝多種必須模型。無需安裝，無需任何配置解壓即用。

準備

為了保證AI繪畫的效率，建議在本機安裝Nvidia獨立顯卡，也就是俗稱的N卡，并且顯存要達到6G以上，6G只能出圖，如果要做訓練建議12G以上。推薦選擇RTX40系列及以上的顯卡型號，最低也要選擇RTX30系列。如果你沒有N卡，可以使用CPU進行圖形計算，但是性價比較低，出圖速度較慢。此外，還需要確保CPU性能足夠高，并且搭配至少16G的內(nèi)存?？偟膩碚f，如果只是進行簡單的圖形處理或者體驗，可以使用CPU，但不適合搞AI繪畫。

看到這里，有的同學可能會有點失望了，沒有這么好的機器就玩不了AI繪畫嗎？別擔心，我們還可以使用云主機，下一篇我會分享使用云主機的姿勢。

安裝前看自己顯卡型號的方法：

1、電腦左下角點擊WIndows窗口圖標，然后點擊“設(shè)置”。

2、在打開的窗口中，搜索“設(shè)備管理器”，找到后點擊打開。

3、找到“顯示適配器”，就可以看自己的顯卡了。如果是Nvidia的顯卡，就會有這幾個字。我這個演示的電腦是不是N卡，所以只能以CPU的方式運行。

下載

所有需要的東西都放到網(wǎng)盤里邊了，大家自行下載即可：

為了方便大家搞AI繪畫，這里邊不僅包含了秋葉大佬的整合包，還有很多的大模型、Lora模型、ControlNet模型等等，總計大約有100多G，全部下載下來會很慢。

但是沒必要都下載下來再安裝，先把最后兩個文件下載下來就行了，鑒于百度網(wǎng)盤限速，可能也需要幾個小時，大家耐心等待，磨刀不誤砍柴工！

啟動

下載完上邊說的兩個文件就可以啟動。

1、安裝驅(qū)動。這個整合包是由 .NET6 (就是一個軟件基礎(chǔ)平臺）驅(qū)動的， 大家需要先安裝“啟動器運行依賴-dotnet-6.0.11.exe”這個文件。

安裝過.NET6的同學可以跳過這一步，不懂的再安裝一遍也沒問題。

2、解壓“sd-webui-aki-v4.zip”。自己選擇一個磁盤，比如D盤，直接解壓到D盤根目錄就行了。然后進入解壓后的文件夾 sd-webui-aki-v4 。

雙擊“A啟動器.exe”，它會自動下載一些最新的程序文件。我這里還彈出了“設(shè)置Windows支持長路徑”，確定就可以了。

啟動成功后，會打開下邊這個界面。如果啥都做完了，也沒打開這個界面，就再次雙擊這個文件，一般就打開了，還打不開的找我。

在這個啟動界面中點擊右下角的“一鍵啟動”按鈕。

然后會彈出一個控制臺窗口，做一些初始化的操作，出現(xiàn)“Startup time ...”的提示就代表啟動成功了。

然后這個工具會自動在瀏覽器中打開SD WebUI的窗口。不小心關(guān)了的時候，也可以用 http://127.0.0.1:7860 再次打開。打開的界面如下圖所示：

出圖

只需要簡單5步：

1、Stable Diffusion 模型：anything-v5，這個是整合包自帶的默認大模型，不用選就是它。

2、外掛VAE模型：選擇 840000 這個，這東西就像個濾鏡，用它出圖的顏色比較豐富。

3、提示詞：想要畫個什么，就在這里寫，需要是英文。

4、反向提示詞：不想要在圖片中出現(xiàn)什么，就把它寫在這里，這里填寫的“EasyNegative”是整合包附帶的一個通用反向提示詞的代號。

5、其它參數(shù)先不管，點擊“生成”按鈕。

6、生成速度取決于你的計算機性能，等一會就會出圖了。點擊可以放大，右鍵可以下載。

除了在這個WebUI上直接下載圖片，我們還可以通過啟動工具下載，如下圖所示，紅框圈出的就是各種生成方式保存圖片的位置，單擊就可以打開本機目錄。

進階

為了更好的繪圖，這里介紹幾個基礎(chǔ)并且常用的概念：

模型

：可以理解成一個函數(shù)，輸入一些參數(shù)，得到一些返回值。只不過這里談到的模型的參數(shù)特別多，幾十億、上百億、上千億。在Stable Diffusion中，我們可以簡單的認為參數(shù)就是提示詞、反向提示詞、圖片尺寸、提示詞引導系數(shù)、隨機數(shù)種子等等，返回值就是圖片數(shù)據(jù)。

大模型

：有時也稱為基礎(chǔ)模型，文件一般很大，常見的都在2G-5G。這是因為它們使用了很多的圖片進行訓練，累積了大量的數(shù)據(jù)。SD官方發(fā)布了一個基礎(chǔ)模型，但是因為比較通用，兼顧的方面比較多，特點不足，所以大家一般很少使用。比如有的人喜歡二次元、有的人喜歡真實、有的人喜歡3D，用官方模型出圖的效果不是最優(yōu)的，所以很多組織或者個人就專門訓練某方面的模型，并發(fā)布到社區(qū)給大家使用。

網(wǎng)盤中提供了一些大模型，大家可以去下載：

然后放到整合包的這個目錄下：sd-webui-aki-v4\models\Stable-diffusion，從網(wǎng)盤下載的整合包中已經(jīng)默認有一個大模型。

VAE模型

：這個東西有點類似手機中編輯照片時的濾鏡，可以處理圖片的顏色和線條，讓圖片看起來色彩更豐富飽滿。很多大模型會自帶VAE模型，這時候我們就不需要再給它搭配一個VAE，當然也有不自帶的，這時就需要搭配一個。上圖選擇的 840000 是一個常用的的VAE模型，如果你生成的圖片比較灰暗，可以試試這個VAE。其實秋葉整合包提供了四個選項，如下圖所示，我一般都選“自動識別”，除了 840000，animevae 是專門優(yōu)化二次元圖片的。一般這兩個VAE模型就夠了。

Lora模型

這是一種基于大模型的風格模型，比如我們畫小姐姐的時候，可以用一些Lora模型來控制人物的服裝、頭飾；生成機械四肢的時候，可以用一些Lora模型來強化肢體上覆蓋的機甲樣式；畫風景圖的時候，可以用一些Lora模型來控制繪畫的風格。

可以從網(wǎng)盤中的這兩個目錄下載：

下載后放到整合包的這個目錄下：sd-webui-aki-v4\models\Lora，初始狀態(tài)下里邊是空的。

提示詞

：對圖像的描述，也就是想畫一幅什么樣的畫。比如我上邊使用的：a girl，但是這個提示詞過于簡單，AI雖然畫出了一個女孩，但是他不知道你腦子里的女孩長什么樣子，如果要畫的更符合你的需求，你還要告訴他更多細節(jié)才好，比如女孩的頭發(fā)是什么顏色、穿著什么衣服、站著還是坐著、在戶外還是室內(nèi)等等。提示詞在AI繪畫中特別重要，后邊我會專門分享如何寫好提示詞。

反向提示詞

：不想在圖片中出現(xiàn)的東西，比如樹、桌子、6根手指、缺胳膊斷腿等等，在上邊的示例中我使用了“EasyNegative”，這是一個嵌入模型的代號，可以認為它代表了很多常見的反向提示詞，使用它就不用一個個輸入了，也不占用過多的提示詞。

隨機數(shù)種子

：上邊沒有演示這個參數(shù)，但是它是AI繪畫的魅力之一。即使其它的參數(shù)都相同，只要隨機數(shù)不同，每次生成就會出來不同的圖片，創(chuàng)意幾乎無窮無盡。

先說這么多吧，學習重在持之以恒，不要撐著，后邊我們慢慢再講。

更新

Stable Diffusion WebUI 經(jīng)常會修復一些BUG和增加新功能，在這里可以把它更新到最新版本。

安裝說明：

無需安裝，解壓即用。（本站僅做分流下載，未對原始文件進行任何更改）