本文参考bilibili的链接：B站第一套系统的AI绘画课！零基础学会Stable Diffusion，这绝对是你看过的最容易上手的AI绘画教程 | SD WebUI 保姆级攻略_哔哩哔哩_bilibili
目录
首先提几个好玩的名词：
炼丹：训练AI学习图片生成模型
咒语：prompt提示词
一、prompt提示词
1、概况
包含内容：作品主题、画风、形象特点以及一些具体包含的要素
提示词的语法规则：
- 提示词需要英文书写
- 提示词以词组作为单位
2、prompt分类
（1）人物及主体特征
服饰穿搭：white dress
发型发色： blonde hair, long hair
五官特点：small eyes, big mouth
面部表情：smiling
肢体动作：stretching arms
（2）场景特征
室内、室外：indoor / outdoor
大场景：forest, city, street
小细节：tree, bush, white flower
（3）环境光照
白天黑夜：day / night
特定时段：morning, sunset
光环境：sunlight, bright, dark
天空：blue sky, starry sky
（4）补充：画幅视角
距离：close-up, distant
人物比例：full body, upper body
观察视角：from above, view of back
镜头类型：wide angle, Sony A7 III
（5）画质
通用高画质：
Best quality最高的质量
Ultra-detailed 超级细节
Masterpiece 杰作
Hires 高分辨率
8k 8k分辨率
特定高分辨率类型：
Extremely detailed CG unity 8k wallpaper 超精细的8K Unity游戏CG
Unreal engine rendered 虚幻引擎渲染
3、提示词的权重分配
（1）括号加数字
(white flower:1.5) 调节白花的权重为原来的1.5倍（增强）
(white flower:0.8) 调节白花的权重为原来的0.8倍（减弱）
（2）套括号
圆括号：(((white flower))) 每套一层，额外*1.1倍
大括号：{ { {white flower}}} 每套一层，额外*1.05倍
方括号：[[[white flower]]] 每套一层，额外*0.9倍
4、反推提示词
可以识别图像已有的成分，再总结成AI的字典里有的东西，来帮助你更准确地向AI描述一些东西。
DeepBooru和CLIP是两种不同的图像识别算法，DeepBooru的速度和识别准确率都更具有优势。
5、提示词网站
AI绘画提示词生成器 – 一个工具箱 – 好用的在线工具都在这里！
二、WebUI参数说明
1、文生图参数
（1）采样迭代步数：去噪迭代次数，一般超过20次后面提升不大
（2）分辨率：分辨率太大，可能会出现多人多手多脚的情况，AI在训练的时候用的图片分辨率一般都比较小，如果分辨率太大就会被认为是多张图片拼接而成的。如果需要高分辨率的图片，先绘制512*512的图片，再通过”hires.fix”进行高清修复。
（3）”restore faces”面部修复，采用一些对抗算法识别人物面部并进行修复。
（4）”Tiling”平铺，用来生成那种可以无缝贴满整个屏幕的纹理性图片
（5）生成批次：为了追求一张完美的图片可能会用一套提示词生成多次，通过该功能可以一次生成多张图片，它提供了所有图片合在一起的预览图以及各张图片。
2、图生图参数
Denoising strength：重绘幅度，它跟原图有多像的权重
3、inPaint局部重绘及参数
它就像我们写作业时使用的涂改液、修正带一样，它可以针对一张大图里的某一个区域覆盖重画。既能修正错误，又不至于把整张纸撕掉重画一遍。
它利用图生图的方式对局部重绘了一下，然后又拼回到原图中。
蒙版(mask)：泛指一些用以限定处理区域的范围对象。蒙住了某些关键区域的版子。
Inpaint Sketch：绘制。画上去的有颜色的线条会同时构成这个画面的一部分，并参与到图生图的过程里。
三、模型
1、模型类型
模型下载网站：hugging face / civitai
（1）大模型
Checkpoint 检查点或者关键点模型，叫ckpt大模型，一般2~7GB之间
Safetensor 通常1~2GB，也是大模型，是训练者们为了使模型变得更加可靠、高效而专门开发的
（2）Embeddings
文本嵌入，对应C站的Model types是”Textual Inversion”，即文本倒置
Embeddings文件都非常小，一般就几十KB
如果是checkpoint是一本大字典，那么Embeddings就像上面的一片小“书签”，它能够精准地指向个别字、词的含义，从而提供一个极其高效的索引。
Embeddings本身不包含信息，只是一个标记而已。
Embeddings可以为我们指向某一种特定的形象
文件后缀是pt，下载后放在models文件夹旁边的同名文件夹embeddings里面。
Embeddings不需要额外的调用，只需要在提示词里面用特定的prompt去召唤它
（3）LoRa：低秩模型
LoRa的作用在于向AI传递、描述某一个特征准确、主体清晰的形象。
可以让AI学习一些原本不存在于它的世界里的东西。
如果说embeddings是一张书签，那么Lora就是一张彩页，它直接就在纸上写明白了形象的特点，可以用什么样的方式去呈现出来。
Lora的位置是在models下面的Lora子文件夹。
使用lora的方式，直接在提示框中输入即可：
训练大模型的最低要求是拥有12G以上的显存，但训练LoRA模型可能只需要8G甚至更低。常规的大模型至少会占用2个G以上的存储空间，但最大的LoRA模型也不会超过200M。
它需要和checkpoint搭配使用，从而实现对这个checkpoint在某些方面的“微调”。
（4）Hypernetwork 超网络
它能实现的效果和Lora差不多的。
可以让AI学习一些原本不存在于它的世界里的东西。
Hypernetwork一般用于改善生成图像的整体风格。不太需要使用，后面直接用LORA即可
2、模型分类及top模型名称
（1）二次元模型
Anything V5：用于动漫、插画、角色立绘等的画面风格
Counterfeit：插画风模型，细节还原度高
Dreamlike Diffusion：漫画插画风模型，打造梦幻般、具有幻想色彩的画面和作品
（2）真实系模型
Deliberate：超级升级版的SD官方模型，非常精细、全面的写实风格
Realistic Vision：朴素且有整活空间，用来做人像、食物、动物图片，做些具有真实感的假新闻照片
LOFI：精致的照片级人像专精模型，对人物面部处理比前两个更加精致
（3）2.5D风格模型
NeverEnding Dream：非常适合“三次元化”的2.5D模型，结合Lora进行动漫游戏角色的二次创作
Photorealism：优秀的照片效果和创意发挥空间
Guofeng3：实现“文化输出”的国风精致模型
四、分辨率放大的工具
1、高清修复Hires.fix
Upscale by：放大倍率，指将这个图片由原始分辨率放大到多少
Hires steps：高清修复采样次数，高清修复需要经过一次重绘，因此需要设置采样步数。保持默认的0数值，它会和我们设置的采样迭代次数（20）保持一致。
Denoising strength：重绘幅度，等同于图生图中的重绘幅度。
生成过程：SD会先绘制一份低分辨率的图像，再根据它画第二幅高分辨率的图像。它的本质就是把这个低分辨率成品“图生图”一次，打回潜空间内重新去噪，从而得到一张更大的图片。
高清修复本质：打回重画，再来一副！适合文生图。
- 优势：
不会改变画面构图（经由随机种子固定）；
稳定克服多人、多头等由分辨率产生的问题；
操作简单、清晰、直观。
- 缺陷：
仍然受到最大显存的限制；
计算速度相对较慢，画一次等于常规情况下画两到三次
偶尔“加戏”，出现莫名的额外元素
2、SD UpScale
图生图中把图片分辨率放大的好帮手。
脚本：
选择SD upscale
它的绘制过程：和高清修复的“打回重画”截然不同，它是通过把这张图均匀地切成4块去画的，逐一画4块然后再拼在一起。
如果只是机械地切成4块，那么相邻图块之间地接缝处肯定会出现非常生硬地过渡边缘，于是，通过tile overlap像素重叠就会起到一个“缓冲带”的作用。
优势：
可以突破内存限制获得更大的分辨率
画面精细度高，对细节的丰富效果出色
缺陷：
分割重绘的过程较为不可控（语义误导和分界线割裂）
操作繁琐且相对不直观
偶尔“加戏”，出现莫名的额外元素
五、AI绘画入门级扩展插件
所有和扩展有关的功能都被集中收纳在这个”Extensions”标签里进行管理。
插件被统一安装在根目录下“Extension”的文件夹里，每一个扩展是一个单独的文件夹。
1、中文本地化语言包
GitHub – hanamizuki-ai/stable-diffusion-webui-localization-zh_Hans: SD-WebUI 简体中文翻译扩展
2、图库浏览器
GitHub – yfszzx/stable-diffusion-webui-images-browser: an images browse for stable-diffusion-webui
3、提示词自动补全
https://github.com/DominikDoom/a1111-sd-webui-tagcomplete
它是基于本地的一个Booru词库实现的。
这个插件还能进行中文输入，然后切换成英文进行输入。
4、提示词反推
https://github.com/toriato/stable-diffusion-webui-wd14-tagger.git
比CLIP和DeepBooru更高效的反推工具。
5、Upscale放大扩展
https://github.com/Coyote-A/ultimate-upscale-for-automatic1111.git
安装完成后没有独立tab，而是出现在脚本中。
6、局部细化重绘
https://github.com/hnmr293/sd-webui-llul
与第5个工具相比，它不会让一整张图片变得特别大，而是把一些局限于尺寸没法变得更精致的部分给“放大”一下。
它在于不改变原有的结构，就可以为画面带来更加丰富的细节。
7、提示词语义分割
https://github.com/hnmr293/sd-webui-cutoff.git
解决提示词之间的相互干预。
扩展的原理如下：
它会将里面的每一个提示词的“描述性”成分抽取出来单独处理，再结合回原画里面。
8、无限放大动画视频
https://github.com/v8hid/infinite-zoom-automatic1111-webui.git
我们可以去想象它的场景在不断往外延伸，最终生成动画视频。
六、ControlNet插件
1、概括说明
在此之前，基于扩散模型的“AI绘画”是非常难以控制的，去扩散这张图片的过程充满了随机性。
在原理上，ControlNet和LoRA是有许多相似之处，定位都是对大扩散模型做微调的额外网络。它的核心作用是根据一些额外信息控制扩散走向。
比如“姿势”，如果只是通过提示词输入一个“跳舞”，那么画面中的角色、人物可能会有无数种舞蹈姿势，ControlNet的精髓在于可以给他输入一张记录了某种特定“姿势”信息的图片来指导它作图。ControlNet能够读懂下面信息。
2、安装
插件下载地址：GitHub – Mikubill/sd-webui-controlnet: WebUI extension for ControlNet
下载后同样放在extensions目录下即可，重启生效后就可以在文生图或图上图的下方看到该插件。
此时还没法使用ControlNet，因为需要下载相应的控制模型才能工作，对应模型的下载地址为:
lllyasviel/ControlNet-v1-1 · Hugging Face
下载完一个模型之后，需要把它放在ControlNet文件夹内的models文件夹里，注意：同名的pth模型文件和yaml配置需要一起放置。
ControlNet插件的Annotator功能能够从图片中提取对ControlNet有用的额外信息。
Control Weight：决定这个控制效应在图片中呈现出来的强度。后面两个选项，会影响在图像不断扩散的过程中什么时候加入ControlNet的影响。默认的0到1代表从头到尾全程生效。
3、比较流形的5个ControlNet模型
（1）Openpose模型
直接掌握了人物体态呈现的“命脉”。
下图为openpose-hand
下面为openpose-face
（2）Depth模型
它的重点是对场景的描绘还原，尤其是富有空间感的多层次场景
（3）Canny模型
来自于图像处理领域的一种边缘检测算法。
（4）HED模型
整体边缘线条检测。
输入的线条相对Canny更加模糊，两者对比如下：
Canny更关注人物内部的细节，HED这一类处理只会把大的轮廓保留下来，内部其实是有更大的发挥空间的。
（5）Scribble模型
涂鸦。
得到：
3、MultiControlNet
多重ControlNet
文章出处登录后可见！
