用通俗易懂的方式讲解：Stable Diffusion WebUI 从零基础到入门

本文主要介绍 Stable Diffusion WebUI 的实际操作方法，涵盖prompt推导、lora模型、vae模型和controlNet应用等内容，并给出了可操作的文生图、图生图实战示例。适合对Stable Diffusion感兴趣，但又对Stable Diffusion WebUI使用感到困惑的同学。

前面分享了两篇文章：十分钟读懂 Stable Diffusion 运行原理 和 一文教会你学会 AI 绘画利器 Stable Diffusion，喜欢的可以阅读一下

本文希望能够降低大家对 Stable Diffusion WebUI 的学习成本，更快速的体验到AIGC图像生成的魅力。喜欢记得收藏、关注、点赞。

文章目录

• • 用通俗易懂的方式讲解系列
  • 引言
  • • • 安装
      • 模型
  • 操作流程
  • • • prompt推导
      • lora模型
      • ControlNet
      • 图生图示例
      • 文生图示例
      • 示例1
      • 示例2
      • 提示词解析
      • VAE
      • 模型的安装
      • 效果
  • 结束语

用通俗易懂的方式讲解系列

• 用通俗易懂的方式讲解：不用再找了，这是大模型最全的面试题库
• 用通俗易懂的方式讲解：这是我见过的最适合大模型小白的 PyTorch 中文课程
• 用通俗易懂的方式讲解：一文讲透最热的大模型开发框架 LangChain
• 用通俗易懂的方式讲解：基于 LangChain + ChatGLM搭建知识本地库
• 用通俗易懂的方式讲解：基于大模型的知识问答系统全面总结
• 用通俗易懂的方式讲解：ChatGLM3 基础模型多轮对话微调）
• 用通俗易懂的方式讲解：最火的大模型训练框架 DeepSpeed 详解来了
• 用通俗易懂的方式讲解：这应该是最全的大模型训练与微调关键技术梳理
• 用通俗易懂的方式讲解：Stable Diffusion 微调及推理优化实践指南
• 用通俗易懂的方式讲解：大模型训练过程概述
• 用通俗易懂的方式讲解：专补大模型短板的RAG
• 用通俗易懂的方式讲解：大模型LLM Agent在 Text2SQL 应用上的实践
• 用通俗易懂的方式讲解：大模型 LLM RAG在 Text2SQL 上的应用实践
• 用通俗易懂的方式讲解：大模型微调方法总结
• 用通俗易懂的方式讲解：涨知识了，这篇大模型 LangChain 框架与使用示例太棒了

引言

Stable Diffusion （简称sd）是一个深度学习的文本到图像生成模型， Stable Diffusion WebUI是对Stable Diffusion模型进行封装，提供可操作界面的工具软件。Stable Diffusion WebUI上加载的模型，是在Stable Diffusion 基座模型基础上，为了获得在某种风格上的更高质量的生成效果，而进行再次训练后产生的模型。目前 Stable Diffusion 1.5版本是社区内最盛行的基座模型。

安装

sd web-ui的安装请参考：https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Install-and-Run-on-NVidia-GPUs

sd web-ui使用了gradio组件包，gradio在配置share=True时，会创建frpc隧道并链接到aws，详情可参考（https://www.gradio.app/guides/sharing-your-app），因此在sd web-ui应用启动时，请根据自身安全生产或隐私保护要求，考虑是否禁止开启share=True配置，或删除frpc客户端。

模型

https://civitai.com/是一个开源的sd模型社区，提供了丰富的模型免费下载和使用。在此简述一下模型的分类，有助于提高对sd web-ui的使用。sd模型训练方法主要分为四类：Dreambooth， LoRA，Textual Inversion，Hypernetwork。

1. Dreambooth：在sd基座模型的基础上，通过 Dreambooth 训练方式得到的大模型， 是一个完整的新模型，训练速度较慢，生成模型文件较大，一般几个G，模型文件格式为 safetensors 或 ckpt。特点是出图效果好，在某些艺术风格上有明显的提升。如下图所示，sd web-ui中该类模型可以在这里进行选择。

   

2. LoRA: 一种轻量化的模型微调训练方法，在原有大模型的基础上对该模型进行微调，用于输出固定特征的人或事物。特点是对于特定风格的图产出效果好，训练速度快，模型文件小，一般几十到一百多 MB，不能独立使用，需要搭配原有大模型一起使用。sd web-ui提供了lora模型插件，以及使用lora模型的方式，具体操作可见本文的 “操作流程->lora模型” 。

3. Textual Inversion：一种使用文本提示和对应的风格图片来微调训练模型的方法，文本提示一般为特殊的单词，模型训练完成后，可以在text prompts中使用这些单词，来实现对模型生成图片风格和细节的控制，需要搭配原有的大模型一起使用。

4. Hypernetwork：与LoRA类似的微调训练大模型的方法，需要搭配原有的大模型一起使用。

操作流程

prompt推导

1. 在sd中上传一张图片

2. 反向推导关键词，有两个模型CLIP和DeepBooru，以图1为例：

图1: iphone 14 pro max 原相机拍摄的高清照片

使用CLIP进行prompt反推的结果：

a baby is laying on a blanket surrounded by balloons and balls in the air and a cake with a name on it, Bian Jingzhao, phuoc quan, a colorized photo, dada

使用DeepBooru进行prompt反推的结果：

1boy, ball, balloon, bubble_blowing, chewing_gum, hat, holding_balloon, male_focus, military, military_uniform, open_mouth, orb, solo, uniform, yin_yang

CLIP反推结果是一个句子，DeepBooru的反推结果是关键词。

可以修改正向prompt，也可以添加反向prompt，反向prompt用于限制模型在生产图片时不添加反向prompt中出现的元素。反向prompt不是必须的，可以不填。

lora模型

lora模型对大模型生成图的风格和质量有很强的干预或增强作用，但是lora模型需要与配套的大模型一起使用，不能单独使用。在sd-webui中使用lora模型的方式主要有两种：

• 方法一

安装additional-network插件，插件的github地址：https://github.com/kohya-ss/sd-webui-additional-networks，在sd-webui上可以在扩展中直接下载安装。该插件仅支持使用sd-script脚本训练的lora模型，目前https://civitai.com/上绝大多数的开源lora模型都是基于此脚本训练的，因此该插件支持绝大多数的lora模型。下载的lora模型需要放到

*/stable-diffusion-webui/extensions/sd-webui-additional-networks/models/lora

路径下, 新增模型需要重启sd-webui，插件和模型正确加载后，会在webui操作界面的左下角中出现“可选附加网络（LoRA插件）” 。在生成图片时触发lora，需要在插件中选中lora模型，并在正向提示词中加入Trigger Words。下图中选中的lora模型为blinndbox_v1_mix, trigger words为full body,chibi, 每个lora模型有自己独有的Trigger Words，在模型的简介中会注明。

如果插件在点击安装后没有反应，或者提示因为Flag引起的错误，是因为webui启动时允许扩展插件的设置配置为禁止，需要在webui启动时添加启动参数：–enable-insecure-extension-access

./webui.sh --xformers --enable-insecure-extension-access

• 方法二

不使用additional-network插件，使用sd-webui默认支持的lora模型使用方式，需要将lora模型放到

*/stable-diffusion-webui/models/Lora

目录下，重新启动sd-webui即可自动载入模型。

在正向提示词中加入lora模型启用语句，生产图片时即可触发lora模型：

web-ui提供了自动填充lora提示语句的功能，点击如图所示的图标，可以打开lora模型列表，然后点击模型区域，语句会自动填充到正向提示词区域：

以上两种方式，选用其中任意一种均能使lora模型在内容生产中生效，两种方式同时使用也不会引起问题。

ControlNet

controlNet通过支持额外的输入条件，试图控制预训练的大模型，如Stable Diffusion。单纯的文本控制方式令内容的生产就像碰运气抽卡，结果无法控制且不容易达到预期效果，controlNet的出现使stable diffusion大模型的内容生成进入可控时期，让创作变得可控使得AIGC在工业应用上更进一步。

• 安装controlNet

在sd-webui上，点击扩展，进入插件安装页面，找到controlNet插件，点击install即可完成插件安装。

下载开源的controlnet模型

下载地址：https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main

一个模型由两个文件组成: .pth 和 .yaml，需要同时下载。文件名中”V11″后面的字母，p:表示可以使用，e:表示还在试验中，u:表示未完成。下载好的模型放在如下目录，重启sd-webui 即可完成controlnet模型加载。

*\stable-diffusion-webui\extensions\sd-webui-controlnet\models

图生图示例

• 模型选择

1、stable diffusion大模型选用：revAnimated_v11 (https://civitai.com/models/7371?modelVersionId=46846)

2、lora模型选用blind_box_v1_mix (https://civitai.com/models/25995?modelVersionId=32988)

3、采样方法Euler a

4、源图片使用 图1，使用DeepBooru模型进行正向prompts生成, 添加revAnimated_v11的特定prompts, 删除一些正向prompts，添加反向prompts，最后使用的prompt如下所示。

正向：

(masterpiece),(best quality), (full body:1.2), (beautiful detailed eyes), 1boy, hat, male, open_mouth, smile, cloud, solo, full body, chibi, military_uniform, lora:blindbox\_v1\_mix:1

反向：

(low quality:1.3), (worst quality:1.3)

生成的图片为：

图1:原图片

图2:sd生成图片

5、保持生成图片的条件不变，添加ControlNet模型，选择Openpose，control mode选择 balance ，生成的图片如下所示，生成的人物动作因为Openpose的作用被约束了，与原图像保持的更为相似。

图3:sd生成图片（添加openpose）

图4: openpose生成的图片

文生图示例

• 模型选择

1. stable diffusion大模型选用：revAnimated_v11 (https://civitai.com/models/7371?modelVersionId=46846)

2. lora模型选用blind_box_v1_mix (https://civitai.com/models/25995?modelVersionId=32988)

3. 采样方法Euler a

示例1

提示词

正向：

(masterpiece),(best quality),(ultra-detailed), (full body:1.2), 1girl, youth, dynamic, smile, palace,tang dynasty, shirt, long hair, blurry, black hair, blush stickers, black hair, (beautiful detailed face), (beautiful detailed eyes), lora:blindbox\_v1\_mix:1, full body, chibi

反向：

(low quality:1.3), (worst quality:1.3)

生成的图片为：

图5: 文生图实例1

示例2

提示词

正向：

(masterpiece),(best quality),(ultra-detailed), (full body:1.2), 1girl,chibi,sex, smile, open mouth, flower, outdoors, beret, jk, blush, tree, :3, shirt, short hair, cherry blossoms, blurry, brown hair, blush stickers, long sleeves, bangs, black hair, pink flower, (beautiful detailed face), (beautiful detailed eyes), lora:blindbox\_v1\_mix:1,

反向：

(low quality:1.3), (worst quality:1.3)

生成图片为：

图6: 文生图实例2

提示词解析

1. (masterpiece),(best quality),(ultra-detailed), (full body:1.2), (beautiful detailed face), (beautiful detailed eyes) 这些带()的词为revAnimated_v11 模型配套prompts，用于提高图片的生成质量。

2. lora:blindbox\_v1\_mix:1 是触发 blind_box_v1_mix 模型的 prompt。

3. full body, chibi 为 blind_box_v1_mix 模型的 trigger words。

4. 剩下的prompts为图片内容的描述。

5. revAnimated_v11 模型对prompt的顺序是敏感的，排在前面的提示词比排在后面的prompt对结果的影响更大。

VAE

在sd的实际使用中，vae模型起到滤镜和微调的作用，有些sd模型是自带vae的，并不需要单独挂载vae。与模型配套的vae的模型，通常会在模型的发布页面会附带vae的下载链接。

• 模型的安装

下载vae模型到sd web-ui的如下目录，重启sd web-ui，即可自动完成vae模型加载。

/stable-diffusion-webui/models/VAE

如下图所示，在sd web-ui上可以切换vae模型。

如果we-ui上看不到此选择框，则到设置-> 用户界面-> 快捷设置列表 添加配置 “sd_vae”，如下所示：

• 效果

在保持图6生成条件不变的基础上，附加Blessed2（https://huggingface.co/NoCrypt/blessed_vae/blob/main/blessed2.vae.pt）模型，图片的颜色和对比度有了明显的变化。

图7: 添加vae模型前

图8：添加vae模型后图片的饱和度和对比度都有提升

结束语

1. sd web-ui的学习曲线比较陡峭，具有一定的图像处理领域知识能够帮助用户更好的选择和组合模型。

2. 零基础小白用户容易出现随便选择模型，胡乱组合，对着sd web-ui界面进行一系列操作后，出图效果和预期完全不符的情况，建议先了解每个模型的特点后再根据实际目标进行选择。

3. sd是开源的，sd web-ui是一个工具箱，不是一个商业产品，社区中有很多效果很棒的模型，出图的上限很高，但下限也很低，开源不代表没有成本，因为sd we-ui部署要求较高的硬件配置。要节省学习成本，较为稳定的出图效果，简单便捷的用户体验，没有硬件配置要求，midjourney 是当前的首选，但需要支付订阅费。