AIGC—Stable Diffusion WebUI 进阶教程

梳理完了SD的一些基础知识后，开始一些进阶知识的梳理，SD其实变得很好用，还是得依靠大神们做的很多插件，使用插件让SD帮助你在各个行业中发挥更大的价值。

首先先来看下SD插件的配置方法，主要分为三种：在线直接加载配置，导入Github网址，下载文件拖入本地文件夹。

在扩展/加载自/加载自己需要的插件，ctrl +f (可以标注你想要查找的东西)，直接下载即可：

有直接安装路径的插件就把路径复制到扩展的，扩展仓库网址里点击安装即可：

下载好的插件解压，解压好直接放进插件目录里，在扩展里找到应用更改重启前端，在回到主界面插件就出现了。我使用的镜像，它的插件是装在 stable-diffusion-webui/extensions 下：

在提示词中，使用|分离多个提示词，并打开提示词矩阵的脚本，SD会开启对比提示词的差异。提示词写法为：

可以定义迭代步数，采样方式等，Z代表生成批次。

给tagger一个图片，它可以反推图片的提示词，常用的反推模型是WD14 moat tagger v2：

权重阈值越小，给出的关键词越多，权重阈值越大，给出的关键词越精炼。

可以修复人物的面部缺陷。可以加入正向提示词和反向提示词来控制最后的出图结果：

AI高分辨率智能修复可以使用 Tiled Diffusion+Tiled VAE+ControlNet Tile模型。让画面变得更高清，更有细节。

将画面分区块放大，潜空间分块就是把原图分成不同的区块，分别绘制然后再拼合成大图。放大算法记得要勾选，否则无效。放大倍数是原图分辨率的放大多少倍。

根据电脑性能去进行画面解码，

分块增加细节， 可以让原图画面不被改变的情况下，增加最后生成图的细节。其中Down Sampling Rate 数值越高，出图的细节就会越多。

openpose可以只用骨骼图控制图像中人物的姿势；

depth识别图片的远近关系，让生成图片有前后关系和体积感；

seg色块控制了每个区域是什么东西，可以使用ps进行调整；

normal各个像素有高度值，含细节表面信息；

scriblle色块控制了每个区域是什么东西；

lineart可以更好的识别图片的细节，支持在更大的空间做扩展；

canny可以更好的识别图片

，图片要是白底黑线，可以按预处理器设置为反转。

1.1 将线稿图放入Contronlnet中，使用canny预处理器，对线稿边缘进行提取：

1.2 选择一个合适的大模型ReVAnimated，再加入一个盲盒lora，给到提示词，生成图片，这样线稿图就可以生成可爱的盲盒IP样式了：

2.1 将下载好的人台图导入3D openpose插件中，插件将自动检测人物姿势，可以使用移动工具调整人物姿势，然后点击生成，再下载生成好的open pose图：

2.2 需要用到两个controlnet：canny（需要用白色背景的裙子图）用于固定画面结构，openpose用于固定人物姿势（不用选择预处理器）：

2.3 再使用重绘蒙版，白色区域是需要重绘的区域：

2.4 选择一个大模型和关键词生成生成图图：

2.5 将生成图发送到图生图进行放大重绘，AI高分辨率智能修复可以使用 Tiled Diffusion+Tiled VAE+ControlNet Tile模型。让画面变得更高清，更有细节。

3.1 将要替换脸的照片放入图生图的局部重绘中，用画笔将面部和头发选择涂抹出来：

3.2 给到蒙版边缘模糊度到8，让生成图的边缘更自然一些

3.3 选择一个conrolnet，预处理器选择openpose 固定人物动作和脸部

3.4 选择一个合适的大模型和关键词生成图：

4.1 同样是刚才的模特图，这次选择

，我们把模特的脸保留，给她替换一个不同的衣服和场景试一下：

4.2 给到一些场景关键词,使用两个controlnet ，一个是openpose固定姿势，一个是局部重绘：

使用一个大模型ReVAnimated，在lora中加入电商光与影，

Controlnet使用Canny固定产品外形：

最终生成图：

大模型使用老王建筑，lora使用现代建筑 | ModernArchi，

用Controlnet里面的canny描绘建筑线稿：

最终生成图：

使用ReVAnimated的大模型，lora加入法式奶油风室内设计|French Cream Style

Controlnet里面，使用depth控制画面前后关系

选一个还不错的发送到图生图再进行加工：

用SD生成一张漫画线稿图，将这个线稿图放在文生图中：

选择大模型，Controlnet选择Lineart线稿，加入不同的lora尝试风格：

使用tiled diffusion和tiled VAE放大画面细节：

大模型使用ReVAnimated，使用了一个未来概念车造型设计的lora，把汽车线稿放入controlnet里面，预处理器选择lineart

最终生成图：