歡迎閱讀本文，我將在這里詳細介紹如何運用 StableDiffusion 結合 ControlNet 插件，實現對圖片生成的精準控制，以及如何融入 LoRa 模型進行創作，本文還會詳細介紹放大圖片分辨率以及增強圖片的多種方法。通過本文，你將學會如何結合這些功能創作出效果非常炸裂的圖片，告別只會畫人物的困擾，讓你體驗從入門到卸載軟件的靈魂過程，內容巨干，需要一杯卡布奇諾幫助大家消化此內容，如果本文對你有幫助，那就隨便點點咯（別逼我跪下來）。
更多SD干貨：
本篇文章我將會采用一個「文字特效的案例教程」給大家詳細講解操作流程以及相應的功能介紹，通過這個案例，帶大家走入 StableDiffusion 的進階玩法，話不多說，先看看案例圖片：
1. 前期準備
在開始之前，我們需要先準備下模型、lora 以及相關素材：
- Stable Diffusion 模型：ReV Animated v1.2.2（最新版本）
- Lora 模型：light effect sci-fi scene
- controlnet 插件模型以及黑白文字圖片
模型下載推薦使用 civitai（國外）以及哩布哩布 AI（國內），前者需要特殊網絡，下載也比較慢，但是模型豐富，數量極其的多。后者下載速度很快，我一般是在「civitai」上找到模型然后去「哩布哩布 AI」上搜，如果有需要的模型，那就直接在「哩布哩布 AI」上下載。
Controlnet 插件一般用活菩薩秋葉的啟動包就會自帶，不過模型需要自己安裝一下，在往期文章我有專門介紹過 Controlnet 的插件安裝教程以及模型的下載方式，此處不多做說明。
準備一張黑字白底的圖片即可，此處的文字大家可自行修改，圖片尺寸可以根據自己的需要調整合適即可（此處我給的尺寸為 512*288，也是 1920*1080 的縮小尺寸）。
2. 關鍵詞描述
本次案例關鍵詞為：
正向關鍵詞：
(masterpiece, best quality:1.3),hd,8k,super details,science fiction,scenery,round stage,,
(杰作，最佳畫質:1.3)，高清，8k，超細節，科幻，風景，圓舞臺+
反向關鍵詞（通用關鍵詞，哪哪都可用）：
(worst quality:2),(low quality:2),(normal quality:2),lowres,bad anatomy,bad hands,text,error,missing fingers,extra digit,fewer digits,cropped,jpeg
artifacts,signature,watermark,username,blurry,bad_pictures,DeepNegativeV1.x_V175T,nsfw,
告訴大家這個關鍵詞哪來的呢，就是從 Lora 模型的網站上 Copy 下來的，一個小技巧，如果我們不知道怎么描述關鍵詞，可以把相關的 Lora、模型圖片信息上的關鍵詞拿來二次改動即可：
3. 文生圖基本設置
把以下標注的參數調整下，大家可以按照自己的想法調整，如果暫時還不會，就按照我的參數調整就好了。
這里說明下，lora 可以通過「生成」按鈕下方的紅色 icon 調用，點擊此 lora 會給我們在正向關鍵詞的后方添加該 Lora 參數。
如果你是自己寫關鍵詞，需要添加該 Lora 的觸發詞，觸發詞一般在模型下載網站作者會寫出來，大家把觸發詞加上去即可。Lora 的權重也可以調整，默認參數是 1，作者生成的 lora 圖片權重給的是 0.8~0.9，這大概率是作者測試的最佳參數值，大家也可以測試下別的參數值，具體看效果，本次案例 Lora 權重為 0.9，即
還需強調一個參數：采樣方法 (Sampler)
采樣方法有很多，一個個介紹的話內容就很多了，大家一般使用這兩個參數即可：DPM++2M Karras 和 DPM++SDE Karras。一般模型下載頁面會有作者推薦的采樣方法，都是經過作者測試過的，所以我們跟著用就好了，當然也可以試試其他的采樣方式，據說效果也差不多。
4. Controlnet 參數介紹及設置
接著在下面找到 Controlnet 插件，上傳我們準備好的黑字白底圖片，并把下面的參數設置好。
Controlnet Unit 需要多設置一個，我們將會使用兩個 Controlnet 預處理對圖片進行控制。
我們在第一個 Controlnet Unit 上選擇 Canny，對應的模型也是 canny。他還有一個同胞預處理器“invert”，如果你是黑底白字，那么就選擇“invert”。這個模型作用是控制主體的邊緣進而控制最終生成圖片的效果。
第二個 Controlnet Unit 選擇 Depth，對應模型為 Depth。這個模型的作用是檢測圖片的空間層次，進而控制生成圖片的空間感，這個模型適用于一些大型的空間場景。本次案例借助這個模型增強下空間感。
Depth 預處理也有好幾個，其中「Depth_leres++」適合處理大場景大空間的圖片（檢測的細節很多），所以這個預處理器的處理時間會很長。如果沒有很大要求的話，使用其他的預處理器即可，處理的結果有細微的差距，大家可自行嘗試下。本次我使用的是「Depth_midas」預處理器。
需要注意一點是，我們要控制下權重，在第一個 unit 我們默認是 1，以 canny 模型為主，Depth 輔助增強空間感，那么就需要把改權重降低一點，比如 0.6~0.8。
敲黑板！！
上面我沒有說寫尺寸的事情吧，告訴大家一個小技巧，點擊這個按鈕，就可以把上傳的黑字白底圖的尺寸自動設置上去，這也是為什么在制作黑底白字圖的時候需要把尺寸控制好。
5. 終于開始跑圖了
上面講了一大堆，其實也只是冰山一角，只把本次案例需要調整參數的地方講了一下，不過這些也是一般生圖的常用功能，這幾個參數玩好也夠用了，其他參數等我后續以案例教程的形式說明，我認為這樣大家容易記一些。
廢話不多說了，把各項參數設置好了之后就可以開始跑圖了，如果你們出現錯誤，先檢查下參數問題，看是不是跟我一致的。
先批量跑幾批圖出來吧，大致效果就是這樣了：
到這一步如果你覺得結束了的話，那就錯了，還剩下幾個問題呢。
- 圖片分辨率太小，不能用；
- 圖片細節太糙，也不能用。
這時候就引出我們下一個板塊了，圖片放大/細節增強功能，往下看：
下面幾種方法還是根據我們上面生成的圖片來演示，請在開始之前選中一張你所滿意的圖片即可。
1. 高分辨率修復
高清修復在文生圖，也就是在關鍵詞下方，它的原理就是把圖片重新畫一遍，然后增加圖片細節及放大分辨率。
我們先選中一張圖片，固定 seed 值，然后點擊啟動“高分辨率修復”（可能其它版本是“高清修復”），就可以看到下面的一些參數。
為什么我們在生圖的時候沒有直接勾選這個呢，還要進行固定 seed 值的這一步參數，是因為這個功能還是會受到顯卡限制的影響，如果批量跑圖開啟“高分辨率修復”，那生成圖片時間會非常久，先用低分辨率尺寸出圖效率會更高點，4090 用戶請忽略。
再來看看它的相關參數：
具體看圖，不要暈了！
放大算法一般就使用，「R-ESRGAN 4X+ Anime6b」和「R-ESRGAN 4X+ 」，插畫風格圖片使用「R-ESRGAN 4X+ Anime6b」請無腦使用這兩個！
- 重繪幅度保持在 0.5~0.8 即可，數值越大，圖片改動越大，反之一個道理。
- 放大倍數取決你需要把圖片分辨率放大多少，這個也不能隨心所欲，需要看你的顯存大小！
- 迭代步數與上面的一樣，一般不需要調整（0 為默認與上面一致）。
最終的參數是這樣的，抄作業了：
可以適當的調整重繪幅度，說不定會有意外驚喜哦。
2. 圖生圖放大
除了高清修復，圖生圖也是 SD 自帶的一個不錯的放大方式，原理跟高清修復一樣，我們快速整一遍。
還是那張圖，把圖片發送到“圖生圖”，之前那張低分辨率圖片怎么找到呢，可以在文件夾中找到，然后上傳到“png 圖片信息處”，點擊“發送到圖生圖”。
圖生圖的參數基本與前面文生圖一致，都是重復的功能。
然后點擊生成，這張圖片就被放大了，與高清修復一樣，依賴于顯存大小。
用 4 倍放大值，「3080 10G 顯卡」生成時間為 27s，占用顯存 10g，直接拉滿了。
圖生圖也有“放大算法”功能，只不過需要在設置里面找到，設置之后就是默認的算法了。
3. SD upscale 腳本放大
這個功能也是在圖生圖中，與前面兩種方法不一樣的是，這個放大原理是把一張圖分成多個小塊一個個生成，相當于就是生成一小塊后再生成下一個小塊，直到把整張圖生成完畢，所以這個方法對顯存小的玩家是一個好的選擇，沒有集中一張圖生成。
在圖生圖底部找到這個“腳本”選項，選中“使用 SD 放大（SD upscale）”，在底部可以看到他的參數信息，放大倍數和放大算法與前面一樣。
這個“分塊重疊像素寬度”需要注意下，具體原理不做解釋了，大家只要記住，這里如果是 64，那么我們就把上面的高度和寬度分別加 64 就行了，不然可能會出現圖像分割的情況（本次案例測試沒出現這個問題，如果有，請記住這個方法！）
最后這張圖是在 4 倍放大值生成的，分辨率也達到了 2048*1152。
「3080 10G 顯卡」生成時間為 23s，占用顯存 4g 左右。（前面兩種占用顯存都達到了 10G，拉滿了）
4. 后期處理功能放大
后期處理這個軟件在其他版本叫做“附加功能”（這兩個名字的功能是同一個），“后期處理”方法原理就是把原圖等比放大并處理一些細節（不重繪），效果沒有上面幾種方法好，但是也能滿足大部分場景需要，處理時間非常快。
進入“后期處理”這個板塊，上傳小分辨率圖片，我們只需要設置好縮放倍數/縮放尺寸和放大算法即可，其他的參數默認不用管，點擊生成就可以為我們生成一張大分辨率的圖片，這個圖片是 100%還原的（沒有經過 SD 重繪）。
這個功能也可以放大非 SD 繪制的圖片，比如我上傳一張通過 Midjourney 生成的圖片，該圖片尺寸為 1456*816。拖入“后期處理”中，把放大倍數調整到 4 倍，點擊生成就會把這張圖片分辨率放大了。
可以看到放大之后圖片確實清晰很多，大家自己嘗試后感受會更加明顯。
5. 進階放大功能-Tiled Diffusion
目前 StableDiffusion 最強的圖片放大功能-Tiled Diffusion，這是 StableDiffusion 一個插件，它所實現的放大修復功能比前面 4 種方法更好，強烈推薦大家使用這個方法！！！
原理與 SD upscale 類似，我們直接來看看演示案例吧，原理什么的大家看的可能會頭暈...
首先就是這個插件的安裝了，如果你是安裝最新版本的一鍵啟動包，那么這個插件已經為你安裝好了。如果你的 sd 中沒有，那請你手動安裝下:
回到圖生圖功能，按照之前的方法，把那張低分辨率的圖片發送到這里來，在下方底部就可以找到 Tiled Diffusion 和 Tiled VAE，這兩個插件是共用的，放大圖片的時候兩者都勾選即可。
這個插件也比較簡單，通常情況我們只需要勾選啟用就好了，注意控制下放大尺寸即可。在放大尺寸這塊大家可能會混亂，圖生圖有一個尺寸，Tiled Diffusion 也有一個放大倍數，到底是怎么回事呢？這里有兩種方法：
①使用圖生圖的尺寸
我們可以把圖生圖的原始尺寸*3，也就是放大 3 倍（原：512*288，放大：1536*864），取消勾選“保持輸入圖像大小”，并把放大倍數改為 1 即可。
②使用 Tiled Diffusion 放大倍數
圖生圖的尺寸保持不變，勾選“保持輸入圖像大小”，放大倍數調整為 3，（勾選“保持輸入圖像大小”即圖生圖尺寸不生效）
上面兩種方法都可以，大家自行選擇~
這個插件的其他參數我們都不需要去具體了解，保持默認就行了，注意控制以下幾個參數即可（希望你不要暈）：
最后一步，控制下重繪幅度，因為我們是為了放大圖片分辨率，所以我們的重繪幅度一定不要調的太高。大概 0.3~0.5 這個樣子，沒有具體參數，需要大家自行嘗試。
我們點擊生成可以看下這幾個重繪幅度之間的差別：
經過測試，重繪幅度保持在 0.3~0.5 即可，0.5 以上圖片就被重繪的過于多了。
0.3-0.5 細節改變不大，保留了原圖的細節，0.5 的參數會額外再增加部分細節。
6. 高階修復放大功能 -- Controlnet Tile 模型
敲黑板！！重點來了！重點來了！重點來了！
上一步我們介紹了 Tiled Diffusion 插件的玩法，這次來個更強的 Tile 模型，它是基于 Controlnet 插件開發的模型，可以把低分辨率圖片變為高分辨圖片，并且，還可以通過控制參數增強畫面細節！
它的具體使用方法是結合 Tiled Diffusion 使用，兩者相互結合帶入出圖流中，效果異常的好，到底有多震撼，看下去你就知道了。
回到“文生圖”，你沒看錯，上面基本上都是用到的“圖生圖”，這次我們使用 Controlnet 插件需要到這里來。
然后請把目光回到 Controlnet 生成低分辨率圖那里，還是這張圖，保持各項參數不變，看圖：
請把 Tiled Diffusion 和 Tiled VAE 勾選啟用，這一步不要忘了，我們是需要結合這個插件使用。
然后我們控制圖片放大尺寸是需要在這里進行，勾選“覆蓋圖像尺寸”并設置放大圖片尺寸，即「512*288」放大 3 倍為「1536*864」，（文生圖上面的尺寸就不需要管了，字面意思）
再到 Controlnet 插件這里來，上傳之前的低分率圖片，選中“Tile（分塊）”即可，其他參數該勾選的勾選。最終的圖片效果由“控制權重”來調整。
上述的操作完成后，點擊生成圖片即可，最終圖片生成的效果看設置的權重參數，看圖可得出：
- 低于 0.6 以下的圖片效果，文字產生了較大的形變，甚至是低于 0.4 之后完全沒有主體存在；
- 高于 1.1 以上的圖片效果，文字幾乎看不出變化了；
- 所以本次案例測試結果為權重控制在 0.6~1.1 左右是比較合適的。
最后再來看下完整大圖！！！
到這里本次案例教學就結束啦，不知道大家懵逼了沒有，可以在評論區告訴我。
本篇文章用時 12 個小時，通過一個文字特效案例介紹了 StableDiffusion 最強大也是最實用的兩個功能：Controlnet 以及放大/增強圖片的方法，掌握了這兩個功能技巧，就不怕別人說我們只會畫“老婆”了。
大家一定要好好掌握這兩個功能，在接下來的商業化案例教程中，我可能會重復使用本文介紹的功能，大家別到時候說看不懂哈，在下告辭，有疑問再來 call 我！
復制本文鏈接 文章為作者獨立觀點不代表優設網立場，未經允許不得轉載。
熱評 老飯囊