当前位置：首页 > news >正文

爆肝整理！Stable Diffusion的完全使用手册（二）

news 来源：原创 2025/8/2 21:11:40

继续介绍Stable Diffusion的文生图界面功能。

往期文章详见: 爆肝整理！Stable Diffusion的完全使用手册（一）

下面接着对SD的文生图界面的进行详细的介绍。本期介绍文生图界面的截图2，主要包含生成模块下的采用方法、调度类型、迭代步数、高分辨率修复、Refiner、宽度、高度、总批次数、单批数量、提示词引导系数、随机数种子等。

5、采样方法

在讲采样方法前需要先说明下SD的绘图原理。

Stable Diffusion是一种基于扩散模型的文本到图像生成技术。它通过在潜在空间中进行扩散过程，生成与输入文本描述相符的图像。Stable Diffusion的核心思想是利用文本中的信息指导去噪过程，从而生成高质量的图像。扩散模型的训练分为两个过程：正向扩散和逆向扩散。正向扩散过程将高斯噪声逐步添加到输入图像中，而逆向扩散过程则通过训练神经网络去除图像中的噪声

在现实生活中，一个绘画师之所以会画画，是因为他曾经学习过绘画技术。而SD这个“绘画师”也是如此，在SD能给你绘画图像前，它也曾学习过如何绘画。SD学习绘画的方式就是“看”大量的图片（这个过程称为训练）。SD拿到一张图片后需要进行学习，简单来说，SD会先给图片加上噪点，并逐步增加噪点数量，直到图像的整个画面都模糊不清（这一步就是正向扩散）。

原图	加噪声1	加噪声2	加噪声N

SD在生成图片的时候，就是上述过程的一个逆向过程（也就是逆向扩散），即从一个模糊不清的图片中，逐步去除掉噪点，最终得到一张清晰的图片。

原图	去噪声1	去噪声2	去噪声N

说明白了SD的绘图原理后，就不难理解采样方法了。采样方法就是将一张噪点图变成一张清晰的图片的方法。不同的采样方法就像是不同的“绘画策略”，在绘画的速度、细节和稳定性上各有优劣。对于新手来说，推荐如下3个采样方法（euler a、euler、DPM++2M Karras）：

	特点	速度	生图质量	稳定性	适用场景	参数搭配
Euler a	1. 生成过程不收敛，随机性强。 2. 速度快，低步数下出图快，适合快速迭代。 3.高步数易失控，难以复现结果。	极快（低步数下效率高）	低步数（20-30步）下细节较少，高步数易过噪或扭曲。	低（随机性高，不收敛）	1.快速生成草图或概念设计。 2.二次元插画、简单场景。 3.需要多样性的实验性创作。	CFG：7-10 迭代步数：20-30
Euler	1.生成过程收敛，输出稳定。 2.速度较快，简单但精度较低。 3.细节表现力有限，不适合复杂场景。	快	中等质量，细节较简单。	高（收敛性好，输出一致）	1.需要稳定输出的基础图像生成。 2.简单图标或低复杂度场景。	CFG：7-12 迭代步数：25-40
DPM++2M Karras	1.自适应调整步长，减少噪点。 2.平衡速度与质量，收敛性好。 3.细节丰富，适应性强，综合性能优秀。 4.计算资源消耗较高，速度中等。	中等（需20-50步达到最佳效果）	高质量，细节丰富且稳定。	极高（收敛性强，可控性高）	1.高精度写实人像、复杂风景。 2.商业设计或艺术创作。 3.需平衡速度与质量的通用场景。	CFG：7-12 迭代步数：30-50 搭配Karras调度器

特点

速度

生图质量

稳定性

适用场景

参数搭配

Euler a

1. 生成过程不收敛，随机性强。

2. 速度快，低步数下出图快，适合快速迭代。

3.高步数易失控，难以复现结果。

极快（低步数下效率高）

低步数（20-30步）下细节较少，高步数易过噪或扭曲。

低（随机性高，不收敛）

1.快速生成草图或概念设计。

2.二次元插画、简单场景。

3.需要多样性的实验性创作。

CFG：7-10

迭代步数：20-30

Euler

1.生成过程收敛，输出稳定。

2.速度较快，简单但精度较低。

3.细节表现力有限，不适合复杂场景。

快

中等质量，细节较简单。

高（收敛性好，输出一致）

1.需要稳定输出的基础图像生成。

2.简单图标或低复杂度场景。

CFG：7-12

迭代步数：25-40

DPM++2M Karras

1.自适应调整步长，减少噪点。

2.平衡速度与质量，收敛性好。

3.细节丰富，适应性强，综合性能优秀。

4.计算资源消耗较高，速度中等。

中等（需20-50步达到最佳效果）

高质量，细节丰富且稳定。

极高（收敛性强，可控性高）

1.高精度写实人像、复杂风景。

2.商业设计或艺术创作。

3.需平衡速度与质量的通用场景。

CFG：7-12

迭代步数：30-50

搭配Karras调度器

不同的模型在不同的采用方法上的效果对比图如下:（依次对比了euler a、euler、DPM++2M、DDIM）。提示词为：a chinese woman, slim figure, light blue sweater, white short skirt, light gray long hair, standing on the grass, facing the camera, close_mouth, one hand in your pocket, wooden house, masterpiece, super high picture quality, extreme character details, professional photography, realistic style。

6、调度类型

调度类型就是控制噪点变化的节奏，类似调节绘画时“先画轮廓还是先填色”。不同的调度器会影响图像细节和生成速度。常见的调度类型对比如下:

	特点	优缺点	适用场景	搭配
Karras	去噪步幅逐渐减小，中后期步幅显著降低，注重细节优化。	1.生成图像细节丰富、精度高。 2.适合高分辨率图像生成。 3.需要更多迭代步数（30-50步）达到最佳效果。 4.计算资源消耗较高	1.高质量写实人像、复杂风景。 2.需要精细纹理和光影细节的项目。	与 DPM++ 2M、Euler 等采样器搭配，适合高精度需求
Uniform	去噪步幅均匀分布，每一步噪声减少量一致。	1.生成过程稳定可靠。 2.适合风格化创作和一致性输出。 3.细节表现力相对较弱。 4.高步数下提升有限。	1.平铺图案、壁纸设计。 2.稳定输出需求的批量生成	适合 Euler、DDIM 等基础采样器，保证生成稳定性
Exponential	步幅按指数递减，前期去噪快，后期平缓。	1.前期快速去噪，适合草图生成。 2.低步数下即可生成较清晰结果。 3.后期细节调整能力较弱。 4.高步数可能因步幅过小导致优化停滞。	1.快速生成草图或初步效果。 2.时间敏感的低步数生成（如实时预览）。	配合 Euler a 等快速采样器，提升生成效率

7、迭代步数

前面说过SD的绘图原理是对噪声图进行逐步降噪，从而得到结果图的过程。迭代步数代表了SD对噪声图的降噪次数，决定了降噪过程的精细程度。步数越多，细节越丰富，但生成时间越长。迭代步数并非越多越好，需根据场景平衡效果与效率。一般情况下推荐将迭代步数设置在30~40步以内。

上图展示了majicMIX-realistic-v7模型的1~50迭代步数上的生图效果，可以看出大约在30步左右的时候，画面开始逐渐趋于稳定。

8、高分辨率修复

在某些场景下，比如生成一张512*768像素的人物全身图像时，会出现人物脸部崩溃的情况。原因就是像素太低了，SD在绘图时，由于分配到脸部的像素过低，导致无法精细的刻画人物脸部特征。高分辨率修复就是针对这类情况进行局部修复。下图展示了高分辨率修复前后的效果对比，可以看出修复后人物的面部更加清晰正确了。

高清修复前	高清修复后（放大2倍）	高清修复后（自定义尺寸）

高分辨率修复模块下又包含了放大算法、高分迭代步数、重绘幅度、放大倍数、宽度高度调整，其基本原理是先对图片进行放大，再对图片根据重绘幅度进行重新绘制。主要用来：对人脸进行修复、添加环境细节等。

放大算法：由于需要先对原图进行放大，图片放大后新增的像素应该如何设置颜色，这就需要放大算法来进行计算了。常见的方法是拿相邻的两个像素除以2得到新的像素。一般推荐使用如下2种放大算法：
- R-ESRGAN 4x+：兼容性强，适合多种图片类型，计算速度较快，但是针对二次元图片可能产生锯齿或怪异纹理。适用于写实风格、混合风格图片（三次元真实风格）。
- R-ESRGAN 4x+ Anime6B：二次元细节还原度高，纹理清晰自然，但是写实图片效果一般，依赖模型适配。适用于动漫、插画、二次元风格图片。
高分迭代步数：与前面所说的迭代步数有点类似，SD在进行高清修复时，会对图片进行二次加噪和去噪，该参数就是用来控制二次去噪的次数。数值越大则会导致图片生成时间过长，当数值设置为0时代表和迭代步数保持一致。高分迭代步数一般设置为15~20步即可。
重绘幅度：用来决定SD在二次加噪点时，增加多少噪点。
- 0.1 ~ 0.4：基本可以保持画面结构不变，画面细节会逐步增加。
- 0.4 ~ 0.8：画面会出现大修，但还会参照之前的构图。
- 0.8 ~ 0.9：与原画几乎没关系了，基本属于重画了。
- 1.0：等于重新画了。

放大倍数：将图片放大到原来的多少倍。比如原来是512*768像素，放大2倍之后会变成1024*1536像素。注意这里只是对图片进行放大而已。
宽度&高度调整：当全部设置为0时，这个时候SD会按照放大倍数进行放大（也仅当这两个值为0时才能设置放大倍数）。当需要自定义放大时，可以调整宽度和高度，设置成自己想要的放大结果。一旦设置了那么放大倍数参数就失效了。

9、Refiner

（后面介绍插件的时候在详细介绍。）简单来说，Refiner 插件就是SD的“细节打磨小助手”。它的工作流程类似于：

1️⃣ 先画草稿：用基础模型（Base Model）快速生成一张图的大致模样，比如画个人像的轮廓、姿势和背景布局。这一步可能有点粗糙，比如手指画歪了，头发糊成一团。

2️⃣ 再精修细节：轮到 Refiner 上场，专门处理细节：把模糊的头发丝一根根理清楚，把歪掉的手指掰正，给皮肤加质感，给背景加光影层次。相当于给图片做“美颜+精修”。

使用Refiner的好处如下：

解决「糊图」问题：直接生成高分辨率图容易崩坏（比如长出三只手），Refiner 分两步走更稳定。
省事：以前要手动切换两个模型操作，现在自动帮你衔接。
省内存：只在最后阶段用 Refiner 模型，比全程用大模型更节省电脑资源。

和高分辨率修复的区别：

Refiner：边画边修（优化内容细节，比如把方块房子改成圆顶教堂）。
高清修复：画完放大（单纯提高分辨率，比如把 512x512 拉到 4K）。 👉 两者可以叠加使用，效果更佳！

10、宽度&高度

这两个参数很简单，是用来控制生成图片的尺寸的。SD模型在训练时使用的图片尺寸为512*512像素，如果使用SD来生成超大图的话，则会出现画面崩坏。宽高最好控制在512~768像素之间，这样画面比例较为协调。过小或者过大的分辨率都会导致图片质量低。

宽度、高度越高，对显存的占用就越大，绘图时间也会越长。图片尺寸设置与构图有关系，具体关系如下：

512*512像素：适合人物、物件的特写。
512*768像素：适合人物素材，全身更合适。
768*512像素：适合风景题材，大广角视角。

11、总批次数&单批数量

总批次决定了SD要分几批来画图，而单批数量决定了SD每一批需要画出多少张图。

总4批单批1张	总2批单批3张

12、提示词引导系数

提示词引导系数，即Classifier-free guidance (CFG) scale（CGF指数），主要用来调节文本提示对扩散过程的引导程度，说人话就是控制生成的图片与提示词的关联程度。该参数的数值越高，生成的图片受到提示词的影响就越大。通常将CFG值设置在5~9之间最佳（一般不要超过12）。如果生成画面有用力过猛的情况，则需要适当调低CFG的值。

不同的提示词引导系数对生图的效果影响对比如下：

13、随机数种子

随机种子决定了初始噪声图的噪声分布，当SD的其他生成参数不变（硬件也不变）的情况下，相同的随机数种子会生成相同的图像。一般通过固定随机种子，来对图片进行参数微调或者研究不同参数对图片生成的影响。随机数种子设置为-1表示每次都会随机生成图片。

（未完！待续... ...）