Stable Diffusion API /sdapi/v1/txt2img的完整参数列表及其说明

Stable Diffusion 的 `/sdapi/v1/img2img` 接口参数定义 这些参数控制生成过程中的各个方面,可以根据需要进行调整以获得理想的图像生成效果【7†source】【8†source】【9†source】【10†source】【11†source】【12†source】。Stable Diffusion 的。 阅读详情
AI摘要

该博客介绍了Stable Diffusion API /sdapi/v1/txt2img的完整参数列表,包含基本参数、高分辨率修复参数、Always-On脚本参数、脚本和系统参数等,还提及了ADetailer、DynamicPrompts等相关内容,并给出了完整示例。

基本参数

{
  "prompt": "高质量,精细的恐龙",  // 主提示词
  "negative_prompt": "模糊,低质量",  // 负面提示词
  "styles": ["photorealistic", "detailed"],  // 应用的风格预设
  "seed": 42,  // 随机种子,-1为随机
  "subseed": -1,  // 次级种子
  "subseed_strength": 0.3,  // 次级种子影响强度(0-1)
  "seed_resize_from_h": -1,  // 高度方向上调整种子大小的来源
  "seed_resize_from_w": -1,  // 宽度方向上调整种子大小的来源
  "sampler_name": "DPM++ 2M Karras",  // 采样器名称
  "scheduler": "karras",  // 调度器类型
  "batch_size": 1,  // 单次生成的图像数量
  "n_iter": 1,  // 迭代次数
  "steps": 30,  // 采样步数
  "cfg_scale": 7,  // 提示词引导强度
  "distilled_cfg_scale": 3.5,  // 蒸馏模型的CFG缩放
  "width": 768,  // 图像宽度(像素)
  "height": 512,  // 图像高度(像素)
  "restore_faces": true,  // 是否使用面部恢复
  "tiling": false,  // 是否生成可平铺纹理
  "do_not_save_samples": false,  // 是否不保存样本
  "do_not_save_grid": false,  // 是否不保存网格
  "eta": 0,  // ETA参数
  "denoising_strength": 0.75,  // 去噪强度(0-1)
  "s_min_uncond": 0,  // 最小无条件缩放
  "s_churn": 0,  // 周转率
  "s_tmax": 0,  // 最大时间步长
  "s_tmin": 0,  // 最小时间步长
  "s_noise": 0,  // 噪声量
  "override_settings": {  // 临时覆盖WebUI设置
    "sd_model_checkpoint": "dreamshaper_8.safetensors",  // 模型检查点
    "CLIP_stop_at_last_layers": 2,  // CLIP层数
    "eta_noise_seed_delta": 0,  // 噪声种子增量
    "sd_vae": "vae-ft-mse-840000.safetensors"  // VAE模型
  },
  "override_settings_restore_afterwards": true,  // 处理完后是否恢复覆盖的设置
  "refiner_checkpoint": "sd_xl_refiner_1.0.safetensors",  // 细化模型检查点
  "refiner_switch_at": 0.8,  // 细化模型切换时机(0-1)
  "disable_extra_networks": false,  // 是否禁用额外网络
  "firstpass_image": "base64...",  // 第一遍图像(用于img2img)
  "comments": {  // 注释,可用于存储元数据
    "author": "用户名",
    "creation_date": "2023-10-15"
  }
}

高分辨率修复参数

{
  "enable_hr": true,  // 是否启用高分辨率修复
  "firstphase_width": 512,  // 第一阶段宽度
  "firstphase_height": 512,  // 第一阶段高度
  "hr_scale": 2,  // 高分辨率缩放因子
  "hr_upscaler": "Latent (bicubic antialiased)",  // 高分辨率上采样器
  "hr_second_pass_steps": 20,  // 高分辨率第二阶段步数
  "hr_resize_x": 1024,  // 高分辨率调整后的宽度
  "hr_resize_y": 1024,  // 高分辨率调整后的高度
  "hr_checkpoint_name": "sd_xl_base_1.0.safetensors",  // 高分辨率使用的检查点
  "hr_additional_modules": ["photoreal"],  // 高分辨率额外模块
  "hr_sampler_name": "Euler a",  // 高分辨率采样器
  "hr_scheduler": "normal",  // 高分辨率调度器
  "hr_prompt": "",  // 高分辨率专用提示词(为空则使用普通提示词)
  "hr_negative_prompt": "",  // 高分辨率专用负面提示词
  "hr_cfg": 8,  // 高分辨率CFG值
  "hr_distilled_cfg": 3.5  // 高分辨率蒸馏CFG值
}

Always-On 脚本参数

"alwayson_scripts": {
  "controlnet": {
    "args": [
      {
        "enabled": true,  // 是否启用
        "module": "depth",  // 控制模块类型
        "model": "diff_control_sd15_depth_fp16 [978ef0a1]",  // 模型名称
        "weight": 1.0,  // 权重
        "image": "base64...",  // Base64编码的输入图像
        "mask": "base64...",  // 遮罩(可选)
        "resize_mode": 1,  // 调整大小模式:0=只调整大小,1=裁剪匹配,2=填充匹配
        "low_vram": false,  // 低VRAM模式
        "processor_res": 512,  // 处理器分辨率
        "threshold_a": 64,  // 阈值A
        "threshold_b": 64,  // 阈值B
        "guidance_start": 0.0,  // 指导开始
        "guidance_end": 1.0,  // 指导结束
        "control_mode": 0,  // 控制模式: 0=平衡, 1=仅提示词, 2=仅控制
        "pixel_perfect": false  // 像素完美
      },
      {
        "enabled": true,  // 可以有多个ControlNet条目
        "module": "canny",
        "model": "diff_control_sd15_canny_fp16 [3b9d7d0e]",
        // ... 其他参数
      }
    ]
  }
}

脚本和系统参数

{
  "force_task_id": "12345",  // 强制任务ID
  "sampler_index": "Euler",  // 兼容旧版本的采样器索引
  "script_name": "ultimate sd upscale",  // 脚本名称
  "script_args": [true, 64, "复杂参数"],  // 脚本参数列表
  "send_images": true,  // 是否在响应中返回图像
  "save_images": false,  // 是否保存图像到磁盘
  "infotext": "custom info text"  // 信息文本
}

ADetailer(自动细节增强)

"alwayson_scripts": {
  "ADetailer": {
    "args": [
      {
        "enabled": true,
        "ad_model": "face_yolov8n.pt",  // 面部检测模型
        "ad_prompt": "美丽的脸,高清细节",  // 面部提示词
        "ad_negative_prompt": "模糊,变形",  // 面部负面提示词
        "ad_confidence": 0.3,  // 检测置信度
        "ad_denoising_strength": 0.4,  // 去噪强度
        "ad_inpaint_only_masked": true,  // 是否仅修补遮罩区域
        "ad_inpaint_width": 512,  // 修补宽度
        "ad_inpaint_height": 512,  // 修补高度
        "ad_mask_blur": 4,  // 遮罩模糊
        "ad_dilate_erode": 4  // 扩张/侵蚀
      }
    ]
  }
}

DynamicPrompts

"alwayson_scripts": {
  "Dynamic Prompts": {
    "args": [
      true,  // 启用/禁用
      "强化变体策略",  // 变体策略
      true,  // 使用魔术提示
      "combinatorial",  // 组合方法
      "",  // 批次前缀
      2  // 每个提示词的变体数量
    ]
  }
}

X/Y/Z 图表

"alwayson_scripts": {
  "X/Y/Z plot": {
    "args": [
      true,  // 启用
      "Prompt S/R",  // X类型
      "Steps",  // Y类型
      "Nothing",  // Z类型
      "cat, dog, bird",  // X值
      "10, 20, 30",  // Y值
      "",  // Z值
      true,  // 绘制图例
      true,  // 保持种子不变
      "grid"  // 绘图格式
    ]
  }
}

LoRA 块权重

"alwayson_scripts": {
  "LoRA Block Weight": {
    "args": [
      true,  // 启用
      {
        "lora_name": "my_lora",
        "base_model_weights": [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
        "base_model_multipliers": [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
      }
    ]
  }
}

完整示例

{
  "prompt": "高质量,精细的恐龙,逼真的鳞片和肌肉细节,自然栖息地",
  "negative_prompt": "模糊,低质量,变形,扭曲的解剖结构",
  "styles": ["photorealistic"],
  "seed": 42,
  "subseed": -1,
  "subseed_strength": 0,
  "seed_resize_from_h": -1,
  "seed_resize_from_w": -1,
  "sampler_name": "DPM++ 2M Karras",
  "scheduler": "karras",
  "batch_size": 1,
  "n_iter": 1,
  "steps": 30,
  "cfg_scale": 7,
  "distilled_cfg_scale": 3.5,
  "width": 768,
  "height": 512,
  "restore_faces": true,
  "tiling": false,
  "do_not_save_samples": false,
  "do_not_save_grid": false,
  "eta": 0,
  "denoising_strength": 0,
  "s_min_uncond": 0,
  "s_churn": 0,
  "s_tmax": 0,
  "s_tmin": 0,
  "s_noise": 0,
  "override_settings": {
    "sd_model_checkpoint": "F.1-fp8_11G版_flux1-Schnell.safetensors",
    "CLIP_stop_at_last_layers": 2
  },
  "override_settings_restore_afterwards": true,
  "refiner_checkpoint": "sd_xl_refiner_1.0.safetensors",
  "refiner_switch_at": 0.8,
  "disable_extra_networks": false,
  "comments": {},
  "enable_hr": false,
  "firstphase_width": 0,
  "firstphase_height": 0,
  "hr_scale": 2,
  "hr_upscaler": "Latent (bicubic antialiased)",
  "hr_second_pass_steps": 20,
  "hr_resize_x": 0,
  "hr_resize_y": 0,
  "hr_checkpoint_name": "",
  "hr_additional_modules": [],
  "hr_sampler_name": "",
  "hr_scheduler": "",
  "hr_prompt": "",
  "hr_negative_prompt": "",
  "hr_cfg": 0,
  "hr_distilled_cfg": 3.5,
  "force_task_id": "",
  "sampler_index": "Euler",
  "script_name": "",
  "script_args": [],
  "send_images": true,
  "save_images": false,
  "alwayson_scripts": {
    "controlnet": {
      "args": [
        {
          "enabled": true,
          "module": "depth",
          "model": "diff_control_sd15_depth_fp16 [978ef0a1]",
          "weight": 1.0,
          "image": "base64...",
          "resize_mode": 1,
          "low_vram": false,
          "processor_res": 512,
          "threshold_a": 64,
          "threshold_b": 64,
          "guidance_start": 0.0,
          "guidance_end": 1.0,
          "control_mode": 0,
          "pixel_perfect": false
        }
      ]
    },
    "ADetailer": {
      "args": [
        {
          "enabled": true,
          "ad_model": "face_yolov8n.pt",
          "ad_prompt": "",
          "ad_negative_prompt": "",
          "ad_confidence": 0.3,
          "ad_denoising_strength": 0.4
        }
      ]
    }
  }
}

[linux-sd-webui]之img2img inpaint upload:允许上传单独的mask,而不是绘制。 阅读详情

相关推荐

stable diffusion webui API调用示例,调用参数,override_settings参数

有几种方法可以将此值添加到您的有效负载中,但我这样做了。我将使用“sd_model_checkpoint”和“CLIP_stop_at_last_layers”进行演示。我的疑问是如何用tensorRT的设置,这是需要使用override_settings的。所有参数其实是和自己安装的东西有关,在接口里可以直接看那些参数可以用。这个接口就是 GET /sdapi/v1/options。参数就可以访问接口了,同时/docs就是接口文档。执行webui,执行的时候带有。

q742971636的博客 748

前端调用 Stable diffusion 秋叶启动器 Web-Ui API

参数可以是服务文件路径也可以是 base64。在启动器启动前,开启启用 API 就可以调用。POST 请求体以 JSON 形式发送。地址:/sdapi/v1/txt2img。地址:/sdapi/v1/img2img。查看完整的接口地址。

weixin_43909915的博客 8625

zynq+LWIP 裸机双网口实现(MIO+EMIO)+程序下载

芯片型号: ZYNQ: XC7Z010clg400开发软件:Vivado2022 + Xilinx Vitis 2022网卡芯片:RTL8211FDI(需要根据网口芯片型号修改对应的硬件配置代码。

thinking in 小宇宙 3410

stable diffusion webui 文生图(txt2img)api接口调用(使用C#)

2、添加以下代码到你的项目中,直接运行即可,请求的是本地运行的接口,如下的【http://127.0.0.1:7860/sdapi/v1/txt2img】,需要替换为读者自己的路径。复制images数组其中一张图片的base64值,在网上找一个base64转图片的在线工具,粘贴后,可以看到生成的图片如下,这表示我们成功通过接口请求了sd webui api接口。注:这里只设置–api-auth的密码是无效了,login接口,是用于ui页面登录的,原有代码是没有api-auth接口返回token的。

qq_40600379的博客 1万+

FOC电机控制中电流采样延迟补偿的原理和方法

摘要: FOC电机控制中,电流采样、计算与PWM更新存在固有延迟(约1.5个PWM周期),导致相位滞后,限制电流环带宽。主流补偿方法包括: 一阶前向预测法:基于历史电流值预测未来电流,抵消延迟,工程应用广泛; 相位超前补偿:通过s/z域校正器设计实现等效预测; 状态观测器法(如龙伯格观测器):通过电机模型闭环估计状态,兼具噪声抑制和参数辨识能力,但复杂度高。实际需注意参数敏感性、离散化精度及延迟时间校准,避免过补偿风险。一阶预测法因平衡效果与复杂度成为工业首选。

jifengzhiling的博客 2233

别再傻傻分不清!直流有刷、无刷、步进电机,3分钟教你根据项目需求选对电机

本文深入解析直流有刷电机、无刷电机和步进电机的核心差异与应用场景,提供电机选型的黄金法则。通过性能参数对比、成本分析及典型应用案例,帮助工程师根据项目需求精准选择电机类型,避免常见选型误区。特别适合机器人、3D打印等领域的开发者参考。

weixin_29183637的博客 340

新手向,Stable Diffusion API 接口,在本地调用

SD绘图服务器,本地部署API服务的方法,以及对{'detail': 'Not authenticated'}的处理。

qq_36645932的博客 4万+

R语言WGCNA实战:从基因表达矩阵到模块可视化全流程(附避坑指南)

本文详细介绍了使用R语言进行WGCNA(加权基因共表达网络分析)的完整实战流程,涵盖从基因表达矩阵预处理、软阈值选择、网络构建与模块识别,到模块与表型关联分析及结果可视化的关键步骤。文章重点解析了代码实现,并提供了针对数据质量检查、参数调整等常见问题的避坑指南,帮助生物信息学研究者高效挖掘基因共表达模块的生物学意义。

weixin_29062823的博客 580

stable diffusion API 调用,超级详细代码示例和说明

本文主要介绍 stable diffusion API 调用,准确来说是对 stable diffusion webui 的 API 调用。接口文档可以查看: > http://sd-webui.test.cn/docs 这里的 `sd-webui.test.cn` 是自己的 sd webui Endpoint。 文生图是:`/sdapi/v1/txt2img` 这个 POST 接口。 图生图是:`/sdapi/v1/img2img` 这个 POST 接口。 本文主要介绍文生图 txt2img 接

技术宅,专注云原生、Go、Linux、Java等技术分享,原创文章、效率工具、实战解决方案!关注我,了解互联网动态,学 IT 不迷路 2万+

6.Burp Suite 入门篇 —— Burp Scanner 漏洞扫描

Burp Scanner 既可以是独立的全自动扫描器,也可以在手动测试中当作强大的辅助手段,而且随着技术改进,Burp Scanner 能检测到的漏洞数量也在不断增加。Burp Scanner 功能只在 burpsuite 专业版和企业版中里有,本篇教程讲的是专业版的 Burp Scanner 用法。

YouTheFreedom的博客 1万+

国密SSL通信的调试技巧

前面写了几篇国密开发相关的文章:解读国密非对称加密算法SM2啥?双证书?详解国密SM2的加密和解密详解国密SSL ECC_SM4_SM3套件详解国密SM2的数字签名这篇文章来聊一聊国密S...

云水木石 3206

stable diffusion 远端跑图—— Api基础知识掌握

如果你想用手机或者电脑访问自己的服务器进行stable diffusion(以下简称sd)跑图,学会使用sd的api是必须的技能上个月做了安卓和苹果手机用远端sd进行跑图的几个demo,整体流程很简单购买云端服务器-> 内网穿透 -> api形式运行sd -> 手机发送api请求,即可实现远端操控sd跑图这个是我2月份做好的ios端的一个demo,后面一直忙其他事情没时间优化细节,只是打通了流程hh,比较简陋中间生成花了一分钟,剪掉了。

cheng1999_cn1的博客 2万+

IGCT 测试原理概述

IGCT(Integrated Gate-Commutated Thyristor,集成门极换流晶闸管)是一种高功率半导体器件,基于门极可关断晶闸管(GTO)的原理,但通过集成门极驱动单元和优化结构(如硬驱动技术),实现了更低的导通损耗、更快的开关速度和更高的可靠性。它适用于中高压大功率应用,如高压直流输电(HVDC)、中压变频器和模块化多电平变换器(MMC)。IGCT 的结构为四层 p-n-p-n 器件,门极电流控制导通和关断,阳极电流在关断时快速换流至门极,通常在 1 μs 内完成。

专注于前沿技术的探索与实践,热衷于从代码逻辑、架构设计到行业应用等多维度深挖技术本质。期待在技术之路上与你共同成长~ 238

从零开始:Stable Diffusion API本地部署与实战调用指南

本文详细介绍了Stable Diffusion API的本地部署与实战调用方法,从环境准备、API配置到高级参数调优,帮助开发者快速掌握AI图片生成技术。通过具体代码示例和常见问题解决方案,提升Stable Diffusion API的调用效率和应用效果。

weixin_29062865的博客 1685

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Python 实现 AI 图像生成:调用 Stable Diffusion API 完整教程

从零开始学习使用 Python 调用 Stable Diffusion API 生成图像,涵盖本地部署、API 调用、ControlNet、图生图等进阶技巧。

2401_85686768的博客 2033

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

stable-diffusion-webui-directml API使用指南:集成AI绘图到你的应用

stable-diffusion-webui-directml是一个强大的Stable Diffusion web UI项目,通过其API接口,开发者可以轻松地将AI绘图功能集成到自己的应用中,实现文本生成图像、图像生成图像等多种创意功能。 ## 快速开始:API接口概览 stable-diffusion-webui-directml提供了一系列RESTful API接口,涵盖了从文本生成图像

gitblog_00913的博客 938

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Stable-Diffusion-3.5开发者指南:API调用与集成详细步骤

本文介绍了如何在星图GPU平台上自动化部署Stable-Diffusion-3.5镜像,并详细阐述了其API调用与集成方法。通过简单的配置,开发者可快速搭建AI图片生成服务,并将其应用于电商商品图自动生成、内容平台绘图功能等实际场景,显著提升开发效率。

weixin_28840811的博客 899

Stable-diffusion WebUI API调用方法

写这篇文章的主要原因是工作中需要写一个用训练好的模型批量生图的脚本,开始是想用python直接加载模型,但后来发现webui的界面中有很多用起来比较方便的插件和参数,最终改成调用WebUI接口的方式来批量生图。Stable-diffusion的webui界面使用比较方便,但是它的api文档比较简陋,很多功能需要去看源码,所以在这里记录下主要的调用方法。

cheng1999_cn1的博客 5387

StableDiffusion txt2img API 参数

AI txt2img api 参数介绍

qq_41059339的博客 552

Stable-diffusion-WebUI 的API调用(内含文生图和图生图实例)

使用Diffusers库来进行stable-diffusion的接口调用以及各种插件功能实现,但发现diffusers库中各复杂功能的添加较为麻烦,而且难以实现对采样器的添加,safetensors格式模型的读取。使用webui专门的api接口,能够极大方便我们进行类似webui界面的api调用。

m0_54105644的博客 1万+

stable-diffusion.cpp 推理服务实战:sd-server 启动、前端构建与三族 HTTP API 详解

stable-diffusion.cpp 不仅提供纯 C/C++ 的本地推理能力,还在 `examples/server` 目录中内置了一个完整的 HTTP 服务端 `sd-server`,可以加载 Diffusion 模型、VAE 与 LLM 文本编码器,对外同时暴露 Web 界面、OpenAI 兼容 API、Stable Diffusion WebUI 兼容 API 以及原生异步 API。本文

gitblog_00888的博客 254

如何调用本地部署的stable difussion的API

在这个安装好Stable Difussion之后,我想要本地从API获取内容,这样就可以后续在运行流水线的时候集成到py环境当中。

m0_72678953的博客 432

Auto-Photoshop-StableDiffusion-Plugin 完整使用指南:Photoshop 内的 Stable Diffusion 生成面板与实战教程

本篇技术指南围绕 Auto-Photoshop-StableDiffusion-Plugin 的 Photoshop 插件 UI 展开,系统讲解 Stable Diffusion 标签页(txt2img / img2img / inpaint / outpaint)、会话图片管理(Viewer)、生成历史(History)与提示词库(Prompts Library)四大核心面板的每个参数与按钮,并

gitblog_00247的博客 753

如何在Stable Diffusion中5分钟实现专业级AI换脸:ReActor完整指南

想在Stable Diffusion中轻松实现高质量AI换脸吗?ReActor作为Stable Diffusion生态中最强大的换脸扩展,让你无需复杂操作就能获得专业级换脸效果。无论你是AI绘画新手还是资深创作者,这篇指南将带你快速掌握ReActor的核心功能和应用技巧,让你在5分钟内完成部署并开始创作!🎨 ## 项目定位与核心价值 **ReActor**不仅仅是又一个AI换脸工具——它是为

gitblog_00468的博客 7919

如何快速集成 Stable Diffusion WebUI Forge:API驱动的图像生成系统对接指南

Stable Diffusion WebUI Forge 是一款强大的开源 AI 绘图工具,提供了丰富的 API 接口,让开发者能够轻松对接图像生成系统。本文将详细介绍如何通过 API 无缝集成 Stable Diffusion WebUI Forge,实现高效的图像生成功能。 ## 快速开始:环境准备与安装 要开始使用 Stable Diffusion WebUI Forge 的 API 功

gitblog_00124的博客 490
上一篇: 关于MCP SSE 服务器的工作原理
下一篇: 如何在ms-swift 微调训练deepseekvl2时使用sageattention
aerror
博客等级 码龄23年 393粉丝 193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