在當(dāng)今的數(shù)字創(chuàng)作領(lǐng)域，StableDiffusion（以下簡稱 SD）無疑是一顆璀璨的明星，吸引著眾多創(chuàng)作者的目光。如果你是剛接觸這方面的小白，或者是剛剛進(jìn)入相關(guān)主頁對話的新人，那么接下來的這篇文章，將帶你在 10 分鐘內(nèi)全面了解與 SD 相關(guān)的各類技術(shù)知識。
一、StableDiffusion 是什么？
SD 最早是由 Stability AI 于 2022 年 8 月發(fā)布的一款通過深度學(xué)習(xí)來實(shí)現(xiàn)文本到圖像生成的模型。這里要特別注意的是，SD 并非一個(gè)軟件，它本質(zhì)上是一個(gè)強(qiáng)大的生成模型，更確切地說，它是一大堆代碼構(gòu)成的一種生態(tài)。
在最初發(fā)布時(shí)，SD 需要在命令行界面進(jìn)行操作，用戶得通過輸入命令來加載模型，再輸入文本描述才能生成圖像。這對于沒有編程基礎(chǔ)的用戶而言，幾乎是無法使用的狀態(tài)。
不過，隨著時(shí)間的推移，SD 的使用變得越來越便捷。2022 年 9 月，開發(fā)者 AUTOMATIC1111 發(fā)布了一個(gè)即使普通用戶也能方便使用的用戶界面 ——Web UI。它一經(jīng)推出，便集成了諸多功能，比如參數(shù)調(diào)整、模型和插件管理等，并逐漸發(fā)展形成了一個(gè)穩(wěn)定且功能豐富的生態(tài)系統(tǒng)。
2023 年 4 月，開發(fā)者 Comfyanonymous 發(fā)布了 Comfy UI，這是一個(gè)適用于批量生成圖像且可以自定義制作流程、自由度更高更靈活的節(jié)點(diǎn)式用戶界面。其模塊化設(shè)計(jì)，讓用戶能夠根據(jù)自身需求自由組合和擴(kuò)展功能。
2023 年 9 月，張呂敏博士發(fā)布了 Web UI Forge，它和 Web UI 長得很像，但在低顯存設(shè)備上占用顯存更低，運(yùn)行速度更快，優(yōu)化效果更佳。
以上就是目前大家能夠用到的三種與 SD 相關(guān)的用戶界面，大家可不要將 SD 這個(gè)模型概念和這些衍生的 UI 弄混淆了，UI 只是為了方便用戶使用 SD 模型的界面而已。
二、StableDiffusion 出圖的基本原理
了解 SD 出圖的基本原理，對后續(xù)的學(xué)習(xí)和使用會(huì)有很大幫助。SD 的具體原理以及神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式涉及大量的專業(yè)知識和理論，并非三言兩語能講清楚，這里我們用一個(gè)形象的比喻來幫助理解。
“StableDiffusion” 翻譯成中文是 “穩(wěn)定擴(kuò)散”，重點(diǎn)在于 “擴(kuò)散” 二字。就好比生活中，一滴墨汁滴入一杯水中，經(jīng)過一段時(shí)間的擴(kuò)散，墨汁會(huì)完全隨機(jī)地分布在水中，讓人難以區(qū)分哪部分是水，哪部分是墨汁。在 SD 中，是給每一張?jiān)瓐D逐步添加噪點(diǎn)，一直到再也無法分辨原圖內(nèi)容為止。但與墨汁擴(kuò)散不同的是，SD 的擴(kuò)散并非隨機(jī)，而是通過算法和方程有計(jì)劃地生成噪點(diǎn)，并且會(huì)監(jiān)控并記錄每一步生成噪點(diǎn)和添加噪點(diǎn)的過程，將這些過程數(shù)據(jù)打包并分類，從而形成我們所說的大模型。
當(dāng)我們要生成一張圖片時(shí)，就相當(dāng)于要逆向操作，把一杯只有噪點(diǎn)的 “墨水” 還原成一杯水和一滴墨汁，也就是要依據(jù)生成噪點(diǎn)時(shí)監(jiān)控和記錄的過程數(shù)據(jù)（即大模型），再結(jié)合提示詞、隨機(jī)種子的引導(dǎo)和約束，一步一步地去除噪點(diǎn)，最終生成我們想要的圖片。
三、StableDiffusion 對電腦配置的要求
SD 是開源本地大模型，所以對硬件有一定的要求，下面我們根據(jù)不同陣營來分別說明。
（一）Windows 陣營
- 系統(tǒng)：需使用 Windows 10 或 Windows 11 系統(tǒng)，更低也要是 Windows 10 系統(tǒng)。
- 處理器：雖無硬性要求，但處理器性能越高越好，更高的處理器性能可加快對提示詞的解析速度，對出圖效率有一定提升。
- 內(nèi)存：更低要求 8G 內(nèi)存，但建議在 16G 以上。因?yàn)樵谑褂眠^程中，可能會(huì)遇到同時(shí)加載多個(gè)模型或多個(gè)任務(wù)同時(shí)運(yùn)行的情況，較大的內(nèi)存能減少電腦卡頓的可能性。
- 硬盤：更低要求 20G 的硬盤存儲空間，不過這只是滿足最基本的安裝和運(yùn)行需求。實(shí)際上，隨著對軟件的深入使用，會(huì)下載大量的模型、軟件和插件，硬盤空間需求會(huì)越來越高。
- 顯卡：一定要獨(dú)立顯卡，很多集成顯卡的筆記本電腦就不適用了。顯卡又分為英偉達(dá)的 n 卡和 AMD 的 a 卡，目前 SD 都可以在這兩種卡上運(yùn)行，關(guān)鍵在于顯存。能夠運(yùn)行 SD 的更低顯存要 4GB，但為了獲得更好的使用體驗(yàn)，建議 8G 或更大的顯存。因?yàn)轱@存是使用 SD 繪圖時(shí)整套電腦配置的核心，低版本的顯卡會(huì)影響出圖和訓(xùn)練模型的速度，而低顯存的顯卡在處理訓(xùn)練參數(shù)很大的模型、復(fù)雜任務(wù)或大尺寸圖片時(shí)，可能會(huì)出現(xiàn)暴顯存的情況，導(dǎo)致無法使用。
（二）Mac 陣營
要求系統(tǒng)在 Mac OS 12 以上，運(yùn)行內(nèi)存 8G 以上，處理器 M1 以上。但目前在 Mac 系統(tǒng)上，安裝和使用 SD 都比較復(fù)雜，速度也相對較慢。所以，如果不是只想簡單體驗(yàn)一下，官方和筆者都建議選擇 Windows 主機(jī)更好。
（三）線上運(yùn)行陣營
如果既沒有獨(dú)立顯卡，也沒有符合要求的蘋果電腦，又不想花費(fèi)大量資金配置新電腦，那么可以選擇線上運(yùn)行。比如在一些類似 “離不離譜” 這樣的網(wǎng)站上體驗(yàn)線上運(yùn)行，還可以選擇在這些平臺租用顯卡云端部署。其好處是可以享受更高端的顯卡性能，且更加靈活；缺點(diǎn)是要按照使用次數(shù)或運(yùn)行時(shí)長收費(fèi)，并且在使用過程中不能生成違規(guī)內(nèi)容（如色色圖等）。
四、不同用戶界面的學(xué)習(xí)選擇
對于 Web UI、Comfy UI 和 Web UI Forge 這三個(gè)用戶界面，筆者的建議是都要學(xué)。
首先，這三個(gè)用戶界面的出圖原理是一樣的，都是加載模型、寫提示詞、使用插件然后出圖，闡述邏輯也是互通的，使用的模型也互通，只是各自有不同的強(qiáng)項(xiàng)。Web UI 的用戶界面更直觀，Comfy UI 效率更高，F(xiàn)orge 對電腦配置要求更低。
對于剛?cè)腴T SD 的新手，建議先從 Web UI 學(xué)起，因?yàn)槠渲庇^清晰的用戶界面便于入門，即使不跟著教程學(xué)習(xí)，也能摸索出個(gè)大概，比如選擇模型、寫提示詞、修改尺寸、出圖等操作都相對簡單。當(dāng)完全掌握了 Web UI 之后，再去接觸 Comfy UI，就會(huì)發(fā)現(xiàn)所謂的工作流，其實(shí)就是把 Web UI 的圖形界面拆分成零散的模塊，原本自動(dòng)執(zhí)行的內(nèi)容現(xiàn)在可以根據(jù)自己的安排定制化執(zhí)行，并沒有想象中那么復(fù)雜。至于 Web UI Forge，它的頁面和 Web UI 長得很像，只是在插件和功能上有所差異。最終長期使用哪個(gè)版本，可根據(jù)自己的使用目的來決定。
五、常見名詞解釋及案例
在 SD 繪圖過程中，有一些常見的名詞，下面我們通過一個(gè)案例來捋順?biāo)鼈兊暮x和作用。
以 “a girl” 這個(gè)提示詞為例：
- 大模型：如 SD1.5、SDXL、SD3、FLUX 等都是大模型，不同風(fēng)格、不同版本的大模型能夠決定繪圖的基礎(chǔ)類型和出圖質(zhì)量，比如是真實(shí)系還是二次元風(fēng)格等，選擇不同的大模型會(huì)直接影響出圖效果或畫風(fēng)。
- Lora：也是一種模型，但品類繁多、風(fēng)格各異?？梢杂涀蓚€(gè)關(guān)鍵詞 “風(fēng)格特征”，它能輔助大模型，使繪圖結(jié)果更符合想象中的效果，比如改變?nèi)讼衩婵?、攝影風(fēng)格、光影效果，或者呈現(xiàn)二次元系列的簡筆畫、插畫、漫畫等風(fēng)格。
- 提示詞：這是 AI 繪圖的關(guān)鍵環(huán)節(jié)。一張完整的 AI 繪圖，至少要描述 5 件事情：主體、背景、畫風(fēng)、細(xì)節(jié)、氛圍。就拿 “a girl” 來說，它可以是一位穿著白色連衣裙的 girl 站在盛開的櫻花樹下，背景是藍(lán)天和白云，畫風(fēng)為夢幻主角風(fēng)，整體色調(diào)為柔和的藍(lán)色和粉色，女孩的頭發(fā)絲絲飄揚(yáng)，櫻花花瓣在空中飛舞，傳達(dá)出寧靜和美好的感覺；也可以是一位穿著黑色緊身衣的 girl，站在滾燙的銀箭之上，背景是火焰和黑巖，畫風(fēng)為黑暗風(fēng)，色調(diào)為昏暗的黑色和紅色，拿著惡魔的叉子，傳達(dá)出恐怖和邪惡的感覺。所以，提示詞就是 AI 繪圖中能夠天馬行空發(fā)揮創(chuàng)意的地方。
- 插件：SD 的插件生態(tài)非常豐富，大致可分為 3 種屬性：控制、優(yōu)化和附加功能?？刂祁惒寮梢钥刂迫宋镩L相、人物姿態(tài)、畫面結(jié)構(gòu)、畫面內(nèi)容等；優(yōu)化類插件可以優(yōu)化提示詞、出圖效率、畫面細(xì)節(jié)等；附加功能類插件可以根據(jù)提示詞制作動(dòng)畫，實(shí)現(xiàn)圖片轉(zhuǎn)視頻動(dòng)畫，或者視頻轉(zhuǎn)視頻動(dòng)畫等功能。
- 高清放大：這是 AI 繪畫的又一個(gè)關(guān)鍵點(diǎn)。在日常做圖時(shí)，不要一開始就按照理想的尺寸出圖，比如想生成一張 1920×1080 的圖片，往往先會(huì)生成一張 960×540 的小圖，因?yàn)樾D占用設(shè)備資源更低，出圖速度更快，這樣可以更高效地反復(fù)抽卡，直到抽到滿意的圖片后，再將這張圖片做高清放大。通過 AI 高清放大后，除了圖片的尺寸被放大了，還會(huì)在放大過程中填充細(xì)節(jié)，使畫面表現(xiàn)更加。所以，我們看到的那些精美的 AI 圖，大多都不是一次性生成出來的，而是經(jīng)過上述步驟逐層遞進(jìn)才得到較好的結(jié)果。
六、學(xué)習(xí) SD 繪圖后的應(yīng)用及局限
學(xué)習(xí)了 SD 繪圖之后，能做很多事情，比如制作電商圖、海報(bào)、短視頻、開直播、做虛擬人、產(chǎn)品設(shè)計(jì)、建筑設(shè)計(jì)等等。但要注意的是，AI 繪圖目前只是一個(gè)工具，如果本身不是相關(guān)專業(yè)的人，或者未來不打算從事相關(guān)專業(yè)，僅僅會(huì) SD 繪圖是遠(yuǎn)遠(yuǎn)不夠的。例如要制作一個(gè)飲料的封面，雖然圖是用 AI 制作的，但如果不懂 PS，不懂排版，沒做過海報(bào)設(shè)計(jì)，那么從一張 AI 圖到一個(gè)可用的封面之間還有很大的距離。
希望通過以上對 SD 繪圖的基礎(chǔ)介紹，能夠幫助大家建立一個(gè)更清晰的知識框架，讓大家在 SD 繪圖的學(xué)習(xí)和應(yīng)用之路上更加順暢！
網(wǎng)站建設(shè)
品牌設(shè)計(jì)
APP開發(fā)
小程序開發(fā)
商城開發(fā)
網(wǎng)站優(yōu)化
UI設(shè)計(jì)
增值服務(wù)
