你最近是否看过这样的“魔法案例”，由一张简单的SU体块图片，快速生成多个设计方案，就像这样：
©绘图空间
而看过之后，你是否也在心里想着——“教练！我要学这个！”
今天我们就将带你入门这种“魔法”的源头——生成式AI工具Stable Diffusion。
01
Stable Diffusion本地部署
Stable Diffusion Local Deployment
Stable Diffusion运行需求©绘****图空间
如果你的电脑满足以上要求，那么就可以进行Stable Diffusion的本地部署了。
下载好整合包之后，你需要将文件解压在全英文的安装路径中，这样将减少后期报错的可能。然后按照以下步骤完成Stable Diffusion本地部署。
具体步骤如下：
待启动器页面弹出后，点击“一键启动”：
首次启动Stable Diffusion可能需要较长的时间，请耐心等待：
当Stable Diffusion界面自动弹出时，就代表着你已经完成其本地部署。
02
WebUI简介
Introduction to WebUI
在使用Stable Diffusion创作之前，我们先熟悉一下Stable Diffusion的界面。
在界面的左上角，你可以选择进行创作的基础模型。
在模型选择的下方，是输入提示词的文本栏。与Midjourney不同的是，Stable Diffusion还拥有一行反提示词文本栏，你可以将不希望呈现在画面中的元素输入进去以贴合创作需求。
对书写提示词有疑问的朋友，可稍后阅读我们的往期文章《建筑方向AI绘图描述词Prompt看这篇就够了！》，相信一定会对你有所帮助。而下方也有我们整理的部分建筑方向常用反向提示词以供参考。
建筑方向常用反向提示词整理©绘图空间
提示词文本栏的下方，是采样方法与迭代步数。其中，采样方法我们不作过多探讨，感兴趣的朋友可以自行查找一些AI方向的研究文章进行了解。我们主要介绍一下迭代步数的意义。
简单的来讲，迭代步数影响的是创作画面的细节丰富程度。迭代步数越多，所产生的细节就越多。
但并非迭代步数越多越好，这需要结合创作项目来进行实际调试。可能有时候迭代步数稍低所生成的图片更能贴合创作需求。所以这是一个经验值，大家因创作而异。
在采样方法与迭代步数的下方，是十分好理解的图片宽度、高度、生成批次、每批数量。
我们着重介绍的是在它们下方的提示词相关性。它控制着产出图片受输入提示词的影响程度。我们一般取值范围在7-15。
提示词相关性的下方，是十分重要的随机种子参数以及ControlNet插件。可以说，正是因为有了ControlNet插件，才使得Stable Diffusion区别于Midjourney等“抽盲盒”式AI生成工具，更能应用于建筑方向实际项目之中。
接下来我们就将通过一个案例来讲解如何入门ControlNet。
03
ControlNet入门
Getting Started with ControlNet
我们在AI设计讨论群提供的Stable Diffusion整合包中，已经配置好了ControlNet插件。
而如果有朋友之前已经本地部署了Stable Diffusion，却没有安装ControlNet插件，可以按照以下方式进行安装（该方法也是Stable Diffusion安装插件的通用方法）：
Stable Diffusion插件安装流程©绘****图空间
在确保已经安装ControlNet插件之后，你需要将ControlNet的根路径进行更改，具体流程如下：
需要注意的是，该操作需在“科学上网”前提下进行，对“科学上网”有疑问的朋友，可联系我们的客服。
案例教学
case study
下面将通过一个案例介绍如何入门ControlNet。
第1步：填写好提示词与反提示词：
第2步：在SU中搭建一个体块模型，并导出二维图片。
第3步：将导出的SU体块图片拖入到ControlNet中，如下图所示：
第4步：点击enable（启动）按钮。选择preprocessor（预处理方式），并在Model（模型）中选择preprocessor所对应的模型：
第5步：调整权重栏数值，权重越高生成的图片就越贴合我们提供的原始模型图片，具体数值根据实际项目需求进行调整：
第6步：在随机种子栏我们选择默认的-1（对应的是骰子图标），它代表的是本次图片生成将完全随机：
生成批次与每批数量我们分别选择3、4。这样一次我们就能得到12张图片。
第7步：最后点击生成按钮，稍等一会，我们就将得到如下的图片：
©绘图空间
点击单张图片，可以放大对应的作品：
©绘图空间
如果在生成的图片中，有想继续深化的作品，选中它后，在随机种子栏，点击绿色按钮，将获得一段种子代码，此后生成的作品就将基于这个代码进行创作，以保证创作的可控性：
我们获取上图的种子代码，然后在此代码的基础上再进行生成，就会得到如下的图片（我们选择生成4张作品）：
©绘图空间
可以看出新生成的作品与我们选中的作品风格、构造都比较接近。
而通过ControlNet插件，我们还可以做到从手绘草图直接生成设计方案：
保持我们上述的提示词、反提示词与各种参数设置不变，直接将手绘图纸拖入到ControlNet中：
点击生成按钮，我们就会得到：
©绘图空间
以上就是在Stable Diffusion中，如何利用ControlNet插件，从SU体块模型、手绘草图直接生成设计方案的方法。
04
总结
Summarize
如果你花了一些时间，认真的阅读了上述内容，最好是在本地部署Stable Diffusion之后，跟着操作了一遍。那么相信你已经成功入门了Stable Diffusion这一建筑方向出图利器。
而与我们之前发布的教程《用AI生成设计图纸，“ChatGPT+Midjourney工作流”看这篇就够了！》相比，本篇的篇幅明显更长一点，而且这还仅仅只是一篇入门级的指导性文章。
因为相较于Midjourney来说，Stable Diffusion需要个人设置的部分更多，有人曾这么简单的形容两者的区别：“Midjourney就像电子产品中的苹果，而Stable Diffusion更像是安卓。两者只是创作方式不同，没有高下之分。”
但对于建筑方向来说，结果更可控的Stable Diffusion显然更受设计师们的青睐。
05
作品分享
work sharing
最近有许多朋友在后台留言，询问AI设计除了可以应用在建筑单体方向上，还有没有别的可能。比如应用于室内设计、城市设计中。
对此我们想说——当然可以！
所以本期的作品分享，除了有建筑单体方向的AI设计作品，我们也收集了一些室内设计、城市设计的作品，与大家共同欣赏：
©小红书****Shutter
©小红书Shutter****
©小红书Shutter****
©小红书Arcai_Vera
©小红书Arcai_Vera
©小红书Arcai_Vera
©小红书叮当当
©小红书尚_なお君
©小红书尚_なお君
©小红书尚_なお君
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。