AI绘画工具Stable Diffusion中的常用术语解析，一文搞懂关键术语，让你事半功倍！

对于很多初学者来说，会对Stable Diffusion中的很多术语感到困惑，当然你不是唯一的那个。

=====================================================

在这篇文章中，我将会讲解几乎所有你在Stable Diffusion中需要了解的关键术语。搞懂了这些术语，使用stable diffusion起来就会事半功倍。

4x-Ultrasharp

4x-Ultrasharp是一款流行的人工智能图像增强工具，能够生成高清晰度的图像。它在Stable Diffusion的图像放大方面用的非常多。

AI upscaler

AI upscaler是一种采用人工智能技术的模型，能够在放大图像的同时增强图像细节。

Ancestral sampler

Ancestral sampler是一种在图像采样过程中向图像添加噪音的技术。它们被称为随机采样器，因为它们的采样结果具有一定的随机性。通常在它们的名称中会包含一个独立的字母“a”，比如说Euler a。

AnimateDiff

AnimateDiff是一种stable diffusion的文本到视频的技术。它采用了一个运动控制模型来影响Stable diffusion模型，从而生成一个以运动为序列的图像视频。这种方法可以帮助用户更直观地理解文本内容，并且为用户提供了一种全新的视觉体验。在实际应用中，AnimateDiff可以用于制作教育视频、科技演示等多种场景，为用户带来更加生动和有趣的学习体验。

Anything v3

Anything v3是一款备受赞誉的动漫风格Stable diffusion模型。它是Stable diffusionv1.5模型的一个版本。这个模型以其稳定性和扩散效果而闻名，被广泛应用于计算机图形学和动画制作领域。如果您正在寻找一个稳定且高效的扩散模型，Anything v3将是您的不二选择。

AUTOMATIC1111

AUTOMATIC1111是一个备受欢迎的开源社区开发的Stable diffusion用户界面。该项目最初由名为AUTOMATIC1111的用户发起。官方项目名称是Stable diffusion Web UI。

Civitai

Civitai是一个专注于Stable diffusion模型的网站，拥有大量的资源。您可以使用AUTOMATIC1111扩展Civitai Helper来方便地进行下载。

与Hugging Face相比，Civitai更专注于Stable diffusion模型。在这里，您可以找到许多用户生成的图像资源。

CFG scale

分类器自由指导Classifier-Free Guidance（CFG）规模控制了在txt2img和img2img中应该遵循prompt的程度。CFG scale的大小直接影响了生成图像时对输入文本的理解程度。

较大的CFG scale意味着模型有更大的自由度来根据输入文本进行图像生成，而较小的CFG scale则会更加严格地遵循输入文本的提示。

通过调整CFG规模，我们可以更好地控制模型在生成图像时的创造性和准确性。

Checkpoint model

Checkpoint model是对Stable diffusion模型更精确的称呼。它用于区分LoRA、textual inversion和Lycoris。

ComfyUI

ComfyUI 是基于节点的用户界面，由 Stable Diffusion 开发。它深受高级 Stable Diffusion 用户的喜爱。

ControlNet

ControlNet是一个神经网络，通过引入额外的条件来控制图像的生成过程。

它可以用来调整人体姿势和图像构图。这标志着Stable diffusion领域的一个重大突破。

DDIM

Denoising Diffusion Implicit Models (DDIM) 是第一个用于解决扩散模型的取样器之一。

DDIM是首个用于处理扩散模型的采样器之一。它采用了一种全新的方法来处理噪音和模糊，旨在提高模型的精确度和稳定性。

DDIM的出现为解决扩散模型提供了全新的可能性，为计算机技术领域带来了新的突破。通过DDIM，我们能够更加有效地处理扩散模型，为计算机技术的发展带来更多可能性。

Deforum

Deforum是一个利用Stable diffusion技术生成视频的工具。

这是一种能够有效减少视频抖动和模糊的技术，通过Deforum工具，用户可以轻松地生成高质量、稳定的视频内容。

无论是在拍摄运动场景还是在拍摄手持镜头下的视频，Deforum都能够帮助用户轻松实现稳定的视频生成。同时，Deforum工具还支持多种视频格式输出，用户可以根据自己的需求选择最适合的视频格式进行输出。

Denoiser/Noise predictor

在Stable diffusion模型中，denoiser扮演着核心角色。它在每个采样步骤中对噪声图像进行预测，并通过采样方法将其从图像中减去。

Denoising strength

Denoising strength对图像在img2img过程中的变化程度进行了控制。它的取值范围是从0到1。当取值为0时，表示图像没有发生变化；当取值为1时，表示输入图像完全改变。

我们可以通过调节降噪强度来控制图像转换的效果。

Diffusion

Diffusion是一种人工智能图像生成方法，它从随机图像开始，逐渐去除噪音，直到生成清晰图像。这种方法受到了物理学中扩散过程的朗之万动力学公式的启发。

DPM-Solver

Diffusion Probability Model Solver (DPM-Solver) 是一个新的采样器算法。

Dreambooth

Dreambooth是一种训练技术，用于修改checkpoint model。只需5张图片，您就可以使用它将一个人或一个风格注入模型中。

Dreambooth模型需要在提示中有一个_触发关键词_来触发注入的主题或风格。

Dreambooth技术的特点包括：

只需少量的图片即可实现模型修改

可以轻松注入不同的主题或风格

提供了触发关键词来帮助用户控制注入效果

指数移动平均（EMA）

指数移动平均（EMA）是指在Stable diffusion模型中，它表示最近训练步骤的平均权重，而不是最后一个训练步骤。

checkpoint model通常使用EMA权重来提高稳定性。EMA在计算机技术领域中被广泛应用，有助于提高模型的稳定性和可靠性。

Embedding

Embedding是textual inversion的产物，是一种用于修改图像的小文件。

通过在提示或负面提示中嵌入相关的关键词，可以实现对图像的修改。

在Stable diffusion中，embedding被用作prompt的编码版本，它在去噪器的交叉注意力层中使用，以影响AI图像的生成。

Extension

Extension是用来增强 AUTOMATIC1111 WebUI 的功能。举例来说，ControlNet 就是通过扩展功能来实现的。通过扩展功能，用户可以更加灵活地定制和使用 AUTOMATIC1111 WebUI，满足不同的需求和场景。扩展功能的引入为系统的功能拓展提供了更多可能性，让 AUTOMATIC1111 WebUI 变得更加强大和多样化。

Euler

Euler是扩散模型的最简单的采样方法。它是一种常见的数值计算方法，用于解决微分方程模型。在计算机科学和工程领域中，Euler被广泛应用于模拟和预测系统的行为。它的优势在于简单易懂，适用于各种类型的扩散模型。

Face ID

Face ID是一个利用InsightFace提取准确人脸特征的IP适配器模型。该模型以这些特征作为条件生成高度准确的自定义人脸图像。

Fooocus

Fooocus是一款Stable Diffusion软件，设计简洁易用。它专注于提升用户体验，并且在提示和图像生成方面表现出色。更重要的是，它是免费且开源的。

Heun

Heun是一种用于采样的数值计算方法。它是对Euler方法的改进，能够更准确地预测系统的演化。

然而，与Euler方法相比，Heun方法在每一步中需要两次对噪音进行预测，因此计算速度比较慢，大约是Euler方法的两倍。这种方法在某些特定情况下可能会被用于解决复杂的计算问题。

Hugging Face

Hugging Face是一个网站，专门用来托管大量AI模型。除此之外，他们还开发了一些工具，帮助用户更方便地运行和托管这些模型。与Civitai相比，Hugging Face覆盖了所有类型的AI模型，而不仅仅是Stable diffusion模型。

Hypernetwork

Hypernetwork是一种小型的神经网络，用于改进U-net噪声预测器的交叉注意力模块。它类似于LoRAs和嵌入，都是用于修改检查点模型的小型模型文件的技术。

InstantID

InstantID是一个利用ControlNet和IP适配器的模型，用于快速复制和美化人脸图像。

InstantID模型利用先进的ControlNet技术和IP适配器，能够快速、精准地复制和美化人脸图像。

IP-adapter

IP适配器是一种利用图像作为输入来控制图像生成的技术。它被用于生成与输入图像类似的图像。

Karras Noise Schedule

Karras Noise Schedule是Karras论文提出的一种噪声调度方法。

K-diffusion/K-sampler

K-diffusion/K-sampler是一种采样方法，是由Katherine Crowson在她的k-diffusion GitHub仓库中实现的。

这种采样方法是用来处理图像生成的技术，它可以帮助我们在图像生成过程中更有效地获得所需的样本。通过K-diffusion/K-sampler，我们可以更好地控制图像的生成过程，使得生成的图像更加符合我们的预期。

Latent diffusion

Latent diffusion是指在潜在的空间中发生的扩散过程。

LCM LoRA

潜在一致性模型（LCM）是一种新型的Stable diffusion模型。

LCM LoRA是一种经过LCM方法训练的LoRA。这种LoRA可以与任何检查点模型一起使用，以加快生成速度。

潜在扩散模型（LDM）

The latent Diffusion Model 潜在扩散模型（LDM）是一种人工智能模型，它能够在潜在空间中执行扩散。

LMS

The Linear Multi Step method 线性多步法是一种用于解决常微分方程的方法。它旨在通过巧妙地利用先前时间步的值来提高精度。在AUTOMATIC1111中，线性多步法是其中一种可用的取样方法之一。

LoRA

LoRA（Low-rank Adaptation）是一种用于修改checkpoint model的方法，使用一个名为LoRA的小文件。它们用于修改风格或为检查点模型添加特殊效果。

Lycoris

Lycoris是LoRA的升级版。它具有更多的检查点模型部分，因此更加灵活。你可以像训练LoRA一样训练Lycoris。

ModelScope

ModelScope是一个强大的文本到视频的转换模型，它能够根据输入的文本内容生成精彩纷呈的短视频剪辑。这个模型的应用领域非常广泛，可以用于影视制作、广告营销、教育培训等多个领域。

特点

高效快速：ModelScope采用先进的算法和技术，能够快速而高效地将文本转换为视频，大大节省了制作视频的时间成本。

个性定制：用户可以根据自己的需求定制文本内容和视频风格，让生成的视频更加符合个性化需求。

多场景应用：无论是商业宣传、新闻报道还是教学辅助，ModelScope都能够胜任，为用户提供多种场景下的视频生成解决方案。

应用场景

影视制作：制片人可以利用ModelScope将剧本中的对话和情节快速转化为视频，方便制作过程中的预览和讨论。

广告营销：市场营销人员可以利用ModelScope将产品特点和宣传语快速转化为视频广告，吸引更多的消费者关注。

教育培训：教育机构可以利用ModelScope将教学内容转化为生动有趣的视频，增强学生的学习体验和记忆效果。

ModelScope的出现，为文本到视频的转换提供了全新的解决方案，极大地丰富了视频制作的可能性。

Negative embedding

Negative embedding是指在计算机领域中使用的一种嵌入技术，用于传递负面的提示或信息。这种技术通常被应用于各种机器学习和自然语言处理的任务中，以帮助系统更好地理解和处理负面情感或含义。负向嵌入的应用范围非常广泛，可以在情感分析、舆情监控和其他相关领域中发挥重要作用。

Negative Prompt

Negative Prompt是指向文本到图像AI模型输入的文本，用于描述您不希望在图像中出现的内容。

Noise schedule

Noise schedule是指在采样过程中确定图像应该具有多少噪声的过程。它代表了采样器试图达到的预期噪声水平。

Prompt

Prompt是指如何描述文本输入到图像人工智能模型的过程，以及描述你期望在输出图像中看到的内容。

Prompt schedule

Prompt schedule是用在给定采样步骤中使用的提示。Stable diffusion允许每个采样步骤中的prompt都是不同的。

Regional prompter

Regional prompter是一种实用的扩展，它可以让您为图像的不同部分指定不同的提示信息。这个功能可以帮助用户更轻松地理解图像内容，并且提供更丰富的用户体验。想象一下，在一张包含多个人物的图片中，您可以为每个人物添加独特的提示，让用户可以更方便地了解每个人物的信息。这种个性化的提示功能可以大大提升用户对图片的交互体验。

Sampling Method/Sampler

采样方法或采样器是Stable diffusion中用来去除图像噪音的技术。它可能会对渲染速度产生影响，并对最终图像产生微妙的影响。

Sampling steps

Sampling steps指的是采样器进行离散化降噪时所经过的步骤数量。步骤数量的增加会提高结果的质量，但也会增加处理时间。建议将步骤设置至少为20。

SD.Next

SD.Next是一个免费的开源Stable diffusion软件，可以在您的计算机本地安装。它是基于AUTOMATIC1111开发的，许多AUTOMATIC1111的扩展也可以与SD.Next兼容并且可以同时使用。

SDXL

SDXL代表Stable Diffusion XL。它是一个带有本地分辨率为1024×1024的Stable Diffusion模型，比Stable Diffusion v1.5高出4倍。

SDXL Turbo

SDXL Turbo是经过Turbo训练方法训练的SDXL模型。它能够将图像生成时间缩短约3倍。

Stable Diffusion

Stable Diffusion是指将自然语言输入转换为图像的文本到图像人工智能模型。它采用了具有frozen language encoder的潜在扩散模型。

Stable diffusion v1.4

Stable diffusion v1.4 是Stable diffusion模型的首个正式版本，于2022年8月正式发布。该版本默认图像尺寸为512×512像素，为用户提供了更加稳定和高效的扩散模型体验。

Stable diffusion v1.5

Stable diffusion v1.5 是在 v1.4 的基础上进行了一些改进。虽然改进的细节并不十分明显，但用户们已经开始广泛使用 v1.5。新版本的默认图片尺寸为 512×512 像素，带来了更好的视觉体验。这个改进为用户带来了更加流畅的使用体验，并且在性能方面也有所提升。

Stable diffusion v2

Stable diffusion v2 是 v1 模型的升级版，拥有更大的画面尺寸，达到了 768×768。该模型在遵循提示方面更加严格，使得提示更加具有挑战性。v2 模型有两个版本：v2 和 v2.1。

然而，随着时间的推移，v2 模型逐渐被用户遗忘，目前使用它们的人数非常有限。

Stable diffusion XL

Stable diffusion XL 是一个全新的Stable diffusion模型，相比Stable diffusion v1.5 模型，它能够生成更高质量、更大尺寸的图片。这意味着用户可以获得更加清晰、更具有影响力的图像。这一更新将为用户带来更好的使用体验，为他们的工作和创作提供更多可能性。

Stable Zero123

Stable Zero123是一种可靠的扩散模型，能够生成物体的全新视角或3D模型。

Textual inversion

Textual inversion是一种在检查点模型中注入自定义主题或风格的方法。它通过创建一个新的关键字来施加影响，生成的结果被称为嵌入。这个嵌入是一个小型文件。

与Dreambooth、LoRA和LyCORIS相比，Textual inversion不会对检查点模型进行修改，因此其影响较小。

文字转图片 (txt2img)

文字转图片是指将文字提示转换成图片的过程。这项技术可以让用户将文字信息转化为视觉形式，使得信息更加直观和易于理解。例如，在设计中，可以将文本标题转换为吸引人的图片，增加页面的吸引力和可读性。另外，文字转图片还可以应用在验证码生成、海报设计、个性化图片制作等多个领域。

Trigger keyword

在Dreambooth模型的训练中，我们使用关键词来触发特定的操作。你需要在使用Dreambooth修改的检查点模型的提示符中使用trigger关键字。

变分自编码器（VAE）

变分自编码器（VAE）是一种神经网络，被用来在图像的像素空间和潜在空间之间进行转换。它是一种强大的工具，能够有效地学习和表示图像的特征，为图像处理和生成提供了新的可能性。

U-Net

U-Net是一种神经网络，用于在每个采样步骤中预测噪音。它在Stable diffusion模型中扮演着重要的角色。一些微调方法，如LoRA和超网络，的原理就是修改U-Net。

UniPC

UniPC(Unified Predictor-Corrector)是一种全新的采样器。受到ODE求解器的预测-校正方法的启发，它能够在经过5-10步之后生成高质量的图像。

Upscaler

Upscaler通常利用插值算法来增加图像的像素数量，从而使图像变得更加清晰。常见的插值算法包括双线性插值、双三次插值等，它们能够有效地增加图像的分辨率，提高图像的质量。

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。

总结