Stable Diffusion 文生图教程涵盖 Web UI 界面解析、模型选择策略、Prompt 编写规范与权重调整方法。详细介绍 Euler a、DPM++ 等采样算法对比，以及采样步数对画质的影响。阐述面部修复与高清放大（Hires Fix）的参数配置，包括重绘幅度与放大算法选择。补充分辨率设置原则、随机种子控制机制，并引入 ControlNet 姿态控制与 LoRA 风格微调等进阶技术。帮助初学者系统掌握从基础生成到精细控制的完整流程，实现高质量图像创作。
本节开始正式学习 Stable Diffusion (SD)。我们将基于使用最广泛的 Web UI 界面，重点讲解文生图模块的核心功能与参数配置。
进入 Web UI 后，主界面包含以下核心区域：
模型是训练师通过大量图片训练得到的风格集合。安装后默认通常包含以下类型：
推荐资源：建议前往官方社区或可信的模型托管平台下载。注意检查模型的版本兼容性（如 SD1.5 或 SDXL）。
Prompt 的编写遵循特定范式，直接影响生成效果。
描述画面主体、风格、光照、画质等。例如：
(masterpiece:1.2), best quality, highres, 1girl, solo, detailed face
(keyword:1.2) 表示增加权重，[keyword:0.8] 表示降低权重。masterpiece, best quality 可提升基础画质。排除不良元素，如畸形肢体、低画质等。
(worst quality:2), (low quality:2), (normal quality:2), lowres, bad anatomy, bad hands, text, watermark
常用且推荐的采样器包括：
步数代表生成过程中的迭代次数。一般设置在 20-40 步之间即可达到平衡。过高会增加耗时但收益递减。
当生成全身像时，脸部可能模糊或不自然。开启 Face Restore 可自动优化。
原理是先以低分辨率生成，再放大并重绘细节。
SD 1.5 模型最佳分辨率为 512x512 或其倍数。超出范围可能导致构图崩坏。
为了更精准地控制生成结果，建议掌握以下扩展技术：
允许通过参考图控制姿态、边缘或深度。
轻量级微调模型，用于添加特定画风、角色或服装。
<lora:name:1> 调用。掌握 Stable Diffusion 文生图需要理解模型特性、Prompt 逻辑及参数调节。建议从基础模型入手，逐步尝试高清修复与 ControlNet 等高级功能。持续练习 Prompt 编写与参数组合，是提升出图质量的关键。
注：本文档旨在技术交流，请遵守相关法律法规，合理使用 AI 生成内容。
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