一篇文章告诉你如何使用 Stable Diffusion 提供的 webUI 进行 AI 绘图

在几年前，AI 领域对于普通人来说，还是无法触及的高岭之花。但随着 chatGPT 的爆火，AI 变得越来越大众化，大量的工具让你可以在不具备任何前置知识的情况下使用 AI，其中最火热的便是 AI 绘图了。相信很多人都知道 Midjourney 这个网站，只要输入相关的文字，便可通过网站背后的 AI 产出相对应的图片。但如果你想使用该网站的绘图功能，是需要付费的，而且价格还不便宜。所以本次我们就来介绍另一个 AI 绘图工具，Stable Diffusion。

Stable Diffusion 提供的模型数量要远远高于 Midjourney，并且支持本地部署，我们可以安装相关的库，然后通过 Python 进行绘图，具体过程参考该网址。除此之外，还可以下载它的 UI 版本，直接通过网页进行操作，而不需要我们手动写 Python 代码。那么下面我们就来看看如何通过 Stable Diffusion 提供的 webUI 进行绘图。

首先打开 https://github.com/AUTOMATIC1111/stable-diffusion-webui 将项目下载下来，下载之后的项目目录如下：

接下来我们需要下载模型，打开网址 https://huggingface.co/CompVis/stable-diffusion-v-1-4-original

我们点击将其下载下来即可，注意：模型比较大，有 4 个 G，需要保证网络畅通。下载好之后，将其移动到项目的 models/Stable-diffusion 子目录中。然后在当前项目所在目录中打开命令行，输入 ./webui-user.bat，如果是 Mac 和 Linux 则输入 ./webui-user.bat。然后程序就会自动创建一个 Python 的虚拟环境并安装相关的依赖包，然后启动，启动成功会看到一个可访问的 URL 地址 http://127.0.0.1:7860

图片生成好之后如何保存呢？很简单，点击图片下方第一个按钮（带有一个文件夹图标），即可自动将图片下载下来，并保存在项目的 outputs 目录中。

或者你也可以点击第二个按钮（Save），然后点击 Download 让 Chrome 下载下来。第三个按钮（Zip）和第二个按钮的作用相同，只不过会自动将图片打成一个 zip 包再下载。

如果点击第四个按钮，则是以生成好的图片作为参数（通过 img2img），继续生成图片。

参数设置

然后再来看看相关参数的设置，合理的参数对于模型来说是至关重要的。

Sampling method：生成图像的采样方法，默认情况下该参数为 Eulea，但你也可以设置为其它的，比如 DPM++ 系列，这个会比默认生成的图片的细节内容更加丰富。
Sampling steps：该参数允许你指定图像生成的迭代次数，较多的迭代次数会对应更好的图像质量，但也需要更长的时间来完成生成。不过经过测试，对于 GTX 4080 来说，即使设置为上限 150 步，也没有任何压力。
Width、Height：生成图像的宽度和高度，宽度、高度越大，需要的显存计算资源就越多，默认是 512 * 512。如果觉得生成的图片像素不够，那么可以点击图片下方的最后一个按钮（Send to extras），然后进行 Resize，会通过专门的算法对图片进行放大。
Batch count：生成批次，生成图像的最大迭代次数，增加这个值会多次生成图片。
Batch size：每一批的数量，表示每一批次生成多少张图片，默认是 1 张，我们也可以每次生成多张，最大是 8 张。因此生成的图片总数为：Batch size * Batch count。
CFG Scale：图像与提示符的一致程度，增加这个值会让图像更接近你的提示，但过高也会让图像色彩过于饱和。数值越小，AI 绘图发挥的自我空间越大，越可能产生有创意的结果，默认为 7。
Seed：随机种子，用于初始化图像生成过程。相同的种子值每次都会产生相同的图像集，这对于再现性和一致性很有用。如果将种子值设置为 -1，则每次都会生成一个新的种子。默认为 -1，所以即便是相同的文本（图像），每次生成的图像也是不一样的。
Restore faces：优化面部图像时可勾选，如果头像是近角时勾选的话，容易过度拟合出现虚化，适合在远角时勾选该选项。