前言
本教程没有难懂的理论，全是实操的截图，非常通俗易懂。
能够帮你在最短的时间里，掌握Stable Diffusion的核心操作方法。真正有效地提高工作的效率。
教程主要是讲我们在工作中高频使用的4个功能模块：文生图、图生图、后期处理和标签器。如下图：
希望对你有所启发。
目录**：**
1. Stable Diffusion 高效工作流程
2. 大模型、外挂VAE模型、LORA模型、CLIP终止层数
3. 提示词
4. 采样迭代步数
5. 采样器
6.【重要】Controlnet
7. 放大功能
8. CFG scale（提示图相关性/提示词引导系统）
9. CFG scale和采样器的关系
10. Seed值
11. 标签器
1. Stable Diffusion 高效工作流程
1.1 创意阶段**：**
效率高：【草图 + ControlNet + 提示词】这个方法出图的确定性高，但要一定的美术基础。
效率高：【网图 + ControlNet + 提示词】根据需求找一些合适的网图，再用SD生图。
效率高：【复制C站的图片信息】这个方法比较省事，但是不太好找到和需求接近的图。
效率低：【提示词】这个方法比较费时间，要不断地调整提示词去跑图抽盲盒。
1.2 深入阶段**：**
效率高：【PS修型 + 局部重绘】这个方法出图的确定性高，但要一定的美术基础。
效率低：【提示词 + 局部重绘】这个方法比较费时间，要不断地跑图抽盲盒。
1.3 最后整理、交付阶段**：**
效率高：【后期处理】确定性最高，1:1放大原图。
效率低：【高分辨率修复（Hires.fix）】需要调参数，比较费时间。
效率低：【SD脚本放大功能（SD upscale）】需要调参数，比较费时间。
本文涉及模型、插件下载请扫描免费获取哦
2 大模型、外挂VAE模型、LORA模型、CLIP终止层数
2.1 大模型：
大模型决定渲出来的风格。
用素材+SD底模（如SD1.5/SD1.4/SD2.1），深度学习之后炼制出的大模型，可以直接用来生图。
大模型决定了最终出图的大方向 。
2.2 外挂VAE模型**：**
这个模型类似于PS滤镜**。**
是对大模型的补充，稳定画面的色彩范围。
作用是：滤镜+微调。
系统自带的VAE是animevae，效果一般，建议可以使用kl-f8-anime2或者vae-ft-mse-840000-ema-pruned。
anime2适合画二次元。
840000适合画写实人物。
2.3 LORA模型：
它是加强某一种风格的模型**。**
大模型的低秩适应，可以理解为模型插件。
它是在基于某个大模型的基础上，深度学习之后炼制出的小模型。
需要搭配大模型使用，可以在中小范围内影响出图的风格，或是增加大模型所没有的东西。
如果分不清大模型、LORA模型、VAE模型，可以上这个网址查看：https://spell.novelai.dev/
2.4 CLIP终止层数**：**
它就是：对比（语言到图像）预训练。
CLIP****终止层次越小，渲出的图越接近我们的提示词。数值越大越不像。
3 提示词****
正向提示词**：**
在正向提示词框里，写出需要生成内容的提示词。
反向提示词**：**
在反向提示词框里，写出不需要生成内容的提示词。
3.1 提示词相关性**：**
关于人物类的提示词，一般将提示词相关性控制在 7-15 之间。
关于建筑等大场景类的提示词，一般控制在3-7左右。
3.2 正向提示词建议书写结构**：**
画面主要元素，画面细节描述，景别描述，风格描述，画面质量描述。
3.3 提示词的分隔与权重**：**
1. 提示词要用英文“ , ” 隔开。
2. SD的提示词是没有从左到右的权重的，也就是说提示词的排名不分先后。如要加减提示词的权重，可以通过括号和数字来实现。
3.4 **正向质量提示词（通用）**
3.4.1 清爽风格的质量正向提示词：
Highest quality, ultra high definition, masterpiece, 8k quality
这段质量提示词生出的造型准确率比较高。适合二次元的风格。
3.4.2 厚重风格的质量正向提示词**：**
{{masterpiece}},{best quality},{highres},original,reflection,unreal engine,body shadow,artstationextremely detailed CG unity 8K wallpaper
这段质量提示词生出来的全身图造型准确率比较低，主要是脸部和手部的造型有破坏。
3.5 反向提示词（通用）****：
NSFW, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, ((monochrome)), ((grayscale)), skin spots, acnes, skin blemishes, age spot, (ugly:1.331), (duplicate:1.331), (morbid:1.21), (mutilated:1.21), (tranny:1.331), mutated hands, (poorly drawn hands:1.5), blurry, (bad anatomy:1.21), (bad proportions:1.331), extra limbs, (disfigured:1.331), (missing arms:1.331), (extra legs:1.331), (fused fingers:1.61051), (too many fingers:1.61051), (unclear eyes:1.331), lowers, bad hands, missing fingers, extra digit,bad hands, missing fingers, (((extra arms and legs)))
3.6 提示词融合****
3.6.1 “ _ ”：
在关键词和关键词之间加上“ _ ”，就可以把2种不同的东西融合在一起。如：man_chicken。
3.6.2 [cat🐶2]****：
[cat🐶2]：中括号里的数字“2”是可以根据效果进行调整的。
这个数字代表的是渲染A到第几张时开始渲染B。
这个目前比较好用，就是在一只动物中，有猫和狗的特征，像猫又像狗。后面的数字，是控制像猫多点还是像狗多点，要根据渲图的效果不断调试。
3.6.3 [cat|dog]****：
[cat|dog]：这个也是A和B融合的用法，一半是A一半是B。
3.6.4 “ and ”****：
在2个或2个以上的词之间加上“and”，生出来的图就会出现这些元素。
3.6.5 “ / ”****：
在2个关键词之间加“ / ”，是混合的用法。如：white/yellow flower，就是生成黄色和白色混合的花。
3.7 提示词隔开****
3.7.1 “ break ”****：
在词与词之间，用“ break ”隔开，如：在银色头发、黑上衣、灰背带裤的女孩的关键词1girl,Silver hair break Black blouses break Gray pants中加入“ break ”，这样可以提高关键词的准确率。
3.8 提示词权重**：**
括号
（）小括号
[]中括号
{ }大括号
简介
↑ 加权，
每加一层（）加权0.1
↓ 降权，
每加一层[]降权0.1
↑ 加权，
每加一层 { } 加权0.05
权重值
（默认值：1）
Prompt = 1
(Prompt)=1.1
((Prompt)) = 1.21
(((Prompt)))=1.33
Prompt = 1
[Prompt]=0.9
[[Prompt]] =0.81
[[[Prompt]]]=0.729
Prompt = 1
｛Prompt｝= 1.05
{{Prompt}}= 1.1025
{{{Prompt}}}=1.15
加权重的快捷键：Ctrl + 上/下箭头。
关键词的权重，一般在0.5~2之间。
注意：避免个别词条权重过高，安全范围在1上下0.5左右，如果想要强调一个词条可以多写几个类似词条。
括号加数字：
例1： (white flower:1.5)，含义：调节白花(white flower)权重为原来的1.5倍（增强）。
例2： (white flower:0.8)，含义：调节百花（white flower)的权重为原来的0.8倍（减弱）。
3.9 提示词人物特定视角用法**：**
以下关键词可以控制人物的视角：
front view：前视角；
side view：侧视角；
back view：背后视角；
Top view：顶视角；
5. Bottom view：仰视角。
3.10 提示词反推（图生图里的选项）****：
【图生图】的功能展示：
CLIP反推：
反推出来的是自然语法的描述。也就是一句话。
DeepBooru反推：
反推出来的是标签语法。也就是一个一个词语。
3.11 复制来的模型信息的粘贴方法**：**
C站网址：https://civitai.com/
从C站复制来的模型信息，粘贴在“正向提示词”框里，然后点击“↙”，复制来的模型信息就自动分好。
也可以点击“记事本”按钮，会弹出一个弹窗，把从C站复制来的模型信息粘贴到这个弹窗里，然后提交。复制来的模型信息就可以自动分好。
4 采样迭代步数**：**
控制降噪的轮次，选择50就是降噪50轮之后将图像经过解码器返回给用户。
5 采样器****
5.1 不同采样器的渲染效果对比**：**
以下图片生成的正向提示词：cat
随机数种子（Seed)：1242989826
迭代步数（Steps)：10
迭代步数（Steps)：20
迭代步数（Steps)：30
迭代步数（Steps)：40
迭代步数（Steps)：50
Euler a
最中规中矩的采样器，速度快，质量好，不收敛，推荐15-30步。
Euler
最中规中矩的采样器，速度快，质量好，收敛，推荐15-30步。
DPM++ 2M SDE
DPM fast
Restart
速度非常快，质量还行，因为极少的步数就能出不错的图。
LCM
‘4'步出图，‘实时渲染’，画质烂。适合跑灵感草图方向。
DPM++ 2M Karras
DPM++ 2M Karras：它的特点是柔和的，速度快、质量好、稳定性高。基本上是30步成型，50步最好。也是最多人使用的采样器。
DPM++ 2M SDE Karras
DPM++ 2M SDE Karras：它的特点是细节和光感会比DPM fast和DPM++ 2M Karras好一些，速度慢，质量很好，不收敛，它是30步成型，50步效果最好。常用在真实人像中。
1. 如果只是想得到一些较为简单的结果：选用欧拉（Eular)或者Heun。
2. 对于侧重于速度、融合、新颖且质量不错的结果：
DPM++ 2M Karras，
Step Range：20-30。
UniPc，
Step Range: 20-30。
3. 期望得到高质量的图像，且不关心图像是否收敛：
DPM ++ SDE Karras，
Step Range：8-12。
DDIM，
Step Range：10-15。
4. 凡是带【a】【DDIM】【SDE】标识的采样器，都是不收敛的采样器。
6 Controlnet**：**
Control Net是一款可以对Stable Diffusion扩散模型进行精确控制的插件。能够获取参考图片的线条、法线、景深等等信息。由此，出图的确定性也较高。
6.1 人物姿势****
6.1.1 Openpose(姿态)****：
Openpose(姿态)可以提取图片中角色【身体】、【身体+手指】、【身体+表情】、【表情】、【身体+手指+表情】的信息。
用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。
6.2 线条****
6.2.1 Canny(硬边缘)****：
Canny(硬边缘)识别出来的线条最多，更好地还原原图，对二次元风格比较适用。
用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。
6.2.2 MLSD(直线)****：
MLSD(直线)只能识别直线，常用于建筑设计方面。
用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。
6.2.3 Lineaet(线稿)****：
Lineaet(线稿)可以针对不同风格的图片提取线稿。
用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。
1、 在文生图正向提示词框中输入：lineart,best quality,masterpiece
2、 然后选择模型和线稿Lora。
3、 在ControlNet里的ControlNet Unit 0里放入需求提取线稿的原图。
4、 控制类型选 Lineart (线稿) ，记得点“爆炸”图标。
5、 最后点“生成”图片。
6.2.4 SoftEdge(软边缘)****：
SoftEdge(软边缘)只识别大概的轮廓，给SD更大的发挥空间。
用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。
6.2.5 Scribble/Sketch(涂鸦/草图)****：
Scribble/Sketch(涂鸦/草图)就是涂鸦，适合在前期用草图去生图。
用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。
6.3 空间深度****
6.3.1 Depth(深度)****：
Depth(深度)可以很好地还原物体的前后关系。
用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。
6.4 物品种类****
6.4.1 Segmentation(语义分割)****：
Segmentation(语义分割)是通过不同的颜色控制不同的物品。
用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。
Stable Diffusion_T2i_Seg颜色对照表，
网址：https://docs.qq.com/doc/DTFVMdUdkQXRVaXJX
6.5 风格****
6.5.1 T2l-Adapter**：**
T2l-Adapter就是还原原图的颜色。
【图生图】的功能演示：
正向提示词：1 girl,Highest quality,ultra high definition,masterpiece,8k quality
6.5.2 IP-Adapter**：**
IP-Adapter就是参考整张图。
【图生图】的功能演示：
正向提示词：1 girl,Highest quality,ultra high definition,masterpiece,8k quality
6.5.3 Reference(参考)：
Reference(参考)就是参考原图的颜色或角色。
【图生图】的功能演示：
6.5.4 Normalmap(法线贴图)****：
Normalmap(法线贴图)就是参考原图的光影和姿势。
这个我常用于风格转换。【重绘幅度：0.5】。
【图生图】的功能演示：
图片风格生成后的效果 ↑↑↑
6.5.5 Shuffle（随机洗牌）****：
Shuffle（随机洗牌）就是将图片的颜色混合融到新图里。
【图生图】的功能演示：
正向提示词：1 girl,Highest quality,ultra high definition,masterpiece,8k quality
6.6 模糊处理****
6.6.1 Tile/Blur(分块/模糊）****：
Tile/Blur(分块/模糊）就是把画面风格块面化，有点像艺考时画的水粉画。
【图生图】的功能演示：
原图和生成后的对比 ↑↑↑
6.7 重绘****
6.7.1 局部重绘**：**
局部重绘就是类似图生图的局部重绘，重绘画面的内容。
在文生图的正向提示词框中输入提示词：(white cat:1.8)
用【文生图】的功能演示。【图生图】模块的话，是没有“爆炸”图标的，所以不用点“爆炸”图标。
这个方法还可以用在去除不要的东西，如下面实例：
【图生图】的功能演示：
正向提示词：remove hands
局部重绘前和局部重绘后的对比 ↑↑↑
6.7.2 Recolor(重上色)****：
Recolor(重上色)就是给照片上色。
在文生图的正向提示词中输入提示词：1girl,solo,long hair,flower,halo,dress,barefoot,dark red hair,sitting,pipe,bare legs,white dress,very long hair,hair accessory,covering navel,looking at viewer,crossed legs,smoke,Chinese clothing,hair flower,sleeveless,pink flower,feet,Hanfu,sleeveless dress,toes,bare shoulders,whole body,pink eyes,side seams,thighs,beautiful legs,holding a pipe,bangs,raising hands,open mouth,purple eyes,Highest quality,ultra high definition,masterpiece,8k quality
用【图生图】的功能演示：
原图和生成后的对比 ↑↑↑
6.8 特效****************
6.8.1 Revision**：**
Revision就是修正原图中的物体。
用【图生图】的功能演示：
输入正向提示词：Shape your face
原图和生成后的对比 ↑↑↑
6.9 ControlNet 混合用法**：**
用【 文生图】的功能演示，具体操作如下：
操作要点：在ControlNet里的ControlNet Unit 0里放入要参考的角色，控制类型选 Reference (参考) ，记得点爆炸图标。在ControlNet Unit 1里放入要参考的动态，控制类型选 Openpose(姿态) ，记得点爆炸图标 。
参考角色和生成后的效果对比 ↑↑↑
7 放大功能****
7.1 高分辨率修复（Hires.fix）（文生图功能）****:
【文生图】的功能演示：
可以简单理解为，生成一张图后，又以图生图的方式将图放大，增加细节。所以，它拥有自己的【放大算法】【迭代步数】【重绘幅度】等。
放大算法：与采样方法概念类似。
迭代步数：就是采样步数。
重绘幅度：重绘幅度数值越大，生出来的图就和原图的差异越大，数值越小和原图差异越小。
1、 0：等于完全不重画。
2、 0.2~0.45：生出来的图与原图相似度高，变化幅度小。
3、 0.45~0.75**：生成更高精度的图，和原图差异大**。
7.2 后期处理（高清修复）****：
【后期处理】的功能演示：
原图和生成后的对比 ↑↑↑
7.3 SD脚本放大功能（SD upscale）****：
【图生图】的功能演示：
放大功能特点对比：
文生图：高清修复
图生图：SD放大
后期处理：附加功能
“打回重画，再来一幅”
“分几块画，拼在一起”
“简单放大，随时可用”
分两步，第一步生成低分辨率的图画，第二步使用它指定的高清算法，生成一个高分辨率的版本，在不改变构图的情况下丰富细节。
根据指定的放大倍数，将图生图的图像拆解成若干小块按照固定逻辑重绘，再合并成一张大图，可以实现在低显存的条件下生成大尺寸的图片。
利用各种放大算法，在图像生成后再对它进行单独处理，使之拥有更高的分辨率尺寸。
优势：
1. 不会改变画面的构图（因为随机种子固定）。
2. 稳定克服多人、多头有分辨率产生的问题。
3. 操作简便、清晰、直观。
优势：
1. 可以突破内存限制获得更大分辨率。
2. 画面精细度更高，对于细节的丰富更加出色。
优势：
1. 使用方便，操作简单，随时可以调用。
2. 计算速度快，没有重绘压力。
3. 完全不改变图片内容。
缺点：
1. 仍然受到最大显存的影响。
2. 计算速度相对较慢。
3. 偶尔”加戏“，出现莫名其妙的额外元素。
比较难生出和原画一样的图。
缺点：
1. 分割重乎的过程不可控（语义误导格分界线割裂）。
2. 操作繁琐且相对不直观。
3. 偶尔加戏，出现莫名的额外元素。
对于缺点解决方法：增加缓冲带，重绘幅度降低为0.4。
缺点：
1. 放大功能的效果不太显著。
简单，高效地生出和原图一样的图。
8 CFG scale（提示图相关性/提示词引导系统）****：
1、 CFG scale的数值越高，渲出的图和提示词越接近，数值越低越不像。
2、 CFG scale的默认值是7，数值范围值是1~30。
【文生图】和【图生图】的功能：
9 CFG scale和采样器的关系：
CFG Scale：1
CFG Scale：7
CFG Scale：12
CFG Scale：20
CFG Scale：30
Euler a
Euler
DPM++ SDE
DPM++ 2M Karras
提示词和随机数种子统一如下
正向提示词
1 girl,{{masterpiece}},{best quality},{highres},original,reflection,unreal engine,body shadow,artstationextremely detailed CG unity 8K wallpaper
反向提示词
NSFW,(worst quality:2),(low quality:2),(normal quality:2),lowres,normal quality,((monochrome)),((grayscale)),skin spots,acnes,skin blemishes,age spot,(ugly:1.331),(duplicate:1.331),(morbid:1.21),(mutilated:1.21),(tranny:1.331),mutated hands,(poorly drawn hands:1.5),blurry,(bad anatomy:1.21),(bad proportions:1.331),extra limbs,(disfigured:1.331),(missing arms:1.331),(extra legs:1.331),(fused fingers:1.61051),(too many fingers:1.61051),(unclear eyes:1.331),lowers,bad hands,missing fingers,extra digit,bad hands,missing fingers,(((extra arms and legs)))
随机数种子
2872683371
1、 自由度：由高到低。
2、 饱和度：由低到高。
3、 对比度：由低到高。
4、 在不同的采样器下，当CFG scale值高于某个数值时，图片质量会严重下降。（不是越高越好。）
10 Seed值：
Seed值我们可以简单地把它理解为图片的ID值。
1、 Seed的默认值是-1。
2、 点“股子”UI，Seed的值是-1，渲出来的图是随机的。每次渲出来的图，都是不一样的。
3、 点绿色“回收”的UI，可以固定一个Seed值。每次渲出来的图，都是一样的。
11 标签器**：**
标签器的作用是高效地提取图片里的关键词。
随着技术的迭代，目前 Stable Diffusion 已经能够生成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替代，比如制作一个 logo 图片，画一张虚拟老婆照片，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！此外还带来了Mac版本，仅支持macOS 12.3或更高版本。
2.stable diffusion视频合集
我们在学习的时候，往往书籍源码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，一步步带你入坑stable diffusion，科学有趣才能更方便的学习下去。
3.stable diffusion模型下载
stable diffusion往往一开始使用时图片等无法达到理想的生成效果，这时则需要通过使用大量训练数据，调整模型的超参数（如学习率、训练轮数、模型大小等），可以使得模型更好地适应数据集，并生成更加真实、准确、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型解释和理解的单词的过程。可以把它理解为你告诉 AI 模型要画什么而需要说的语言，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天内完成所有的任务，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大神的正确特征了。
这份完整版的stable diffusion资料我已经打包好，需要的点击下方插件，即可前往免费领取！
总结