《Stable Diffusion AI中文(機(jī)畫(huà)師)》是Stability AI開(kāi)源的一個(gè)text-to-image的擴(kuò)散模型，旨在激發(fā)人類(lèi)的潛能，提供了多種工具和模型，讓用戶(hù)可以利用AI技術(shù)創(chuàng)造新穎和獨(dú)特的設(shè)計(jì)、音樂(lè)、視頻、文本等內(nèi)容，完成專(zhuān)屬于自身的內(nèi)容創(chuàng)作，并向所有公眾用戶(hù)展現(xiàn)！

【軟件介紹】

Stable Diffusion AI中文是由CompVis、Stability AI和LAION共同開(kāi)發(fā)的一個(gè)文本轉(zhuǎn)圖像模型，通過(guò)LAION-5B子集大量的512x512圖文模型進(jìn)行訓(xùn)練。只要輸入一段簡(jiǎn)單的文本，Stable Diffusion就可以快速將其轉(zhuǎn)換為圖像，也可以導(dǎo)入圖像或者視頻，配合文本對(duì)其進(jìn)行處理。

目前，Stable Diffusion代碼開(kāi)源了，已經(jīng)在Hugging Face上線(xiàn)，無(wú)需擁有強(qiáng)大的硬件，也沒(méi)有復(fù)雜的本地安裝，只需輸入你想要的文字內(nèi)容（僅支持英文），就可以在線(xiàn)一鍵生成AI圖像。

【軟件特色】

1、Stable Diffusion是國(guó)外開(kāi)發(fā)的繪圖AI助手，讓AI幫助用戶(hù)快速繪圖

2、AI可以識(shí)別的繪畫(huà)風(fēng)格非常多，卡通的、寫(xiě)實(shí)的、油畫(huà)的都可以快速繪制

3、自動(dòng)完成繪圖上色，并且可以添加風(fēng)格效果，一分鐘內(nèi)完成高質(zhì)量繪圖作品

4、個(gè)人用戶(hù)可以通過(guò)AI快速繪圖，可以為自己設(shè)計(jì)草圖，方便后期自由優(yōu)化

5、Stable Diffusion提供的繪圖AI構(gòu)圖能力還是非常專(zhuān)業(yè)的，可以滿(mǎn)足大部分繪圖場(chǎng)景需求

6、無(wú)論是古典的繪圖作品還是現(xiàn)代風(fēng)格的繪圖作品都可以輕松完成

7、Stable Diffusion AI也可以對(duì)局部圖像內(nèi)容做簡(jiǎn)單的修改

8、無(wú)論是設(shè)計(jì)美術(shù)作品還是設(shè)計(jì)草圖、設(shè)計(jì)插畫(huà)、設(shè)計(jì)原畫(huà)都可以通過(guò)Stable Diffusion AI執(zhí)行

【stable diffusion和midjourney哪個(gè)好用】

Midjourney對(duì)語(yǔ)句的訓(xùn)練更精準(zhǔn)，圖片存留更友好；圖片跑出來(lái)后調(diào)整空間不大，只能通過(guò)墊圖繼續(xù)“精準(zhǔn)”一點(diǎn)，建議ps會(huì)更快。

Stable Diffusion跑小圖會(huì)更快，目前一次最多可以跑出9張圖，墊圖的時(shí)候可以使用畫(huà)筆涂抹區(qū)域，更人性化；生成大圖很肉痛，并且圖片也略小。

【stable diffusion 描述詞詳解】

這是一個(gè)通用的指南，內(nèi)容是基本通用的，可能有例外情況，請(qǐng)讀對(duì)應(yīng)的章節(jié)了解不同應(yīng)用的特性。

提示詞是提示而不是判定依據(jù)，比如你輸入質(zhì)量判定詞匯的時(shí)候，其實(shí)是在限制數(shù)據(jù)的范圍，而不是 “要求” AI 出一張很好的圖片。

單詞標(biāo)簽#

對(duì)于在標(biāo)簽單詞上特化訓(xùn)練的模型，建議使用逗號(hào)隔開(kāi)的單詞作為提示詞。

普通常見(jiàn)的單詞，例如是可以在數(shù)據(jù)集來(lái)源站點(diǎn)找到的著名標(biāo)簽（比如 Danbooru)。單詞的風(fēng)格要和圖像的整體風(fēng)格搭配，否則會(huì)出現(xiàn)混雜的風(fēng)格或噪點(diǎn)。

避免出現(xiàn)拼寫(xiě)錯(cuò)誤。NLP 模型可能將拼寫(xiě)錯(cuò)誤的單詞拆分為字母處理。

自然語(yǔ)言#

對(duì)于在自然語(yǔ)言上特化訓(xùn)練的模型，建議使用描述物體的句子作為提示詞。

取決于訓(xùn)練時(shí)使用的數(shù)據(jù)集，可以使用英文，日文，特殊符號(hào)或一些中文。大多數(shù)情況下英文較為有效。

避免 with 之類(lèi)的連接詞或復(fù)雜的語(yǔ)法，大多數(shù)情況下 NLP 模型只會(huì)進(jìn)行最簡(jiǎn)單的處理。

避免使用重音符（如 é 和 è）和德語(yǔ) umlauts（如 ä 和 ö），它們可能無(wú)法被映射到正確的語(yǔ)義中。

不建議隨意套用現(xiàn)成模板，尤其是無(wú)法經(jīng)過(guò)人類(lèi)理解的模板。

Emoji#

Emoji (💰,💶,💷,💴,💵,🎊,🪅🪄,🎀,👩‍🚀) 表情符號(hào)也是可以使用并且 非常準(zhǔn)確 的。

Emoji 因?yàn)橹挥幸粋�(gè)字符，所以在語(yǔ)義準(zhǔn)確度上表現(xiàn)良好。

Emoji 在構(gòu)圖上有影響，比如 💐☺️💐。

表情符號(hào)參考

顏文字#

對(duì)于使用 Danbooru 數(shù)據(jù)的模型來(lái)說(shuō)，可以使用顏文字在一定程度上控制出圖的表情。

例如：

:-) 微笑 :-( 不悅 ;-) 使眼色 :-D 開(kāi)心 :-P 吐舌頭 :-C 很悲傷 :-O 驚訝 張大口 :-/ 懷疑

僅支持西方顏文字，詳細(xì)內(nèi)容請(qǐng)見(jiàn) Danbooru 顏文字部分 或 維基百科

空格#

逗號(hào)前后的少量空格并不影響實(shí)際效果。

開(kāi)頭和結(jié)尾的額外空格會(huì)被直接丟棄。詞與詞之間的額外空格也會(huì)被丟棄。

標(biāo)點(diǎn)符號(hào)#

用逗號(hào)、句號(hào)、甚至是空字符（\0）來(lái)分隔關(guān)鍵詞，可以提高圖像質(zhì)量。目前還不清楚哪種類(lèi)型的標(biāo)點(diǎn)符號(hào)或哪種組合效果最好。當(dāng)有疑問(wèn)時(shí)，只要以一種使提示更容易被閱讀的方式來(lái)做。

對(duì)于部分模型，建議將下劃線(xiàn)（_）轉(zhuǎn)換為空格。

藝術(shù)風(fēng)格詞#

可以通過(guò)指定風(fēng)格關(guān)鍵詞來(lái)創(chuàng)作帶有特效或指定畫(huà)風(fēng)的圖片。

提示詞長(zhǎng)度#

避免過(guò)長(zhǎng)的提示詞。

提示詞放入的順序就是優(yōu)先級(jí)。由于提示詞的權(quán)重值從前向后遞減，放置在特別靠后的提示詞已經(jīng)對(duì)圖片的實(shí)際生成影響甚微。

不堆疊提示詞是一個(gè)好習(xí)慣，但是如果你確實(shí)有很多內(nèi)容要寫(xiě)，可以適當(dāng)提高生成步數(shù)，以便在生成過(guò)程中更好地利用提示詞。

SD-WebUI 突破最多 75 個(gè)詞組限制的方式是將每 20 + 55 個(gè)詞分為一組。選項(xiàng) Increase coherency by padding from the last comma within n tokens when using more than 75 tokens 讓程序試圖通過(guò)查找最后 N 個(gè)標(biāo)記中是否有最后一個(gè)逗號(hào)來(lái)緩解這種情況，如果有，則將所有經(jīng)過(guò)該逗號(hào)的內(nèi)容一起移動(dòng)到下一個(gè)集合中。該策略可適當(dāng)緩解提示詞過(guò)多無(wú)法處理的問(wèn)題，但可能破壞提示詞之間的權(quán)重關(guān)系。

除了 WebUI 對(duì)此情況進(jìn)行了特殊處理外，由于 GPT-3 模型限制，提示詞處理空間并不是無(wú)限的，大多在在 75-80 之間，75 字符后的內(nèi)容會(huì)被截?cái)唷?/p>

特異性#

問(wèn)題體現(xiàn)在語(yǔ)義偏移上。對(duì)于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練來(lái)說(shuō)，特征的質(zhì)量很重要：輸入和輸出之間的聯(lián)系越強(qiáng)，神經(jīng)網(wǎng)絡(luò)就越容易學(xué)習(xí)這種聯(lián)系。

換句話(huà)說(shuō)，如果一個(gè)關(guān)鍵詞有非常具體的含義，那么學(xué)習(xí)它與圖像之間的聯(lián)系要比一個(gè)關(guān)鍵詞有非常廣泛的含義容易得多。

這樣一來(lái)，即使是像 "Zettai Ryouiki" 這樣很少使用的關(guān)鍵詞也能產(chǎn)生非常好的結(jié)果，因?yàn)樗�只在非常具體的情況下使用。另一方面，"動(dòng)漫" 即使是一個(gè)比較常見(jiàn)的詞，也不會(huì)產(chǎn)生很好的結(jié)果，這可能是因?yàn)樗�被用于許多不同的情況，即使是沒(méi)有字面意思的動(dòng)漫。如果你想控制你的圖片的內(nèi)容，選擇具體的關(guān)鍵詞尤其重要。另外：你的措辭越不抽象越好。如果可能的話(huà)，避免留下解釋空間的措辭，或需要 "理解" 不屬于圖像的東西。甚至像 "大" 或 "小" 這樣的概念也是有問(wèn)題的，因?yàn)樗鼈兣c物體離相機(jī)近或遠(yuǎn)是無(wú)法區(qū)分的。理想情況下，使用有很大可能逐字出現(xiàn)在你想要的圖像標(biāo)題上的措辭。

語(yǔ)義失衡#

每一個(gè)提示詞就像染料一樣，它們的 “親和性“ 不同，如果更常見(jiàn)的提示詞，比如 loli (和其他提示詞并列放置)的影響就大于其他提示詞。

比如，如果你想生成動(dòng)漫圖片，使用了 星空 startrail 標(biāo)簽，相比你期望出現(xiàn)的動(dòng)漫星空，會(huì)有更多來(lái)自真實(shí)照片的星空元素。

否定提示詞#

SD-WebUI 網(wǎng)頁(yè)應(yīng)用會(huì)在生成時(shí) 避免生成否定提示詞提及的內(nèi)容。

否定提示是一種使用 Stable-Diffusion 的方式，允許用戶(hù)指定他不想看到的內(nèi)容，而不對(duì)模型本身做額外的要求。

通過(guò)指定 unconditional_conditioning 參數(shù)，在生成中采樣器會(huì)查看去噪后符合提示的圖像（城堡）和去噪后看起來(lái)符合負(fù)面提示的圖像（顆粒狀、霧狀）之間的差異，并嘗試將最終結(jié)果遠(yuǎn)離否定提示詞。

比如使用以下提示詞避免生成水印和文字內(nèi)容：

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

還如這個(gè)例子：

ugly, fat, obese, chubby, (((deformed))), [blurry], bad anatomy,

disfigured, poorly drawn face, mutation, mutated, (extra_limb),

(ugly), (poorly drawn hands fingers), messy drawing, morbid,

mutilated, tranny, trans, trannsexual, [out of frame], (bad proportions),

(poorly drawn body), (poorly drawn legs), worst quality, low quality,

normal quality, text, censored, gown, latex, pencil

【軟件測(cè)評(píng)】

Stable Diffusion AI是當(dāng)下一款強(qiáng)大的AI圖片生成器。它不僅支持文本描述生成圖片，還能以圖生圖，利用各種模型得到AI繪畫(huà)作品，還能訓(xùn)練個(gè)人的圖片模型，為大家提供的是最新2.2版本的下載方式，很多老司機(jī)懂的功能也將回歸，歡迎各位來(lái)本站安裝詳細(xì)了解哦。