開源軟體stable diffusion基礎介面介紹AI繪圖

stable diffusion介面介紹

文生圖(txt2img) : 從文字生成圖片

提示詞(Prompt):輸入的文字描述，用來生成圖像的基礎

反向提示詞(Negative prompt):排除想要避免的主題或元素，用來生成更符合要求的圖像

:從提示詞中讀取生成參數，如果提示詞為空，則讀取上一次的生成參數到使用者介面

:清除提示詞

:顯示額外的網路(可以看模型預覽圖)

:將所選樣式套用於當前提示

:存儲為模板風格

樣式(Styles):選擇儲存的模板

採樣方法(Sampling method)：選擇生成圖像時所使用的採樣，不同的採樣方法可以影響圖像生成的效果和速度(需要品質較高我都選用DPM++，可以自行測試選擇)

採樣步驟(Sampling steps):是指在使用擴散模型生成圖片時所進行的採樣步驟。每經過一次疊代AI就有更多的機會去比對提示詞(prompt)和當前結果，並作出相應的調整。需要注意的是更高的採樣步數會需要更多的計算時間和成本，但並不代表一定會得到更好的結果。

面部修復(Restore faces) :修復臉部，繪製臉部圖片時可以勾選(真人模型使用較佳，動漫風格修復會修復成偏現實的五官)

可平鋪(Tiling):生成可以平鋪的圖片

高解析度修正(Highres. fix):使用兩步處理的時候，以較小的解析度生成初步圖像，接著放大圖像，然後在不更改構圖的情況下改進其中的細節

寬度(Width)&高度(Height):生成圖像的尺寸，可控制生成圖像的大小，但也會影響生成所需的時間

生成批次(Batch count)、每批數量(Batch size):生成圖片的批次和每批生成的數量

提示詞相關性(CFG Scale): 對提示詞（Prompt）的傾向程度。值越小生成的圖片越偏離你的描述但越符合邏輯，值越大則生成的圖片越符合你的描述有可能不符合邏輯

隨機種子(Seed):生成每張圖片時的隨機種子，這個種子是用來作為確定擴散初始狀態的基礎。但如果不理解可以使用隨機值

如果您喜歡我的文章，請幫我在下方拍手區按圈圈拍手圖案5次!非常感謝💕