AI绘画|在stable diffusion中通过图生图实现漫画转真人

文章使用的AI绘画SD整合包、各种模型插件、提示词、AI人工智能学习资料都已经打包好放在网盘中了,有需要的小伙伴文末扫码自行获取。

大家好,今天我们来看看如何将动漫转换成真人效果。其转换方法非常简单。其操作步骤如下。

在stable diffusion界面中:

1、因为漫改真人需要生成真人的图片,所以需要选择真人大模型。

大模型:Chilloutmix-Ni-pruned-fp32-fix、majicMIX realistic、墨幽人造人。

2、设置ControlNet的参数

在ControlNet插件中上传一张需要漫改真人的二次元图片

控制类型:选择Lineart(线稿)

预处理器:lineart_anime或lineart_anime_denoise(lineart预处理器使用动漫线稿识别的预处理器)

控制权重 : 0.6 (值不要设置的太大,否则真人效果不是特别明显)

3、书写提示词

可以使用Tagger插件获取提示词。

实例1

正向提示词:masterpiece,best quality,super detail,

1girl, (Impasto),dress, solo, brown hair, long hair, white dress, earrings, detached collar, bare shoulders, jewelry, breasts, flower, sky, cleavage, looking at viewer,(pretty face),beautiful detailed face,extremely delicate and beautiful girls,blurry background, blue sky, outdoors,

杰作,最好的质量,超级细节,

1女孩,(Impasto),连衣裙,单人,棕色头发,长发,白色连衣裙,耳环,分离式衣领,裸露的肩膀,珠宝,胸部,花朵,天空,乳沟,看着观众,(漂亮的脸),美丽的细节脸,极其精致美丽的女孩,模糊的背景,蓝天,户外,

反向提示词:verybadimagenegative_v1.3,watermark,(worst quality, low quality:1.4),(extra fingers, deformed hands, polydactyl:1.4),

采样器:DPM++2M Karras

迭代步数:30

图片宽高:保持和上传的图片宽高一致或者定比例的放大或者缩小。

原图

改后图

实例2

正向提示词:masterpiece,best quality,super detail,

1girl, (Impasto),solo,breasts, dress, long hair, red dress, red lips, smile, red hair, jewelry, looking at viewer, earrings, cleavage, sitting, bare shoulders, hair ornament, armlet, halo, thighhighs, sleeveless dress, parted lips, makeup, bangs, very long hair, lipstick, sleeveless, shiny, (pretty face),beautiful detailed face,extremely delicate and beautiful girls,

杰作,最好的质量,超级细节,

1女孩,(Impasto),单人,胸部,连衣裙,长发,红色连衣裙,红唇,微笑,红色头发,珠宝,看着观众,耳环,乳沟,坐着,裸露的肩膀,头发装饰,臂膀,光环,大腿,无袖连衣裙,分开的嘴唇,化妆,刘海,很长的头发,口红,无袖,有光泽,(漂亮的脸),美丽的细节脸,极其精致和美丽的女孩,

反向提示词:verybadimagenegative_v1.3,watermark,(worst quality, low quality:1.4),(extra fingers, deformed hands, polydactyl:1.4),

采样器:DPM++2M Karras

迭代步数:30

图片宽高: 保持和上传的图片宽高一致或者定比例的放大或者缩小。

原图

转后图

写在最后

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。

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,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

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

若有侵权,请联系删除
### Stable Diffusion 生成的使用方法 #### 一、Stable Diffusion 的基本概念 Stable Diffusion 是一种先进的文生成模型,其核心原理在于通过在潜在表示空间中进行迭代去噪操作,并最终将处理后的潜变量解码为完整的像[^2]。该模型不仅支持高质量生成,还能依据特定条件生成满足需求的像。 此外,Stable Diffusion 完全开源免费,用户可以在本地或云端自行部署并运行此工具[^1]。这种灵活性使其成为 AI 领域中的重要技术之一,在艺术创作和商业应用中有广泛的潜力[^3]。 --- #### 二、本地环境下的安装与配置 如果希望在本地环境中运行 Stable Diffusion,以下是具体的操作流程: 1. **准备开发环境** - 确保计算机具备 NVIDIA GPU 和 CUDA 支持(推荐至少有 8GB 显存),因为训练和推理过程依赖于高性能计算资源。 - 下载 Python (建议版本 >= 3.9),以及必要的库文件如 PyTorch 和 Transformers。 ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 ``` 2. **克隆官方仓库** 访问 GitHub 上的 Stable Diffusion 开源项目页面,下载最新代码至本地机器。 ```bash git clone https://github.com/Stability-AI/stablediffusion.git cd stablediffusion ``` 3. **加载预训练权重** 模型本身并不附带任何参数;因此需要单独获取已发布的 checkpoint 文件,并将其放置到指定目录下以便后续调用。 4. **启动服务端口** 利用内置脚本快速搭建 WebUI 接口供交互测试之用。 ```bash python scripts/webui.py ``` 此时应该可以通过浏览器访问 `http://localhost:7860` 来查看形化界面[^1]。 --- #### 三、云平台上的部署方案 对于缺乏足够硬件设施或者更倾向于利用第三方基础设施的情况来说,则可以选择借助云计算服务商来完成整个项目的迁移工作。例如 AWS 提供了一个名为 Amazon SageMaker 的托管服务平台,允许开发者轻松构建大规模机器学习流水线而无需担心底层架构管理等问题存在。 在此过程中需要注意的是,虽然理论上所有主流公有云厂商均能胜任这项任务,但由于实际成本考量加上不同区域可用实例类型的差异性等因素影响,最好提前做好充分调研再做决定[^3]。 --- #### 四、生成高分辨率片技巧 为了获得最佳视觉效果,请遵循以下几点建议: - 调整采样步数(step count): 更高的数值通常意味着更好的质量但也消耗更多时间; - 设置合适的引导比例(guidance scale): 这决定了结果贴近提示词的程度,默认值设为7.5较为平衡; - 尝试多种风格模板(prompt templates): 不同描述方式可能会带来截然相反的艺术表现形式。 以上就是关于如何开始探索并实践Stable Diffusion的一些基础指导信息了! ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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