前言

目前市面上比较权威，并能用于工作中的AI绘画软件其实就两款。一个叫Midjourney（简称MJ），另一个叫Stable-Diffusion（简称SD）。MJ需要付费使用，而SD开源免费，但是上手难度和学习成本略大，并且非常吃电脑配置（显卡、内存）。

E和Midjourney相比，Stable Diffusion 最大的优势是开源，这意味着Stable Diffusion的潜力很大、发展飞快。由于开源免费属性，SD 已经收获了大量活跃用户，开发者社群已经为此提供了大量免费高质量的外接预训练模型（fine-tune）和插件，并且在持续维护更新。在第三方插件和模型的加持下，SD拥有比Midjourney更加丰富的个性化功能，在经过使用者调教后可以生成更贴近需求的图片，甚至在 AI 视频特效、AI音乐生成等领域，Stable Diffusion 也占据了一席之地。

Stable Diffusion本地部署

Stable Diffusion的配置要求并非很高，显存4G以上就可以，不过要求硬盘至少要有50G以上（建议100G），适用于Win10-11版本。

如果你的电脑满足以上要求，那么就可以进行Stable Diffusion的本地部署了。

（1）下载整合包。将文件解压在全英文的安装路径中，减少后期报错的可能。

（2）点击"启动器运行依赖"完成启动环境搭建。

（3）点击启动器应用程序，一键启动Stable Diffusion。

（4）待启动器页面弹出后，点击“一键启动”。

（5）首次启动Stable Diffusion可能需要较长的时间，请耐心等待：

（6）当Stable Diffusion界面自动弹出时，就代表着你已经完成其本地部署。

   2、熟悉Stable Diffusion界面

（1）在界面的左上角，你可以选择进行创作的基础模型。

（2）在模型选择的下方，是输入提示词的文本栏。

与Midjourney不同的是，Stable Diffusion还拥有一行反提示词文本栏，你可以将不希望呈现在画面中的元素输入进去以贴合创作需求。

（3）提示词文本栏的下方，是采样方法与迭代步数。

简单的来讲，迭代步数影响的是创作画面的细节丰富程度。迭代步数越多，产生的细节就越多。

不是迭代步数越多越好，这需要结合创作项目来进行实际调试。

（4）下方是图片宽度、高度、生成批次、每批数量。

值得注意的是在它们下方的提示词相关性。它控制着产出图片受输入提示词的影响程度。一般取值范围在7-15。

（5）提示词相关性的下方，是十分重要的随机种子参数以及ControlNet插件。

可以说，正是因为有了ControlNet插件，才使得Stable Diffusion区别于Midjourney等“抽盲盒”式AI生成工具，更能应用于建筑、室内设计方向的实际项目之中。

  3、Control Net 插件入门

Stable Diffusion安装Control Net插件的方法：

A. 点击页面中的“扩展”。

B. 点击扩展界面中的“可用”。

C. 点击可用界面中的"加载自"。

D. 按住键盘 contorl 键后，按 F键调出检索文本框。

E. 在检索文本框内输入 con-trolnet。

F. 找到“扩散控制网络 (con-trolnet)”,并点击后方的安装。

G. 点击“应用并重启用户界面”等待安装完成。

在确保已经安装 Control Net 插件之后，需要将 Control Net 的根路径进行更改，具体流程如下：

A. 点击“设置”找到 Control Net 选项。

B. 复制 Control Net 的根路径。

C. 将 Control Net 根路径粘贴更改到保存路径中。

需要注意的是，该操作需在"科学上网"前提下进行。

  4、实操案例分享

（1）获得室内线稿图

首先，打开3ds max ，简单用box堆一个室内场景出来，你用其他三维软件也可以，然后将这个场景渲染出一个线稿图出来。

（2）设置提示词

选择文生图，正向关键词和负向关键词见下方，初始迭代步数可以调低一些，宽高比注意和线稿图一致。

正向关键词：

The interior design of a beautiful living room with a big glass windows with heavy curtains,bay window,tv wall

反向关键词：

ugly,poorly designed,amateur,bad bad proportions, bed lighting,direct sunlight,people,person,cartoonish

（3）设置 Control Net

打开 Control Net，将之前渲染得到的线稿拖到 ControlNet 的参考图中，勾选启用，因为是白色背景图片，所以要勾选反色模式。

如果显卡显存低，要勾选低显存优化。因为参考图本身就是线稿，所以预处理器不需要选择，在模型里选择 canny。

引导介入时机 设置为0.1左右，引导退出时机设置为0.6左右。

最后不要忘记尺寸，要设置为和原图比例一致。

出图结果如下。如果这张不满意，可以多出几张，直到有自己喜欢的为止。

需要注意的是：打开 Control Net 后，出图速度会变得非常慢，所以，开始时建议大家把迭代步数和尺寸设置小一些，生成图片批次多设几张，待

找到自己满意的图片后，保留种子数，然后再出大图。

选择比较满意的图片后，保留种子数，然后再生成大图。

怎么保留种子数？点击想保留种子数的图片，在左侧有个绿色的按钮，点一下会出来一段数字，这个就是种子数。

（4）得到4K大图

下面对图片进行放大处理。点击图片下方的图生图，来到图生图界面，你会发现之前在文生图我们用的提示词还有种子数全复制过来了。

接下来设置好采样器、提高迭代步数，按比例提高画面尺寸，最后注意重绘幅度不要太大，否则出图会发生比较大的变化。

最后再到附加功能里，将刚刚图生图得到的图片再进行放大2倍，得到4K高清大图。

总结

如果你花了一些时间，认真的阅读了上述内容，跟着操作了一遍。那么相信你已经成功入门了Stable Diffusion这个AI出图利器。

分享了「StableDiffusion零基础入门课」
链接：https://pan.quark.cn/s/0e16a5e0232c