本文介绍了 Stable Diffusion 的基础知识，涵盖环境配置、文本指令构成、参数设置、模型选择及插件应用。内容详细解析了 WebUI 界面中的正面与负面提示词、采样方法、迭代步数、CFG 值等关键参数，并区分了大模型、LoRA 和 VAE 的作用。此外，文章还补充了 ControlNet 插件的功能说明及新手最佳实践建议，旨在帮助初学者快速掌握 AI 绘画的核心流程与技巧，提升生成图像的可控性与质量。
关于 AI 绘画，很多人在体验了 Midjourney（以下简称 MJ）之后，发现它创意能力很强，但可控性比较弱，不便应用，于是转向 Stable Diffusion（以下简称 SD），但又发现 SD 貌似很复杂。本文旨在帮助新手快速认识 SD，理解其核心逻辑。
AI 绘画的算法工具，如果要做一个不一定准确的类比，可以说 MJ 是类似 AI 美图秀秀般的存在，简单易上手；SD 则类似 Photoshop，同样是图片处理，但学习起来要复杂一些，精通相对更难。
Stable Diffusion 的直译是'稳定的扩散'。很多教程一开始就讲'扩散'原理，讲一大堆运行逻辑，令人望而生畏。实际上，我们只需知道它是一个 AI 画图算法工具即可，就像母鸡可以产蛋，但普通用户并不需要研究母鸡的生殖构造和产蛋原理。
SD 目前需要在电脑中工作。在使用 SD 之前，首先要了解它的使用环境。
SD 和 MJ 一样可在线使用，不同的是 SD 是开源的。如果条件允许的话可考虑在本地部署，完全免费，可以非常灵活地配置各种模型等，但对本地硬件要求比较高。
对软件环境也有要求，例如配置 Python 等。听起来好像很麻烦，实际不然，目前已有各种一键安装包，小白都可轻松安装。在线部署的服务商也会提供具体教程，如阿里云的 SD 部署，这里不做多讲。
ChatGPT 也好，AI 绘画也好，都属于生成式 AI，这类 AI 目前有一个特点，需要人工输入指令去引导它工作。你提出的'问题'，就是使它工作的指令。
AI 绘画和 ChatGPT 不同的是，不需要提问，但需要你告诉它，你要画什么东西。用过 MJ 的朋友应该非常理解这个动作，例如，MJ 用户需要它画一个女孩，只需要输入对应的英文'A girl'即可。
在 SD 中，这种方式可行吗？当然可以。但和 MJ 这种一句话搞定的方式不同，SD 的绘画指令和参数明确由多个部分组成，看似繁多但不复杂，也比较容易理解。
这些指令主要属于文本指令，是'文生图'方式。SD 还支持同时使用文本 + 样图，去生成图片或对图片进行修改，这种是'图生图'方式。
SD 的所有绘画指令，在一个的操作界面（WebUI）中完成，界面主体由几个部分组成。
包含 2 个部分：你想画什么（正面描述）、你不希望画面出现什么（负面/反面描述）。
这种指令，和 MJ 是大体相同的，只不过在 MJ 中需要用一句话讲完，而在 SD 中，要在不同的输入框中分开填写，更加直观。比如说，你希望画'一个漂亮的 18 岁的女孩'，这是一个正面描述；你希望这个女孩不要出现'多余的手指'，这是一个反面描述。只需要在对应的输入框中填入即可。
文本指令是非常重要的部分，描述得清晰不清晰，出来的画面大相径庭。
无需一听'参数'二字就觉得麻烦，就是一个简单的设置。在 SD 中，基础参数设置主要包括以下几个地方：
这个名词的原本含义解释起来比较拗口，但你可以将它理解为不同的图像渲染方式。不同的采样方法有不同的特长。
这个步数值影响图像的细节，一般来说，建议 20 起步，越大代表图像越精细，但并不是越大越好，需要在实践中结合不同的模型去观察。区间在 20-40 比较常见。
这里常用的是'面部修复'和'高清修复'两个选项。
但需要指出的是，放大的尺寸并非无限，普通配置的电脑，长宽放大到 1500*1500 几乎已是极限，而且，放大的图片和小图风格一致但细节有差别，这个可以在实践中对照。
最容易理解的一个选项，根据需求设定分辨率。
这 2 个数值很考验显卡计算能力，以 8G 显存为例，建议批次设置为 3（一次生成 3 批），每批数量为 1，总共 3 张图片。每批数量的值越大，对显卡的压力越大，一般建议保留默认数值 1。
需要指出的是，即使所有的设置一样，在不同的显卡下，生成图片的细节差别可能会比较大。
模型选择实际上也属于'指令'的组成部分，这里单列出来说。模型是 AI 绘画中一个基础设施，决定生成画面的元素、风格、画风等。有些像 PPT 一样，你采用不同的模板，呈现的就是不同的画面风格。
从上图操作界面中可以看到，常用模型主要有以下几种：
指 SD 绘图的基础模型，也叫底模。SD 必须搭配大模型才能使用。大模型决定画面的主要风格，不同的大模型擅长的领域会有侧重，比如，有些擅长画漫画，有些是真人、建筑、国风等。
常用的主要指 LoRA 模型，属于微调模型，必须结合大模型使用，通过不同的权重影响画面特征。有人说，大模型相当于素颜，小模型相当于化妆，在某种程度上的确可以这么理解。 LoRA 模型由于训练简单效果显著，得到广泛应用，但这种小模型并不是必须的，很多大模型本身就带有很好的'化妆'效果。所不同的是，小模型和大模型同时使用的时候，可以调整出大模型无法达到的叠加优化效果。
可以理解为滤镜，用于调节和美化。同样的，它也不是必须的，依据个人绘画需要决定是否采用。也有例外，个别大模型由于训练效果等问题，会明确提示要结合 VAE 使用。
Embeddings、Hypernetworks、LyCORIS、DreamBooth（微调大模型）模型，这些对初学者来说，很少有机会用到，以后再讲。
要达到比较好的画面效果，必须通过训练得到绘画模型。初学者更多的是使用别人训练好的。网上有大量免费共享模型，熟练使用之后，也可以自己训练私有模型。模型训练需要较好的硬件支撑，以及一些高质量的训练素材等。
在一些时候，单纯依靠文本指令，并不能画出我们想要的画面，这个时候就需要使用 SD 插件。插件是 SD 绘画可以进入应用层面的、非常重要的一个部分。
SD 目前最常用、最强大的插件，一般认为是 ControlNet 插件。它可以控制人物表情、姿势、手势等，可以识别景深、线条，并生成文本指令无法实现的要素。IPAdapter 也是近年来流行的插件，主要用于保持角色一致性。
这种的插件，意味着 SD 绘画拥有较高的'可控性'能力。这是其它 AI 绘画工具目前无法比拟的，也意味着其更加接近商业层面的应用。
了解了上述主要界面元素和指令之后，对 SD 生成图片基本就算是有了一个基础认识。大家也可以看到，它虽然指令和参数比较多，但理解起来并不困难。
为了进一步提升使用体验，以下是一些针对新手的补充建议：
cinematic lighting, octane render）、质量词（如 masterpiece, best quality）以及构图词（如 wide angle, portrait）。low quality, bad anatomy, extra fingers, deformed hands 等。--medvram 启动参数来优化显存占用。最后小结一下，SD 的文生图绘画指令从整理开看，主要包含了以下内容：
AI 绘画技术正处于快速发展阶段。随着人工智能技术的不断进步，AI 绘画将在游戏、设计、影视等领域得到更广泛的应用。对于创作者来说，掌握 SD 的核心逻辑和工具链，将有助于更高效地实现创意。未来，AI 技术将继续与人类创造力紧密结合，在更多的领域得到广泛应用。
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