Stable Diffusion是一款生成高质量图像的工具，生成的图像还很逼真。本文作者对这款软件的使用方法及功能进行了详细地介绍，希望能帮助到你的工作。

　　Stable Diffusion是一个文本到图像的潜在扩散模型，这个数据库拥有从互联网上抓取的 58 亿「图像-文本」数据，它可以生成包括人脸在内的任何图像，这些图像可以是逼真的，如相机拍摄的图像，也可以是艺术风格，就像由专业艺术家制作一样。

　　Prompt内输入的东西就是你所构思的场景，Negative prompt 内输入的就是你不希望在图中包含的。两个输入口只能输入英文半角，词语之间使用半角逗号隔开；一般越靠前权重越高（还是得多试）。

　　生成高质量图像的快捷方式是反复尝试调节现有描述。灵感收集可以从C站或者Midjourney热图，选择您喜欢的图像，然后学习不同作者的描述特点/方法论。

　　在寻找灵感收集人像Prompt时需可以注意Lora模型以及对应的Base Model，lora权重一般0.6-0.8（冒号后边）。

　　Emoji、颜文字 Emoji (💰👨👩🎅👼🍟🍕) 表情符号也是可以使用并且非常准确的。因为 Emoji 只有一个字符，所以在语义准确度上表现良好。关于 emoji 的确切含义，可以参考，同时 Emoji 在构图上有影响。

　　CFG越小细节越少，CFG越高自由度越多（更飞）；通常7-12，更丰富可以12-20，写实（也可以是用ControlNet时越接近原图）可以4-7，通过0.5为步微调。

　　image2image中Denoising strength是添加噪点的强度。也是类似噪点强度越高，AI的创作空间就越大，出图也就和原图越不相似。一般来讲阈值是 0.7 左右，超过 0.7 和原图基本上无关，0.3 以下就是稍微改一些。实际执行中，具体的执行步骤为 Denoising strength * Sampling Steps。

　　随机写一个参数（*-1是随机效果）可以再次使用该参数生成效果进行微调，也就是同一个Seed生成的图一般是一致的。

　　可以搭配服用，比如controlnet0用某张图的风格style, congrolnet1要处理的图（比如人像），这样生成的图既保持1的人像，又使用0的风格样式。

　　带 Normal一般用于物体细节，它是法线贴图图像，会一定程度上保留物体内部的细节，比如衬衫褶皱。

　　在controlnet区域放上需要进行局部调整的图片，点击inapint预设，在需要调整的图片上进行涂抹，并在描述区域写上你的预期效果。

　　Control Weight：相对于提示给予控制图的强调程度。它类似于提示中的关键字权重，但适用于控制图。对于二维码、文字相关建议数值调整为0.4-0.65。这里数值越大，图案就会越明显，但相对的，文字和图片的融合度也会越差。可以自己多试，比较复杂的文字为了出效果可以调高点，简单的图案可以调低点。

　　Ending Control Step这个参数建议0.6-0.75，代表着ControlNet什么时候停止介入，**数值越大后面留给模型处理融合的时间就越少，文字融合度就会变差，**数值越小模型介入过早就会破坏已有的结构导致看不清文字。也得多尝试，跟你图案的复杂程度也有关系。

　　*文字光效或者将二维码合成在衣服上的图最近火遍即刻，看了归藏老师的文章，效果图主要是ControlNet的应用，具体可以见微信公众号。

　　很喜欢王建硕老师说的「不要把研究AI新闻当成研究AI」，如果有时间可以从最简单的prompt开始学起，真正在业务中去实践，比如效果图光线太暗、背景太花等，这是「需求驱动」的意义，最终需要磨很多次才能有好的呈现。