关于Stable diffusion
Stable diffusion是一种基于潜在扩散模型（Latent Diffusion Models）的文本到图像生成模型，能够根据任意文本输入生成高质量、高分辨率、高逼真的图像。
– stable diffusion可以处理任意领域和主题的文本输入，并生成与之相符合的多样化和富有创意的图像。
– stable diffusion可以生成高达2048×2048或更高的分辨率的图像，并且保持了良好的视觉效果和真实感。
– stable diffusion还可以进行深度引导（Depth-guided）和结构保留（Structure-preserving）的图像转换和合成。例如，它可以根据输入图片推断出深度信息，并利用深度信息和文本条件生成新图片。
配置要求
注意：如电脑配置低于推荐配置，不建议强行安装。强行安装可能会出现一系列电脑报错问题。
使用教程
一、安装教程
1.一键安装完毕后，双击运行桌面快捷方式“SDWebUI一键端”运行。
2.进入软件界面后，点击右下角的一键启动。
3.成功出现下面的界面后，我们就可以正常使用Stable Diffusion了.
二、Stable Diffusion 基础操作
文生图
如图所示 Stable Diffusion WebUI 的操作界面主要分为：模型区域、功能区域、参数区域、出图区域。
1. txt2img 为文生图功能，重点参数介绍：
2. 正向提示词：描述图片中希望出现的内容
3. 反向提示词：描述图片中不希望出现的内容
4. Sampling method：采样方法，推荐选择 Euler a 或 DPM++ 系列，采样速度快
5. Sampling steps：迭代步数，数值越大图像质量越好，生成时间也越长，一般控制在 30-50 就能出效果
6. Restore faces：可以优化脸部生成
7. Width/Height：生成图片的宽高，越大越消耗显存，生成时间也越长，一般方图 512×512，竖图 512×768，需要更大尺寸，可以到 Extras 功能里进行等比高清放大
8. CFG：提示词相关性，数值越大越相关，数值越小越不相关，一般建议 7-12 区间
9. Batch count/Batch size：生成批次和每批数量，如果需要多图，可以调整下每批数量
10. Seed：种子数，-1 表示随机，相同的种子数可以保持图像的一致性，如果觉得一张图的结构不错，但对风格不满意，可以将种子数固定，再调整 prompt 生成
图生图
img2img 功能可以生成与原图相似构图色彩的画像，或者指定一部分内容进行变换。
可以重点使用 Inpaint 图像修补这个功能：
1. Resize mode：缩放模式，Just resize 只调整图片大小，如果输入与输出长宽比例不同，图片会被拉伸。Crop and resize 裁剪与调整大小，如果输入与输出长宽比例不同，会以图片中心向四周，将比例外的部分进行裁剪。Resize and fill 调整大小与填充，如果输入与输出分辨率不同，会以图片中心向四周，将比例内多余的部分进行填充
2. Mask blur：蒙版模糊度，值越大与原图边缘的过度越平滑，越小则边缘越锐利
3. Mask mode：蒙版模式，Inpaint masked 只重绘涂色部分，Inpaint not masked 重绘除了涂色的部分
4. Masked Content：蒙版内容，fill 用其他内容填充，original 在原来的基础上重绘
5. Inpaint area：重绘区域，Whole picture 整个图像区域，Only masked 只在蒙版区域
6. Denoising strength：重绘幅度，值越大越自由发挥，越小越和原图接近
ControlNet
安装完 ControlNet 后，在 txt2img 和 img2img 参数面板中均可以调用 ControlNet。
操作说明：
1. Enable：启用 ControlNet
2. Low VRAM：低显存模式优化，建议 8G 显存以下开启
3. Guess mode：猜测模式，可以不设置提示词，自动生成图片
4. Preprocessor：选择预处理器，主要有 OpenPose、Canny、HED、Scribble、Mlsd、Seg、Normal Map、Depth
5. Model：ControlNet 模型，模型选择要与预处理器对应
6. Weight：权重影响，使用 ControlNet 生成图片的权重占比影响
7. Guidance strength(T)：引导强度，值为 1 时，代表每迭代 1 步就会被 ControlNet 引导 1 次
8. Annotator resolution：数值越高，预处理图像越精细
9. Canny low/high threshold：控制最低和最高采样深度
10. Resize mode：图像大小模式，默认选择缩放至合适
11. Canvas width/height：画布宽高
12. Create blank canvas：创建空白画布
13. Preview annotator result：预览注释器结果，得到一张 ControlNet 模型提取的特征图片
14. Hide annotator result：隐藏预览图像窗口
Prompt 语法技巧
文生图模型的精髓在于 Prompt 提示词，如何写好 Prompt 将直接影响图像的生成质量。
提示词结构化
Prompt 提示词可以分为 4 段式结构：画质画风 + 画面主体 + 画面细节 + 风格参考
1. 画面画风：主要是大模型或 LoRA 模型的 Tag、正向画质词、画作类型等
2. 画面主体：画面核心内容、主体人/事/物/景、主体特征/动作等
3. 画面细节：场景细节、人物细节、环境灯光、画面构图等
4. 风格参考：艺术风格、渲染器、Embedding Tag 等
提示词语法
1. 提示词排序：越前面的词汇越受 AI 重视，重要事物的提示词放前面
2. 增强/减弱：(提示词:权重数值)，默认 1，大于 1 加强，低于 1 减弱。如 (doctor:1.3)
3. 混合：提示词 | 提示词，实现多个要素混合，如 [red|blue] hair 红蓝色头发混合
4. + 和 AND：用于连接短提示词，AND 两端要加空格
5. 分步渲染：[提示词 A:提示词 B:数值]，先按提示词 A 生成，在设定的数值后朝提示词 B 变化。如[dog:cat:30] 前 30 步画狗后面的画猫，[dog:cat:0.9] 前面 90%画狗后面 10%画猫
6. 正向提示词：masterpiece, best quality 等画质词，用于提升画面质量
7. 反向提示词：nsfw, bad hands, missing fingers……, 用于不想在画面中出现的内容
8. Emoji：支持 emoji，如 ? 形容表情，? 修饰手
常用提示词举例
