Stable Diffusion特色
Stable Diffusion使用说明
一、准备工作
为了保证A绘画的效率，建议在本机安装Nvidia独立显卡，也就是俗称的N卡，并且显存要达到6G以上，6G只能出图，如果要做训练建议12G以上。推荐选择RTX40系列及以上的显卡型号，最低也要选择RTX30系列。如果你没有N卡，可以使用CPU进行图形计算，但是性价比较低，出图速度较慢。此外，还需要确保CPU性能足够高，并且搭配至少16G的内存。总的来说，如果只是进行简单的图形处理或者体验，可以使用CPU，但不适合搞Al绘画。
二、下载
下载本站提供的秋叶stable diffusion整合包，由于文件比较大，只需下载：启动器运行依赖-dotnet-6.0.11.exe和sd-webui-aki-v4.11.1-cu128.7z；
三、启动
1、安装驱动。这个整合包是由.NET6(就是一个软件基础平台)驱动的，大家需要先安装启动器运行依赖-dotnet6.0.11exe这个文件。
安装过.NET6的同学可以跳过这—步，不懂的再安装—遍也没问题。
2、解压sd-webui-aki-v4.11.1-cu128.7z”，选择—个最少有20G以上的磁盘，比如D盘，直接解压到D盘根目录就行了。然后进入解压后的文件夹sd-webui-aki-v4.11.1-cu128，双击"A启动器.exe”，它会自动下载一些最新的程序文件。可能还会弹出了“设置Windows支持长路径"”，确定就可以了。启动成功后，会打开下边这个界面。如果啥都做完了，也没打开这个界面，就再次双击这个文件或者以管理员身份运行。
3、之后点击“一键启动"，然后会弹出一个控制台窗口，做一些初始化的操作，出现"Startup time ..."的提示就代表启动成功了。
4、然后会自动在浏览器中打开SD WebUI的窗口。不小心关了的时候，也可以用 htp/127.0.0.1.7860再次打开。打开的界面如下图所示:
四、出图
只需要简单5步:
1、Stable Diffusion模型: anything-v5，这个是整合包自带的默认大模型，不用选就是它。
2、外挂VAE模型:选择840000这个，这东西就像个滤镜，用它出图的颜色比较丰富。
3、提示词:想要画个什么，就在这里写，需要是英文。
4、反向提示词:不想要在图片中出现什么，就把它写在这里，这里填写的fEasyNegative"是整合包附带的一个通用反向提示词的代号。
5、其它参数先不管，点击“生成"按钮。
6、生成速度取决于你的计算机性能，等一会就会出图了。点击可以放大，右键可以下载。
除了在这个WebUl上直接下载图片，我们还可以通过启动工具下载，如下图所示，红框圈出的就是各种生成方式保存图片的位置，单击就可以打开本机目录。
常用概念
1、实体模型(Model)实体模型可以看作是一个函数，接受一系列主要参数作为输入，形成相应的输出。在这里，实体模型接受一些主要参数(如引导词、反方向引导词、图片大小、引导词正确引导指数、随机数字种子等)。)，并返回图像信息。
2、大模型(Big Model)
大型模型通常被称为初始模型，其图像大小通常在2GB到5GB之间。通过海量数据的练习，这些模型具有数十亿和数百亿的主要参数。SD正式发布了一个通用的大实体模型，但由于它的实用性，它不能满足所有的需求。因此，许多组织或个人会练习特定的领域模型，并与社区分享，以方便每个人的应用。
3、VAE实体模型(Variational Autoencoder Model)
VAE实体模型类似于图片编辑软件中的ps滤镜，可以增强图像的颜色和线框，使图像看起来更加丰富多彩。一些大型模型可能已经配备了VAE实体模型，但用户也可以选择添加一个额外的VAE实体模型。常见的VAE实体模型之一是编号为8.4万个模型，以增强图像的色调。
4、Lora实体模型
Lora实体模型是基于大模型的设计风格实体模型，用于控制图像风格和特征。例如，在制作角色时，可以使用Lora实体模型来控制服装和发饰的风格；制作机械设备四肢时，可以使用Lora实体模型来注意盔甲的风格；制作风景时，可以使用Lora实体模型来控制作品的风格。
5、引导词(Prompt)
引导词用于描述期望形成的图像的具体内容。例如，描述场景、角色或物体的特征。一个好的引导词对于形成所需的图像尤为重要。
6、反方向引导词(Negative Prompt)
反方向引导词用来描述形成图像中不希望存在的具体内容。例如，清除特殊物体或场景。这个过程可以通过使用通用的反方向引导词来简化。
7、随机数字种子(Random Seed)
随机数字种子危害形成图像偶然性。即使其他主要参数相同，不同类型的随机数字种子也会产生不同的图像。这也使得每次形成的图像都有一定的差异，增强了写作的多样性。
-
39.1GB 简体中文 2026-03-02
