AI绘画 | stable-diffusion的模型简介和下载使用

前言

我们下载完stable-diffusion-ui后还需要下载需要的大模型，才能进行AI绘画的操作。秋叶的stable-diffusion-ui整合包内，包含了anything-v5-PrtRE.safetensors和Stable Diffusion-V1.5-final-prune_v1.0.ckpt两个模型。

anything-v5-PrtRE.safetensors模型可以用于生成多种类型的图像，包括肖像、风景、动物、卡通、科幻等，它具有较强的适应性和泛用性，效果表现出较强的真实感和细节还原能力。

Stable Diffusion-V1.5-final-prune_v1.0.ckpt模型是Stable Diffusion的一个版本，也具有生成多种图像的能力，同时它还具有较快的生成速度和较高的图像质量。这个模型在细节表现和风格化方面表现得更好，适合于需要快速生成高质量图像的应用场景。

因此，选择哪个模型取决于具体的应用场景和需求。如果需要生成多种类型的图像并且要求细节表现和泛用性较好，可以选择anything-v5-PrtRE.safetensors模型；如果需要快速生成高质量的图像，可以选择Stable Diffusion-V1.5-final-prune_v1.0.ckpt模型。

模型概念

先来看看模型在 Stable Diffusion 中到底是什么概念？在维基百科中对模型的定义非常简单：用一个较为简单的东西来代表另一个东西。换句话说，模型代表的是对某一种事物的抽象表达。

在 AIGC 领域，研发人员为了让机器表现出智能，使用机器学习的方式让计算机从数据中汲取知识，并按照人类所期望的方向执行各种任务。对于 AI 绘画而言，我们通过对算法程序进行训练，让机器来学习各类图片的信息特征，而在训练后沉淀下来的文件包，我们就将它称之为模型。用一句话来总结，模型就是经过训练学习后得到的程序文件。

常见的 AI绘画 用模型后缀名有如下几种：

.ckpt格式 ，.pt 格式，.pth格式，.safetensors格式

.ckpt格式 ，.pt 格式，.pth格式，这三种是 pytorch[2] 的标准模型保存格式，由于使用了 Pickle，会有一定的安全风险（自行百度：pickle反序列化攻击）。

.safetensors格式为一种新型的模型格式，正如同它的名字一样safe（安全）。为了解决前面的这几种模型的安全风险而出现的。.safetensors 格式与 pytorch 的模型可以通过工具进行任意转换，只是保存数据的方式不同，内容数据没有任何区别。

官方模型

如今市面上有如此多丰富的绘图模型，为什么 Stable Diffusion 官方模型还会被大家津津乐道？当然除了它本身能力强大外，更重要的是从零训练出这样一款完整架构模型的成本非常高。根据官方统计，Stable Diffusion v1-5 版本模型的训练使用了 256 个 40G 的 A100 GPU（专用于深度学习的显卡，对标 3090 以上算力），合计耗时 15 万个 GPU 小时（约 17 年），总成本达到了 60 万美元。
除此之外，为了验证模型的出图效果，伴随着上万名测试人员每天 170 万张的出图测试，没有海量的资源投入就不可能得到如今的 Stable Diffusion。这样一款模型能被免费开源，不得不说极大地推进了 AI 绘画技术的发展。

按理说这么大成本训练出来的模型，绘图效果应该非常强大吧？但实际体验过的朋友都知道，对比开源社区里百花齐放的绘图模型，官方模型的出图效果绝对算不上出众，甚至可以说有点拉垮，这是为什么呢？

前两个是Stable Diffusion官方的基础模型，后一个是别人用官方基础模型为底模训练的特定画风的模型。

这里我们用 ChatGPT 来对比就很好理解了。ChatGPT 的底层大模型是 GPT 模型，GPT 模型虽然包含了海量的基础知识，但并不能直接拿来使用，还需要经过人工微调和指导才能应用在实际生活中，而 ChatGPT 就是在聊天领域的应用程序。同理，Stable Diffusion 作为专注于图像生成领域的大模型，它的目的并不是直接进行绘图，而是通过学习海量的图像数据来做预训练，提升模型整体的基础知识水平，这样就能以强大的通用性和实用性状态完成后续下游任务的应用。

用更通俗的话来说，官方大模型像是一本包罗万象的百科全书，虽然集合了 AI 绘图所需的基础信息，但是无法满足对细节和特定内容的绘图需求，所以想由此直接晋升为专业的绘图工具还是有些困难。

常见模型解析

根据模型训练方法和难度的差异，我们可以将这些模型简单划分为 2 类：
一种是主模型(Checkpoint)，另一种则是用于微调主模型的扩展模型（Embedding、Lora、Hyperbetwork）。

Checkpoint

Embeddings

Embeddings（Textual Inversion）又被称作嵌入式向量，在之前初识篇的文章里我给大家介绍了 Stable Diffusion 模型包含文本编码器、扩散模型和图像编码器 3 个部分，其中文本编码器 TextEncoder 的作用是将提示词转换成电脑可以识别的文本向量，而 Embedding 模型的原理就是通过训练将包含特定风格特征的信息映射在其中，这样后续在输入对应关键词时，模型就会自动启用这部分文本向量来进行绘制。

训练 Embeddings 模型的过程，由于是针对提示文本部分进行操作，所以该训练方法叫做 Textual Inversion 文本倒置，平时在社区中提到 Embeddings 和 Textual Inversion 时，指的都是同一种模型。
为了方便理解，你可以吧Embeddings 嵌入式模型，理解成一堆特定图片特征信息的的提示词。Embeddings/Textual Inversion需要搭配Checkpoint模型使用，常作用AI绘画中的反向提示词。

LoRA

LoRA 是 Low-Rank Adaptation Models 的缩写，意思是低秩适应模型。LoRA 原本并非用于 AI 绘画领域，它是微软的研究人员为了解决大语言模型微调而开发的一项技术，因此像 GPT3.5 包含了 1750 亿量级的参数，如果每次训练都全部微调一遍体量太大，而有了 lora 就可以将训练参数插入到模型的神经网络中去，而不用全面微调。通过这样即插即用又不破坏原有模型的方法，可以极大的降低模型的训练参数，模型的训练效率也会被显著提升。

相较于Checkpoint模型训练的方法，LoRA 的训练参数可以减少上千倍，对硬件性能的要求也会急剧下降，如果说 Embeddings 像一张标注的便利贴，那 LoRA 就像是额外收录的夹页，在这个夹页中记录了更全面图片特征信息。

由于需要微调的参数量大大降低，LoRA 模型的文件大小通常在几百 MB，比 Embeddings 丰富了许多，但又没有 Ckpt 那么臃肿。模型体积小、训练难度低、控图效果好，多方优点加持下 LoRA 收揽了大批创作者的芳心，在开源社区中有大量专门针对 LoRA 模型设计的插件，可以说是目前最热门的模型之一。

那 LoRA 模型具体有哪些应用场景呢？总结成一句话就是固定目标的特征形象，这里的目标既可以是人也可以是物，可固定的特征信息就更加保罗万象了，从动作、年龄、表情、着装，到材质、视角、画风等都能复刻。因此 LoRA 模型在动漫角色还原、画风渲染、场景设计等方面都有广泛应用。比如你训练了一个固定动漫角色人物的loRA，搭配写实的Checkpoint模型，就会生成逼真的人物，搭配二次元就会生成二次元风格的人物等等。

安装 LoRA 模型的方法和前面大同小异，将模型保存在\models\Lora 文件夹即可，在实际使用时，我们只需选中希望使用的 LoRA 模型，在提示词中就会自动加上对应的提示词组。

Hypernetwork

Hypernetwork 中文意思是超级网络，是一个神经网络模型，用于调整扩散模型（Diffusion model）的参数。它通过训练产生一个新的神经网络模型，这个模型能向原始Diffusion模型中插入合适的中间层及对应的参数，以使输出图像与输入指令之间产生特定的关联关系。虽然Hypernetwork的训练过程没有对原模型进行全面微调，但它的模型尺寸通常在几十到几百MB之间。相比之下，Hypernetwork比LoRA模型的训练难度更大且应用范围较窄，目前主要被用于控制图像画风。在国内，LoRA模型因其更好的效果和更广泛的应用范围，逐渐取代了Hypernetwork。

Hypernetwork 的安装地址，使用流程与 LoRA 基本相同，将模型保存在\models\hypernetworks 文件夹即可。

VAE

Stable Diffusion中使用的VAE模型的全称是Variational AutoEncoder（变分自编码器）。这是一种神经网络模型，能够对图像进行编码和解码，将图像转换到更小的潜在空间，以便计算可以更快。

VAE模型通过编码和解码图像来实现在更小的潜在空间中的图像表示，这可以加速计算过程。在生成AI绘画时，VAE会对输出的颜色和线条产生影响。

当人们提到下载和使用VAE时，他们指的是使用VAE的改进版本。这发生在模型训练者用额外的数据进一步微调了模型的VAE部分。为了避免发布一个很大的完整新模型，他们只发布了经过更新的小部分。

有些VAE模型可能会内置制作者推荐的VAE，但大多数情况下应该认为没有内置。此外，如果您想要更改色调等内容，也可以通过更改VAE来实现，因此最好尽可能自己准备。

VAE模型主要用于搭配Checkpoint大模型使用，用来改善照片的光照、颜色、亮度和对比度，以及产生特定的视觉效果，相当于生成的图片加上滤镜的效果。

VAE 模型的放置位置是在\models\VAE，因为是辅助 Checkpoint 大模型来使用，所以可以将大模型对应的 VAE 修改为同样的名字，然后在选项里勾选自动，这样在切换 Checkpoint 模型时 VAE 就会自动跟随变换了。

ControlNet模型

ControlNet是一个用于控制AI图像生成的插件，它使用了一种称为"Conditional Generative Adversarial Networks"（条件生成对抗网络）的技术来生成图像。与传统的生成对抗网络不同，ControlNet允许用户对生成的图像进行精细的控制。

在Stable Diffusion中，ControlNet模型用于对生成的图像进行更精确的控制。通过使用ControlNet，用户可以上传线稿让AI帮我们填色渲染，控制人物的姿态、图片生成线稿等等。

模型的下载

国外最大的两个下载网站

Civitai 是一个AI绘画模型分享平台。用户可以在这个平台上浏览并发现由不同创作者创建的AI艺术创作资源，同时也可以轻松地分享他们自己的艺术作品。该平台旨在为AI艺术创作爱好者提供一个分享和发现资源的场所，以促进艺术创作和交流

HuggingFace是一个致力于开发先进自然语言处理技术和工具的公司。他们因开源的Transformers库在机器学习社区中崭露头角，尽管初衷是创建聊天机器人，但这个库在机器学习领域得到了广泛应用。HuggingFace开发了许多流行的自然语言处理工具和框架，包括用于PyTorch、TensorFlow和JAX的最先进机器学习tokenizers，快速先进的Rust标记器，以及最大的即用型数据集中心datasets，这些可以帮助开发人员快速构建和训练模型并完成任务。HuggingFace已经共享了超过10万个预训练模型和1万个数据集，为机器学习界提供了巨大价值。其官网为https://huggingface.co/，而其Github仓库则可以通过https://github.com/huggingface进行访问。

Civitai 适合普通用户使用，上面有大神分享得模型和图片示例，HuggingFace适合大神使用，没有图片示例，但是资源多，有最新科研得模型。访问这两个网站，需要科学上网，所以推荐普通用户到国内得模型网站上下载。国内模型网站得模型，大部分都是从国外搬用过来得，还有一谢国内得大佬贡献的！

国内推荐的三个模型网站

LiblibAI·哩布哩布AI-中国领先的AI创作平台 https://www.liblib.ai/
原创AI模型分享社区，这里有最新、最热门的模型素材，10万+模型免费下载。欢迎每一位创作者加入，分享你的作品。与中国原创模型作者交流,共同探索AI绘画。

吐司 TusiArt.com https://tusiart.com/
由秋叶启动器的大佬，创建的网站，可在线生图的 AI 模型分享社区，还是免费的！

eSheep 一站式的AIGC社区 https://www.esheep.com/
eSheep.com 是国内知名的AIGC在线画图网站，提供海量模型，并支持在线AI画图。