大家好，我是程序员晓晓
今天给大家分享一个特别强大的Stable Diffusion插件：EasyPhoto，这个插件一直在迭代，从最开始的AI写真，然后是AI视频，到最近的AI换装，能力一直在持续增强。
这个插件的基础能力是Lora训练，只需要5-20张特定人物或者风景的照片，不需要对图片进行任何格式化和打标的处理，也不需要理解各种复杂的参数，就可以生成一个独特的Lora模型；然后基于这个模型，我们就可以生成特定形象的照片、视频，可以文生图（视频），也可以图生图（视频）。
下面是我的效果展示，人物形象来自寡姐，最左边这张是原图，右边两张是生成的图片。效果还不错，最有特色的就是寡姐的这个小鼻子，模仿的惟妙惟肖。
安装插件
进入Stable Diffusion WebUI的插件管理页面，选择“从网址安装”，输入插件地址，点击“安装”即可。
插件地址：https://github.com/aigc-apps/sd-webui-EasyPhoto.git
如链接无法安装，请看文末获取
这个插件会使用很多的模型，不过大家不用担心模型下载速度，因为下载链接都是阿里云的，速度会很快。
但是大家要考虑下硬盘空间，最好准备20G的空闲硬盘空间。
安装成功之后，重启WebUI，就能在一级菜单中看到EasyPhoto了。
训练Lora
如下图所示，首先上传5-20张用来训练模型的图片，可以去百度图片上下载；然后需要一个基础模型，最好是和训练图片的风格搭配的，训练人物用默认的这个也可以，它会自动下载模型；最后点击“Start Traning”开始训练，这个过程需要的时间可能比较长，可能需要20分钟，请耐心等待。其它参数使用默认的即可，当然如果你想调整，可以看我这篇文章：LoRA模型训练
训练成功之后，会显示：The training has been completed.
除了训练人物，我们还可以训练场景，方便生成时让人物出现在不同的场景中，比如朋克场景、室内场景、圣诞场景、新年场景等，训练场景时同样需要包含人物在训练图片中，只不过换成了场景不怎么变、人物多变。
生成图片
我们首先来看下图生图，这其实是个AI写真的功能，可以换掉图片中的人脸。我们可以使用插件自带的模版，也可以上传你认可的照片，这里选择一张肖像照片。
下边还有一些生成参数：
一个生成图片用的大模型，需要和上边选择的参考图片风格保持一致。
基于预训练的大模型（Infer with Pretrained Lora）、基于IP-Adapter ControlNet（Infer with IPA only，这种方法不需要预训练的Lora模型）。
如果选择“Infer with Pretrained Lora”，需要设置下边的参数：
如果图片中有多张脸需要替换，可以使用“Num of Faceid”来指定要替换的脸的数量，最多替换5张。
“User_x id”用来选择上一步训练的Lora模型。
如果选择“Infer with IPA only”，则需要上传一张照片，生成的图片中会使用这张照片中的人脸，我们还可以设置ControlNet的权重，设置的权重越高，生成图片中的人脸越靠近这里上传的照片。
使用预训练模型生成图片的效果如下图所示：
文生图和图生图的参数有些差别，如下图所示，依次是：提示词，选择场景Lora（插件会自带一些，我们也可以自己训练场景Lora），图片的分辨率，姿势控制方式、生成图片用的基础模型、人脸的来源（预训练Lora、IP-Adapter控制器）。
生成视频
EasyPhoto生成视频使用的是AnimateDiff，支持文生图、图生图和视频生视频。
先看视频生成效果：
文生视频的一些参数设置：既然是文生视频，这里需要一些提示词，另外还可以通过上传一个视频来控制生成视频的的人物动作。注意EasyPhoto中生成视频时必须使用上文提到的预训练Lora模型。
点开高级设置，还有一些对生成视频影响比较大的参数。
Prompt 提示词：就是Stable Diffusion生成图片的提示词，可以用来控制一些图片效果。
视频帧数：Video Max num of frames 是视频的全部帧数，Video Max fps 是每秒帧数，Video Save as 是保存成gif还是mp4。
Lora模型的权重：Video Lora Weights of User id 是生成图片时Lora模型的权重。
图生视频的一些设置：参考图可以基于一张图片，也可以从一张图片过渡到另一张图片。提示词要写一下，最好是描述动作的。图片重绘度要设置的小一点，避免生成图片变化太多。
下面是官方给出的一个图片过渡的效果展示：
视频生成视频的设置：这个设置比较简单，上传一个参考视频，生成的视频会使用此视频中的动作；选择合适的生图模型，最后选择之前预训练的Lora模型。
换装
点击“Virtual Try On”进入换装模块。
首先在这里上传一张要换装的图片，用画笔涂抹要换装的区域，或者上传一张模版图片。
然后在这里选择或者上传要使用的服装。
这个换装的效果不是特别稳定，如果效果不太好，可以多试几次。
资源下载
因技术迭代更新较快，本文提到的方法可能会过期失效，不过我会定期检查更新文章，因文章在多平台发布，可能出现更新延迟的情况，如需最新版本请通过下方获取。
另外本系列使用的大模型、Lora模型、SD插件、示例图片等，都已经上传到我整理的 Stable Diffusion 绘画资源中，后续也会持续更新，最新下载地址也可通过下方获取。
写在最后
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。