Stable Diffusion教程:文生图

Stable Diffusion绘画之文生图(纯手打) 感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。 阅读详情

文生图示例图片

最近几天AI绘画没有什么大动作,正好有时间总结下Stable Diffusion的一些基础知识,今天就给大家再唠叨一下文生图这个功能,会详细说明其中的各个参数。

文生图是Stable Diffusion的核心功能,它的核心能力就是根据提示词生成相应的图片。

本文以 Stable Diffusion WebUI 为例,使用方法参考下图:

图片

1、基础模型:选择一个用来生成图片的模型,不同的模型可以生成不同风格的图片。

2、文生图/txt2img:这一排是 WebUI 的主功能菜单,默认选中的就是文生图。

3、提示词:提示词就是我们的绘画指令,描述图片中的内容,描述越详细则生成的图片越符合预期。可以使用中文,不过建议用英文,网上分享的提示词也都是英文的。

例子中的提示词是:

best quality, masterpiece, super high resolution, 4k, adult women, asia, full body:1.4, long black hair, beautiful detailed eyes, small breasts, white t-shirt:1.6, white pants:1.6, wide shot:1.3, strolling, beach:1.3, tree, beautiful detailed sky, blue sky,

提示词很重要,后边会有专门的文章来介绍它,这里分享一个提示词的常用套路:图片的质量、主体、细节,比如这里 best quality, masterpiece 都是用来声明图片质量的,adult women, asia, full body 是主体,后边的 long black hair, beautiful detailed eyes, small breasts 都是细节描述。

4、反向提示词:描述不希望在图片中出现的内容,比如画面模糊,多手多脚等问题。

例子中的反向提示词是:

mutated hands and fingers,deformed,bad anatomy,disfigured,poorly drawn face,mutated,extra limb,ugly,poorly drawn hands,missing limb, extra limbs,floating limbs,disconnected limbs,malformed hands,out of focus,long neck,long body,out of frame,bad hands,unclear eyes,cloned face,bad face,extra legs, extra arms, disfigured, deformed, cross-eye

5、Generation:Stable Diffusiion 文生图生成页签。

6、采样器:用来一步步生成图片的算法,默认的 Euler a 可以适用于绝大多数的场景,一般先用它就行了;其它SDE的采样器也不错,可以多试试 。后边会有专门的文章来介绍采样器。

7、采样步数:采样器使用多少步来生成图片,不同的采样器表现各异,一般使用 20-50 步,步数越多越慢,Euler a 使用20步基本就够了。

8、图片尺寸:对于SD 1.5的模型默认是 512_512,对于SD XL的模型默认是 1024_1024。如果想生成其它比例的图片,比如3:4、16:9,需要注意不要把尺寸调得太大,生成的图片中可能出现多个主体或者多余的肢体。如果想要大尺寸的图片,可以到“额外功能/Extras”中放大,后续文章会有介绍。

9、生成次数:设置连续生成几次,默认为1,次数越多需要的时间越长。

10、每次数量:每次生成同时出图的数量,数量越大,占用的显存越大。

11、提示词引导系数:提示词对生成图片的重要程度,值越大,图片中的内容越贴近提示词的描述,反之则Stable Diffusion 自由发挥的多。

12、图像生成种子:参与图片初始化的一个参数。默认为-1,则每次自动生成一个随机数,在其它参数都不改变的情况下,它会给图片带来一些随机性,这也是AI绘画的魅力所在,总会有一些新的变化。在其它参数和种子都不变的情况下,Stable Diffusion 可以生成完全一致的图片,这就是稳定扩散的意思。

13、点击“生成”,会有进度条出现,坐等图片生成就可以了。

14、生成好的图片会出现在这里。

资源下载

如果你对 Stable Diffusion 感兴趣,我整理了很多 SD 相关的模型、插件,都已经上传到我整理的 Stable Diffusion 绘画资源中,文末可以免费领取

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!

对于0基础小白入门:

如果你是零基础小白,想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括:stable diffusion安装包、stable diffusion0基础入门全套PDF,视频学习教程。带你从零基础系统性的学好AI绘画!

零基础AI绘画学习资源介绍

👉stable diffusion新手0基础入门PDF👈

(全套教程文末领取哈)
在这里插入图片描述

👉AI绘画必备工具👈

在这里插入图片描述

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉AI绘画基础+速成+进阶使用教程👈

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉12000+AI关键词大合集👈

在这里插入图片描述

这份完整版的AI绘画全套学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

【文生图系列】Stable Diffusion原理篇 Stable Diffusion不是一个整体模型,它由几个组件和模型组成。首先是`文本理解组件`(text-understanding component ),将文本信息转换成数字表示,以捕捉文本中的想法。其次是`图像生成器`(image generator),图像生成器包括两步,图像信息创建者( Image information creator)和图像解码器(Image Decoder)。 阅读详情

相关推荐

[Stable Diffusion入门]文生图教科书级讲解

Stable Diffusion的文生图功能是一个强大而灵活的工具,不仅可以提供直观的文本数据可视化,还具有多样化的应用潜力。其先进的分析功能和简便的操作方式使其成为众多专业人士和业余爱好者的理想选择。

细节控-AI先行者的博客 1168

AI 文生图提示词分类(合集 · 第一季)

一、时间和季节Time and Season1、时间描述Time Description比如,日出、黄昏、夜晚、清晨 / Sunrise, Sunset, Night, Early Morning2、季节变化Seasonal Changes比如,春天、夏天、秋天、冬天 / Spring, Summer, Autumn, Winter二、场景描述Scene Description1、自然景观Natu...

qq_41176800的博客 6660

永磁同步电机FOC控制实战:如何用线性死区补偿解决低速抖动问题(附Matlab仿真代码)

本文详细介绍了永磁同步电机FOC控制中线性死区补偿技术的工程实现方法,有效解决低速抖动问题。通过Matlab/Simulink仿真验证,该方案可将转矩脉动降低70%以上,显著提升系统稳定性。文章包含完整的数学模型构建、Simulink实现步骤及参数整定技巧,为工程师提供实用解决方案。

weixin_30872499的博客 154

Stable Diffusion 系列教程 | 图生图基础

图生图基本界面,图生图导入步骤,图生图巧用随机种子,图生图拓展应用,真人转动漫风格实操

专注于人工智能的算法与应用 4049

Modem2G/3G/4G/5G:RFFE Driver(射频前端驱动):高通平台GRFC配置方法

文 | GentlemanTsao 文章目录前言1.什么是GRFC2.GRFC的配置流程概览3.msm_sig_info的配置与分析msm_sig_info Table位置:msm_sig_info Table示例:Table元素解读:rfc_msm_sig_info_type结构体signal typemsm_gpio |grfc_num:GPIO到GRFC的映射output_typefunction_select4._sig_cfg的配置与分析_sig_cfg table位置:_sig_cfg tabl

GentelmanTsao的博客 7312

simulink可控励磁同步电机模型分析

他励同步电机模型分析

qq_26681609的博客 5551

Stable Diffusion新手教程:文生图

最近几天AI绘画没有什么大动作,正好有时间总结下Stable Diffusion的一些基础知识,今天就给大家再唠叨一下文生图这个功能,会详细说明其中的各个参数。

2401_84815950的博客 1068

荔枝派Nano内核编译

上文编译好uboot之后,想刷内核和根文件系统进去。其实官方的网盘里面,已经有打包好的系统镜像,包含所有的东西,可以直接烧录进flash或者TF卡,但是都是基于winbond芯片的,国产的xt25f128b刷进去妥妥的。所以没办法,只能自己再动手重新编译内核了。(PS:搞的我都想直接买一片w25q128换上了,有点麻烦,希望官方直接涨价或者出两版就行,不然对新手不友好啊)

木子点灯的博客 546

【stable diffusion教程】Stable diffusion小白入门第2课:文生图精讲

大家好,这里是《[Stable diffusion小白入门]》系列的第2篇,在遥远的[上一篇]中,我们成功安装了Stable diffusion软件,而今天,我们将深入了解Stable diffusion的文生图功能,让你也能生成满意的图片!如上图,这是Stable diffusion的文生图界面,这个界面总体可以分为五个区域:模型区:调整/更换模型的地方提示词区:撰写提示词的地方参数调整区:调整模型参数的地方插件区:SD的各种插件出图区:就是展示生成图片的地方。

Python栈_基的博客 1166

EtherCAT从站协议栈---- sampleappl.c 文件解析

这个源文件实际上包含该项目的入口函数main函数。 那么如何找到入口函数呢? 可以进入debug的simulator模式,选中run to main(), 当执行完启动文件startup_cm3.s后就进入了main函数(注意在main函数之前还进入了SystemInit函数), 如下图所示: 这个main函数主要架构如下: int main(void) { HW_Init(); /*PDI(过程数据接口)初始化,这里用的是MCI接.

Jiawei_Z的博客 3066

RK3588, FFmpeg 拉流 RTSP, mpp 硬解码转RGB

RK3588, FFmpeg 拉流 RTSP, mpp 硬解码转RGB

J。 2339

Stable Diffusion纯新手教程:文生图界面讲解

AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。感兴趣的小伙伴,赠送全套AIGC学习资料和安装工具,包含AI绘画、AI人工智能等前沿科技教程,模型插件,具体看下方。

2401_85116933的博客 1451

【动态导通电阻】GaN HEMT动态导通电阻的精确测量

2023年7月,瑞士洛桑联邦理工学院的Hongkeng Zhu和Elison Matioli在《IEEE Transactions on Power Electronics》期刊发表文章,提出了一种稳态测量方法,用于研究氮化镓(GaN)高电子迁移率晶体管(HEMT)的动态导通电阻(Ron)。实验结果显示,商业GaN器件在稳态下的动态Ron变化显著,稳定时间可达数分钟且与电压相关。传统的脉冲测量方法由于测试时间不足,可能导致结果不准确。该

荷塘阅色 1376

Stable Diffusion 文生图保姆级教程:从 0 基础到高手的进阶之路

在深度学习浪潮的推动下,生成对抗网络(GANs)不断突破技术边界,其中Stable Diffusion(简称SD)作为AI图像生成领域的明星技术,以其卓越的文生图能力和开源特性,迅速成为创作者与开发者的焦点。无论是艺术创作、商业设计还是科研探索,SD都展现出巨大的应用潜力。本教程专为零基础学习者量身打造,通过系统化的入门指南,带你从原理解析到实操演练,快速掌握这一前沿技术,解锁AI图像生成的无限可能。

m0_56144365的博客 1010

激光雷达点云配准:ICP与NDT算法详解

激光雷达点云配准:ICP与NDT算法详解​ ,人工智能,计算机视觉,大模型,AI,本文深入解析激光雷达点云配准的ICP与NDT算法。阐述了点云配准基础概念与评价指标,详解ICP算法原理、流程、最优变换矩阵计算、优缺点及改进版,给出Python代码示例;同样解析NDT算法的原理、流程、模型构建、优缺点、参数选择与代码示例。还对比两者在精度、效率、鲁棒性和适用场景的差异,提供算法选择建议,介绍实际应用案例、常见问题及解决方法,探讨算法发展趋势。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 15万+

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

上一篇: 4步生成高质量图像,Stable Diffusion WebUI 1.9.0来了!
下一篇: 【stable diffusion】:云端部署攻略
大模型-小原
博客等级 码龄4年 2688粉丝 212原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值