【Stable Diffusion】如何在Automatic 1111和Forge中安裝和使用Stable Cascade | 保姆級教程 非常簡單

今天我們來講新的Stable Cascade模型 這個模型 據說在圖像生成速度和質量上 比SDXL要強很多 而且它有幾個亮點 第一個 是對文字處理的功能要比以前強很多 第二個 它對於提示詞的理解也更爲精確 然後第三個 它對硬件的要求也大幅度的降低 我們來先看一下Stable Cascade模型 這裏有一個介紹 它是由三個模型組成 Stage A Stage B Stage C Stage A是VAE模型 Stage B和C是擴散模型 它們分別處理圖像生成的不同階段 且一個模型的輸出 會成爲下一個模型的輸入 也就是級聯 這就是Stable Cascade這個名字的由來 當我們輸入提示詞後 首先是Stage C模型 會根據給定的提示詞 生成24乘以24的低分辨率潛在空間圖像 然後輸入到Stage B進行放大 然後再將處理完的結果輸入到Stage A 進行再次放大 並轉換爲像素空間 最後生成我們所需要的圖像 我們先來進行安裝 這個安裝是Automatic 1111 和Forge是一樣的 我這裏就用Forge來進行演示 我們點擊擴展 從網址安裝 下面將這個Cascade的GitHub的網址copy過來 OK安裝 這裏就是安裝好了 我們點擊已安裝 這個就是我們剛剛安裝的Stable Cascade 然後點擊應用更改並重啓 第一次重啓 它會安裝一些依賴包 要花一點時間 大概不到一分鐘就重啓好了 這裏我們看到它多了一個標籤 這個安裝非常簡單 這樣就安裝好了 接下來我們來介紹它的使用 它的界面也非常簡單 這是正向提示詞 反向提示詞 可以看到它默認的寬和高是1024乘以1024 CFG的值 默認值是4 最新的Stable Diffusion CFG值 現在是推薦是1-4 不是之前的默認值是7了 CFG值7 生成出來的圖像飽和度有點過高 這個是第一步的迭代步數 默認值是20 第二步的迭代步數是默認值是10 單批數量 一次生成幾張 我們一次生成一張 隨機數種子 好就這些參數 我們在civitai裏面 找一個Cascade生成的圖像 將它的提示詞copy過來 OK 這個就是生成的圖像 這個效果非常不錯 我們來看一下同樣的設置 使用其他的SDXL的模型 是什麼樣的效果 這個是SDXL模型生成的 這兩個圖像 比較一下 好像也看不出什麼差別來 我們再試一下其他的例子 左邊的圖片是用Stable Cascade生成的 右邊的是用SDXL生成的 我們可以看到 對於文字處理 Stable Cascade要精確得多 而且對於比較複雜一點兒的提示詞 也是Stable Cascade 比SDXL要精確很多 這個提示詞是一隻貓抱着一條魚 在地上有水的超市裏逃跑的圖像 可以看到 Cascade生成的這張圖像 就精確的符合這個提示詞 而這個SDXL生成的圖像 它沒有將魚畫出來