本文是一篇關(guān)于如何使用 Stable Diffusion 繪畫的教程，包括軟件介紹和案例帶練。

在開始學(xué)之前，我想提前說一下，我所理解的 AI 繪畫的本質(zhì)，就是手替，人提出方案，AI 幫你完成具體的作畫過程。

寫這篇文章的初衷，網(wǎng)上的 Stable Diffusion 教程太多了，但是我真正去學(xué)的時(shí)候發(fā)現(xiàn)，沒有找到一個(gè)對(duì)小白友好的，被各種復(fù)雜的參數(shù)、模型的專業(yè)詞匯勸退。所以在我學(xué)了之后，想出一篇這樣的教程，希望能幫助完全 0 基礎(chǔ)的小白入門，即使完全沒有代碼能力和手繪能力的設(shè)計(jì)師也可以學(xué)得會(huì)的教程。

受限于篇幅，這篇只介紹最基本的操作，并且會(huì)帶手把手帶大家去做一個(gè)案例出來，讓大家先把 AI 繪圖的整個(gè)流程跑通。如果反饋還不錯(cuò)的話，下一篇補(bǔ)充一些進(jìn)階的操作。

另外我還想說的是，最近 AI 的工具越來越多，尤其是 AI 繪畫，讓大家變得越來越焦慮。我個(gè)人感覺要破解這種 AI 繪畫帶來的焦慮感，第一是要去了解它背后的原理，或者說它大概能做什么了解之后就相對(duì)沒有那么焦慮了，第二是打不過就加入，讓 AI 成為你的一個(gè)工具， 同時(shí)，即使通過 AI 可以抹平大家技法上的差距，但是審美上的差距是無法用 AI 抹平的，而這個(gè)可能會(huì)變成大家能力差距的重要來源。

AI工具大對(duì)比：

一、軟件總覽

先給大家看一下我用 Stable Diffusion（以下稱 SD）畫出來的圖，可以看到畫面很細(xì)膩且用色也非常精致。

1. AI 繪畫工具的選擇

目前市面上最流行的兩個(gè)繪圖工具 Midjourney 和 Stable Diffusion 以及他們之間的區(qū)別，具體的研發(fā)背景等信息這里不做贅述，大家可以自行百度，只說一下對(duì)于設(shè)計(jì)師更關(guān)心的五個(gè)方面。

綜上，從我的個(gè)人角度出發(fā)，SD 在工作中落地的潛力是要大于 MJ 的，這也是我選擇學(xué)習(xí)和深入研究 SD 的原因。

2. 軟件安裝與打開

關(guān)于軟件的安裝，以及環(huán)境的部署，建議直接下載大佬們網(wǎng)上的整合包。這里推薦秋葉 aaaki 大佬的整合包，鏈接在這里： https://www.bilibili.com/video/BV17d4y1C73R

這里建議直接安裝大佬的一鍵整合包，極大地降低了安裝難度，對(duì)小白非常友好。

這里演示一下 Win 下如何安裝，Mac 系統(tǒng)的同學(xué)也可以在網(wǎng)上找到對(duì)應(yīng)的一鍵整合包，以及顯卡不太好的同學(xué)也可以選擇云端部署，這里給大家把鏈接貼出來。大家可以自行對(duì)照視頻一步一步進(jìn)行，基本沒有什么難度。

Mac 芯片： https://www.bilibili.com/video/BV1Kh4y1W7Vg

云端部署： https://www.bilibili.com/video/BV1po4y1877P/

①下載后是這兩個(gè)文件，先雙擊運(yùn)行一下右邊的程序，安裝一些必要的運(yùn)行環(huán)境，然后解壓左側(cè)的壓縮文件到你想要安裝的位置。

②然后打開解壓后的文件夾，找到“A 啟動(dòng)器”的 exe 文件，雙擊打開。

③打開后如圖所示。

④然后點(diǎn)擊“一鍵啟動(dòng)”，稍等片刻后會(huì)自動(dòng)打開這個(gè)瀏覽器界面，就可以使用了（第一次打開時(shí)會(huì)有點(diǎn)久）

3. 流程和界面介紹

這里不去介紹 sd 的實(shí)現(xiàn)模型，只介紹一下我們所看到的呈現(xiàn)模型。可以理解為，就像是在做一道菜一樣。首先準(zhǔn)備原料（提示詞和參數(shù)），然后按照菜譜（模型）來烹飪，讓原料經(jīng)歷各種處理，最后就得到了可供品嘗的美食（圖像）。

下面是關(guān)于軟件的界面整體布局介紹，主要是由三大模塊構(gòu)成的，模型，提示詞和參數(shù)，后面的章節(jié)會(huì)具體介紹一下每個(gè)模塊。

二、模型

1. 模型分類：SD 五大模型

如前面所說，模型就像是我們做菜時(shí)所用到的菜譜。每個(gè)模型都會(huì)有自己的風(fēng)格，例如二次元畫風(fēng)，CG 畫風(fēng)等。

在 SD 中，目前共有 5 種模型。

1. 基礎(chǔ)底模型（單獨(dú)使用）：checkpoint
2. 輔助模型（配合底模使用）：Embedding，lora，Hypernetwork
3. 美化模型：VAE

對(duì)于這幾種的區(qū)別和使用方式，可以理解為基礎(chǔ)底模型就是烹飪中的“炒”，而輔助模型則是“爆炒，小炒”，最后美化模型則是更細(xì)節(jié)的方式，例如（鹽爆，蔥爆，油爆）等。

在 sd 中，基礎(chǔ)底模型必須有且只能有一種，而后面的模型則沒有限制性，可以沒有，也可以是一種或多種。

2. 模型的下載和使用

我們?cè)谙履Ｐ蜁r(shí)，就可以看到對(duì)應(yīng)的類別：這里以最常用的基礎(chǔ)底模型（checkpoint）和 lora 模型為例，介紹一下它們?cè)趺词褂谩?/p>

①首先我們要知道下載的模型是什么類別，如果是從上面兩個(gè)網(wǎng)站下載的，那我們下載時(shí)就知道它的類別。如果是從其他渠道比如說別人的百度網(wǎng)盤鏈接，那這時(shí)，我們可以借助一個(gè)網(wǎng)站去獲取模型類別： https://spell.novelai.dev/

②然后，將模型文件放到對(duì)應(yīng)的文件夾中。在這里，我們可以同時(shí)放一張模型的預(yù)覽圖，然后將圖片名稱改成和模型一樣，這樣后面我們調(diào)用模型時(shí)，就可以直接根據(jù)預(yù)覽圖來選擇。另外在模型的命名上,我們可以用 “/” 來對(duì)模型進(jìn)行分類整理。例如一個(gè)模型是二次元相關(guān)的，就可以命名為“二次元/XXX” 。

③接下來就是模型的調(diào)用，對(duì)于基礎(chǔ)底模型，我們可以直接在這里選擇，如果沒有找到，點(diǎn)一下右邊的刷新按鈕，稍等即可。VAE 模型則是在后面的下拉框中選擇。這里可以一般采用默認(rèn)的選項(xiàng)，然后如果出來的圖發(fā)灰，再考慮使用 Vae 模型。對(duì)于其他模型，則需要先點(diǎn)一下這里的 icon，然后點(diǎn)一下想用的模型即可，這時(shí)上面的正向提示詞輸入框會(huì)出現(xiàn)對(duì)應(yīng)的模型，想取消調(diào)用的話，再點(diǎn)一下模型或者直接在輸入框中刪掉即可。對(duì)于某一些模型，還需要在正向提示詞輸入框中輸入特定的觸發(fā)詞，才可以讓模型發(fā)揮效果。

三、提示詞

提示詞也就是我們對(duì) AI 的指令。

1. 正向提示詞：即對(duì)畫面的描述，例如，一個(gè)女孩，月亮，吉他，沙發(fā)等
2. 反向提示詞：指你不想在畫面中出現(xiàn)的元素或?qū)傩浴＠纾唾|(zhì)量，畸形的手等

1. 基本規(guī)范

這里有兩條基本規(guī)范需要注意一下：

1. 提示詞包括標(biāo)點(diǎn)符號(hào)全部用英文的
2. 單詞、短語、句子基本上是等效的。例如“1gril、sofa、sitting”與“A girl sitting on the sofa”對(duì) SD 來說是等效的。

2. 書寫提示詞的整體思路

在給正向提示詞的時(shí)候，我們一般通過分類描述的方式來給出。具體可以分為以下三類：整體描述、主體、場(chǎng)景。

①整體描述

這里包括四個(gè)方面：

畫質(zhì)：高畫質(zhì)還是中等畫質(zhì)或者低畫質(zhì)，2k、或者 4k 等等

畫風(fēng)：CG、二次元、真人等

鏡頭：畫面中人物的占比，半身像還是全身像

色調(diào)：冷色調(diào)或暖色調(diào)

②主體

對(duì)于人物主體的描述包括三個(gè)方面：頭部、服飾、姿勢(shì)

③頭部

這里面包括的內(nèi)容和我們玩游戲時(shí)捏臉的內(nèi)容差不多，具體也就是包括這些內(nèi)容：

1. 眼睛大小、顏色和形狀，鼻子大小和形狀，嘴巴大小和形狀，下巴形狀等等。
2. 皮膚顏色和紋理：人物的皮膚顏色和紋理，例如光滑或有皺紋的皮膚等等。
3. 面部特征細(xì)節(jié)：進(jìn)一步描述人物的面部細(xì)節(jié)，例如眼睛的紋理、唇色、發(fā)色，等等。

④服飾

包括衣服，褲子、鞋以及其他更細(xì)節(jié)的比如襪子之類的

⑤姿勢(shì)

即人物的姿勢(shì)，坐立跑等

⑥場(chǎng)景

基礎(chǔ)的場(chǎng)景描述一般包括三個(gè)內(nèi)容：時(shí)間、地點(diǎn)、天氣，進(jìn)階的表達(dá)可以加入一些細(xì)節(jié)，例如天空中的蝴蝶、花瓣等。

3. 提示詞的語法

僅僅有了提示詞還不夠，我們還需要知道怎么把提示詞組成 SD 可以識(shí)別的格式。

①提示詞的連接方式

1. 不同的提示詞之間用英文逗號(hào)分隔
2. 提示詞越靠前，權(quán)重越高，所以主體應(yīng)該放在前面

②提示詞的強(qiáng)化/弱化方式

1. (提示詞:權(quán)重?cái)?shù)值)。其中這個(gè)數(shù)值的取值范圍是 0.1～100，默認(rèn)是 1，小于 1 是弱化，大于 1 是強(qiáng)化。例如：(a girl:0.8)
2. (提示詞)[提示詞]。提示詞外面加()表示強(qiáng)化，加[]表示弱化。允許套多層來增強(qiáng)強(qiáng)化或弱化的程度。例如：((a girl))

③提示詞的進(jìn)階玩法

這里推薦幾個(gè)提示詞的網(wǎng)站。在掌握了提示詞的基本用法后，再去看這些網(wǎng)站就會(huì)更得心應(yīng)手一些。

1. https://prompttool.com/NovelAI
2. https://wolfchen.top/tag/
3. https://moonvy.com/apps/ops/
4. http://poe.com/ChatGpt

四、參數(shù)

這里不想去說太多參數(shù)的官方解釋，而且，在初期并不是所有的參數(shù)都需要了解，所以這里直接用通俗易懂的語言來給大家介紹一下需要用到的參數(shù)是什么，以及怎么用。

1. 采樣方法

這里的原理比較復(fù)雜，筆者這里直接拋出結(jié)論：

一般情況下使用 DPM++ 2M 或 DPM++ 2M Karras 或 UniPC，想要一些變化，就用 Euler a、DPM++ SDE、DPM++ SDE Karras、DPM2 a Karras。

2. 迭代步數(shù)

這里指的是 sd 用多少步把你的描述畫出來。這里先給出結(jié)論，一般 20 到 40 步就足夠了。迭代步數(shù)每增加一步迭代，都會(huì)給 AI 更多的機(jī)會(huì)去比對(duì)提示和當(dāng)前結(jié)果，并進(jìn)行調(diào)整。更高的迭代步數(shù)需要更多的計(jì)算時(shí)間。但并不意味著步數(shù)越高，質(zhì)量越好。

這里是相同提示詞和參數(shù)，不同迭代步數(shù)時(shí)的表現(xiàn)。可以看到在這組參數(shù)下，步數(shù)在 32 左右表現(xiàn)是最好的，從 32 到 40 提升不大，到 48 時(shí)以及出現(xiàn)了一些畸形，到 64 時(shí)腿部已經(jīng)完全畸形了。

3. 面部修復(fù)

根據(jù)個(gè)人喜好開關(guān)，這個(gè)對(duì)最終成像效果影響不大。

4. 平鋪圖

這個(gè)一般用不到。

5. 高分辨率修復(fù)

通俗來說，就是以重新繪制的方式對(duì)圖像進(jìn)行放大，并且在放大的同時(shí)補(bǔ)充一些細(xì)節(jié)。

打開后，這里會(huì)出現(xiàn)一些子參數(shù)。

放大算法：用默認(rèn)值即可。

高分迭代步數(shù)：一般選在 10~20 即可。這里還是以這個(gè)圖為例，可以看到在步數(shù)超過 20 后就開始出現(xiàn)了畸形。

重繪幅度：一般是 0.5~0.8 之間。幅度過小，效果不好，幅度過大時(shí)，和原圖差異太大。

放大倍率：這個(gè)比較好理解，就是指最終的圖原來圖的分辨率的比值。例如，默認(rèn)生成的圖是 512_512，設(shè)定為 2 倍后，最終產(chǎn)出的圖就是 1024_1024。

6. 總批次數(shù)和單批數(shù)量

這個(gè)是指一次性出圖的數(shù)量。以搬磚為例，同樣是搬 4 塊磚，體力好的人可以一次搬 4 塊，只搬一次，對(duì)應(yīng)到 SD 中，就是總批次數(shù)是 1，單批數(shù)量為 4；而體力不好的人一次只能搬一塊，需要搬 4 次，對(duì)應(yīng)到 SD 中，就是總批次數(shù)是 4，單批數(shù)量為 1。一般而言，如果不是頂級(jí)顯卡，我們都會(huì)保持單批數(shù)量為 1，去改變總批次數(shù)來增加一次性出圖的數(shù)量。

7. 提示詞引導(dǎo)系數(shù)

最終生成的畫面和你的描述詞的趨近程度，一般設(shè)置為 7~15 之間，太高也會(huì)出現(xiàn)問題。

8. 隨機(jī)數(shù)種子

隨機(jī)數(shù)種子就像在做一道菜時(shí)加入的特定調(diào)料，它可以影響整道菜的味道。在這個(gè)圖像生成方法中，隨機(jī)數(shù)種子就是一個(gè)特定的數(shù)值或代碼，可以影響最終生成的圖像的過程，就像特定的調(diào)料會(huì)影響整道菜的味道一樣。不同的隨機(jī)數(shù)種子會(huì)生成不同的圖像，就像加入不同的調(diào)料會(huì)讓同一道菜變成不同的味道。每個(gè)圖都會(huì)有它對(duì)應(yīng)的隨機(jī)數(shù)種子，如果想還原這張圖，或者繪制一張相似的圖，必須保證這個(gè)值是相同的。隨機(jī)數(shù)種子不變的情況下，即使模型發(fā)生了改變，最終生成圖的大概結(jié)構(gòu)和配色也會(huì)有一定相似性。就像是無論是以土豆還是以茄子作為食材，只要加入的都是甜辣醬，最終的味道是差不多的。我們可以在輸入框中輸入特定的值，以保證隨機(jī)數(shù)種子固定，否則可以點(diǎn)一下旁邊的骰子 icon，變成-1（-1 就指的是隨機(jī)值）使得模型采用隨機(jī)的值來生成圖像。

9. 變異隨機(jī)種子

在理解了隨機(jī)種子之后，我們?cè)偃ダ斫庾儺愲S機(jī)種子就更好理解了。變異隨機(jī)種子相當(dāng)于又加入了第二種特定調(diào)料。而后面的變異強(qiáng)度就指的是兩種調(diào)料的占比，數(shù)值越大，越接近第二種。數(shù)值為 0 時(shí)，就指的是完全不用變異隨機(jī)種子。一般是用于確定了圖后，對(duì)圖生成其他相似畫面的圖像。例如，在做 ip 時(shí)，通過加入變異隨機(jī)種子，可以實(shí)現(xiàn)畫面內(nèi)容不變的情況下，生成帶有些許差異的畫，從中選擇更優(yōu)的。

我們來總結(jié)一下上面提到的重要參數(shù)。

五、案例演示

這里以做這樣一個(gè)盲盒 IP 為例，演示一下基礎(chǔ)的文生圖的流程，在了解了基礎(chǔ)的概念后，其他的操作就相對(duì)簡(jiǎn)單了，大家可以自行去探索。

這里先說一下做這個(gè)圖的整理思路。

1. 風(fēng)格探索與主體內(nèi)容
2. 對(duì)合適的圖進(jìn)行細(xì)節(jié)補(bǔ)充與修復(fù)。

1. 模型下載與安裝

首先我們?nèi)?C 站下載對(duì)應(yīng)的模型，以這個(gè)盲盒模型為例： https://civitai.com/models/25995/blindbox

從右邊模型信息，我們可以知道兩個(gè)重要的信息，這個(gè)模型的種類是 LORA 模型，以及它的觸發(fā)詞是 full body, chibi。這里補(bǔ)充一下，所謂觸發(fā)詞指的就是，只有在將觸發(fā)詞加入到正向提示語的輸入框中，才能觸發(fā)這個(gè) Lora 模型的效果。前面我們講過，LORA 模型是一種輔助模型，需要配合基礎(chǔ)底模型來使用。這里我們一般也推薦使用作者示例圖中所使用的基礎(chǔ)底模型。點(diǎn)開一個(gè)示例圖，這里就是示例圖的信息，包括基礎(chǔ)底模型，提示語，以及參數(shù)。

這里作者也貼心得給出了對(duì)應(yīng)資源的下載鏈接： https://civitai.com/models/7371?modelVersionId=46846

我們將兩個(gè)模型下載好后，分別放到對(duì)應(yīng)的文件夾中。

基礎(chǔ)底模型（checkpoint）的文件夾是“novelai-wvebui 一鍵包/novelai-webui-aki-v4/models/Stable-diffusion”，lora 模型的文件夾是“novelai-wvebui 一鍵包/novelai-webui-aki-v4/models/lora”

這里有兩個(gè)小技巧：

1. 在 Lora 中新建一個(gè)文件夾，改為盲盒，對(duì)模型進(jìn)行一個(gè)分類管理。
2. 保存模型時(shí)，再下載一張示例圖，并將名稱改成和 Lora 模型一樣，然后將圖片模型文件旁邊，這樣在 SD 界面，就可以預(yù)覽模型效果。

接下來，打開 web ui 界面，點(diǎn)擊模型后的刷新按鈕。并將左上角的第一個(gè)下拉框選擇到對(duì)應(yīng)的模型。其中，Lora 模型是默認(rèn)隱藏的，需要點(diǎn)一下生成按鈕下的第三個(gè) icon 才會(huì)顯示。

到這里，我們完成了模型的下載和基礎(chǔ)底模型的調(diào)用。

2. 提示詞的書寫

對(duì)于新手，建議先從模仿開始，這里還是打開 C 站盲盒模型的頁面，然后點(diǎn)擊示例圖，可以看到包括提示詞在內(nèi)的各種信息。

然后，我們把提示詞復(fù)制下來，對(duì)于英文不好的小伙伴可以直接復(fù)制到翻譯工具中。

接下來， 我們對(duì)這段關(guān)鍵詞做一個(gè)簡(jiǎn)單的分析拆解：

整體描述：(杰作)，(最好的質(zhì)量)，(超細(xì)節(jié))，(全身:1.2)，(美麗的細(xì)節(jié)臉)，(美麗的細(xì)節(jié)眼睛)，

觸發(fā)詞：chibi

人物&場(chǎng)景：一個(gè)女孩，可愛，微笑，張開嘴，花，戶外，彈吉他，音樂，貝雷帽，拿著吉他，夾克，腮紅，樹，襯衫，短發(fā)，櫻花，綠色頭飾，模糊，棕色頭發(fā)，腮紅貼紙，長(zhǎng)袖，劉海，耳機(jī)，黑色頭發(fā)，粉紅色的花

我們可以直接復(fù)用整體描述的部分，將這部分復(fù)制到正向提示詞輸入框中。然后對(duì)后面的人物和場(chǎng)景部分重寫。

這里用到我們之前介紹過的書寫提示詞中人物和場(chǎng)景的技巧：「眼睛，皮膚、頭發(fā)、服飾、姿勢(shì)、時(shí)間、地點(diǎn)」，按著這個(gè)順序?qū)Ξ嬅婷枋鋈缦拢?/p>

將英文復(fù)制到正向提示詞中，接下來，我們點(diǎn)擊一下盲盒的 Lora 模型，正向提示詞部分就多了一句，這句話就表示對(duì) lora 模型的調(diào)用。

最后一步，將示例圖的負(fù)向提示詞也復(fù)制到我們的 SD 中，就得到了如圖所示的最終的提示詞。

3. 參數(shù)設(shè)置

參數(shù)設(shè)置這里，采樣方式、采樣迭代步數(shù)和提示詞引導(dǎo)系數(shù)三個(gè)參數(shù)建議設(shè)置成和 Lora 模型示例圖一致的參數(shù)，這樣能比較好地發(fā)揮 Lora 模型的效果。然后，作為我們前期探索風(fēng)格的階段，總批次數(shù)和單批數(shù)量可以設(shè)置成 9 和 1，隨機(jī)種子設(shè)置成-1，這樣一次性會(huì)產(chǎn)出 9 張不同的圖，方便我們選擇。高分辨率修復(fù)在前期不建議打開，可以在圖的內(nèi)容確定后再打開，進(jìn)行細(xì)節(jié)優(yōu)化。

設(shè)置好參數(shù)后，點(diǎn)擊生成。這里由于是隨機(jī)的，所以生成的圖像會(huì)和我這里不一樣，但是整體的畫面都是很相似的。

可以看到，整體圖片的風(fēng)格已經(jīng)比較滿意了，除了手的部分還有些問題。接下來，就可以選擇一張最滿意的，去補(bǔ)充和修復(fù)細(xì)節(jié)了，這里就以第 6 張圖為例，大家可以選一張自己喜歡的。

我們接下來要做的是這三件事：

1. 固定這張畫面，保證下一張畫是在這個(gè)基礎(chǔ)上完成的
2. 補(bǔ)充畫面的細(xì)節(jié)和提高分辨率
3. 修復(fù)手的部分。

首先是第一步固定畫面，前面我們講過，每個(gè)圖都會(huì)有它對(duì)應(yīng)的隨機(jī)種子，如果想還原這張圖，或者繪制一張相似的圖，必須保證這個(gè)值是相同的。所以，我們需要把找到這張圖的 seed 值，填入?yún)?shù)欄中的隨機(jī)數(shù)種子輸入框中。

下一步是對(duì)畫面進(jìn)行細(xì)節(jié)補(bǔ)充，這一步我們會(huì)用到高分辨率修復(fù)的參數(shù)，先選中第 6 張圖，然后根據(jù)前面的知識(shí)，把高清修復(fù)采樣次數(shù)調(diào)整到 15，重繪幅度調(diào)整到 0.6。注意，這一步把總批次數(shù)和單批數(shù)量調(diào)整到 1，否則還是會(huì)一次性生成 9 張圖，會(huì)需要較長(zhǎng)的時(shí)間。

最后一步，我們?nèi)バ迯?fù)手的問題，這里我們采用補(bǔ)充反向提示詞的方式來完成。這里依然用有道翻譯：

將英文翻譯填入反向提示詞中后，我們點(diǎn)擊生成，就可以得到這么一張效果還算不錯(cuò)的圖了。

這只是一個(gè)簡(jiǎn)單的例子，里面用到的提示詞并不多，我們可以繼續(xù)加入提示詞來豐富畫面，提升細(xì)節(jié)，例如加入光效描述到正向提示詞中。

生成的圖像如下，可以看到又增加了一些光感，整體細(xì)節(jié)和品質(zhì)又提升了一些。這里僅僅以此為范例，大家可以去增加自己想要的各種提示詞來生成自己想要的圖。

文章最后再給大家推薦?5 個(gè)我認(rèn)為非常優(yōu)質(zhì)的模型：

1. https://civitai.com/models/9409/or-anything-v5
2. https://civitai.com/models/12597/moxin
3. https://civitai.com/models/18323/xiaorenshu
4. https://civitai.com/models/6755/cetus-mix
5. https://civitai.com/models/7240/meinamix