灰常好的模型网站
https://civitai.com/
LiblibAI·哩布哩布AI-中国领先原创AI模型分享社区
出图效率倍增！47个高质量的 Stable Diffusion 常用模型推荐 - 优设网 - 学设计上优设
几种模型的介绍
Embeddings
如果Checkpoint是个大词典，embeddings就像词典的书签。模型网站上还会有触发词，可以把它复制黏贴到正向提示词栏里。
用法：三视图、负面提示词
LoRa
如果Checkpoint是个大词典，embeddings就像词典的书签，而lora相当于一张详细的彩页。
用法：
人物角色形象
画风 / 风格
概念
服饰
物体、特定元素
Hypernetwork
是一张小卡片。主要是用来影响画风。
CGF Scale 分类器自由引导尺度
图像与提示词的一致程度，越低的值产生越有创意的结果
关键词Prompt顺序
画质
风格
主体
外表、描述
表情、情绪
姿势
背景
杂项
以上的顺序可以通过下面这个网站来调整排序↓
OPS 提示词工作室 | 可视化编辑提示词 | 一键翻译 AIGC 提示词 | Midjourney 提示词 | OpenPromptStudio made by Moonvy 月维
同时可以考虑满足以下的条件：
在描述主题时要详细和具体。
提示词越靠前权重越大，越靠后权重越低；
可以通过按住ctrl + ↑↓来快速调节权重，权重设置在0.5~2之间；
艺术家的名字是一个非常强的风格修饰符，使用的时候要知道这个是什么风格。
万能负面关键词
(bad-artist:1.0), (loli:1.2), (worst quality, low quality:1.4), (bad_prompt_version2:0.8), bad-hands-5,lowres, bad anatomy, bad hands, ((text)), (watermark), error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, ((username)), blurry, (extra limbs),
风格Prompt参考
film grain 胶片颗粒感/老电影滤镜
（。。。。。。罗列中）
用gpt来生成prompt
StableDiffusion是一款利用深度学习的文生图模型，支持通过使用提示词来产生新的图像，描述要包含或省略的元素。
我在这里引入StableDiffusion算法中的Prompt概念，又被称为提示符。
下面的prompt是用来指导AI绘画模型创作图像的。它们包含了图像的各种细节，如人物的外观、背景、颜色和光线效果，以及图像的主题和风格。这些prompt的格式经常包含括号内的加权数字，用于指定某些细节的重要性或强调。例如，"(masterpiece:1.5)"表示作品质量是非常重要的，多个括号也有类似作用。此外，如果使用中括号，如"{blue hair:white hair:0.3}"，这代表将蓝发和白发加以融合，蓝发占比为0.3。
以下是用prompt帮助AI模型生成图像的例子：masterpiece,(bestquality),highlydetailed,ultra-detailed,cold,solo,(1girl),(detailedeyes),(shinegoldeneyes),(longliverhair),expressionless,(long sleeves),(puffy sleeves),(white wings),shinehalo,(heavymetal:1.2),(metaljewelry),cross-lacedfootwear (chain),(Whitedoves:1.2)
仿照例子，给出一套详细描述以下内容的prompt。直接开始给出prompt不需要用自然语言描述：
批量改变图片的某个组件（脚本X/Y/Z plot）
通过一个案例，批量改变头发的风格，介绍脚本X/Y/Z plot的妙用
首先我们现有一张原图，我在哩布上找到了一张别人的成品，（顺便还可以直接拷贝里面的提示词），想要图片不崩，我觉得红框里面的东西都需要注意
打开sd，将引用的模型和其他参数都做到尽量一致（图片可以等比例先改小一些），运用图生图的重绘功能，涂抹想要更改的部分（头发）（当然还可以选择涂抹上衣、短裤，看你想更改什么变量）
1.调整重绘幅度，一般可以从0.5向上递增（效果看起来0.6~0.9的还可以）
2. 批量产图，看看稳定性（头发颜色以及有没有奇怪的东西产生）
重绘幅度 成功率 0.6 0/9 0.7 1/9 0.8 4/9 0.9 5/9得出结论可以缩小范围到0.8-0.9
3.打开脚本X/Y/Z plot
把产图重新改回1，打开脚本
x轴选了提示词的red，y轴选择了重绘幅度
这样子，一个比较稳定的换组件工作就完成了，还是非常酷的
反推提示词（插件Tagger）
图生图情况下，选择反推（一般用DeepBooru反推，更快）
还有一个厉害的插件可以完成这个过程
图片修复 (inpaiting)
针对文生图
可以多生成批次挑选好的种子的办法，再进行高分辨率修复↓
（放大算法选择R-ESRGAN比较好，动画选择R-ESRGAN+Anime6B）
方法2
下载inpaiting模型； 可以生成图片后点击send img2img，也可以自己上传到img2img； 用刷子进行绘制想要修改的区域，刷完之后，重新生成。其中的一些参数：
模型记得选择SDv1.5修复模型(sd-v1-5-inpainting.ckpt)。
针对图生图
选取满意的图再点击发送到图生图，控制重绘程度为0.5，再放大尺寸
超分辨率 Hires.fix
文生图的时候，高分辨率的图反而会产生非常怪异的图像。Hires.fix使得ai先在较低的分辨率下部分渲染你的图片，在通过算法提高图片到高分辨率，然后在高分辨率下再添加细节。
放大算法无脑选择R-ESRGAN 重绘幅度 Upscale by：拉高这个参数需要更高的显存；数值2可以解决放大算法和controlNet的冲突放大脚本 (upscale)
（放大算法选择R-ESRGAN比较好，动画选择R-ESRGAN+Anime6B）
*后期处理的放大方法
比较快，但是效果不如图片修复和放大脚本好
草稿出3D图教程
1.拿到一张非常随意的草图
2.文生图模式，选好checkpoint(NyanMix)和lora(AnimeLineart/Manga-like),主要用来优化草图；在正负提示词写上描述词，主要描述草图里的东西;放入草图
（canny low threshold识别暗部，canny high threshold识别亮部。两者降低都能提高细节）
最后点击生成图片
3.文生图模式，选好checkpoint(RevAnimated)和lora(blindbox),主要用来优化草图；在正负提示词写上描述词，主要描述草图里的东西;放入上面优化过的草图
注：白底黑线的canny用invert的形式
插件子安装地址教程
插件安装位置
VAE用来控制滤镜。通常一般的Checkpoint都会调好滤镜，个别Checkpoint也会在提示适合什么VAE模型，下载下来的时候可以命名成和大模型Checkpoint相同的名字,（checkpoint的名字）+（.VAE）+(.pt）
局部重绘
局部重绘和选取范围有关，与颜色无关；涂鸦重绘和涂上去的范围、颜色都有关系。
插件Wildcards 按照自己的编写好的词条随机抽卡
首先安装好插件
Wildcards插件GitHub仓库地址： https://github.com/AUTOMATIC1111/stable-diffusion-webui-wildcards
在插件的文件夹里安排好自己想要的词条记事本
文生图调用（这里的意思就是，场景面部表情等等，会在我们准备好的记事本里随机抽取一个词条来跑图）
并且增加单批数量，每张图的限定词都会随机一下
三视图案例
结合上面的Wildcards 和 CharTurner LoRA和controlNet来实现三视图
CharTurner LoRA的权重设置为0.2~0.4之间；三视图的关键词有：(simple background, white background:1.3),multiple multiple views,
打开controlNet,放入三视图骨架图，
效果图很酷
手部控制方案
stable diffusion最全手部控制方案，案例实操教程｜手指｜手势｜姿势控制｜分层控制｜embedding｜LyCORIS｜3D openpose_哔哩哔哩_bilibili
方法一、emdding负面提示词+提示词矩阵
1.大模型和其他参数都选好之后，首先将embedding的几个词都写入负面提示词栏，用 | 隔开
2.
3.导出的图除去差异太大的行（hang)，留下差异不大的行(hang)
方法二、Open Pose Editor + Depth Library插件
待补全
方法三、3D openpose（有插件版、在线版）
网页版：https://zhuyu1997.github.io/open-pose-editor/
点击下面的图可以下载需要的图（我们下载骨架图和手部canny图）
第一框（ControlNet Unit0)填pose骨架图，第二框（ControlNet Unit1)填手部Canny图
骨架选Open Pose的选项，手用canny选项
controlnet精确控制
文生图controlnet的图像需要导入（一张图来控制姿势等等），图生图默认将原图作为参照来运行control计算，所以control那一栏可以空着。
control weight和ending control step的提高可以提高control 的控制强度，绿框的分辨率在碰到canny、lineart、depth等对精度有一定要求的模型时，可以把分辨率开到和原来的图一样
1.openpose动作姿势
2.depth深度
3.canny边缘检测（线稿）
4.softedge（柔和边缘）=hed
5.scribble（涂鸦乱画）
6.inPaint模型：局部重绘
7.Tile模型：放大、增加细节
8.Refernce Only：用于固定细节
9.seg：语义分割
【AI绘画】强大的构图工具：Seg（ControlNet）语义分割控制网络_哔哩哔哩_bilibili
*运用1.一键换背景
图生图的模式，放进去一张想要换背景的图，在打开control net，选择depth，放入相同的照片
（好用）Tiled Diffusion放大
这两个都要打开↓
超高分辨率升级
基础操作
将生成的低分辨率的图发送到图生图里面，打开Tiled Diffusion和Tiled VAE，参数设置如下
建议把“使用快速编码器”取消勾选
重绘尺寸里说的保持原样 是指原图片尺寸
再点击生成就可以放大了
参数分析
建议把“使用快速编码器”直接取消勾选，因为开起来颜色会变灰
进阶用法
在刚开始文生图的时候就开启高清修复，参数如下。进行第一次生图。
打开Tile Diffusion和Tiled VAE，参数设置如下。这里放大图像大小为4倍，然后第二次生图。
建议把“使用快速编码器”直接取消勾选，因为开起来颜色会变灰
用AI生成360VR全景图
(AI绘图)怎样用AI生成360VR全景图_哔哩哔哩_bilibili
全景图LORA下载:https://civitai.com/models/10753/latentlabs360
免费360全景图下载:https://pixexid.com/search/360-panorama
360测试网站:https://skybox.blockadelabs.com/
360测试网站:登录-720云图VR全景官网-3DVR全景行业专业的VR全景拍摄制作平台