AI繪畫真相：用Stable Diffusion，一句話真能生成完美圖片？

各位朋友大家好 歡迎來到AI技術分享頻道 我們在之前的節目當中 已經為大家介紹過Stable Diffusion Stable Diffusion在訓練模型的時候 使用的圖片大小是512x512 所以我們在生成圖片的時候 推薦的大小也是512x512 這樣它的質量就會更高 當然我們要實際使用這些圖片的時候 這個分辨率肯定是不夠的 所以它也能夠集成擴圖的技術和功能 方便我們在完成了圖片的生成之後 對於圖片進行擴展的操作 在我們的演示環境當中 我們已經打開了Stable Diffusion Web UI的工具 然後就能夠查看到它已經完成了模型的加載 要通過這個模型去生成圖片 那麼最簡單和直接的方式 也是找到這個模型的開發頁面 然後在這個頁面當中 它就會有一些相應的視地 並且它也會有一些不同的說明 我們可以再次選擇這個視地之後 它就會自動的幫助我們填充所有的這些不同參數 然後的話我們就可以選擇生成圖片 現在它就會提示我們 沒有辦法去完成這個過程 那麼在命令提示符當中 我們也是能夠查看到同樣的信息 最終它會告訴我們 沒有辦法找到一個擴圖的模型 所以最終它是失敗的 那麼在這裡我們也沒有辦法查看到這個圖 其實主要的原因是因為 這裡選擇了這樣的一個選項 因為默認的這些參數當中 現在它為我們生成的圖片的大小 其實就是我們在這裡查看到的這個大小 顯然生成這樣的一張圖片 是沒有辦法滿足我們實際使用需求的 然後我們可以取消這個選項之後選擇生成 最終是能夠得到一個圖片的 然後的話我們可以選擇打開文件夾 也能夠查看到這個圖片的文件 選擇詳細信息的時候也能夠瞭解到 它的大小也是我們在這裡查看到的這個大小 那麼我們要去使用這個圖片的時候 就需要對它進行擴圖 然後我們能夠查看到 它的示例當中選擇的就是這個擴圖的模型 然後我們選擇對它進行擴圖的時候 它是沒有辦法找到這個模型的 所以最終是失敗的 其實我們還可以選擇其他的選項 就能夠瞭解到它包括了很多不同的擴圖的方式 比如我們現在選擇這種方式 並且將圖片擴大兩倍 這裡它也會提示我們最終生成的圖片的大小 然後我們可以選擇擴圖 就能夠查看到 這時候的話它並沒有提示我們任何的錯誤的信息 可以去完成這個過程 但是這個過程時間 比我們第一次生成這張圖片的時候 時間就變得更長了 其實我們可以再次選擇命令提示符的時候 就能夠瞭解到 現在它正在做的事情 就是幫助我們去下載這個擴圖的模型 到我們指定的位置當中 所以的話其實我們也可以 在這裡查看到它的目錄 在這個目錄當中 現在它正在幫助我們完成它的下載 下載完成之後的話 然後它就會使用這個模型幫助我們去生成 更高分辨率的圖片 我們能夠查看到這個過程已經結束 另外的話我們也能夠查看到一張新的圖片 選擇詳細信息的時候也能夠瞭解到 它的分辨率確實更大了 在這裡我們還可以做一個嘗試 修改它的分辨率也能夠查看到最終的結果 現在的話其實我們就能夠瞭解到 它正在幫助我們完成圖片生成的過程 因為它的分辨率更高 所以生成的過程以及擴圖的過程時間就會更長 我們再次選擇命令提示符的時候就能夠瞭解到 現在它就不會下載這個模型 而是直接使用這個模型幫助我們完成擴圖的過程 那麼也就意味著 其實對於Stable Diffusion Web UI這個工具來說的話 對於擴圖其實它包括了很多不同的方式 我們在這裡也可以選擇其中的一些方式 默認的這個列表當中的這些不同的擴圖的方式 那麼有可能它會自動的幫助我們去下載對應的模型 下載完成之後最終的幫助我們去完成圖片生成的過程 所以在這裡的話我們也能夠查看到這一張圖片 現在也已經完成了生成的過程 然後我們可以嘗試選擇另外一種擴圖的方式 並且去修改它的屬性再次選擇生成圖片 現在我們就能夠查看到生成圖片的過程其實也已經開始 在這裡的話它也會幫助我們完成它的下載的過程 也就意味著對於Stable Diffusion Web UI這個工具來說的話 它內置的所有的這些不同的擴圖的方式 有可能它都已經幫助我們在程序當中顯露了下載的地址 所以當我們選擇這個選項的時候 接下來它就會幫助我們自動在後臺完成它的下載過程 並且最終的幫助我們完成擴圖的過程 而我們剛才的這個示例 其實它就不是我們的這個列表當中的這樣的一個擴圖的方式 所以我們可以再次對待這些選擇 選擇之後我們就能夠查看到這個名稱 我們複製這個名稱之後展開之後也能夠瞭解到 它並不在這個內置的列表當中 所以Stable Diffusion Web UI本身並不知道應該如何去完成它的下載 那麼在這裡的話其實我們也可以手動去完成它的下載 當然我們可以通過它的名稱進行搜索 搜索之後的話我們在這裡就能夠查看到這個結果 所以我們可以選擇對它進行下載就可以 其實我們已經提前的完成了它的下載過程 所以我們在這裡也能夠查看到這個模型文件 有了這個模型文件之後 我們就可以把它放到其中的一個目錄當中 比如我們把它放到這個目錄當中 然後我們重新回到Stable Diffusion Web UI的這個介面當中 然後我們可以選擇重新加載 重新加載之後 然後我們又可以再次選擇Save Time 然後去搜索我們的模型 搜索的時候我們選擇這個模型也能夠查看到它的示例 然後我們選擇發送之後 然後我們選擇這個擴圖的方式 再次去生成圖片 就能夠查看到這一次的話 它並沒有提示任何的錯誤信息 然後我們也可以通過這種擴圖的方式去生成相應的圖片 最終我們也能夠得到我們所需要的這個結果 所以在這裡的話 其實如果有需要我們可以對於這些不同選項進行嘗試 或者依據模型的作者為我們指引的不同的方式 然後我們可以去選擇不同的擴圖的方式 最終的話確保我們生成的這些圖片 然後能夠達到我們本身自己所需要使用的要求 這樣的圖片纔是我們能夠使用的圖片 瞭解完成擴圖這樣的一個基本的方式之後 其實對於文本生成圖片 也就是文生圖的這個過程來說 我們現在大概也能夠瞭解到它包括了輸入的文字信息 然後還包括了一些反向提示詞 也就是正向提示詞和反向提示詞 正向提示詞就是我們希望生成的圖片的描述 反向的提示詞就是圖片當中不希望出現的這些內容 並且它是英文的這種方式 那麼這一點的話 其實對於現在的環境來說 可能並不是一個特別困難的事情 其實我們可以問大語言模型 比如在這裡的話 我們希望去生成一張新的圖片 所以的話 我們可以直接對它進行查詢 然後我們可以去輸入這樣的一個信息 輸入完成之後 我們直接選擇回車 接下來的話 其實它就會幫助我們去生成相應的提示詞 有了這樣的一個提示詞之後 我們可以選擇對它進行複製 複製完成之後的話 然後我們又可以重新回來 回到這裡 那麼對於反向提示詞來說 一般我們保持不變就可以 我們可以根據模型的作者提供的這些反向提示詞 然後嘗試去生成我們的圖片 所以的話 我們可以在這裡選擇生成一張新的圖片 生成的時候 我們就能夠查看到 它確實是得出了這樣的一張圖片 但是這樣的一張圖片來說的話 其實並不是我們想要的這樣的一張圖片 那麼對於這一張圖片來說 我們希望它是正向面對著我們 結果它生成的其實是這樣的一張圖片 在這裡我們可以對於這個選項 然後讓它生成隨機的值 我們也能夠查看到這個結果 現在它都是背對著我們 所以我們在這裡也能夠查看到 這裡的話 它會有這樣的一個信息 就是應該正向著我們 所以對於提示詞來說的話 本身我們也可以對它進行強調 在這裡的話 我們可以按住Ctrl鍵 然後按住上下鍵 對它進行強調 強調完成之後 我們可以嘗試再次生成相應的結果 那麼這時候的話 始終是背對著我們 其實也沒有關係 我們可以在這裡再次查看 我們可以去寫正對著我們 就可以 在這裡的話 它也會幫助我們去生成相應的提示詞 我們也可以嘗試再次對它進行修改 修改提示詞 然後查看它的結果 那麼對於文身圖來說的話 很多的時候 宣傳的時候 是說我們只需要去輸入一句話 然後接下來的話 它就會生成我們滿意的結果 當然這是一個最後的結果 這些模型本身 它是具備這樣的一個能力的 但是這種能力 其實並不是我們單獨的 一次性的輸入這樣的一個結果 它就會幫助我們實現 其實我們可能要去生成 想要的圖片的時候 需要去反復的對它進行調試 纔能夠得到我們想要的結果 這個是現在的一些媒體 去做宣傳的時候 並不是把這個過程完全掩蓋掉了 完全忽視掉了 告訴我們的就是輸入一句話 然後就得出我們想要的結果 當然這是最好的效果 最好的結果 但實際上的話 我們沒有辦法很幸運的 一次就得到這樣的一個結果 那麼對於提示詞來說的話 我們並不用擔心 現在有很多的這樣的一些 大語言的模型 我們可以嘗試對它進行搜索 當然我們本身的描述 也需要非常清晰纔可以 纔能夠得到我們想要的結果 然後我們也可以對它進行擴圖 擴圖之後的話 這一張圖片 可能我們就可以把它放到 社交媒體之上 然後把它分享出來就可以 那麼除了提示詞之外 其實在這裡 它也會有一些採樣的算法 還有其他的這樣的一些 不同的選項 那麼對於採樣算法來說的話 其實也包括很多種 那麼這些算法來說的話 其實我們也不需要 每一個都瞭解 或者說每一個都需要非常清楚 我們使用的原則也非常簡單 就是基於模型作者 它給我們的一些示例 然後這些示例和描述當中 有可能它會告訴我們 應該怎麼去做 這些參數應該設置成多少 我們通過這種方式 對它進行調整 我們就有了一個調整的範圍 當然除了這樣的一種方式之外 其實還有一種方式 就是模型作者本身 並沒有告訴我們的情況之下 那麼我們在這裡的話 其實也可以使用 不同的這些算法去生成 那麼對於 Stable Diffusion Web UI來說的話 它為我們去提供了這樣的 一個測試的工具 所以在這裡的話 我們可以選擇這個選項之後 然後接下來的話 我們就可以去調整 它的這些不同設置 我們可以去選擇它的參數 所以比如我們選擇算法 然後的話 我們就可以嘗試 幾種不同的算法 然後讓它幫助我們去生成 我們想要的圖片 接下來我們可以對它進行對比 比如現在我們就希望測試 這三種不同的算法 所以在這裡的話 我們可以選擇生成新的圖片 因為我們選擇了三種不同的方式 所以我們在這裡能夠查看到 三個不同算法 在這個模型當中 它幫助我們生成的時候 結果是不一樣的 這時候我們就能夠查看到 這種結果可能是更好的 當然如果有需要的話 我們可以添加更多的 這些不同的算法 然後去生成相應的樣例就可以 另外的話我們能夠查看到 這裡它選擇的是這種方式 其實我們也可以在這裡 加上這種方式 然後再次做一個對比 去查看一下它的結果 所以這時候我們能夠查看到 它的生成其實也已經開始 那麼我們可以選擇 效果比較好的算法 然後再去測試 其他的這些不同選項 因為它有三個不同的值 我們可以對它進行測試 我們可以組合它的這些測試 比如在這裡的話 其實我們也可以去選擇 另外的一個選項 生成的時候它的步數 那麼這個模型 默認幫助我們選擇的是 這個步數 所以我們也可以 在這裡再一次對它進行測試 我們可以去選擇它的步數 然後我們再一次選擇生成 就能夠查看到 它會依據我們指定的 這樣的一些不同的算法 然後幫助我們 按照指定的步數去生成 我們可以再一次測試 它會告訴我們錯誤的信息 那麼在這裡的話 它會有這個提示 有的算法的話 它可能是不支持的 或者我們這裡寫的方式是不對的 我們可以對它進行調整 調整之後 再次嘗試做一個查看 現在我們就能夠查看到 它會按照我們的方式 按照兩個不同的參數 它的組合 依次的幫助我們去生成 相應的結果 那麼這個結果的話 最終我們是可以對它進行對比的 那麼簡而言之的話 其實就是這些參數的設置 第一基本原則 就是去查看模型當中 為我們提供的 這些不同的選項 然後第二的話 就是我們可以通過 這種測試的方式 去查看它的結果 那麼我們可以選擇到 我們認為是比較好的 這樣的一個結果 然後逐步的去完成 它的優化過程 簡而言之就一句話 文身圖宣傳的時候 是一句話 可以生成我們想要的 美女與女友 但實際上 我們想要的美女女友 每個人想要的 都是不一樣的 有的喜歡長頭髮的 有的喜歡短頭髮的 所以這種情況之下 一句話是不可能 生成我們想要的結果的 不可能滿足每個人的需求的 我們都需要對它進行調整 而且它的這些調整的選項 也非常豐富 我們對它進行測試就可以 沒有更好的辦法 其他的一些經驗 只是能夠作為一個參考 我們自己喜歡的 我們滿意的結果 還是需要去測試 那麼好 我們今天的這個分享 到這裡就已經結束了 如果你喜歡我們的這一期節目 也希望大家能夠點贊 並且去分享我們的這一期節目 並且關注我們的頻道 那麼我們下一期節目再見 謝謝大家