【AI绘画】Stable Diffusion基础教程8——​随机种子及内置三种脚本介绍

今天讲的都是可以提高人工效率的方法，为此苦恼的小伙伴记得看完哦。

一、随机种子

可以理解为每个图画的唯一编码，当设置为-1时，图画随机生成，当遇见中意的图片时，复制下面的种子数值，填入随机种子框内，后续生成的图画基本都是一个样子。

**例如下图：

生成的这张图
seed为2843609712，觉得还不错，那么复制到随机种子框里，再次生成：

图画就是一模一样的，这时 你修改迭代步数或者尺寸等信息是不会对画面主要信息有影响的，例如下图：

为了对比，我让生成了两张图，我调整迭代步数到40后，种子固定，第一张图还是和原来的图画很相似。是不是方便多了。

二、差异随机种子以及差异强度

在随机种子后的方框勾选后，会出现差异随机种子选项以及差异强度选项，这两项和随机种子是配合使用的，作用是：将随机种子值的图和差异随机种子值的图按差异强度进行融合。

差异强度设0代表完全按随机种子值生成图；

差异强度设1代表完全按照差异随机种子值生成图；

从这里就能看出：差异强度就是和原图差异的强度的意思。（强行翻译

举个栗子：

随机种子数值固定，差异随机种子值为-1，差异强度为0，生成的图片如下：

接下来，将差异强度设为1，图片如下：

是不是就是刚才的第二张图呢，下面横线处是第二幅画的随机种子值。

那么设置为0.5会发生什么呢，拭目以待：

两幅图画融合，变成新的一幅画面了

这就是随机种子的妙用，理解了作用，就可以上手试试啦。

二、脚本详解

自带脚本在最下方，如图所示位置：

1、提示词矩阵

比如你想试几个提示词对画面的影响，就可以用这个脚本，

使用方法是：每个提示词之间用竖线分隔，就会生成对比图。

比如说，我给提示词中加入[簪子]=kanzashi、[珠子项链]=bead necklace进行对比，实际出图就是这样的：

这样很直观的进行对比，一眼就决定要用哪个提示词了，不用再删删减减 重复生成四次，再把四幅图放一起进行对比，太费时间了。这个功能就好用的很。

这俩额外选项暂时没用

宫格图边框（像素）就是指上面这种对比图之间的间隔，调高以后就会有明显间隔，方便对比。

**
**

2、从文本框或文件中载入提示词

这个就是字面意思了，如果你需要批量生成图片，那么用这种直接导入提示词功能比手动一个个复制快得多。SD是依据每一段提示词进行生成的，而且要求每个参数用–作为分隔。**
**

简单举个栗子：

–prompt"photo of iphone"

–prompt"photo of 1cat"

–prompt"photo of 1dog"

来看看生成的图片：

你就会发现SD一次性生成了三张图，依据的都是批量提示词的内容。

这个就很方便，可以提前制作好很多张图的参数，丢给电脑慢慢跑，咱就可以出门玩耍了，玩够了回来收图就行了，不用一直候着。

3、XYZ脚本

XYZ脚本生成的图片，大家肯定都见过，就算不清楚，我上张图 大家也都明白是什么了：

其实就是参数变化表

上图我是把X轴类型设为迭代步数，X轴值每个数字用英文逗号分割，写成1,10,20,30,40。当然也可以写区间1-20，默认是每+1步生成一张图片，耗费时间较长，这里用10步一区分生成图片。也可以按这个格式化写：

可以用加法1-40(+10)就相当于1,10,20,30,40，每10步生成一次；

也可以用减法：40-1(-10)；

也可以用小数点：1-10(+0.5)；

也可以规定范围内分多少个：1-10[5]，方括号+数值意思就是分为1,3,5,7,10五个数值。

注意：生成批次生成数量均为1，因为是一张张生成图画，优点是对显卡要求低，缺点是耗时比较长。

如果想比较更多因素可以把Z轴也选上，

可以批量尝试哪个参数是最需要的。

保持随机种子值为-1不要勾，咱主要就是来对比区别的，如果每次都随机生成那就没可比性了。

另外两个选项完全没用，忽略它。

记得用完脚本之后 要选成“无”，不然下次还会自动调用脚本。

课后总结：

有了这几个脚本，你自己就可以方便的对比出各项提示词或者参数直接的对比效果，可以更高效的选取适合的提示词和参数，节省很多时间，也不用等着别人来教你了。

授人以鱼不如授人以渔，希望大家都能学会，每天进步一点点，持续下去，总会出人头地！

目前 ControlNet 已经更新到 1.1 版本，相较于 1.0 版本，ControlNet1.1 新增了更多的预处理器和模型，每种模型对应不同的采集方式，再对应不同的应用场景，每种应用场景又有不同的变现空间

我花了一周时间彻底把ControlNet1.1的14种模型研究了一遍，跑了一次全流程，终于将它完整下载好整理成网盘资源。

其总共11 个生产就绪模型、2 个实验模型和 1 个未完成模型，现在就分享给大家，点击下方卡片免费领取。

1. 线稿上色

**方法：**通过 ControlNet 边缘检测模型或线稿模型提取线稿（可提取参考图片线稿，或者手绘线稿），再根据提示词和风格模型对图像进行着色和风格化。

**应用模型：**Canny、SoftEdge、Lineart。

Canny 示例：（保留结构，再进行着色和风格化）

2. 涂鸦成图

方法：通过 ControlNet 的 Scribble 模型提取涂鸦图（可提取参考图涂鸦，或者手绘涂鸦图），再根据提示词和风格模型对图像进行着色和风格化。

应用模型：Scribble。

Scribble 比 Canny、SoftEdge 和 Lineart 的自由发挥度要更高，也可以用于对手绘稿进行着色和风格处理。Scribble 的预处理器有三种模式：Scribble_hed，Scribble_pidinet，Scribble_Xdog，对比如下，可以看到 Scribble_Xdog 的处理细节更为丰富：

Scribble 参考图提取示例（保留大致结构，再进行着色和风格化）：

3. 建筑/室内设计

**方法：**通过 ControlNet 的 MLSD 模型提取建筑的线条结构和几何形状，构建出建筑线框（可提取参考图线条，或者手绘线条），再配合提示词和建筑/室内设计风格模型来生成图像。

**应用模型：**MLSD。

MLSD 示例：（毛坯变精装）

这份完整版的ControlNet 1.1模型我已经打包好，需要的点击下方插件，即可前往免费领取！

4. 颜色控制画面

**方法：**通过 ControlNet 的 Segmentation 语义分割模型，标注画面中的不同区块颜色和结构（不同颜色代表不同类型对象），从而控制画面的构图和内容。

**应用模型：**Seg。

Seg 示例：（提取参考图内容和结构，再进行着色和风格化）

如果还想在车前面加一个人，只需在 Seg 预处理图上对应人物色值，添加人物色块再生成图像即可。

5. 背景替换

**方法：**在 img2img 图生图模式中，通过 ControlNet 的 Depth_leres 模型中的 remove background 功能移除背景，再通过提示词更换想要的背景。

**应用模型：**Depth，预处理器 Depth_leres。

**要点：**如果想要比较完美的替换背景，可以在图生图的 Inpaint 模式中，对需要保留的图片内容添加蒙版，remove background 值可以设置在 70-80%。

Depth_leres 示例：（将原图背景替换为办公室背景）

6. 图片指令

**方法：**通过 ControlNet 的 Pix2Pix 模型（ip2p），可以对图片进行指令式变换。

应用模型：ip2p，预处理器选择 none。

**要点：**采用指令式提示词（make Y into X），如下图示例中的 make it snow，让非洲草原下雪。

Pix2Pix 示例：（让非洲草原下雪）

7. 风格迁移

**方法：**通过 ControlNet 的 Shuffle 模型提取出参考图的风格，再配合提示词将风格迁移到生成图上。

**应用模型：**Shuffle。

Shuffle 示例：（根据魔兽道具风格，重新生成一个宝箱道具）

8. 色彩继承

**方法：**通过 ControlNet 的 t2iaColor 模型提取出参考图的色彩分布情况，再配合提示词和风格模型将色彩应用到生成图上。

**应用模型：**Color。

Color 示例：（把参考图色彩分布应用到生成图上）

这份完整版的ControlNet 1.1模型我已经打包好，需要的点击下方插件，即可前往免费领取！

这里就简单说几种应用：

1. 人物和背景分别控制

2. 三维重建

3. 更精准的图片风格化

4. 更精准的图片局部重绘

以上就是本教程的全部内容了，重点介绍了controlnet模型功能实用，当然还有一些小众的模型在本次教程中没有出现，目前controlnet模型确实还挺多的，所以重点放在了官方发布的几个模型上。

同时大家可能都想学习AI绘画技术,也想通过这项技能真正赚到钱，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学，因为自身做副业需要，我这边整理了全套的Stable Diffusion入门知识点资料，大家有需要可以直接点击下边卡片获取，希望能够真正帮助到大家。