一、AI 绘画工具的选择与运用
1.工作场景下 AI 绘画工具的选择
目前文生图的主流 Al 绘画平台主要有三种: Midjourney、Stable Diffusion、DALL·E-2。
如果要在实际工作场景中应用，慧慧更推荐 Stable Diffusion。
通过对比，Stable Diffusion 在数据安全性(可本地部署)、可扩展性 (成熟插件多) 、风格丰富度(众多模型可供下载，也可以训练自有风格模型) 、费用版权 (开源免费、可商用) 等方面更适合我们的工作场景。
那么如何在实际工作中应用 Stable Diffusion 进行 AI 绘画?
要在实际工作中应用 AI 绘画，需要解决两个关键问题，分别是: 图像的精准控制和图像的风格控制。
1.图像精准控制
图像精准控制推荐使用 Stable Diffusion 的 ControlNet 插件。在 ControlNet 出现之前，AI绘画更像开盲盒，在图像生成前，你永远都不知道它会是一张怎样的图。ControlNet 的出现，真正意义上让 AI 绘画上升到生产力级别。简单来说 ControlNet 它可以精准控制 AI 图像的生成。
ControlNet 主要有 8 个应用模型: OpenPose、 Canny、HED、Scribble、MIsd、SegNormal Map、Depth。以下做简要介绍:
OpenPose 姿势识别
它还可以生成多人的姿势，此通过姿势识别，达到精准控制人体动作。除了生成单人的姿势，外还有手部骨骼模型，解决手部绘图不精准问题。以下图为例: 左侧为参考图像，经OpenPose 精准识别后，得出中间的骨骼姿势，再用文生图功能，描述主体内容、场景细节和画风后，就能得到一张同样姿势，但风格完全不同的图。
Canny 边缘检测
Canny 模型可以根据边缘检测，，从原始图片中提取线稿，再根据提示词，来生成同样构图的画面，也可以用来给线稿上色，
HED 边缘检测
跟 Canny 类似，但自由发挥程度更高。HED 边界保留了输入图像中的细节，绘制的人物明暗对比明显，轮廓感更强，适合在保持原来构图的基础上对画面风格进行改变时使用。
Scribble 黑白稿提取
涂鸦成图，比 HED 和 Canny 的自由发挥程度更高，也可以用于对手绘线稿进行着色处理
Mlsd 直线检测
通过分析图片的线条结构和几何形状来构建出建筑外框，适合建筑设计的使用
Seg 区块标注
通过对原图内容进行语义分割，可以区分画面色块，适用于大场景的画风更改
Normal Map 法线贴图
适用于三维立体图，通过提取用户输入图片中的 3D 物体的法线向量，以法线为参考绘制出副新图，此图与原图的光影效果完全相同。
Depth 深度检测
通过提取原始图片中的深度信息，可以生成具有同样深度结构的图。还可以通过 3D 建模软件直接搭建出一个简单的场景，再用 Depth 模型染出图
ControlNet 还有项关键技术是可以开启多个 ControlNet 的组合使用，对图像进行多条件控制。例如: 你想对一张图像的背景和人物姿态分别进行控制，那我们可以配置 2 个ControlNet，第1个 ControlNet 使用 Depth 模型对背景进行结构提取并重新风格化，第 2个ControlNet 使用 OpenPose 模型对人物进行姿态控制。此外在保持 Seed 种子数相同的情况下，固定出画面结构和风格，然后定义人物不同姿态，渲染后进行多帧图像拼接，就能生成一段动画。
以上通过 ControlNet 的 8 个主要模型，我们解决了图像结构的控制问题。接下来就是对图像风格进行控制。
2.图像风格控制
Stable Difusion 实现图像风格化的途径主要有以下几种: Artist 艺术家风格、Checkpoint预训练大模型、LORA 微调模型、Textual Inversion 文本反转模型。
Artist 艺术家风格
主要通过画作种类 Tag (如: oil painting、ink painting、comic、illustration) ，画家/画风 Tag (如: Hayao Miyazaki、 Cyberpunk) 等控制图像风格。网上也有比较多的这类风格介绍，如:
/top-sd-artists
但需要注意的是，使用艺术家未经允许的风格进行商用，会存在侵权问题。
Checkpoint 预训练大模型
Checkpoint 是根据特定风格训练的大模型，模型风格强大，但体积也较大，一般 5-7GB。模型训练难度大，需要极高的显卡算力。目前网上已经有非常多的不同风格的成熟大模型可供下载使用。如: /models?pipeline tag=text-to-image
LORA 微调模型
LORA 模型是通过截取大模型的某一特定部分生成的小模型，虽然不如大模型的能力完整，但短小精悍。因为训练方向明确，所以在生成特定内容的情况下，效果会更好。LORA 模型也常用于训练自有风格模型，具有训练速度快，模型大小适中，配置要求低(8G 显存)的特点能用少量图片训练出风格效果。常用 LORA 模型下载地址:
https//civitai.com (友情提醒: 不要在办公场所打开，不然会很尴尬)
Textual Inversion 文本反转模型
TextualInversion 文本反转模型也是微调模型的一种，它是针对一个风格或一个主题训练的风格模型，一般用于提高人物还原度或优化画风，用这种方式生成的模型非常小，一般几十KB，在生成画作时使用对应 Tag 在 prompt 中进行调用。
自有风格模型训练
Stable Diffusion 的强大之处还在于能够自定义训练风格模型，如果现有风格无法满足要求我们还可以自己训练特定风格模型。Stable Diffusion 支持训练大模型和微调模型。我比较推荐的是用 LORA 模型训练方法，该方法训练速度快，模型大小适中 (100MB 左右)，配置要求低(8G 显存)，能用极少量图片训练出风格效果。例如: 下图中我用了 10 张工作中的素材图，大概花了 20 分钟时间训练出该风格的 LORA 模型，然后使用该模型就可以生成风格类似的图片。如果将训练样本量增大，那么训练出来的风格样式会更加精确。
了解了 Stable Diffusion 能干什么后，再来介绍下如何部署安装使用它。
二、AI 绘画工具的部署安装
以下主要介绍三种部署安装方式:云端部署、本地部署、本机安装，各有优缺点。当本机硬件条件支持的情况下，推荐本地部署，其它情况推荐云端方式。
1.云端部署 Stable Diffusion
通过 Google Colab 进行云端部署，推荐将成熟的 Stable Diffusion Colab 项目复制到自己的 Google 云端硬盘运行，省去配置环境麻烦。这种部署方式的优点是: 不吃本机硬件，在有限时间段内，可以免费使用 Google Colab 强大的硬件资源，通常能给到 15G 的 GPU 算力，出图速度非常快。缺点是: 免费 GPU 使用时长不固定，通常情况下一天有几个小时的使用时长，如果需要更长时间使用，可以订阅 Colab 服务
Stable Diffusion WebUl 运行界面如下，在后面的操作方法里我会介绍下 Stable Diffusion
的基础操作。
2.本地部署 Stable Diffusion
相较于 Google Colab 云端部署，本地部署 Stable Diffusion 的可扩展性更强，可自定义安装需要的模型和插件，隐私性和安全性更高，自由度也更高，而且完全免费。当然缺点是对本机硬件要求高，Windows 需要 NVIDIA 显卡，8G 以上显存，16G 以上内存。Mac 需要M1/M2 芯片才可运行。
3.本机安装 DiffusionBee
如果觉得云端部署和本地部署比较繁琐，或对使用要求没有那么高，那就试下最简单的一键安装方式。
下载 Diffusionbee 应用: diffusionbee.com/download。
优点是方便快捷，缺点是扩展能力差(可以安装大模型，无法进行插件扩展，如 ControlNet) 。
三、AI 绘画工具的操作技巧
1.Stable Diffusion 基础操作
文生图
如图所示 Stable Diffusion WebUl 的操作界面主要分为: 模型区域、功能区域、参数区域出图区域
txt2img 为文生图功能，重点参数介绍:
正向提示词: 描述图片中希望出现的内容
反向提示词: 描述图片中不希望出现的内容
Sampling method: 采样方法，推荐选择 Euler a 或 DPM++ 系列，采样速度快
Sampling steps: 迭代步数，数值越大图像质量越好，生成时间也越长，一般控制在 30-50就能出效果
Restore faces: 可以优化脸部生成
Width/Height: 生成图片的宽高，越大越消耗显存，生成时间也越长，一般方图 512x512竖图 512x768，需要更大尺寸，可以到 Extras 功能里进行等比高清放大
CFG: 提示词相关性，数值越大越相关，数值越小越不相关，一般建议 7-12 区间
Batch count/Batch size: 生成批次和每批数量，如果需要多图，可以调整下每批数量
Seed: 种子数，-1 表示随机，相同的种子数可以保持图像的一致性，如果觉得一张图的结构不错，但对风格不满意，可以将种子数固定，再调整 prompt 生成
图生图
img2img 功能可以生成与原图相似构图色彩的画像，或者指定一部分内容进行变换。可以重点使用 Inpaint 图像修补这个功能:
Resize mode: 缩放模式，Just resize 只调整图片大小，如果输入与输出长宽比例不同，图片会被拉伸。Crop and resize 裁剪与调整大小，如果输入与输出长宽比例不同，会以图片中心向四周，将比例外的部分进行裁剪。Resize and fill 调整大小与填充，如果输入与输出分辨率不同，会以图片中心向四周，将比例内多余的部分进行填充
Mask blur: 蒙版模糊度，值越大与原图边缘的过度越平滑，越小则边缘越锐利
Mask mode: 蒙版模式，Inpaint masked 只重绘涂色部分，Inpaint not masked 重绘除了涂色的部分
Masked Content: 蒙版内容，fill 用其他内容填充，original 在原来的基础上重绘
Inpaint area: 重绘区域，Whole picture 整个图像区域，Only masked 只在蒙版区域
Denoising strength: 重绘幅度，值越大越自由发挥，越小越和原图接近
ControlNet
安装完 ControlNet 后，在 txt2img 和 img2img 参数面板中均可以调用 ControlNet。操作说明:
Enable: 启用 ControlNet
Low VRAM: 低显存模式优化，建议 8G 显存以下开启
Guess mode: 猜测模式，可以不设置提示词，自动生成图片
Preprocessor: 选择预处理器主要有 OpenPose、Canny、HED、Scribble、MIsd.Seg、Normal Map、Depth
Model: ControlNet 模型，模型选择要与预处理器对应
Weight: 权重影响，使用 ControlNet 生成图片的权重占比影响
Guidance strength(T): 引导强度，值为 1时，代表每选代 1 步就会被 ControlNet引导1次
Annotator resolution: 数值越高，预处理图像越精细Canny low/high threshold: 控制最低和最高采样深度Resize mode: 图像大小模式，默认选择缩放至合适
Canvas width/height: 画布宽高
Create blank canvas: 创建空白画布
Preview annotator result: 预览注释器结果，得到一张 ControlNet 模型提取的特征图片
Hide annotator result: 隐藏预览图像窗
LORA 模型训练说明
前面提到 LORA 模型具有训练速度快，模型大小适中 (100MB 左右)，配置要求低 (8G 显存)，能用少量图片训练出风格效果的优势。
以下简要介绍该模型的训练方法:
第 1步:数据预处理
在Stable Diffusion WebUl 功能面板中，选择 Train 训练功能，点选 Preprocess images 预处理图像功能。在 Source directory 栏填入你要训练的图片存放目录，在 Destinationdirectory 栏填入预处理文件输出目录。width 和 height 为预处理图片的宽高，默认为512x512，建议把要训练的图片大小统一改成这个尺寸，提升处理速度。勾选 Auto focalpoint crop 自动焦点裁剪，勾选 Use deepbooru for caption 自动识别图中的元素并打上标签。点击 Preprocess 进行图片预处理。
第 2 步: 配置模型训练参数
在这里可以将模型训练放到 Google Colab 上进行，调用 Colab 的免费 15G GPU 将大大提升模型训练速度。LoRA 微调模型训练工具我推荐使用 Kohya，运行
KohyaColab: https://colab.research.google.com/github/Linaqruf/kohyatrainer/blob/main/fast-kohya-traineripynb
配置训练参数
先在 content 目录建立
training_dir/training_data 目录，将步骤 1 中的预处理文件上传至该数据训练目录。然后配置微调模型命名和数据训练目录，在 Download Pretrained Model 栏配置需要参考的预训练模型文件。其余的参数可以根据需要调整设置。
第 3 步: 训练模型
参数配置完成后，运行程序即可进行模型训练。训练完的模型将被放到 training dir/output目录，我们下载 safetensors 文件格式的模型，存放到
stable-diffusion-webui/models/Lora 日录中即可调用该模型。由于直接从 Colab 下载速度较慢，另外断开Colab 连接后也将清空模型文件，这里建议在 Extras 中配置 huggingface 的 Write Token.将模型文件上传到 huggingface 中，再从 huggingface File 中下载，下载速度大大提升，文件也可进行备份。
2.Prompt 语法技巧
文生图模型的精髓在于 Prompt 提示词，如何写好 Prompt 将直接影响图像的生成质量
提示词结构化
Prompt 提示词可以分为 4 段式结构: 质风 + 面主体 + 面细节 + 风格参考画面画风: 主要是大模型或 LORA 模型的 Tag、正向画质词、画作类型等画面主体: 画面核心内容、主体人/事/物/景、主体特征/动作等
画面细节: 场景细节、人物细节、环境灯光、画面构图等
风格参考: 艺术风格、渲染器、Embedding Tag 等
提示词语法
提示词排序:越前面的词汇越受 AI 重视，重要事物的提示词放前面
增强/减弱: (提示词:权重数值)，默认 1，大于 1 加强，低于 1 减弱。如(doctor:1.3)混合: 提示词|提示词，实现多个要素混合，如[red blue] hair 红蓝色头发混合
+ 和 AND: 用于连接短提示词，AND 两端要加空格
分步染:[提示词 A:提示词 B:数值]，先按提示词 A 生成，在设定的数值后朝提示词 B 变化。如[dog:cat:30] 前 30 步画狗后面的画猫，[dog:cat:0.9] 前面 90%画狗后面 10%画猫
正向提示词: masterpiece,best quality 等画质词，用于提升画面质量
反向提示词: nsfw, bad hands, missing fingers......, 用于不想在画面中出现的内容
Emoji: 支持 emoji，如 形容表情，当 修饰手
常用提示词举例:
3.ChatGPT 辅助生成提示词
我们也可以借助 ChatGPT 帮我们生成提示词参考
给 ChatGPT 一段示例参考:
/guides/using-openai-chat-gpt-to-write-stable-diffusion.prompts
根据参考生成 Prompts，再添加细节润色
4.Stable Diffusion 全中文环境配置
在实际使用中，我们还可以把 Stable Diffusion 配置成全中文环境，这将大大增加操作友好度。全中文环境包括了 Stable Diffusion WebUl 的汉化和 Prompt 支持中文输入。
Stable Diffusion WebUl 汉化
安装中文扩展插件: 点击 Extensions 选择Install from URL，输入
https://github.com/VinsonLaro/stable-diffusion-webui-chinese，点击 Install，并重启 WebUI
切换到中文模式: 在 Settings 面板中，将 User interface 中的 Localization 设置成 Chinese中文模式，重启 WebUl 即可切换到中文界面
Prompt 中文输入
下载提示词中文扩展插件:
https://github.com/butaixianran/Stable-Difusion-Webui-Prompt-Translator，将项目作为 zip 文件下载，解压后放到
stable-diffusion-webui/extensions 目录中，重启 WebUl
调用百度翻译 API: 去 api.fanyi.baidu.com 申请一个免费 API Key，并将翻译服务开通。在管理控制台的开发者信息页中确认 APP ID 和密
在 Stable Diffusion WebUl 的 Prompt Translator 面板中，选择百度翻译引擎，并将申请的APPID 和 密钥填写进去，点击保存
使用: 在 Stable Diffusion WebUl 页面顶部会出现一个翻译工具栏，我们在提示词输入框中输入中文，点击工具栏中的翻译就能自动把提示词替换成英文
结语
本文简要介绍了 Al 绘画工具 Stable Diffusion 的安装使用，以及如何通过 ControlNet 实现图像的精准控制，如何通过模型加载和自有风格模型训练来控制图像画风。可以说这些技术的出现使得 AI 绘画具备了实际的生产能力，设计师们可以充分利用好这些强大的生产工具来提升设计效率。
联系客服
