起手设置

起手设置和必备的插件安装与优化

重要的文件路径

stable diffusion web ui
embeddings : 存放后缀是pt、safetensors等格式的向量文件
经典：Easy Negative、bad hands ，使用在负面词上应用点击。作用：优化和减少人物手指错误
extensions：插件的存放位置
models：大模型存放位置
hypernetworks:
Lora
VAE 画风文件
Stable-diffusion：模型和文件图片一致文件名称就能加载封面
模型前面加上前缀好区分：3D前面用2.5D、真人Rel、官方SD、二次元Ton

VAE、Clip Skip功能设置

setting=>Show all pages=》快捷设置列表=》（搜索vae选中sd_vae、搜索clip选中Clip stop last layer)=>重启UI界面

重启后这里多了两个快捷设置

插件安装

汉化包
双语翻译
无边图库
ControlNet

在线插件库安装：Extensions=>Available

bilinggual

主题插件界面美化

lobe

采样方法

采样设置推荐

• 迭代步数控制范围一般显卡20-30，高端硬件可以用40-50
• 推荐Euler a、DPM++SDE Karras、DPM++2M Karras
• 高分辨率修复，用于提高图片分辨率，推荐 BSRGAN 算法
• 控制住一次性出图的设置，调整生成批次控制1-4即可
• 随机种子，-1表示图的主体内容是随机的
• 宽高：初始海选时小图即可选中后再高清修复 512*512、512*768（4:3）、768*512（3:4）
• 提示词相关性：CFG Scale 约束 Ai 的程度，相关性越高，出图遵守提示词描述的范围生成图片；相关性越低，无约束的随机生成图片（类似抽盲盒）正常默认不用改7-8即可

SD提示词基础

提示词提示词之间英文逗号,分隔

提示词之间可以换行，换行时需要在结尾用,分开

每个提示词权重默认是1，越靠前权重越高

数量控制在 75 个单词以内

正向提示词使用思路

使用正向提示词时，通过分类描述的方式给出。具体可以分为三类：整体描述、主体、背景环境

1. 整体描述：
   1. 画质：高画质、中等画质、低画质、2K、4K等
   2. 画风：CG、二次元、真人等
   3. 镜头：画中人物占比、半身像、全身像
   4. 色调：冷色调、暖色调
2. 主体描述：
   1. 对任务主体的描述包括三方面：头部、服饰、姿势
      1. 头部：眼睛大小、颜色、形状；鼻子大小、形状；下巴；皮肤颜色和纹理（光滑、褶皱）、眼睛的纹理、唇色、发色
      2. 服饰：衣服、裤子、鞋以及其他细节例如袜子等
      3. 姿势：人物的姿势、左立跑等
   2. 场景：自热、人文、山、树、宫殿、庙宇
3. 背景环境描述：
   基础的环境描述一般包括三个内容：时间、地点、天气，可加入一些细节，例如天空中的蝴蝶、花瓣等

masterpiece,best quality,ultra-detailed,extremely detailed CG unity 8k wallpaper
杰作，最佳质量，超详细，非常详细的CG unity 8k 壁纸

负向提示词使用思路

1. 低质量：低质量、畸形的手、画的不好的脸、超出画框、解剖错误、签名、低对比度、过度曝光
2. 不合法：nsfw-不适宜在工作场所查看的内容、武器、血液、血腥、暴力、裸体
3. 非目标风格：想生成“摄影”风格就可以把“油画”、“漫画”作为负向提示词屏蔽

Negative,bad anatomy,bad hands,worst quality,low quality,username,blurry,scantily clad
消极负面，解刨学不好，手不好，质量最差，用户名，模糊，衣着暴露

各种符号的意义

微调提示词权重

小括号：包裹的提示词权重变为 1.1 倍，最多可以嵌套3层小括号 1.331倍
中括号：包裹的提示词权重变为 0.9 倍，最多3层嵌套 0.729 倍
大括号：包裹的提示词权重变为 1.05 倍，最多3层嵌套 1.15 倍

小括号包裹冒号直接设置权重，一般 0.3~1.5之间。例如(Red:1.5)

尖括号：用来调用Lora， <lora:文件触发词：权重> 调用 Lora 可以更好的产生出特定特征的主题画面

下划线：连接作用，可以让词汇和词汇更好的理解成一个整体

渐变

语法形式：[Tag1:Tag2:数值]
控制提示词的生效时间
单冒号[提示词:0-1数值]： 采样进程多少时开始计算采样
双冒号 [提示词::0-1数值]： 从开始采样进程开始到少时是停止计算采样

交替采样

例如：头发颜色红色和蓝色交替就可如下

经典提示词

画质词：起手式、杰作、最高画质、分辨率超级大

风格词艺术风格词：照片、插画、动画、立绘、概念设计

图片的主题：画的主体是一个女孩子还是一个猫，萝莉还是御姐；
角色外表：注意整体和细节都是从上到下描述。
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、末端染彩色）
衣服（长裙、花边、半透明、内穿蓝色衬衫、半长袖、过膝袜）
头部（猫眼、红色眼睛）
颈部（项链）
手臂（露肩）
胸部（贫乳）
腹部（可看到肚脐）
腿部（长腿）
脚步（中靴）
角色姿势：
基础动作（站、坐、跑、走、蹲、趴、跪）
头部动作（歪头、仰头、低头）
手动作（手在拢头发、放在胸前、举手）
腰部动作（弯腰、跨坐、鸭子坐、鞠躬）
腿部动作（交叉站、二郎腿、M型开腿、盘腿、跪坐）
复核动作（战斗姿势、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、天气如何等

通用负面

必须安装的提示词插件

One Button Prompt：给一个主题可以帮生成不同风格类型的图片，自动丰富关键词

sd-dynamic-prompts：动态提示词

prompt-all-in-one：中文翻译成英文、鼠标操作顺序和权重

最终结论

Euler、Euler

快速获得简单的结果

DPM++ 2M Karras

推荐的算法，速度快，质量好，推荐步数 20~30 步

DPM++ SDE Karras

图像质量好但是不收敛，速度慢，推荐步数 10~15 步

DPM++ 2M SDE Karras

2M和SDE的结合算法，速度和2M相仿，推荐步数 20~30 步

DPM++ 2M SDE Exponential

画面柔和，细节更少一些，推荐步数 20~30 步

DPM++ 3M SDE Karras、DPM++ 3M SDE Exponential

3M 系列。步数需要 30 步以上，且 CFG 要低一些。

打开webUI目录下的G:\ai\stable-diffusion-webui\repositories\k-diffusion\k_diffusion 找到 sampling.py 在最后追加

@torch.no_grad() 
def sample_dpmpp_2m_test(model, x, sigmas, extra_args=None, callback=None, disable=None): 
    """DPM-Solver++(2M).""" 
    extra_args = {} if extra_args is None else extra_args 
    s_in = x.new_ones([x.shape[0]]) 
    sigma_fn = lambda t: t.neg().exp() 
    t_fn = lambda sigma: sigma.log().neg() 
    old_denoised = None 
 
    for i in trange(len(sigmas) - 1, disable=disable): 
        denoised = model(x, sigmas[i] * s_in, **extra_args) 
        if callback is not None: 
            callback({'x': x, 'i': i, 'sigma': sigmas[i], 'sigma_hat': sigmas[i], 'denoised': denoised}) 
        t, t_next = t_fn(sigmas[i]), t_fn(sigmas[i + 1]) 
        h = t_next - t 
 
        t_min = min(sigma_fn(t_next), sigma_fn(t)) 
        t_max = max(sigma_fn(t_next), sigma_fn(t)) 
 
        if old_denoised is None or sigmas[i + 1] == 0: 
            x = (t_min / t_max) * x - (-h).expm1() * denoised 
        else: 
            h_last = t - t_fn(sigmas[i - 1]) 
 
            h_min = min(h_last, h) 
            h_max = max(h_last, h) 
            r = h_max / h_min 
 
            h_d = (h_max + h_min) / 2 
            denoised_d = (1 + 1 / (2 * r)) * denoised - (1 / (2 * r)) * old_denoised 
            x = (t_min / t_max) * x - (-h_d).expm1() * denoised_d 
 
        old_denoised = denoised 
    return x

然后在采样设置里加入一行这个：

('DPM++ 2M Karras Test', 'sample_dpmpp_2m_test', ['k_dpmpp_2m_ka'], {'scheduler': 'karras'}),

C 站

Civitai: The Home of Open-Source Generative AI

R/18_19,asia,petite,white and tender,d milk,whole body,perfect body shape,big wave,small nipple,bed,phoenix eye,R/18_19,asia,petite,white and tender,d milk,whole body,perfect body shape,big wave,small nipple,cherry small mouth,bed,sex,

science and technology light,(worst quality:2),(low quality:2),(normal quality:2),lowres,((monochrome)),((grayscale)),bad anatomy,DeepNegative,skin spots,acnes,skin blemishes,(fat:1.2),facing away,looking away,tilted head,lowres,bad anatomy,residual limb,bad hands,missing fingers,extra digit,fewer digits,bad feet,poorly drawn hands,poorly drawn face,mutation,deformed,extra fingers,extra limbs,extra arms,extra legs,malformed limbs,fused fingers,too many fingers,long neck,cross-eyed,mutated hands,polar lowres,bad body,bad proportions,gross proportions,missing arms,missing legs,extra digit,extra arms,extra leg,extra foot,teethcroppe,signature,watermark,username,blurry,cropped,jpeg artifacts,text,error,residual limb,science and technology light,abrupt,