ai绘画怎么弄(附ai绘画软件stable diffusion关键词tag教程)

共计 5239 个字符,预计需要花费 14 分钟才能阅读完成。

不敢妄称教程,只是根据自己最近的理解与实践,只能说是给后来的 AI 绘画作画者一点快速上手入门的参考吧。
主要是涉及 SD webui 界面介绍 参数含义及调整,txt2img 怎么设置特征点,img2img 怎么完善原始图像等内容。

各选项卡的一句话介绍
txt2img 文生图:顾名思义就是用文字生成图片
img2img 图生图:顾名思义就是用图片生成图片
Extras 更多:这里其实是“无损”放大图片用的
PNG info 图片信息:从图片 exif 里获取图片的信息,如果是 SD 原始生成的 png 图片,图片的 exif 信息里会写入图片生成参数的,所以你在网上看到大佬生成的美图,可以用这个功能帮你查看
Checkpoint Merger 模型(ckpt)合并:合并不同的模型,生成新的模型
Train 训练:自己炼 embedding 或者 hypernetwork
Settings 设置:顾名思义就是设置页面
Extensions 扩展:顾名思义这里是扩展的管理页面。

【文生图界面】
这估计是新人最常用的界面了,顾名思义就是用文字生成图片的地方

提示词 Prompt
用文字描述你想要生成的东西

支持的语言
支持的输入语言为英语(不用担心英语不好的问题,目前网上有很多 tag 生成器供你使用),SD 支持用自然语言描述,不过还是推荐使用用逗号分隔的一个个的关键词来写,当然表情符号,emoji,甚至一些日语都是可以用的。

tag 语法
分隔:不同的关键词 tag 之间,需要使用英文逗号, 分隔,逗号前后有空格或者换行是不碍事的
ex:1girl,loli,long hair,low twintails(1 个女孩,loli,长发,低双马尾)
混合:WebUi 使用 | 分隔多个关键词,实现混合多个要素,注意混合是同等比例混合,同时混。
ex: 1girl,red|blue hair, long hair(1 个女孩,红色与蓝色头发混合,长发)

增强 / 减弱:有两种写法

第一种 (提示词: 权重数值):数值从 0.1~100,默认状态是 1, 低于 1 就是减弱,大于 1 就是加强
ex: ,(loli:1.21),(one girl:1.21),(cat ears:1.1),(flower hairpin:0.9)

第二种 (((提示词))),每套一层 () 括号增强 1.1 倍, 每套一层 [] 减弱 1.1 倍。也就是套两层是 1.1*1.1=1.21 倍,套三层是 1.331 倍,套 4 层是 1.4641 倍。

ex: ((loli)),((one girl)),(cat ears),[flower hairpin]和第一种写法等价

所以还是建议使用第一种方式,因为清晰而准确
渐变:比较简单的理解时,先按某种关键词生成,然后再此基础上向某个方向变化。
[关键词 1: 关键词 2: 数字],数字大于 1 理解为第 X 步前为关键词 1,第 X 步后变成关键词 2,数字小于 1 理解为总步数的百分之 X 前为关键词 1,之后变成关键词 2
ex:a girl with very long [white:yellow:16] hair 等价为
开始 a girl with very long white hair

16 步之后 a girl with very long yellow hair

ex:a girl with very long [white:yellow:0.5] hair 等价为
开始 a girl with very long white hair

50% 步之后 a girl with very long yellow hair

交替:轮流使用关键词
ex:[cow|horse] in a field 比如这就是个牛马的混合物,如果你写的更长比如[cow|horse|cat|dog] in a field 就是先朝着像牛努力,再朝着像马努力,再向着猫努力,再向着狗努力,再向着马努力

tag 书写示例
建议按类似这样的格式书写提示词

画质词
这个一般比较固定,无非是,杰作,最高画质,分辨率超级大之类的

风格词艺术风格词
比如是照片还是插画还是动画

图片的主题
比如这个画的主体是一个女孩,还是一只猫,是儿童还是萝莉还是少女,是猫娘还是犬娘还是福瑞,是白领还是学生

他们的外表
注意整体和细节都是从上到下描述,比如
发型(呆毛,耳后有头发,盖住眼睛的刘海,低双马尾,大波浪卷发),
发色(顶发金色,末端挑染彩色),
衣服(长裙,蕾丝边,低胸,半透明,内穿蓝色胸罩,蓝色内裤,半长袖,过膝袜,室内鞋),
头部(猫耳, 红色眼睛),
颈部(项链),
手臂(露肩),
胸部(贫乳),
腹部(可看到肚脐),
屁股(骆驼耻),
腿部(长腿),
脚步(裸足)

他们的情绪
表述表情

他们的姿势
基础动作(站,坐,跑,走,蹲,趴,跪),
头动作(歪头,仰头,低头),
手动作(手在拢头发,放在胸前,举手),
腰动作(弯腰,跨坐,鸭子坐,鞠躬),
腿动作(交叉站,二郎腿,M 形开腿,盘腿,跪坐),
复合动作(战斗姿态,JOJO 立,背对背站,脱衣服)

图片的背景
室内,室外,树林,沙滩,星空下,太阳下,天气如何

杂项
比如 NSFW,眼睛描绘详细

将不同的分类的词,通过换行区分开,方便自己随时调整

(masterpiece:1.331), best quality,
illustration,
(1girl),
(deep pink hair:1.331), (wavy hair:1.21),(disheveled hair:1.331), messy hair, long bangs, hairs between eyes,(white hair:1.331), multicolored hair,(white bloomers:1.46),(open clothes),
beautiful detailed eyes,purple|red eyes),
expressionless,
sitting,
dark background, moonlight, ,flower_petals,city,full_moon,

于是我们得到这样一张图

ai 绘画怎么弄(附 ai 绘画软件 stable diffusion 关键词 tag 教程)采样迭代步数 Sampling Steps
AI 绘画的原理用人话说就是,先随机出一个噪声图片
然后一步步的调整图片,向你的 提示词 Prompt 靠拢
Sampling Steps 就是告诉 AI,这样的步骤应该进行多少次。
步骤越多,每一步移动也就越小越精确。同时也成比例增加生成图像所需要的时间。
大部分采样器超过 50 步后意义就不大了
下图是同一个图从 1step 到 20step,不同 step 时图像的变化。

ai 绘画怎么弄(附 ai 绘画软件 stable diffusion 关键词 tag 教程)

采样方法 Sampling method
使用哪种采样器,人话就是让 AI 用什么算法。
这里只介绍常用的,不太常用的就自己去琢磨吧

Euler a:富有创造力,不同步数可以生产出不同的图片。超过 30~40 步基本就没什么增益了。
Euler:最最常见基础的算法,最简单的,也是最快的。

DDIM:收敛快,一般 20 步就差不多了。

LMS:eular 的延伸算法,相对更稳定一点,30 步就比较稳定了

PLMS:再改进一点 LMS

DPM2:DDIM 的一种改进版,它的速度大约是 DDIM 的两倍

生成批次 Batch count/n_iter
同样的配置,循环跑几次

每批数量 Batch size
同时生成多少个图像。增加这个值可以并行运行,但你也需要更多的显卡显存,具体可以自己看着任务管理器里的显存占用显示,自己调。
基本 512X512 的图,SD1.4 模型,Euler a,4G 显存可以并行 2 张,8G 显存可以并行 8 张。

每点一次生成按钮,生成的图像总数 = 生成批次 X 每批数量

提示词相关性 CFG Scale
图像与你的提示的匹配程度。
增加这个值将导致图像更接近你的提示, 但过高会让图像色彩过于饱和(你可以自己试试看)
太高后在一定程度上降低了图像质量。可以适当增加采样步骤来抵消画质的劣化。
一般在 5~15 之间为好,7,9,12 是 3 个常见的设置值。

宽度 X 高度 Width X Height
单位是像素,适当增加尺寸,AI 会试图填充更多的细节进来。
非常小的尺寸(低于 256X256),会让 AI 没地方发挥,会导致图像质量下降。
非常高的尺寸(大于 1024X1024),会让 AI 乱发挥,会导致图像质量下降。
增加尺寸需要更大的显存。4GB 显存最大应该是 1280X1280(极限)

因为常见的模型基本都是在 512×512 和 768X768 的基础上训练
分辨率过高,图片质量会随着分辨率的提高而变差
一般 1024X1024 以上尺寸 AI 就会搞出搞各种鬼畜图。
如果模型明确某些分辨率最优,请遵照模型的要求
比如 3DKX 系列模型就是明确推荐图片分辨率为 1152 x 768。

如果你确实想生成高分辨率图像,请使用“Hires. fix”功能。

随机种子 Seed
前边说过,AI 绘画的原理是,先随机出一个噪声图片
因为计算机世界里不存在真随机
保持种子不变,同一模型和后端,保持所有参数一致的情况下,
相同的种子可以多次生成(几乎)相同的图像。
如果你用某个种子在某 tag 下生成了很棒的图,
保持种子数不变,而稍微改一点点 tag,增减一点细节,一般得到的图也会不错。

不同型号的显卡即使参数与模型完全一致,也可能会生成完全不同的图。
10XX 和 16XX 系显卡基本每种型号都会是不同的结果,20XX 系和 30XX 系基本都可以完美复现图片。
这里不是 10XX 系显卡不适合 AI 作画的意思,只是你可能看网友的参数图很棒,你想照搬一下结果却大不一样。
某些模型比如 anything3.0 因为模型过于混沌,图像复现性能一样很差。
设置中有个选项参数叫 ENSD(eta 噪声种子增量)这个会改变种子,有些扩展也可以实现同 seed 下随机微调种子,可能会造成无法复现其他人的图。
面部修复
使用模型,对生成图片的人物面部(主要是三次元真人)进行修复,让人脸更像真人的人脸,具体设定在【设置】-【面部修复】
1. 基本就是 2 种模型 CodeFormer 和 GFPGAN,至于那个更好,这个不好说,这个看模型的,建议都试试。
2. CodeFormer 权重参数; 为 0 时效果最大; 为 1 时效果最小,建议从 0.5 开始,左右尝试,找到自己喜欢的设置。
3. 倒不是说二次元图就不能用面部修复了,一定程度上也能提升二次元面部的作画质量。

可平铺(Tiling)
一句话:生成可以往左右上下连续拼接的图像。(见过拼贴的瓷砖不?)

超分辨率 Hires. fix
txt2img 在高分辨率下(1024X1024)会生成非常怪异的图像。而此插件这使得 AI 先在较低的分辨率下部分渲染你的图片,再通过算法提高图片到高分辨率,然后在高分辨率下再添加细节。

放大算法:如果不知道选什么,一般无脑选“ESRGAN_4x”
重绘幅度:放大后修改细节的程度,从 0 到 1,数值越大,AI 创意就越多,也就越偏离原图。
Upscale by:放大倍数,在原有宽度和长度上放大几倍,注意这个拉高需要更高的显存的。
【设置】Settings
设置界面就太复杂了,不细说,只说怎么设定翻译和选择模型使用参数吧

用户界面 User interface
拉到最底下是选择界面翻译的,选择后,记得到网页最上边,先保存(Apply settings),后重启(Reload Ul)。

【扩展界面】Extensions
已安装扩展 Installed
显示已经安装的扩展(脚本,翻译,选项卡),勾选了就是启用的扩展,不勾选就是不启用
– 应用并重启 UI Apply and restart UI:更新后重启界面,重载 UI 界面。
– 检查更新 Check for updates:检查已安装扩展更新

可用 Available
显示目前支持的扩展,点击加载按钮,去官方拉取最新的扩展列表(需要你能访问 github)

隐藏勾选类型的扩展 Hide extensions with tags:就是勾了的类型的扩展就被隐藏,一般推荐勾选,ads(含广告),installed(以安装)。
排序方式 Order:就是设定扩展列表的排序方式,是最新到最久,还是按字母顺序等。
下方是扩展的目录,显示扩展的名字,简介,和 Install 安装按钮,点击扩展的名字可以跳转到对应扩展的仓库页,看作者详细的介绍。
从 URL 安装 Install from URL
用来自行安装扩展,输入扩展给你的安装 URL 地址,点 Install 按钮即可

怎么设定为中文版
先点击切换到【扩展页面 Extensions】,再点击【可用 Available】,再点击【Load from: 加载自:】
在【隐藏勾选类型的扩展 Hide extensions with tags】中,取消勾选“localization”
找到 zh_CN Localization 或 zh_TW Localization 点击最后的 Install 按钮
点击【已安装扩展 Installed】分页,确保页面下方已经勾选了“stable-diffusion-webui-localization-**_**”,点击【应用并重启 UI Apply and restart UI】,重启页面。
切换到【设置页面 Settings】,左侧找到【用户界面 User interface】,往下拉到底
下拉框内选择你需要的语言
返回网页最上方,先点击【应用设置 Apply settings】,再点击【重新加载 UI Reload UI】
如果没有问题,你的界面就是中文的了。

正文完