零基础光速入门AI绘画，SD保姆攻略

随笔3个月前发布阿杜

27 0 0

大家好，我是叶梓。一名AIGC狂热爱好者，目前正在AI绘画领域进行深入的探索。

我花了一个月时间把SD研究了一遍，秉持着用有趣、易懂的文字让小白也可以零基础光速使用SD（stable diffusion）入门AI绘画，一步步从零开始写出本系列的文章。今天也是本系列AI绘画SD攻略的最后一篇。

通过前面七篇文章，我详细的说明了SD各种模型的功能、参数设置的以及运用，相信大家已经对SD有了一个清晰的理解。肯定有很多朋友已经用SD画出了自己想要的图片。

但肯定也有一部分小伙伴还是对SD的综合运用有些疑问，只会对着步骤进行，离开了步骤很难自由发挥SD的强大功能。

今天的文章，我就会带大家从头梳理一遍SD，让大家对于SD绘画有更深的认知。

一、diffusion

diffusion的含义是扩散。这也是AI绘画最重要的一个算法。那究竟什么扩散呢？

先把一张图片模糊，也就是增加噪声，扩散的过程，然后再降噪，逆向扩散，清晰化的过程。

这就是整个扩散的过程。

在图片变得极为模糊之后，我们就可以从原本的画面中抽离，然后想象新的画面。

AI就是通过把投喂给它的无数图片，通过这样不断增加增加噪声的方式进行扩散，AI就可以不断学习这些抽象的内容，并不断理解了这个过程。AI每学习一张图，就吸取了一张图的图像特征，且与原图进行关联。

当AI学习了各种不同的风格和内容之后，这个时候的它就相当于成为了一个绘画的专家，走入公司，这时候我们作为领导给它输入提示词，它就可以进行理解并画出相应的图片。

当然，这个过程中，由于它掌握了太多的知识，所以当提示词不明确的时候，或者提示词之间有冲突时，它就会发挥失常，画出错误的图案。

关于AI绘画的更多内容看这篇零基础光速入门AI绘画，SD保姆攻略一

二、大模型

我们作为甲方，我们要寻找的必须是符合我们要求的乙方。比如我们要真实系的图片，自然不能找一个二次元的乙方。

所以用AI作图，首先我们要选择合适的大模型checkpoint。

根据AI学习的图片的不同类型，SD中的大模型目前也大致分为三种：真实系、二次元、2.5D（介于真实和二次元之间，类似于3D动漫效果）。

三、提示词

当我们选择了大模型之后，我们就已经可以给Ai输入提示词了。

但问题在于我们要如何去给AI一个明确的提示词，让它能理解我们的意思呢？

首先，我们要明白我们想要图片中什么，同时不要出现什么。

这也就是SD的正向和反向提示词，我们需要通过这些提示词对图片的内容进行约束。

同时，这里面涉及到提示词的规则（英文、词组、短句、分隔），提示词的内容（内容型提示词、标准化提示词）、权重、进阶的语法等。

提示词等相关内容可以看这一篇文章零基础光速入门AI绘画，SD保姆攻略三

四、Lora模型

提示词的控制很多时候是比较宽泛的，比如一个美丽的女孩。

AI也会疑惑，有多美丽，哪里美丽，眼睛还是脸还是鼻子。

如果我们还要详细描述五官之类的，那工程量就太大了。

这就产生了人物的Lora。我们把一些好的元素融合在一起，然后打包扔给AI。

告诉它，我要用这里面的人物。AI就能很好的理解了。

当然，在这个基础上，还有服装的Lora，风格的Lora，灯光的Lora等等。不过人物Lora还是占据了Lora的半边天。

关于更多大模型和Lora的内容看这篇零基础光速入门AI绘画，SD保姆攻略二

五、图生图

但是Lora有时候还是不能很好的达到我们的要求。我们想要让AI更好的理解我们的意思，我们就可以借助图生图加大对AI的约束。

就如同甲方拿着一张海报给乙方，并说，我想要这种图片的风格，或者线条，或者颜色等等。

这样AI在提示词，Lora的基础上，又多了一个参照物，对于我们的意思就更能理解了。

关于图生图更多内容看这篇零基础光速入门AI绘画，SD保姆攻略四

六、局部重绘

虽然我们给了AI上述的一步又一步的约束，但是AI还是会出错，或者某些细节不能达到我们的要求，但是其中一大部分是我们觉得还满意的。

这个时候我们就可以选中这张图的一部分，然后告诉它，这一部分重画一下。

这就需要用到SD绘画中的局部重绘功能。

关于局部重绘的更多内容看这篇零基础光速入门AI绘画，SD保姆攻略五

七、ControINet

其实通过上面约束，我们已经能对AI绘画的生成做出很多的约束。

但随着ControINet的诞生，对以上所有的约束直接造成了降维打击。

ControINet（控制网）让我们对于AI绘画的控制达到了目前的顶峰。

ControINet可以通过对图片的检测，去识别它的线条（canny、lineart、soft edge、mlsd/仅直线、scribble）、人物姿势（open pose）、空间深度（depth）、物品类型（seg）、风格颜色（shuffle、reference、normal、t2ia）、重绘（Inpaint、tile/加入细节）、特效（ip2p）。相信之后也可能出现更多的ControINet模型。

通过这些检测，对于新的图片的生成可以达成强有力的约束。

但我们使用ControINet，也要注意一个度的把控。

对于ControINet模型，我们可以这样理解。

AI做图本身就是一个随机的过程，当我们使用ControINet时，就是对AI的随机性进行了控制，当这个控制过强时，就相当于复制了一张图片，消减了AI的随机性。

我们要做的就是在随机性和控制性中取得一个平衡，当我们觉得控制过多，就减少控制，给AI更多的发挥，当过于随机时，我们就施加控制，给与AI适当的引导。

比如以线条为例，canny的控制就高于soft edge，soft edge又高于scribble。

我们可以根据自己的需求去选择合适的模型，从而对图片生成的控制达成一种平衡，生成我们脑海中的场景。

关于ControINet的更多内容可以看这两篇文章零基础光速入门AI绘画，SD保姆攻略六和零基础光速入门AI绘画，SD保姆攻略七。

八、生成图片

以上的所有内容，本质上就是给AI输入提示词给与引导，同时，对AI提出要求进行约束，这样一个过程。

当我们的提示和约束，与AI的理解达成一个平衡时，我们就可以看到一个由我们和AI共同创造，且独一无二的图片生成了。

好了，本篇的文章就先到这里了。关于AI绘画，SD（stable diffusion）的入门教程攻略就到此告一段落了。