Stable Diffusion超具体教程！从0-1入门到进阶

一、当地摆设 Stable Diffusion （全套教程文末领取哈）

媒介

现在市面上比力权势巨子，并能用于工作中的AI绘画软件着实就两款。一个叫Midjourney（简称MJ），另一个叫Stable-Diffusion（简称SD）。MJ须要付费使用，而SD开源免费，但是上手难度和学习资本略大，而且非常吃电脑设置（显卡、内存）。
E和Midjourney相比，Stable Diffusion 最大的上风是开源，这意味着Stable Diffusion的潜力巨大、发展飞快。由于开源免费属性，SD 已经劳绩了大量活泼用户，开辟者社群已经为此提供了大量免费高质量的外接预训练模子（fine-tune）和插件，而且在连续维护更新。在第三方插件和模子的加持下，SD拥有比Midjourney更加丰富的个性化功能，在颠末使用者调教后可以天生更贴近需求的图片，以致在 AI 视频殊效、AI音乐天生等范畴，Stable Diffusion 也占据了一席之地。
Stable Diffusion是一种潜伏扩散模子（Latent Diffusion Model），可以或许从文本形貌中天生具体的图像。它还可以用于图像修复、图像绘制、文本到图像和图像到图像等使命。简单地说，我们只要给出想要的图片的笔墨形貌在提Stable Diffusion就能天生符合你要求的传神的图像！
电脑设置

电脑设置最焦点的关键点：看显卡、看内存、看硬盘、看CPU。此中最紧张的是看显卡。N卡（英伟达Nvida独立显卡）首选，服从远超集显/AMD/Intel显卡和CPU渲染，最低10系起步，体验感佳用40系，显存最低4G，6G及格，上不封顶；内存最低8G，16G及格，上不封顶；硬盘可用空间最好有个500G朝上，固态最佳。
体系要求：支持 Win10/Win11/macOS（仅限Apple Silicon，Intel 版本的 Mac 无法调用 Radeon 显卡）和 Linux 体系，苹果版 SD 兼容的插件数目较少，功能性不及 Windows 与 Linux 电脑。
如果身边没有符合的电脑可以思量购买云主机，比如腾讯GPU云服务器。若无法使用独立显卡和云服务，亦可修改启动设置，使用CPU渲染（兼容性强，出图速率慢，须要16G以上内存）（云主机不保举恒久购买~）。

从图中可看出，与AMD或英特尔的任何产物相比，Nvidia的GPU提供了良好的性能–偶尔是以巨大的上风。随着DLL修复到位，RTX 4090的性能比带有xformers的RTX 3090 Ti高出50%，而没有xformers的性能则高出43%。天生每张图片只须要三秒多。
安装方法

SD开源地点：https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki
现在各人广泛采取的Stable Diffusion Web UI是发布于开源步调分享网站 Github 的 Python 项目，和寻常软件安装方法有所差别，不是下载安装即可用的软件，须要预备实行情况、编译源码，针对差别使用体系（使用体系依赖）、差别电脑（硬件依赖）另有做些手工调解，这须要使用者拥有肯定的步调开辟履历（可以现学），已经有许多大佬们写了具体的安装教程。（如https://www.tonyisstark.com/846.html @托尼不是塔克）
如果像我一样是小白不会装，现在可以直接使用大佬们做的一键启动步调包，比如国内@秋葉aaaki大大开辟的整合包，极大的低沉了安装门槛（猛烈保举！）

（详见https://www.bilibili.com/video/BV1ne4y1V7QU）一键启动包只是封装了可视化的一键界面，不影响出图结果，只是低沉了当地摆设的门槛。
Nvidia 显卡用户须知：在使用SD前，请登录 Nvidia 官网https://www.nvidia.cn/geforce/drivers/下载安装对应显卡最新版驱动步调，与显卡支持的最新版 CUDA 驱动。
启动SD

进入SD安装文件夹，双击 webui-user.bat，待其加载完成方可使用欣赏器（Chrome/Edge）登录默认的加载IP http://127.0.0.1:7860/

界面汉化

如果须要中文语言包，可以下载如下中文语言包扩展，下载界面网址为：https://github.com/VinsonLaro/stable-diffusion-webui-chinese
方法1：通过WebUI拓展举行安装
1.打开stable diffusion webui，进入"Extensions"选项卡
2.点击"Install from URL"，留意"URL for extension’s git repository"下方的输入框
3.粘贴或输入本Git堆栈地点https://github.com/VinsonLaro/stable-diffusion-webui-chinese
4.点击下方的黄色按钮"Install"即可完成安装，然后重启WebUI(点击"Install from URL"左方的"Installed"，然后点击黄色按钮"Apply and restart UI"网页下方的"Reload UI"完成重启)
5.点击"Settings"，左侧点击"User interface"界面，在界面里最下方的"Localization (requires restart)“，选择"Chinese-All"大概"Chinese-English”
6.点击界面最上方的黄色按钮"Apply settings"，再点击右侧的"Reload UI"即可完成汉化
二、界面根本

相识界面
接下来是具体的使用方法简介。现在SD并不存在通行可靠的使用规范，每个人的电脑设置、需求都不尽类似，cpkd/Safetensors大模子、VAE、embeding、lora等AI模子、各类插件、提示词、输出参数的组合牵一发则动浑身，须要各人有充足的耐心查阅插件开辟者的分析文档和来自https://civitai.com/中分享网站的使专心得，各人可以先到civitai上搜索中意的图例，复用原作者的出图提示词、参数和模子，再以此修改，如许学习的结果最为直观。

文生图：根据文本提示天生图像
图生图：根据提供的图像作为范本、联合文本提示天生图像
更多：优化(清楚、扩展)图像
图片信息：表现图像根本信息,包罗提示词和模子信息（除非信息被潜伏）
模子归并：把已有的模子按差别比例举行归并天生新模子
训练：根据提供的图片训练具有某种图像风格的模子

形貌语分为正向/负向形貌，它们也叫tag(标签）或prompt(提示词）
正面提示词：相比Midjourney须要写得更精准和过细，形貌少就给AI更多自由发挥空间。
负面提示词：不想让SD天生的内容。
正向：masterpiece, best quality, 更多画质词，画面形貌
反向：nsfw, 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,根据画面产出加不想出现的画面。

天生下面的5个小图标（从左到右依次分别是）

• 复原前次天生图片的提示词（自动记载）
  
• 清空当前全部提示词
  
• 打开模子选择界面
  
• 应用选择的风格模板到当前的提示词
  
• 存档当前的正反向提示词
  

采样方法

1.发起根据自己使用的checkpoint使用脚本跑网格图（用自己关心的参数）然后选择自己想要的结果。
2.懒得对比：请使用DPM++ 2M或DPM++ 2M Karras（二次元图）或UniPC，想要点惊喜和厘革，Euler a、DPM++ SDE、DPM++ SDE Karras（写实图）、DPM2 a Karras（留意调解对应eta值）
3.eta和sigma都是多样性干系的，但是它们的多样性来自步数的厘革，寻求更大多样性的话应该关注seed的厘革，这两项参数应该是在图片框架被选定后，再在此根本上做微调时使用的参数。
采样步数
稳固扩散通过从布满噪音的画布开始创建图像，并渐渐去噪以到达终极输出。此参数控制这些去噪步调的数目。通常越高越好，但在肯定水平上，我们使用的默认值是25个步调。以下是差别情况下使用哪个步调编号的一样平常指南：

• 如果您正在测试新的提示，并盼望得到快速结果来调解您的输入，请使用10-15个步调
  
• 当您找到您喜好的提示时，请将步调增长到25
  
• 如果是有毛皮的动物或有纹理的主题，天生的图像缺少一些细节，实验将其进步到40
  

面部修复：修复人物的面部，但好坏写实风格的人物开启面部修复大概导致面部崩坏。
平铺：天生一张可以平铺的图像
高分辨率重绘：使用两个步调的过程举行天生，以较小的分辨率创建图像，然后在不改变构图的情况下改进此中的细节，选中该选项会有一系列新的参数，
此中紧张的是：
放大算法：Latent 在许多情况下结果不错，但重绘幅度小于 0.5 后就不甚抱负。ESRGAN_4x、SwinR 4x 对 0.5 以下的重绘幅度有较好支持。
放大倍数: 通常2倍即可
重绘幅度：决定算法对图像内容的生存水平。该值越高，放大后图像就比放大前图像差异越大。低 denoising 意味着修正原图，高 denoising 就和原图就没有大的干系性了。一样平常来讲阈值是 0.7 左右，凌驾 0.7 和原图根本上无关，0.3 以下就是稍微改一些，0什么都不会改变，1会得到一个完全差别的图像。具体的实行步调为 重绘强度 * 重绘步数。

长宽尺寸(分辨率）

长宽尺寸并非数值越大越好，最佳的范围应在512至768像素之间，比如正方形图多是512*512和768*768，人像肖像 512x768，风景画 768×512，可按比例加大或减小，这个值必须是 8 的倍数。如果不盼望主题对象出现重复，应在此范围内选择恰当的尺寸。如果须要更高分辨率的图片，发起先使用SD模子天生图片，然后再使用符合的模子举行upscale。
天生批次：每次天生图像的组数。一次运行天生图像的数目为天生批次 * 每批数目。
每批数目：同时天生多少个图像。增长这个值可以进步性能，但你也须要更多的 VRAM。图像总数是这个值乘以批次数。除 4090 等高级显卡以外通常保持为 1。
提示词干系性CFG：较高的数值将进步天生结果与提示的匹配度。
OpenArt上使用的默认CFG是7，这在创造力和天生你想要的东西之间提供了最佳均衡。通常不发起低于5。
CFG量表可以分为差别的范围，每个范围都恰当差别的提树模例和目的
CFG 2 – 6：有创意，但大概太扭曲，没有依照提示。对于简短的提示来说，可以很风趣和有效
CFG 710：保举用于大多数提示。创造力和引导一代之间的精良均衡
CFG 10-15：当您确定您的提示是具体且非常清楚的，您盼望图像是什么样子时
CFG 16-20：除非提示非常具体，否则通常不保举。大概影响划一性和质量
CFG >20：险些无法使用
随机种子（Seed）:天生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本。不懂的话，用随机的即可。
提示词天生

开始不知道怎么写提示词，可以先参考良好的风格模板作为起手式，还可以借助形貌语工具和网站，多出图多研究，把握了出图规律，逐步就可以自己写提示词啦，写提示词要尽大概写的具体。跑AI的过程就像抽卡，抽出一堆卡，选出你审美范畴里以为悦目的。

找tag关键词网站：

可参考Civitai | Stable Diffusion models, embeddings, hypernetworks and more中良好作品的提示词作为模板。
其他网站另有：
ChatGPT：https://chat.openai.com/
AI Creator：https://ai-creator.net/arts
NovelAI：https://spell.novelai.dev
魔咒百科辞书：https://aitag.top
AI咒术天生器：https://tag.redsex.cc/
AI词汇加速器 AcceleratorI Prompt：
词图 PromptTool：https://www.prompttool.com/NovelAI
鳖哲法典：http://tomxlysplay.com.cn/#/
Danbooru tag：Tag Groups Wiki | Danbooru (http://donmai.us)


Prompt格式优化
第一段：画质tag，画风tag
第二段：画面主体，主体夸大，主体细节概括（主体可以是人、事、物、景）画面焦点内容
第三段：画面场景细节，或人物细节，embedding tag。画面细节内容
第二段一样平常提供人数，人物重要特性，重要动作（一样平常置于人物之前），物体重要特性，主景或景致框架等
举个例子

(具体场景照旧要机动应用，多实验，找到符合自己的节奏和风格）
第一段：masterpiece, best quality, 4k, ( Pixar - style :1.4)
第二段：1boy,(Cute,handsome,wearing outdoor sportswear :0.7), 3D,(Face close-up :1.2), (at night, surrounded by glowing plants, flowers, flying fireflies, bonfires), (Ultra detailed, aesthetic, beautiful composition, rich bright colors, volumetric soft light).
第三段：Inspired by Alice in Wonderland, magic, fairy tales. unreal Engine, octane render, cuteness render, awe inspiring, beautiful, lora:blindbox\_V1Mix:1

Prompt规则细节

1. 越靠前的Tag权重越大。
2. 天生图片的巨细会影响Prompt的结果，图片越大须要的Prompt越多，否则Prompt会相互污染。
3.Stable-diffusion中，可以使用括号人工修改提示词的权重，方法如下：
(word) - 将权重进步 1.1 倍
((word)) - 将权重进步 1.21 倍（= 1.1 * 1.1）
[word] - 将权重低沉至原先的 90.91%
(word:1.5) - 将权重进步 1.5 倍
(word:0.25) - 将权重镌汰为原先的 25%
请留意，权重值最好不要凌驾 1.5

4. Prompt支持使用emoji，可通过添加emoji到达表现结果。如 形容心情， 可修手。
5.“+” ， “ AND” ， “|” 用法：“+”和“ AND ”都是用于毗连短Tag，但AND两端要加空格。"+“约便是” and "；“|” 为循环绘制符号（融合符号）(Prompt A: w1)|(Prompt B: w2)
以上表达实用于WebUI，w1、w2为权重。AI会对A、 B两Prompt举行循环绘制。可今后无穷参加Prompt。
6.tag不肯定是多么布满细节，只要模子稳固。小图+高分辨率重绘。800*400的图变成1600*800，初识小图镌汰崩坏概率。
7.关键词最好具有特异性，譬如 Anime(动漫)一词就相对泛化，而Jojo一词就能清楚地指向 Jojo动漫的画风。说话越不抽象越好，尽大概制止留下表明空间的说话。
三、相识模子

下载模子

主流模子下载网站：
Hugging face是一个专注于构建、训练和摆设先辈开源呆板学习模子的网站：https://huggingface.co/
Civitai是一个专为Stable Diffusion AI艺术模子操持的网站，好坏常好的AI模子库：https://civitai.com/
主流模子被删除可以去备用模子站下载：https://www.4b3.com

模子选择

怎样选择符合模子是最紧张的。
从你想画的风格（写实、二次元、卡通盲盒等）来选择大模子，再搭共同适的Lora。
1.Checkpoint

体积较大，也被称为大模子，差别的大模子使用差别的图片训练而成，对应差别的风格，相当于最底层的引擎。偶尔候须要大模子+VAE+emb+Lora连合搭配使用以到达须要的结果。
下载的大模子可放置于SD文件夹/models/Stable-diffusion内。

2.Lora

Lora是特性模子，体积较小，是基于某个确定的脚色、确定的风格大概固定的动作训练而成的模子，可使用权重控制，确定性要远强于embedding。embedding和Lora有功能交集的部门，也有相互不可取代的地方。
在ckpt大模子上附加使用，对人物、姿势、物体表现较好。在webui界面的Additional Networks下勾线Enable启用，然后在Model下选择模子，并可用Weight调解权重。权重越大，该 Lora 的影响也越大。不发起权重过大（凌驾1.2），否则很容易出现扭曲的结果。
多个Lora模子混淆使用可以起到叠加结果，譬如一个控制面部的Lora 共同一个控制画风的 Lora就可以天生具有特定画风的特定人物。因此可以使用多个专注于差别方面优化的Lora，分别调解权重，联合出自己想要实现的结果。
LoHA 模子是一种 LORA 模子的改进。
LoCon 模子也一种 LORA 模子的改进，泛化本事更强。
下载的Lora可放置于SD文件夹/models/Lora内。

3.VAE

VAE模子类似滤镜，对画面举行调色与微调，一样平常须要搭配相应的模子一起使用。（如果图片比力灰，颜色不太靓丽，就大概是没加载vae)
下载的VAE可放置于SD文件夹/models/VAE内。


4.Textual inversion（embedding）
关键词预设模子，即关键词打包，即便是预设好一篮子关键词a,b,c打包，进而来指代特定的对象/风格。也可以通过下载Textual inversion进使用用。
下载的embedding可放置于SD文件夹/embeddings内。
四、ControlNet

ControlNet使得SD从玩具变成做贸易项目的神器，接下来会重中之重来具体解说一下。

ControlNet是斯坦福大学研究职员开辟的Stable Diffusion的扩展，使创作者可以或许轻松地控制AI图像和视频中的对象。它将根据边沿检测、草图处置处罚或人体姿势等各种条件来控制图像天生。ControlNet可以概括为一种简单的稳固扩散微调方法。ControlNet的工作原理是将可训练的网络模块附加到稳固扩散模子的U-Net （噪声猜测器）的各个部门。Stable Diffusion 模子的权重是锁定的，在训练过程中它们是稳定的。在训练期间仅修改附加模块。


安装
从github上找到并把网址填到扩展里安装，安装完跋文得点击 Apply and restart UI（https://github.com/Mikubill/sd-webui-controlnet）

1.将ControlNet模子（.pt、.pth、.ckpt或.safetensors）放入models/ControlNet文件夹。
2.打开“txt2img”或“img2img”选项卡，写下您的提示。
3.按“革新模子”，选择要使用的模子。（若没有出现，请实验重新加载/重新启动webui）
4.上传您的图像并选择预处置处罚器，完成。
现在，它支持完备型号和修剪型号。使用extract_controlnet.py从原始.pth文件中提取controlnet。
预训练模子：https://huggingface.co/lllyasviel/ControlNet/tree/main/models
界面先容

开启 :选中此框以启用ControlNet。
颜色反转：互换玄色和白色。比方，它可以在您上传涂鸦时使用。ControlNet 须要玄色配景和白色涂鸦。如果您使用白色配景的外部软件创建涂鸦，则必须使用此选项。如果您使用 ControlNet 的界面创建涂鸦，则不须要使用此选项。
RGB转为BGR :用于检测用户导入图像中的颜色信息。偶尔图像中的颜色信息大概与扩展所盼望的差别。如果您上传图像并使用预处置处罚，则无需选中此框。
低显存:这将减缓ETA历程，但有助于使用更少的盘算空间(显存小于8 GB VRAM发起使用)，查抄您是否用完了 GPU 内存，大概想要增优点理的图像数目。
推测模式:ControlNet自动辨认图像(不须要提示和负面提示)与选定的预处置处罚器。它欺压 ControlNet 编码器依照输入控制图（如深度、边沿等)，纵然没有提示也是云云。使用此模式时使用更高的步进，比方50，但是这个结果不肯定好。

权重（Weight)：代表使用 ControlNet 天生图片时被应用的权重占比。
引导到场机遇（Guidance Start)：在明确此功能之前，我们应该先知道天生图片的 Sampling steps 采样步数功能，步数代表天生一张图片要革新盘算多少次，Guidance Start(T) 设置为 0 即代表开始时就到场，默以为 0，设置为 0.5 时即代表 ControlNet 从 50% 步数时开始到场盘算。
引导退出机遇（Guidance End)：和引导到场机遇相对应，如设置为1，则体现在100%盘算完时才会退出到场也就是不退出，默以为 1，可调治范围 0-1，如设置为 0.8 时即代表从80% 步数时退出到场。

调解巨细模式提供了调解ControlNet巨细和上传图像的纵横比。
Just Resize:不生存纵横比的情况下，改变ControlNet图像的巨细以匹配Txt2Img设置的宽度和高度。这包罗拉伸或压缩图像以顺应指定的尺寸。
Scale to Fit (Inner Fit):调解ControlNet图像的巨细以顺应Txt2Image的尺寸。它将调解图像的巨细，直到它可以或许顺应Txt2Image设置的宽度和高度。
Envelope (Outer Fit):调解Txt2Image的巨细以顺应ControlNet图像的尺寸。它将调解图像的巨细，直到Txt2Image设置可以恰当ControlNet图像。
画布宽度 和 画布高度 提供手动创建画图或草图以，不上传任何图像（最好使用 Scribble 预处置处罚器以得到精良的输出）。它会调解空缺画布的巨细来举行绘制，不会影响上传的原始图像。

预览图片处置处罚结果：可以或许快速检察选择的预处置处罚器是怎样将上传的图像或画图转换为 ControlNet的检测图。对在渲染输出图像之前实验各种预处置处罚器有效，可节省我们的时间。
潜伏处置处罚结果：删除预览图像。

预处置处罚器和模子是ControlNet的重要选项。
预处置处罚器：用于对输入图像举行预处置处罚，比方检测边沿、深度和法线贴图。None使用输入图像作为控制图。 根据所需的输出，用户可以选择相应的控制方法。
模子：如果您选择了预处置处罚器，您通常会选择相应的模子。但是它并不限定你混淆和匹配全部的预处置处罚器和模子，但是混淆多了就会产生负面结果，以是最好使用更加匹配的模子而且越少越好。ControlNet模子与在AUTOMATIC1111 GUI顶部选择的稳固扩散模子一起使用。
预处置处罚器

下面我们先容几个常用的 ControlNet，并在下面举例分析怎样使用它。

1、Canny边沿检测
Canny通过使用边沿检测器创建高对比度地区的外貌来检测输入图像。线条可以捕获到非常具体的信息，但如果你的图像配景中有一些物体，它很大概会检测到不须要的物体。以是配景中物体越少结果越好。用于此预处置处罚器的最佳模子是control_sd15_canny。

2、Depth & Depth Leres



这个预处置处罚器有助于天生输入图像的深度估计。深度通常用于控制图像内物体的空间定位。淡色地区意味着它离用户更近，而深色地区则离用户更远。
在大图像时它大概会丢失图像内部的细节(面部心情等)。一样平常会与control_sd15_depth模子组合使用。Midas Resolution函数用于增长或镌汰detectmap中的巨细和细节级别。它的级别越高，将使用更多的VRAM，但可以天生更高质量的图像，反之亦然。
Depth Leres有与Depth 类似的根本概念，但在舆图中包罗更广泛的范围。但偶尔它会从图片中捕获了太多信息，大概会天生与原始图像略有差别的图像。以是最好先试用两种预处置处罚器，然后决定哪一种。

3、HED (Holistically-Nested Edge Detection)



Hed可以在物体附近创建清楚和风雅的界限，输出类似于Canny，但镌汰了噪声和更柔软的边沿。它的有效性在于可以或许捕获复杂的细节和外貌，同时生存细节特性(面部心情、头发、手指等)。Hed预处置处罚器可用于修改图像的风格和颜色。用于此预处置处罚器的最佳模子是control_sd15_hed。

4、MLSD ( Mobile Line Segment Detection)

MLSD Preprocessor 最恰当天生强有力的线条，这些线条可以或许检测出须要独特和刚性外貌的修建和其他人造作品。但是它不实用于处置处罚非刚性或弯曲的物体。MLSD实用于天生室内布局或修建布局，由于它可以突出直线和边沿。用于此预处置处罚器的最佳模子是control_sd15_mlsd。

5、Normal map

法线图使用了三种重要颜色(红、绿、蓝)，通过差别的角度来精确定位物体的粗糙度和光滑水平。它天生法线图的根本估计，可以生存相当多的细节，但大概会产交易想不到的结果，由于法线图完全来自图像，而不是在3D建模软件中构建的。
法线图有利于突出复杂的细节和外貌，而且在定位对象方面也很有效，特殊是在靠近度和间隔方面。“Normal Background Threshold”用于调解配景身分。设置一个更高的阈值可以移除配景的远处部门(将其混淆成紫色)。低沉阈值将下令AI生存以致表现额外的配景元素。用于此预处置处罚器的最佳模子是control_sd15_normal。

6、OpenPose

这个预处置处罚器天生了一个根本的骨骼洋火人形象。这种技能被广泛采取，由于多个 OpenPose骨架可以组合成一个图像，这有助于引导稳固扩散天生多个划一的主题。骨架图有许多关节点，每个点代表如下图所示。

7、Scribble

涂鸦的目的是从简单的好坏线条画和草图天生图像。用户也可以使用“Canvas”选项创建特定巨细的空缺画布，用于手动素描（也可以直接上传图像）。如果草图和画图由白色配景上的黑线构成，则须要选中“Invert Input Color”复选框。用于这个预处置处罚器的最佳模子是control_sd15_openpose。

8、Segmentation

分割预处置处罚器检测并将上传的图像分割为同一图像内的段或地区。该模子在天生一组新的图像时，将detectmap图像应用于文本提示。用于此预处置处罚器的最佳模子是control_sd15_seg。

附录：预处置处罚器与对应模子清单

总结

使用AI画图工具Stable Diffusion确实能进步美术工作者的生产服从，但是请记着：人工智能，没有人工就没有智能。Stable Diffusion并不是简单易上手的APP，我们须要耗费肯定的时间和精力去学习和不停调试，才气使其真正为我们所用，高效产出结果符合需求的图片。
末了，我为各人简单摆列一下使用SD的几项焦点本事：
1.Github使用本事，使用者在纯熟把握Github开源项目的安装、调参、排错、编程情况设置等技能后，就不会在SD报错时魂飞魄散了。
2.根本出图调试本事，这项本事可以或许让使用者无需帮助就能自行探索稳固输出可用的图片。
3.Controlnet构图本事，基于Controlnet的构图控制是美术从业者驾御SD的缰绳，不会用Controlnet，你只会被随机噪声牵着走。
4.学习插件并组合使用的本事。
5.Lora等小模子的训练本事（进阶）。


关于AI绘画技能储备

学好 AI绘画 岂论是就业照旧做副业赢利都不错，但要学会 AI绘画 照旧要有一个学习规划。末了各人分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小同伴们一点资助！
   👉CSDN大礼包：《StableDiffusion安装包&AI绘画入门学习资料》免费分享
  

  对于0根本小白入门：
   如果你是零根本小白，想快速入门AI绘画是可以思量的。
  一方面是学习时间相对较短，学习内容更全面更会合。
二方面是可以找到恰当自己的学习方案
  包罗：stable diffusion安装包、stable diffusion0根本入门全套PDF，视频学习教程。带你从零根本体系性的学好AI绘画！
1.stable diffusion安装包 （全套教程文末领取哈）

随着技能的迭代，现在 Stable Diffusion 已经可以或许天生非常艺术化的图片了，完全有赶超人类的架势，已经有不少工作被这类服务更换，比如制作一个 logo 图片，画一张捏造妻子照片，画质堪比相机。
最新 Stable Diffusion 除了有win多个版本，就算说底端的显卡也能玩了哦！别的还带来了Mac版本，仅支持macOS 12.3或更高版本。

2.stable diffusion视频合集

我们在学习的时间，通常册本源码难以明确，阅读困难，这时间视频教程教程是就很恰当了，生动形象加上案例实战，一步步带你入坑stable diffusion，科学风趣才气更方便的学习下去。

3.stable diffusion模子下载

stable diffusion通常一开始使用时图片等无法到达抱负的天生结果，这时则须要通过使用大量训练数据，调解模子的超参数（如学习率、训练轮数、模子巨细等），可以使得模子更好地顺应数据集，并天生更加真实、精确、高质量的图像。

4.stable diffusion提示词

提示词是构建由文本到图像模子表明和明确的单词的过程。可以把它明确为你告诉 AI 模子要画什么而须要说的语言，整个SD学习过程中都离不开这本提示词手册。

5.SD从0到落地实战演练

如果你能在15天内完成全部的使命，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名SD大神的精确特性了。