哈喽，大家好，我是程序员晓晓
写了这么久的AI绘画StableDiffusion方面的教程，最近还是有很多小伙伴说自己对于SD的各种用法不甚了解，那么今天就给大家说一下如何使用AI绘画Stable Diffusion的各个功能的作用
今天让大家轻松看懂SD操作界面…
还没安装Stable Diffusion的小伙伴可以参考一下我的往期入门教程：AI绘画 Stable Diffusion【SD入门】：如何体验AI绘画工具Stable Diffusion，附SD安装教程和三种体验方式！
安装好之后，我们可以看到这样一个本地网页
序号1：Stable Diffusion模型
这里是我们用来切换CheckPoint模型(cpt文件)的地方，就是我们通常说的切换大模型的地方，点开这里会看到你的Stable Diffusion（下文简称SD）已安装了哪些大模型，可以选择进行切换。
这些模型具体放在你的安装包的这个路径下面： D:\novelai-webui-aki-v3\models\Stable-diffusion
（如果你下载的也是秋叶大佬的整合包，前面的novelai-webui-aki-v3文件名应该是一样的）
补充： 模型组一共有三个：
sd_model_checkpoint： 为安装时就默认有的选项，是文生图所需要的大模型的选取菜单，方便在生成图像时切换不同的模型；
VAE(Variational autoencoder)： 中文名叫“变分自编码器”，简单可以理解为是一种画面饱和度的滤镜与画面微调功能。有些大模型是需要用到VAE来调整的，有些则不需要;
Clip skip（Clip跳过层）: 指的是控制图像生成过程中CLIP模型的使用层数。可通过滑块取值从1-12。由于 CLIP是通过计算文本和图像之间的相关性来实现的，因此如果跳过太多的步骤，文本对生成图像的匹配准确度会逐渐降低。一般我们默认都是用1或2;
我这里收集了很多SD的经典高分好评大模型以及VAE模型，不管是真人写实还是动漫二次元，国风水墨等风格都有，需要的小伙伴可以看下方扫描免费获取哦
序号2：正向提示词（Prompt）
顾名思义，这里就是通过输入文字，SD生成图片的地方。
其中数字2代表的区域是正向提示词，表示你希望图片中看到的元素；
复制粘贴如下提示词:
(worst quality:2),(low quality:2),(monochrome),grayscale,bad proportions,disfigured, ugly,bad fingers,bad hand,(Deformation drawing),(Incomplete drawing),(Rough drawing)(lrregular drawing),(Blurry drawing),((Lowres))
提示词与提示词之间，要以英文半角逗号进行分隔
序号3：反向提示词（Negative Prompt）
数字3代表的区域是反向提示词（也叫负面提示词），表示你不希望图片中出现的元素；
SD在绘画的过程中会存在很多不确定性，因此我们需要通过这些负面提示词来过滤掉一些我们不想要的内容，使我们的图片达到更加满意的效果，
lowres, bad anatomy,bad hands,text,eror, missing ingers, extra digit,fewer digits, cropped,wrst quaity, low qually, normalqualty,jpeg artifact, signature, watermark,username.blurry
负向提示词基本都是通用的，是我们生成画面中不想要的内容，新手可以直接照抄
序号4：采样迭代步数（Steps）
这个步数就是在进行生成图片的时候，需要绘制多少步。一定程度上确实是步数越多越好。但是迭代步数需要和采样方法一起配合起来使用效果会比较好。
当然受限于每个人的电脑配置不同，一般情况下：20-25步比较正常；如果电脑配置高一点可以设置为25-30步就差不多了；
每多一次迭代就会让 SD更接近我们的提示词。更高的步数需要花费更多的计算时间，步数越大，图像细节越多，默认是20步，如果你的显卡和CPU比较给力，数值可以往上调。
序号5：采样方法（Sampler）
就是SD进行绘画所使用的算法，常用的算法有三种，分别是Euler a，DPM++2S a Karras和DDI
不推荐：
LMS、DPM fast、LMS Karras和 PLMS 这四个，它们的生成质量在大多数情况下相较于其它算法而言不佳；
新手推荐：
有 Euler a（更细腻），和 DDIM（适合局部重绘）。Euler a 富有创造力，不同步数可以产出不同的图片。调太高步数 (>30) 效果不会更好。DDIM 收敛快，但效率相对较低，因为需要很多 step 才能获得好的结果，适合在局部重绘时候使用。
随机抽卡推荐：
在512 * 512 的小尺寸标准画且无强烈细节要求的简单画面中，使用 Euler A / DDIM 等推荐迭代步数载 30 到 40 之间，而使用 DPM2 A 等需要高步数的算法时则推荐迭代步数翻倍。而使用 DPM Solver 系列则推荐 20 到 30 。
序号6：图片分辨率
这里是设置图片分辨率的地方，长宽的单位都是像素。通常如果你的显卡是入门级的，建议用默认的512*512的分辨率即可，如果你的显卡比较给力，可以提高分辨率，当前SD版本（SD v1.5）最高支持2048*2048的分辨率。
序号7：生成批次和每批数量（Batch&Num）
这里就是每次点击“生成”按钮时会根据你这里的设置输出多少张图片，图片的数量=生成批次*每批数量
当然生成的图片张数越多所消耗的时间越长，特别是显卡不怎么给力的就会更长。
序号8：提示词相关性（CFG Scale）
图像与你的提示的匹配程度，增加这个值将导致图像更接近你的提示，但它也在一定程度上降低了图像质量，过高的 CFG Scale 体现为粗犷的线条和过锐化的图像，这个值一般设置为 7~11。
序号9：随机种子（Seed）
Seed种子概念也是经常用到的。如果你已经生成出一张接近满意的图片时，还需要生成更多类似这样构图及构图元素的图片，只是需要细节上有一些变化，以增加更多选择时，就可以用到Seed的这个概念。把之前那张接近满意的图片的Seed值拷贝到这里，则让AI继续生成类似的图片。如果不希望延续，则设为-1，即不使用Seed（点击骰子 ️按钮即可设置为-1，点击绿色环保小按钮♻️则从当前图生成区域刚刚生成的图片中提取Seed值到此）。
随机种子(seed)的用途就是固定生成图片过程中所产生的随机数，从而在下次生成图片时最大限度地进行还原。当然即使我们使用了随机种子也不能做到100%地还原，最多算是一种参考。因为随机种子虽然固定了随机数，但是AI算法本身就有随机性，就算使用了随机种子还是会因为随机性带来生成图片的偏差，所以随机种子只能最大限度的降低随机性。
序号10：插件
这里通常会显示我们常用的一些插件，SD是一款开源的AI绘画工具，拥有大量优质的插件，例如C站助手，OpenPose编辑器，MultiDiffusion等插件都很好用，能帮助大家解决一些特定的问题，这个我在后续的教程里也会给大家一一讲解。
序号11：ControlNet
它其实也是一个插件，但是这个插件的功能非常强大，特别是在绘画人物时，通过与OpenPose编辑器一起使用可以指定人物动作
共计100G+的教程分享：从小白零基础入门安装部署到成长为大神的培训教程
链接：https://pan.baidu.com/s/1XIDe-S3lrsvocpFoYuFwJQ?pwd=xxgg
提取码：xxgg
另外会使用魔法的朋友，如果需要Mj的关键词和指令资源的可以私信我哦~
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
### 文章总结：AI绘画Stable Diffusion使用指南及AIGC技术前景概览#### 一、Stable Diffusion使用指南
程序员晓晓为大家带来了一篇详细的Stable Diffusion（简称SD）使用教程，旨在帮助初学者快速上手这款AI绘画工具。教程的主要内容如下：
1. **模型选择**：
- **模型切换**：在SD的本地网页中，可以轻松切换不同的Checkpoint模型。模型通常存放在安装包的`D:\novelai-webui-aki-v3\models\Stable-diffusion`目录下。
- **模型分类**：包括`sd_model_checkpoint`（用于文生图切换不同模型）、`VAE`（变分自编码器，增强画面细节）、`Clip skip`（调整CLIP模型的使用层数，影响图像与文本的匹配度）。
2. **文本提示与反向提示**：
- **正向提示词（Prompt）**：通过输入希望出现在图片中的文字元素来指导SD生成图片。
- **反向提示词（Negative Prompt）**：输入不希望出现在图片中的内容，以过滤掉不良元素。
3. **参数设置**：
- **采样迭代步数（Steps）**：调整图像生成的精细度，一般推荐20-30步。
- **采样方法（Sampler）**：推荐使用Euler a和DDIM等算法，以获得更好的图像质量。
- **图片分辨率**：可根据显卡性能选择合适的分辨率，最高支持2048x2048。
- **生成批次和数量**：控制一次生成多少张图片。
- **提示词相关性（CFG Scale）**：调整图像与提示词的匹配度，推荐值7-11。
- **随机种子（Seed）**：固定生成图片的随机数，便于生成相似但细节有变化的图像。
4. **高级功能**：
- **插件**：SD支持多种插件，如C站助手、OpenPose编辑器等，可解决特定问题。
- **ControlNet**：强大的插件，用于指定人物动作等细节。
#### 二、AIGC技术发展前景与学习资源
文章还展望了AIGC技术（AI生成内容技术）的未来发展前景，强调了该技术在游戏、计算等领域的广泛应用潜力，以及与人工智能技术的深度融合带来的创新空间。
为帮助读者深入学习AIGC技术，晓晓还提供了丰富的学习资源和工具，包括但不限于：
- 学习路线：覆盖AIGC技术点的全面整理，方便新手找到适合的学习资源。
- 必备工具：直接安装即可使用的AIGC工具软件。
- 学习笔记：前辈们的手写笔记，提供独到的技术理解和思考角度。
- 视频教程合集：全方位的基础到深入学习视频，易于入门。
- 实战案例：通过动手实操，将所学应用于实际项目中，提升技能。
最后，晓晓还分享了AI绘画、AI人工智能等领域的全套学习资料和软件工具，感兴趣的读者可以获取更多信息。