Stable diffusion prompts 使用語(yǔ)法、參數(shù)講解、插件安裝教程
本文基于 Stable diffusion WebUI?進(jìn)行講解（安裝在 AutoDL?上，安裝在本地電腦上的也同樣適用本教程）。
初始界面：
文件目錄結(jié)構(gòu)：
上圖紅框中的 4 個(gè)文件夾是我們常用到的，embeddings 放置訓(xùn)練的 embedding 模型，它可以在我們使用基礎(chǔ)模型時(shí)，再添加此模型進(jìn)行疊加效果。
extensions 插件安裝目錄，在 WebUI 插件安裝界面安裝后，可以此文件夾中查看，并上傳相應(yīng)的插件模型（如 ControlNet 需要專門的模型）
Models 模型文件夾，安裝時(shí)會(huì)默認(rèn)下載 v1-5-pruned-emaonly，我們從其它地方下載的模型可以拷貝到此文件夾，在需要使用某個(gè)模型時(shí)，可以進(jìn)行切換，如下圖：
outputs 生成的圖系統(tǒng)會(huì)輸出到這個(gè)文件夾里，可進(jìn)行查看及保存。
上圖從左到右，依次是：
txt2img： 文字生成圖片
img2img： 圖片生成圖片
Extras： “無(wú)損”放大圖片，優(yōu)化(清晰、擴(kuò)展)圖像
PNG info：從圖片 exif 里獲取圖片的信息，如果是 Stable Diffusion 原始生成的 png 圖片，圖片的 exif 信息里會(huì)寫(xiě)入圖片生成參數(shù)
Checkpoint Merger：合并不同的模型，生成新的模型
Train：訓(xùn)練 embedding 或者 hypernetwork
Settings：設(shè)置頁(yè)面
Extensions：插件的安裝和管理頁(yè)面
txt2img
Sampling method：采樣方法
●?Euler a ：富有創(chuàng)造力，不同步數(shù)可以生產(chǎn)出不同的圖片。 超過(guò) 30~40 步基本就沒(méi)什么增益了
●?Euler：最常見(jiàn)的基礎(chǔ)算法，最簡(jiǎn)單也最快
●?DDIM：速度快，一般 20 步差不多
●?LMS：eular 的延伸算法，相對(duì)更穩(wěn)定一點(diǎn)，30 步就比較穩(wěn)定
●?PLMS：改進(jìn)一點(diǎn)的 LMS
●?DPM2：DDIM 的一種改進(jìn)版，速度大約是 DDIM 的兩倍
Sampling Steps：采樣迭代步數(shù)
先隨機(jī)出一個(gè)噪聲圖片，然后一步步調(diào)整圖片，向提示詞 Prompt 靠攏。其實(shí)就是告訴 Stable Diffusion，這樣的步驟應(yīng)該進(jìn)行多少次，步驟越多，每一步移動(dòng)也就越小越精確，同時(shí)也成比例地增加生成圖像所需要的時(shí)間。大部分采樣器超過(guò) 50 步后意義就不大了
Restore faces：優(yōu)化面部，繪制面部圖像特別注意。原理是調(diào)用一個(gè)神經(jīng)網(wǎng)絡(luò)模型對(duì)面部進(jìn)行修復(fù)
Tiling：生成一個(gè)可以平鋪的圖像
Highres. fix：先生成低分辯率的圖，接著添加細(xì)節(jié)之后再輸出，可以把低分辨率的照片調(diào)整到高分辨率
Batch count、 Batch size： 都是生成幾張圖，前者計(jì)算時(shí)間長(zhǎng)，后者需要顯存大
Denoising strength：決定算法對(duì)圖像內(nèi)容的保留程度。因?yàn)榧拥脑肼暽?，原圖片部分多，加的噪聲多，原圖片部分少。在 0 處，什么都不會(huì)改變，而在 1 處，你會(huì)得到一個(gè)不相關(guān)的圖像
CFG Scale：對(duì)描述參數(shù)的傾向程度（也就是生成圖像與提示詞的一致程度），越低的值產(chǎn)生越有創(chuàng)意的結(jié)果，如果太低，例如 1，那 Promp t就完全沒(méi)用了。一般在 5~15 之間為好，7，9，12 是 3 個(gè)常見(jiàn)的設(shè)置值
Seed：種子數(shù)，只要種子數(shù)、參數(shù)、模型都一致，就能重新生成一樣的圖像，-1 的話是生成一個(gè)隨機(jī)數(shù)
Prompt 語(yǔ)法
正向提示詞例子：
(masterpiece:1.331), best quality,illustration,(1girl),
(deep pink hair:1.331), (wavy hair:1.21),(disheveled hair:1.331), messy hair, long bangs, hairs between eyes,(white hair:1.331), multicolored hair,(white bloomers:1.46),(open clothes),
beautiful detailed eyes,purple|red eyes),expressionless,sitting,dark background, moonlight,flower_petals,city,full_moon,
分隔：不同的關(guān)鍵詞tag之間，需要使用英文逗號(hào) , 分隔，逗號(hào)前后有空格或者換行不影響結(jié)果。例如：1girl,loli,long hair,low twintails（1 個(gè)女孩，loli，長(zhǎng)發(fā)，低雙馬尾）
混合：WebUI 使用 | 分隔多個(gè)關(guān)鍵詞，實(shí)現(xiàn)混合多個(gè)要素，注意混合是同等比例、同時(shí)混。例如：1girl,red|blue hair, long hair（1個(gè)女孩，紅色與藍(lán)色頭發(fā)混合，長(zhǎng)發(fā)）
增強(qiáng)/減弱：有兩種寫(xiě)法。
●?第一種 (提示詞:權(quán)重?cái)?shù)值)：數(shù)值從0.1~100，默認(rèn)狀態(tài)是 1，低于 1 就是減弱，大于 1 就是加強(qiáng)。例如：(loli:1.21),(one girl:1.21),(cat ears:1.1),(flower hairpin:0.9)
●?第二種 (((提示詞)))，每套一層()括號(hào)增強(qiáng) 1.1 倍,每套一層 [] 減弱 1.1 倍。也就是套兩層是1.1*1.1=1.21 倍，套三層是 1.331 倍，套 4 層是 1.4641 倍。例如： ((loli)),((one girl)),(cat ears),[flower hairpin]，這與第一種寫(xiě)法等價(jià)，所以還是建議使用第一種方式。
漸變：可簡(jiǎn)單的理解時(shí)為，先按某種關(guān)鍵詞生成，然后再此基礎(chǔ)上向某個(gè)方向變化。
[關(guān)鍵詞1:關(guān)鍵詞2:數(shù)字]，數(shù)字大于 1 理解為第 X 步前為關(guān)鍵詞 1，第 X 步后變成關(guān)鍵詞 2，數(shù)字小于 1 理解為總步數(shù)的百分之 X 前為關(guān)鍵詞 1，之后變成關(guān)鍵詞 2。
例如：a girl with very long [white:yellow:16] hair 等價(jià)為開(kāi)始 a girl with very long white hair
，16步之后 a girl with very long yellow hair
例如：a girl with very long [white:yellow:0.5] hair 等價(jià)為開(kāi)始 a girl with very long white hair，50% 步之后 a girl with very long yellow hair
交替：輪流使用關(guān)鍵詞，例如：[cow|horse] in a field，這就是個(gè)牛與馬的混合物；[cow|horse|cat|dog] in a field 就是牛、馬、貓、狗之間混合。
Negative prompt：負(fù)面提示詞，用文字描述不想在圖像中出現(xiàn)的內(nèi)容。
一些常見(jiàn)的負(fù)面提示詞：
lowres,bad anatomy,bad hands,text,error,missing fingers,
extra digit,fewer digits,cropped,worst quality,
low quality,normal quality,jpeg artifacts,signature,
watermark,username,blurry,missing arms,long neck,
Humpbacked,missing limb,too many fingers,
mutated,poorly drawn,out of frame,bad hands,
owres,unclear eyes,poorly drawn,cloned face,bad face
img2img
與 txt2img 類似，在文字提示詞的基礎(chǔ)上，增加了圖片提示。
Denoising strength：與原圖一致性的程度，一般大于 0.7 出來(lái)的都是新效果，小于 0.3 基本就會(huì)原圖一致
Extras
主要將圖像進(jìn)行優(yōu)化，Resize 設(shè)置放大的倍率，GFPGAN visibility 主要對(duì)圖像清晰度進(jìn)行優(yōu)化，CodeFormer visibility 對(duì)于老照片及人臉修復(fù)很有效，權(quán)重參數(shù)為 0 時(shí)效果最大，為 1 時(shí)效果最小，建議從 0.5 開(kāi)始嘗試。
Upscaler 放大算法，一般不清楚可不選，或者選 ESRGAN_4x。
Batch from Directory 可以進(jìn)行批量處理，在 Input directory 中輸入需要批量處理圖片的目錄，在 Output directory 中輸入保存結(jié)果目錄。
Scale to 中，可自定義圖片的尺寸。
Extensions
插件界面，installed 表示已經(jīng)安裝好的插件，Available 表示在線可用的插件，一般都是從這里安裝。
點(diǎn)擊 Load from: 加載出可用的插件，然后按 Ctrl + F，輸入想要安裝插件的名稱，以此進(jìn)行查找。
輸入 CN，查找漢化插件：
安裝后，重新啟動(dòng) UI 界面，插件就可以生效了。
兩個(gè)比較重要的插件：Dreambooth，ControlNet。
