介绍在 Stable Diffusion WebUI 环境中集成 DeepDanbooru 实现动漫标签自动生成的方法。涵盖 Docker 与本地部署方式、参数调优策略、批量处理脚本及性能优化技巧。通过自动化标签提取与 Prompt 生成，提升 AI 绘画创作效率与质量，适用于个人创作及企业级图像生成流程。
在 AI 绘画领域，精准描述复杂动漫画面是创作痛点。DeepDanbooru 能自动分析图像内容，输出高度结构化的二次元风格标签（Tags），从发色、服饰到构图特征一应俱全。当与 Stable Diffusion 3.5 FP8 这类模型结合时，可实现高质量内容的高效生产。
本文介绍 SD WebUI 环境下 DeepDanbooru 的集成与优化，基于 SD3.5-FP8 模型，探讨从部署、参数调优到批量自动化的工作流设计。
不同于通用图像识别模型，DeepDanbooru 的核心优势在于其训练数据来源——Danbooru 图站数百万张带有精细标注的动漫图像。这些标签覆盖人物属性（如'蓝发双马尾'）、服装细节（'哥特风褶边裙'）、动作姿态（'侧身跳跃'）乃至艺术风格（'赛璐珞渲染'），形成了一个高度专业化的语义体系。
更重要的是，它的输出格式天然适配 Stable Diffusion 的 Prompt 结构。例如：
1girl, solo, long hair, blue hair, yellow eyes, school uniform, pleated skirt, white shirt, red ribbon, smiling, looking_at_viewer
这类序列化标签可直接作为正向提示词输入，显著增强模型对复杂场景的理解能力。尤其在处理多角色互动、特定服装组合或小众审美风格时，人工难以穷举的细节往往能被 DeepDanbooru 准确捕捉。
将 DeepDanbooru 部署于 Stable Diffusion 3.5 FP8 环境，形成了一套性能与精度兼顾的技术栈：
| 特性 | 效果 |
|---|---|
| FP8 量化推理 | 主模型显存占用降至 7–8GB，推理速度提升 40%+ |
| 共享运行时环境 | DeepDanbooru 可复用相同的 GPU 上下文，减少切换开销 |
| 高分辨率支持 | 支持 1024×1024 输入图像分析，保留更多细节信息 |
这使得在消费级显卡（如 RTX 3060/4090）上也能流畅完成'图像分析 → 标签生成 → 高清出图'的完整流程。
对于追求稳定性和隔离性的用户，官方提供的 Docker 镜像是首选方案。它预装了 FP8 支持所需的全部依赖，避免本地环境冲突。
docker pull stabilityai/stable-diffusion-3.5-fp8:latest
docker run -it \
--gpus all \
-p 7860:7860 \
-v ./models:/app/models \
-v ./outputs:/app/outputs \
stabilityai/stable-diffusion-3.5-fp8 \
--listen --enable-insecure-extension-access --api
该命令会自动挂载本地 models 和 outputs 目录，便于后续管理模型和结果文件。容器启动后访问 http://localhost:7860 即可进入 WebUI 界面。
⚠️ 注意事项：
首次运行需确保有足够磁盘空间（至少 15GB）
若网络受限，建议提前下载
.safetensors模型并放入对应路径启动参数中
--api是启用外部调用的关键，不可省略
若你已在使用 AUTOMATIC1111 的 stable-diffusion-webui，可通过以下步骤接入 FP8 模型与 DeepDanbooru：
cd stable-diffusion-webui # 下载 FP8 模型
wget -O models/Stable-diffusion/stable-diffusion-3.5-fp8.safetensors \
https://huggingface.co/stabilityai/stable-diffusion-3.5-large/resolve/main/sd3.5_large_fp8.safetensors
# 启动服务（启用 API 与扩展权限）
./webui.sh --precision fp8 --listen --api --enable-insecure-extension-access
✅ 建议使用 nightly 分支以获得最佳兼容性，部分旧版本可能存在 FP8 解码异常问题。
尽管 DeepDanbooru 已集成至主流 WebUI 发行版，但仍需手动触发模型下载或进行离线部署。
model-resnet_custom_v3.pt（约 2.1GB）mkdir -p models/torch_deepdanbooru
wget -O models/torch_deepdanbooru/model-resnet_custom_v3.pt \
https://github.com/AUTOMATIC1111/TorchDeepDanbooru/releases/download/v1/model-resnet_custom_v3.pt
验证是否成功的方法很简单：上传一张典型的动漫图（如角色立绘），选择 'DeepDanbooru' 作为分析器，点击 'Interrogate'。正常情况下应在几秒内返回一组结构清晰的英文标签。
DeepDanbooru 的表现并非一成不变，合理的参数配置可显著提升输出质量。以下是几个关键设置及其工程意义。
| 参数名 | 推荐值 | 作用 |
|---|---|---|
score_threshold | 0.35–0.6 | 控制标签置信度阈值，过滤低概率项 |
use_spaces | True | 将下划线替换为空格（如 blue_hair → blue hair），提高可读性 |
escape | True | 转义括号、冒号等特殊字符，防止语法错误 |
sort_alpha | False | 保持按置信度排序，而非字母顺序 |
return_ranks | False | 关闭概率输出，仅返回纯净标签串 |
路径：Settings → Interrogate → DeepDanbooru Settings
固定阈值难以适应所有场景。例如，单人头像需要高精度识别，应设为 0.55–0.65；而多人插画因元素密集，宜降低至 0.35–0.45 以保留上下文信息。
为此，我们可以引入图像复杂度评估机制：
import cv2
import numpy as np
from PIL import Image
def calculate_complexity(image: Image.Image) -> float:
"""基于边缘密度估算图像复杂度"""
gray = cv2.cvtColor(np.array(image), COLOR_RGB2GRAY)
edges = cv2.Canny(gray, 100, 200)
return np.sum(edges) / (image.width * image.height)
def get_dynamic_threshold(image: Image.Image, base=0.5):
complexity = calculate_complexity(image)
if complexity > 60: # 复杂构图
return max(0.3, base - 0.15)
elif complexity < 20: # 简洁画面
return min(0.7, base + 0.15)
return base
此函数可用于脚本化处理流程中，实现'越复杂越宽容'的智能判断逻辑。
创建 models/deepbooru/filter.txt 文件，每行写入一个需屏蔽的标签：
rating:general rating:sensitive artist_name comic manga
也可通过正则表达式匹配模式（需修改源码支持）：
.*text.* chibi.* underwear
修改后需重启 WebUI 或点击 'Reload' 按钮生效。
这种机制特别适用于训练 Textual Inversion 或 LoRA 模型时的数据清洗，避免无关标签污染 embedding 空间。
示例输出：
1girl, solo, long hair, blue hair, yellow eyes, school uniform, pleated skirt, white shirt, red ribbon, smiling, looking_at_viewer
进一步优化可加入权重修饰符：
(masterpiece, best quality), 1girl, blue hair, school uniform, (smiling:1.2), [city_background:0.8]
适用于无需联网、完全可控的批量任务：
import os
from PIL import Image
from modules import shared
from modules.deepbooru import deepbooru_model
INPUT_DIR = "input_images"
OUTPUT_DIR = "output_tags"
os.makedirs(OUTPUT_DIR, exist_ok=True)
if not hasattr(shared, 'deepbooru') or shared.deepbooru is None:
shared.deepbooru = deepbooru_model.DeepDanbooru()
shared.deepbooru.load()
shared.deepbooru.start()
for filename in os.listdir(INPUT_DIR):
path = os.path.join(INPUT_DIR, filename)
if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.webp')):
try:
img = Image.open(path).convert("RGB")
tags = shared.deepbooru.tag(img)
txt_path = os.path.join(OUTPUT_DIR, f"{os.path.splitext(filename)[0]}.txt")
with open(txt_path, "w", encoding="utf-8") as f:
f.write(tags)
print(f"[✓] Processed: {filename}")
except Exception as e:
print(f"[✗] Failed: {filename} | Error: {str(e)}")
shared.deepbooru.stop()
运行命令：
python batch_interrogate.py
适用于分布式部署或多节点协同：
import requests
import base64
import os
from io import BytesIO
from PIL import Image
API_URL = "http://localhost:7860/sdapi/v1/interrogate"
def interrogate_image(image_path, threshold=0.45):
with Image.open(image_path) as img:
buf = BytesIO()
img.save(buf, format='PNG')
img_b64 = base64.b64encode(buf.getvalue()).decode('utf-8')
payload = {
"image": img_b64,
"model": "deepdanbooru",
"threshold": threshold
}
response = requests.post(API_URL, json=payload)
if response.status_code == 200:
return response.json().get("caption", "")
else:
raise Exception(f"API Error: {response.text}")
# 批量处理
for name in os.listdir("input_images"):
path = os.path.join("input_images", name)
if path.lower().endswith(('.png', '.jpg')):
try:
tags = interrogate_image(path, threshold=0.4)
with open(f"tags/{name}.txt", "w") as f:
f.write(tags)
except Exception as e:
print(f"Error processing {name}: {e}")
| 平台 | 推荐参数 |
|---|---|
| NVIDIA GPU | --xformers --precision fp8 |
| Apple Silicon | --use-metal-performance-shaders |
| AMD GPU (Windows) | --backend directml |
| CPU Only | --use-cpu all --opt-split-attention |
修改 modules/deepbooru.py 中模型初始化部分：
# 修改前
self.model.load_state_dict(torch.load(model_path, map_location="cpu"))
# 修改后
if torch.cuda.is_available():
self.model = self.model.half().cuda() # 使用 FP16 加速
对于非超高精度需求，可将图像缩放至 384×384：
pic = images.resize_image(2, pil_image, 384, 384) # 原默认为 512
if hasattr(torch, 'compile'):
self.model = torch.compile(self.model)
💡 在支持的环境下可提速 20%-30%，但首次编译会有延迟。
为频繁访问的图像添加哈希缓存：
import hashlib
import os
CACHE_DIR = "cache/deepbooru"
def cached_tag(dd_model, image: Image.Image):
os.makedirs(CACHE_DIR, exist_ok=True)
img_bytes = image.tobytes()
key = hashlib.md5(img_bytes).hexdigest()
cache_file = os.path.join(CACHE_DIR, f"{key}.txt")
if os.path.exists(cache_file):
with open(cache_file, "r") as f:
return f.read()
tags = dd_model.tag(image)
with open(cache_file, "w") as f:
f.write(tags)
return tags
在批量处理相似图像集（如角色不同表情）时，此机制可节省大量重复推理时间。
| 问题现象 | 可能原因 | 解决方案 |
|---|---|---|
| 标签为空或极少 | 阈值过高 / 图像非动漫风格 | 降低阈值至 0.3；确认为二次元图像 |
错误识别为 1girl | 模型误判风景图为人物 | 提高阈值 + 添加 solo, 1girl 到 filter.txt |
ModuleNotFoundError: tqdm | 依赖缺失 | pip install tqdm |
CUDA out of memory | 显存不足 | 启用 Low VRAM 模式或改用 CPU |
| 模型无法下载 | GitHub 访问受限 | 手动下载 .pt 文件并放入指定目录 |
| API 返回 404 | 未启用 API | 启动时添加 --api 参数 |
denoising_strength=0.6，保留结构与风格示例 Prompt：
(masterpiece, best quality), 1girl, blue hair, futuristic armor, glowing eyes, sci-fi background, {{tags_from_deepbooru}}
这种方法可在保留原始角色特征的同时，实现跨风格重绘（如从校园制服转为机甲战士）。
DeepDanbooru 可为训练集图像自动生成统一格式标签：
input/
chara1.png
chara2.png
→ output/
chara1.txt
chara2.txt
这些标签可用于监督 embedding 训练过程，显著提升概念一致性与收敛速度。尤其在训练个性化角色或风格模型时，自动化标签极大减少了前期准备工作量。
DeepDanbooru 与 SD3.5-FP8 的组合，标志着 AI 绘画正从'实验探索'迈向'工业化生产'。未来的发展可能集中在以下几个方向：
deepbooru-tiny，可在移动端或浏览器端运行该技术栈可支撑高质量动漫图像的规模化生产。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online