Stable Diffusion Web UI基础入门之常用参数

在之前的文章中我们介绍了，Stable Diffusion的基础知识和使用工具———Stable Diffusion AI入门介绍。这篇文档带大家了解一下Stable Diffusion Web UI的常用参数，在日常绘图中如何使用。

我们知道在Stable Diffusion Web UI(文中Web UI代替)中绘图，基本的使用方法很简单，只需选择合适的模型，然后输入正向提示词、反向提示词即可。不过，如果要得到更细致的结果，就需要对各个参数的设置都有所了解。下面我们就来介绍一下常用的参数，如下图Web UI中的配置：

Sampling Method(采样方法)

为了生成图像，Stable Diffusion会先在潜空间中生成一张随机的噪声图，然后再对这张图片多次去噪，最后得到一张正常的图片，如下图所示。这个去噪的过程被称为采样(sampling)，而采样方法(sampler/sampling method)则是这个过程中使用的方法。

可选的参数有很多种，

经典的ODE求解器(Old-School ODE solvers)

常微分方程的全称是Ordinary Differential Equation，‌简记为ODE。

Euler：欧拉采样方法。
Henu：改进的或修改过的欧拉方法（即，显式的梯形规则）。
LMS：线性多步法，与欧拉采样器速度相仿，但是更准确。

Euler、Henu、LMS采样方法比较简单，是经典的常微分方程(ODE)求解器。其中Euler是最简单的求解器，Henu比Euler更准确但是也更慢，LMS（Linear Multi-Step method，线性多步法）速度与Euler相同，但LMS号称更准确。

祖先采样方法(Ancestral samplers)

有一些取样器的名字中带有一个字母“a”​，这表明它们是祖先采样方法(ancestral sampler)。

祖先采样方法属于随机采样方法，它们会在每个采样步骤中添加随机噪声，使结果具有一定的随机性，从而探索不同的可能性。
需要说明的是，还有一些其他方法也是随机采样，尽管它们的名字中没有“a”​。

使用祖先采样方法可以通过较少的步骤产生多样化的结果，但缺点是图像不会收敛，随着迭代步数的增加，图像将不断变化，生成的图像可能更嘈杂且不真实。而如果使用Euler等收敛采样方法，一定步数之后图像的变化会逐渐变小，直到趋于稳定。

相关的采样方法如下：
● Euler a。
● DPM2 a。
● DPM++ 2S a。
● DPM++ 2S a Karra。

Karras版本方法

带有“Karras”字样的采样方法使用了泰罗·卡拉斯(Tero Karras)等人的论文中推荐的噪声规则，与默认的规则相比，Karras的规则在开始时噪声较多，在后期噪声较少，据他们研究，这样的规则可以提高图像质量。

相关的采样方法如下：
● LMS Karras。
● DPM2 Karras。
● DPM2 a Karras。
● DPM++ 2S a Karras。
● DPM++ 2M Karras。
● DPM++ SDE Karras

DDIM和PLMS

DDIM和PLMSDDIM（Denoising Diffusion Implicit Model，去噪扩散隐式模型）和PLMS（Pseudo Linear Multi-Stepmethod，伪线性多步法）是第一版Stable Diffusion中就附带的采样方法，其中DDIM是最早为扩散模型设计的采样方法之一，PLMS则比DDIM更新、更快。

当前这两种采样方法都不再广泛使用。

DPM系列

DPM（Diffusion Probabilistic Model solver，扩散概率模型求解器）和DPM++是为2022年发布的扩散模型设计的新采样器，它们代表了一系列具有相似架构的求解器。

DPM2与DPM相似，只是它是二阶的，更准确但是也更慢。

DPM++是对DPM的改进，它使用快速求解器来加速引导采样。与Euler、LMS、PLMS和DDIM等其他采样器相比，DPM++速度更快，可以用更少的步骤实现相同的效果。

DPM++ 2S a是一种二阶单步求解器，其中“2S”代表“Second-order Single-step”​（二阶单步）​，​“a”表示它使用了祖先采样方法。

DPM++ 2M是一种二阶多步求解器，其中“2M”代表“Second-order Multi-step”​（二阶多步）​，结果与Euler相似，它在速度和质量方面有很好的平衡，采样时会参考更多步而不是仅当前步，所以质量更好，但实现起来也更复杂。

DPM fast是DPM的一种快速实现版本，比其他方法收敛更快，但牺牲了一些质量。DPM fast通常用于对速度有较高要求的批量处理任务，但可能不适用于对图像质量要求较高的任务。

DPM adaptive方法可以根据输入图像自适应实现一定程度的去噪所需的步数，但它可能会很慢，适合需要较多处理时间的大图像任务。

DPM++ SDE和DPM++ SDE Karras使用随机微分方程(SDE)求解器求解扩散过程，它们与祖先采样方法一样不收敛，随着步数的变化，图像会出现明显的波动。

UniPC

UniPC(Unified Predictor-Corrector)是2023年发布的新采样方法，是目前最快最新的采样方法，可以在5～10步内实现高质量的图像生成。

k-diffusion

k-diffusion，它是指凯瑟琳·克劳森(Katherine Crowson)的k-diffusion的GitHub库实现和与之相关的采样方法，即前面提到的泰罗·卡拉斯(Tero Karras)等人论文中研究的采样方法。

基本上Web UI中，除了DDIM、PLMS和UniPC之外的所有采样方法都源自k-diffusion。

采样器速度对比：

在使用不同的采样器生成相同的图像，最多采样 40 步，同时以使用Euler(欧拉)方法作为参考，时间结果如下：

具体分为如下：

排除DPM adaptive，其余的渲染时间分为两组，第一组花费的时间大约相同（约 1 倍），另一组花费的时间大约是两倍（约 2 倍）。这反映了求解器的顺序。二阶求解器虽然更准确，但需要对去噪 U-Net 进行两次评估。所以它们慢了 2 倍。

建议：

大体上来说，以上所介绍的采样方法各有特点，主要差异是在速度、质量、收敛性上有所不同。

在速度以及收敛性上，各采样方法的评判标准是确定的，但对于图片渲染的质量则没有统一的标准。

有人认为带有“Karras”的方法比不带这个标签的同名方法更好，但也有人认为二者并没有明显的差异。

同时，一些采样方法在照片等真实风格的图像上表现较好，另一些则在卡通漫画等风格的图像上更具优势。可以在具体实践中分别尝试比较，以找到最合适的采样方法。

如果要提供一些经验上的建议，通常认为DPM++系列采样方法是大多数情况下较好的选择。
以下是一些更具体的建议，仅供参考。

如果时间有限，不想尝试太多方案，可以选择Euler或者DPM++ 2M。
如果希望生成速度快且质量不错，可以选择DPM++ 2M Karras或者UniPC。
如果希望得到高质量的图像，且不关心收敛性，可以选择DPM++ SDE Karras。

Schedule type(调度类型)

Web UI的1.9版本中包含的一项变化就是，把采样器和调度器（Schedule type）分开了，之前是合并在一起来选择的。

如果是选择了Automatic，那么会根据采样器自动调取最合适的调度器。一般情况选择“Automatic”就好了。

在Stable Diffusion模型中，采样器（Sampler）和调度器（Scheduler）是生成图像过程中的关键组件，它们共同决定了生成图像的质量和速度，那么这俩概念到底意味着什么呢？

采样器（Sampler）：在Stable Diffusion的上下文中，采样器是指用于从噪声图像生成清晰图像的算法。这个过程被称为采样，因为它在每一步中生成一张新的图像样本。采样器通过在一系列步骤中逐渐减少噪声来生成图像，每一步都会根据预定的噪声计划（Noise Schedule）来减少噪声，并生成新的图像样本。不同的采样器有不同的算法和特性，影响着图像生成的速度和质量。

调度器（Scheduler）：调度器通常与采样器的概念紧密相关，它负责控制采样过程中每一步的噪声水平，也就是所谓的噪声计划（Noise Schedule）。调度器决定了在生成图像的每一步中减少多少噪声，从而影响采样过程的速度和最终图像的清晰度。在某些文献中，调度器和采样器这两个术语有时被交替使用，因为它们都涉及到控制生成过程中的噪声减少。

就算是概念解释部分，这两个词也的确很难分开，或者可以简单的理解为：采样器是图像生成过程中的降噪算法，而调度器则控制这个过程中每一步的噪声水平，两者共同作用，决定了生成图像的质量和所需时间。当然了，这两者本来就是搭配使用的，所以强行分开解释貌似也意义不大。

对于SDXL-Lightning模型时，使用SGM Uniform的调度器会比其他调度器更适合lightning类型的模型。

大多数情况下调度器选择Automaitc就好了，除非使用了lightning类型的模型，那就手动改一下为SGM Uniform, 当然，就算是忘记修改了，问题也不大。

Sampling Steps(迭代步数)

迭代步数是指在生成图片时进行多少次扩散计算，每次迭代相当于对图像进行一次去噪。迭代的步数越多，花费的时间也越长。

迭代步数并不是越多越好，具体数字的选择和采样方法、参数设置等因素有关，一般在20～50次即可，太少可能会生成尚未完成的模糊的图像，太多则是一种浪费。

结合前面的采样方法，如果想要速度快、收敛性好、质量也不错，且想试试新东西的话，最好选择：

如果想要比较好的质量，同时不在意是否收敛的话，可以选择：

Hires. fix(高分辨率修复)

“高分辨率修复”功能可用于将生成的图片放大为分辨率更高的高清图片。

Stable Diffusion的原始分辨率是512像素或768像素，这个尺寸对大部分实际应用场景来说都太小了，虽然可以在下方的宽度和高度参数中直接设置更大的尺寸，但那样也可能带来新的问题，因为偏离原始分辨率可能会影响构图并生成错误的内容，例如生成的人物有两个头等。这时，就可以先生成较小的正常尺寸的图片，再使用“高分辨率修复”(Hires.fix)功能来放大图片的尺寸。

勾选“高分辨率修复”复选框，界面上会显示更详细的设置项，如上图所示。

Upscaler(放大算法)

其中Lanczos、Nearest算法是较为传统的算法，仅根据图像的像素值进行数学运算来扩大画面并填充新像素，效果一般，尤其当生成的图像本身就比较模糊时，这些算法无法准确地填充缺失的信息。

ESRGAN 4x算法倾向于保留精细的细节并产生清晰锐利的图像。

LDSR(Latent Diffusion Super Resolution)是一种潜在扩散模型，质量好但速度非常慢，一般不推荐。

R-ESRGAN 4x+是对ESRGAN 4x的增强，在处理逼真的照片类图像时表现最佳，如果要放大风格较为真实的图像，推荐使用这个算法。R-ESRGAN 4x+ Anime6B则是专为二次元图像优化过的算法，处理二次元图像时效果较好。

当然，也可以直接使用默认的Latent算法开始，多数情况下它的表现已经足够好。如果对效果不太满意，可再依次尝试其他算法，选择更佳的方案。

Hires steps(迭代步数)

“高分迭代步数”(Hires steps)是指放大图像时的采样步数。默认为0，表示与生成图片时的步数相同，也可以修改为其他值。

该值对最终图像的影响很大，如果步数过多，可能会生成一些奇怪的效果，可以根据具体场景尝试不同的值

Denoising strength(去噪强度)

“重绘幅度”(Denoising strength)也叫去噪强度，控制在执行放大采样之前添加的噪声强度。

对Latent系列的放大器来说，这个值在0.5～0.8效果较好，低于0.5可能会得到模糊的图像，数值太高则会使图像细节发生很大的变化。

Upscale by(放大倍数)

“放大倍数”参数非常直观，就是控制具体要将原图放大多少倍。如果原图尺寸是512×512，将放大倍数设为2时，将得到1024×1024的新图。

尺寸调整

Resize height to(调整高度) 和 Resize width to(调整宽度)是在放大倍数参数后面是设置宽度和高度的值，也可以调整这两个值，直接指定新图的尺寸。如果设置了具体的宽度和高度值，那么放大倍数参数将失效。

Refiner(图片精修)

这个功能主要是针对SDXL及其衍生模型。
SDXL 采用了一种两步走的生图方式，先用1个基础模型生成一张看起来差不多的图片，然后再使用一个精修模型把它打磨的更漂亮。示意图如下：

Refiner配置中，我们可以看到两个选项:

CheckPoint(大模型)

Switch at(切换点)

Width&Height(宽度和高度)

可以指定生成图片的宽度和高度，如下图所示：

默认值都是512，范围为64～2048，可以输入范围内的任意值，但需要是8的倍数。图片宽度和高度的数值越大，生成时所需要的时间和资源也越多。

另外，Stable Diffusion最初是基于256×256大小的数据集训练的，后来的潜在扩散模型(Laten diffusion model)使用了512×512的数据集训练，2.0之后的版本则使用768×768的数据集训练。因此，Stable Diffusion在生成512×512大小的图片时效果更好，2.0之后的版本中将宽或者高至少一项设为768时效果更好。

如果希望生成分辨率较高的图，除了调整宽度和高度，也可以先生成一个尺寸较小的图，然后使用“高分辨率修复(Hires.fix)”等设置项或其他工具来放大图片，以减少资源消耗。

批量生成

主要两个参数，

Batch count(总批次数)：一共执行多少次生成任务，默认值为1，最大值为100。
Batch size(单批数量)：每次任务生成多少张图片，默认值为1，最大值为8。

其中生成图片的总数为两者相乘，即如果总批次数为2，单批数量为3，那么总共生成的图片数将是2×3=6张。

如果需要批量生成4张图片，设置“总批次数为4、单批数量为1”和设置“总批次数为1，单批数量为4”效果是一样的，但后者会更快一些，同时后者也需要更大的显存支持。

批量生成时，随机数种子参数(Seed)的值会不断递增，即第二张图的种子值是第一张图的种子值+1，第三张图的种子值是第二张图的种子值+1，以此类推。这个特性可以保证批量生成的图片产生变化，但又不至于变化太大。

CFG Scale

CFG Scale(Classifier Free Guidance scale)参数指定提示词的权重影响，默认值为7，如图7-25所示。

理论上，CFG值越高，AI就会越严格地按照提示词进行创作，CFG值越低，AI会越倾向于自由发挥。

如果CFG值为1，AI会几乎完全自由地创作，而值高于15时，AI的自由度将非常有限。

在Web UI中，CFG值的范围为1～30，可以满足绝大部分应用场景，不过如果通过终端使用Stable Diffusion，则最高可以将CFG设为999，还可以设为负值。当CFG的值为负数时，Stable Diffusion将生成与提示词相反的内容，类似使用反向提示词。

当CFG值设置得较高时，输出图像可能会变得模糊，细节丢失，此时，可以通过增加采样迭代步数或者更改采样方法来修复问题。

CFG值以及影响的参考如下:

● 1：基本上忽略提示词。
● 3：参考提示词，但更有创意。
● 7：在遵循提示词和自由发挥之间的良好平衡。
● 15：更遵守提示词。
● 30：严格按照提示词操作。

多数情况下，CFG的数值为7～10是一个较为合适的选择。

Seed(随机数种子)

种子(Seed)在Stable Diffusion中是一个非常重要的概念，可以大致理解为图片的特征码，如果想重复生成某张图片，除了使用相同的提示词、采样方法、迭代步数等参数，种子也必须要保持一致。

配置图如下：

默认情况下，随机数种子显示为-1，表示每次都使用一个新的随机数。控件旁边的骰子按钮表示种子使用随机值，单击之后随机数种子输入框会显示-1。绿色循环箭头按钮则表示使用上一次生成图像的种子值，可用于重现结果。

在查看生成的图片时，可以发现图片的文件名可能类似“00044-247521062.png”​，其中前面的“00044”表示这是今天生成的第44张图片（编号从0开始，第一张图片是“00000”​，第二张图片是“00001”​）​，后面的“247521062”即是这张图片的种子值。

可以在随机数种子输入框中输入具体的种子值，例如“247521062”​，以便重新生成指定的图片。

勾选随机数种子设置项最右侧的复选框，可以打开扩展栏，如下图所示：

其中变异随机种子(Variation seed)和变异强度(Variation strength)两个值需要配合调整，调整这两个值，可以生成介于两张图片(两个随机种子)中间的图。其中变异强度的值范围为0～1，0表示完全不变异，1表示完全变异。

从宽度／高度中调整种子是另一个实用功能。有时可能想调整一张图片的尺寸，即使已经输入了固定的种子值，但在Stable Diffusion中，调整尺寸也会让图片内容发生较大变化，这时，就可以使用从宽度／高度中调整种子的功能。

这样能保留原图的很多特征，甚至可以得到更好的效果。

Script(脚本)

最后介绍一下Script使用，比如有时候我们在测试生成图片效果时，在提示词保持不变的情况下，可能会在我们使用的模型，采样方法，采样迭代步数等参数上面进行调优。通过比较看看效果，再选择一张自己最满意的图片。

找到Script选项，选中X/Y/Z plot。

可以看到脚本选项"X/Y/Z plot"就是提供X轴，Y轴，Z轴类型选择和类型对应的值的参数设置。

同时X轴，Y轴，Z轴类型的提供的选择项都是一样的。

以下是主要项目的含义：

比如这里配置了Steps和Sampler，如下：

相关使用说明：

最终结果如下：

今天的文章介绍到此为止，欢迎大家关注微信公众号"壁虎说技术"，更多AI新技术，新点子在公众号第一时间更新。

参考

stable-diffusion-xl-base-1.0
商用级AIGC绘画创作与技巧(Midjourney+Stable Diffusion)
Stable Diffusion Samplers: A Comprehensive Guide

总结