Stable diffusion prompts 使用语法、参数讲解、插件安装教程
本文基于 Stable diffusion WebUI 进行讲解（安装在 AutoDL 上，安装在本地电脑上的也同样适用本教程）。
初始界面：
文件目录结构：
上图红框中的 4 个文件夹是我们常用到的，embeddings 放置训练的 embedding 模型，它可以在我们使用基础模型时，再添加此模型进行叠加效果。
extensions 插件安装目录，在 WebUI 插件安装界面安装后，可以此文件夹中查看，并上传相应的插件模型（如 ControlNet 需要专门的模型）
Models 模型文件夹，安装时会默认下载 v1-5-pruned-emaonly，我们从其它地方下载的模型可以拷贝到此文件夹，在需要使用某个模型时，可以进行切换，如下图：
outputs 生成的图系统会输出到这个文件夹里，可进行查看及保存。
上图从左到右，依次是：
txt2img： 文字生成图片
img2img： 图片生成图片
Extras： “无损”放大图片，优化(清晰、扩展)图像
**PNG info：**从图片 exif 里获取图片的信息，如果是 Stable Diffusion 原始生成的 png 图片，图片的 exif 信息里会写入图片生成参数
**Checkpoint Merger：**合并不同的模型，生成新的模型
**Train：**训练 embedding 或者 hypernetwork
**Settings：**设置页面
**Extensions：**插件的安装和管理页面
txt2img
**Sampling method：**采样方法
● Euler a ：富有创造力，不同步数可以生产出不同的图片。 超过 30~40 步基本就没什么增益了
● Euler：最常见的基础算法，最简单也最快
● DDIM：速度快，一般 20 步差不多
● LMS：eular 的延伸算法，相对更稳定一点，30 步就比较稳定
● PLMS：改进一点的 LMS
● DPM2：DDIM 的一种改进版，速度大约是 DDIM 的两倍
**Sampling Steps：**采样迭代步数
先随机出一个噪声图片，然后一步步调整图片，向提示词 Prompt 靠拢。其实就是告诉 Stable Diffusion，这样的步骤应该进行多少次，步骤越多，每一步移动也就越小越精确，同时也成比例地增加生成图像所需要的时间。大部分采样器超过 50 步后意义就不大了
**Restore faces：**优化面部，绘制面部图像特别注意。原理是调用一个神经网络模型对面部进行修复
**Tiling：**生成一个可以平铺的图像
**Highres. fix：**先生成低分辩率的图，接着添加细节之后再输出，可以把低分辨率的照片调整到高分辨率
Batch count、 Batch size： 都是生成几张图，前者计算时间长，后者需要显存大
**Denoising strength：**决定算法对图像内容的保留程度。因为加的噪声少，原图片部分多，加的噪声多，原图片部分少。在 0 处，什么都不会改变，而在 1 处，你会得到一个不相关的图像
**CFG Scale：**对描述参数的倾向程度（也就是生成图像与提示词的一致程度），越低的值产生越有创意的结果，如果太低，例如 1，那 Promp t就完全没用了。一般在 5~15 之间为好，7，9，12 是 3 个常见的设置值
**Seed：**种子数，只要种子数、参数、模型都一致，就能重新生成一样的图像，-1 的话是生成一个随机数
Prompt 语法
正向提示词例子：
(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：**不同的关键词tag之间，需要使用英文逗号 , 分隔，逗号前后有空格或者换行不影响结果。例如：1girl,loli,long hair,low twintails（1 个女孩，loli，长发，低双马尾）
**混合：**WebUI 使用 | 分隔多个关键词，实现混合多个要素，注意混合是同等比例、同时混。例如：1girl,red|blue hair, long hair（1个女孩，红色与蓝色头发混合，长发）
**增强/减弱：**有两种写法。
● 第一种 (提示词:权重数值)：数值从0.1~100，默认状态是 1，低于 1 就是减弱，大于 1 就是加强。例如：(loli:1.21),(one girl:1.21),(cat ears:1.1),(flower hairpin:0.9)
● 第二种 (((提示词)))，每套一层()括号增强 1.1 倍,每套一层 [] 减弱 1.1 倍。也就是套两层是1.1*1.1=1.21 倍，套三层是 1.331 倍，套 4 层是 1.4641 倍。例如： ((loli)),((one girl)),(cat ears),[flower hairpin]，这与第一种写法等价，所以还是建议使用第一种方式。
**渐变：**可简单的理解时为，先按某种关键词生成，然后再此基础上向某个方向变化。
[关键词1:关键词2:数字]，数字大于 1 理解为第 X 步前为关键词 1，第 X 步后变成关键词 2，数字小于 1 理解为总步数的百分之 X 前为关键词 1，之后变成关键词 2。
例如：a girl with very long [white:yellow:16] hair 等价为开始 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 等价为开始 a girl with very long white hair，50% 步之后 a girl with very long yellow hair
**交替：**轮流使用关键词，例如：[cow|horse] in a field，这就是个牛与马的混合物；[cow|horse|cat|dog] in a field 就是牛、马、猫、狗之间混合。
**Negative prompt：**负面提示词，用文字描述不想在图像中出现的内容。
一些常见的负面提示词：
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
与 txt2img 类似，在文字提示词的基础上，增加了图片提示。
Denoising strength：与原图一致性的程度，一般大于 0.7 出来的都是新效果，小于 0.3 基本就会原图一致
Extras
主要将图像进行优化，Resize 设置放大的倍率，GFPGAN visibility 主要对图像清晰度进行优化，CodeFormer visibility 对于老照片及人脸修复很有效，权重参数为 0 时效果最大，为 1 时效果最小，建议从 0.5 开始尝试。
Upscaler 放大算法，一般不清楚可不选，或者选 ESRGAN_4x。
Batch from Directory 可以进行批量处理，在 Input directory 中输入需要批量处理图片的目录，在 Output directory 中输入保存结果目录。
Scale to 中，可自定义图片的尺寸。
Extensions
插件界面，installed 表示已经安装好的插件，Available 表示在线可用的插件，一般都是从这里安装。
点击 Load from: 加载出可用的插件，然后按 Ctrl + F，输入想要安装插件的名称，以此进行查找。
输入 CN，查找汉化插件：
安装后，重新启动 UI 界面，插件就可以生效了。
两个比较重要的插件：Dreambooth，ControlNet。