关于stable-diffusion:最新版本-Stable-Diffusion-开源-AI-绘画工具之使用篇

在应用 Stable Diffusion 开源 AI 绘画之前，须要理解一下绘画的界面和一些参数的意义
目前 AI 绘画对中文提醒词的成果不好，尽量应用英文提醒词
最次要一些参数如下：
Prompt： 正向提醒词，也就是 tag，提醒词越多，AI 绘图后果会更加精准
Negative prompt： 反向提醒词，也就是反向 tag
Width / Height：要生成的图片尺寸。尺寸越大，越耗性能，耗时越久。
CFG scale： AI 对形容参数 Prompt 的偏向水平。值越小生成的图片越偏离你的形容，但越合乎逻辑；值越大则生成的图片越合乎你的形容，但可能不合乎逻辑。
Sampling method： 采样办法。有很多种，但只是采样算法上有差异，没有好坏之分，选用适宜的即可。
Sampling steps： 采样步长。太小的话采样的随机性会很高，太大的话采样的效率会很低，回绝概率高
Seed： 随机数种子。生成每张图片时的随机种子，这个种子是用来作为确定扩散初始状态的根底。不懂的话，用随机的即可。

文生图（text2img）： 依据提醒词 Prompt 的形容生成相应的图片
抉择 绘画模型（Stable Diffusion checkpoint） ► 文生图（txt2img） ► 填写正向提醒词（Prompt） ► 填写反向提醒词（Negative prompt） ► 抉择采样器（个别抉择 DPM++ 2M Karras） ► 设置采样步骤（个别设置 30） ► 设置长宽（Width / Height，举荐 1024 * 1536） ► 点击生成（Generate）
依据下面的步骤，即可通过文字生成图片了，个别咱们只有编写 Prompt 即可，Negative prompt 个别都是固定的，限度一下水印，低质量以及其余可能呈现的逻辑谬误即可

图生图（img2img）： 将一张图片依据提醒词 Prompt 形容的特点生成另一张新的图片
抉择 绘画模型（Stable Diffusion checkpoint） ► 图生图（img2img） ► 填写正向提醒词（Prompt） ► 填写反向提醒词（Negative prompt） ► 抉择采样器（个别抉择 DPM++ 2M Karras） ► 设置采样步骤（个别设置 30） ► 设置长宽（Width / Height，举荐 1024 * 1536） ► 点击生成（Generate）
将上传一张图片到图生图中，进行测试一下，这里应用的是刚刚文生图的照片，依据下面的步骤，点击生成，看看成果
能够看出：AI 图生图，其实就是依据你上传的图片和你的 Prompt 生成一张跟上传差不多的照片

🎈 界面参数