在本篇教程里，我会详细介绍Stable Diffusion的文生图方法。
上期回顾：
一、关于文生图
在 Stable Diffusion 中，有文生图和图生图 2 种画图模式，今天我们先来看看如何运用文生图来绘制我们想要的图片。底下是 Stable Diffusion 文生图界面的基础板块布局，如果你此前更换过主题相关的扩展插件，界面的功能布局可能会有所区别，但主要操作项都是相同的。
Stable Diffusion 基础的操作流程并不复杂，一共就分成 4 步：选择模型—填写提醒词—设置参数—点击生成。通过操作流程就能看出，我们终究的出图结果是由模型、提醒词、参数设置三者共同决定的，缺一不可。其中，模型主要决定画风、提醒词主要决定画面实质，而参数则主要用于设置图象的预设属性。
关于模型需要讲解的实质有很多，我会在后面的文章中单独从事介绍，今天我们重点关注提醒词的写法以及各种设置参数的功能和含义，准备好了吗，底下让我们正式开始吧～
二、提醒词的概念
大伙儿都知道，如今的 AI 工具大多是通过提醒词来操纵模型算法，那究竟什么是提醒词？
对于人类而言，在经过多年的学习和运用后，我们只需简单的几句话便能轻松的沟通和交流。但如今的人工智能还是基于大模型的数据库从事学习，如果只是通过简单的自然语言描述，没有办法做到准确了解。为了更好的操纵 AI，人们逐渐摸索出通过反馈来约束模型的方法，原理就是当模型在执行任务的时候，人类提供正面或负面的反馈来指导模型的行为。而这种用于指导模型的信息，就被统称为 Prompt 提醒词。
如今的 AI 工具都是基于底层大模型从事运用的，提醒词的本质其实是对这个大模型的深入挖掘和微调，我们可以将它简单了解为人类和 AI 沟通的桥梁，因为模型反馈结果的质量在很大程度上取决于用户提供的信息量。当然这个问题主要还是底层大模型训练不够充分的缘故，像现在很多针对特定作风训练的应用级画图模型，即使只有寥寥几个词也能绘制出优美的画作。如今很多企业为此还设立了单独的提醒工程师岗位，在人工智能领域也有单独的一门学科叫做 Prompt Engineering 提醒词工程。
微软官方在最近也推出了一份完整的提醒工程操作指南，感兴趣的朋友可以去深入学习一下：https://github.com/dair-ai/Prompt-Engineering-Guide
对于细分到我们今天要聊的图象生成领域，提醒词就是我们用来调节画图模型的一种方法，通过输入想要的实质和结果，模型就能了解我们想表达的含义，从而实现准确的出图结果。
三、提醒词的基本语法
如今，大部分模型都是基于英文训练，因此输入的提醒词大多只支持英文，中间也会夹杂了各种辅助模型了解的数字和符号。由于 AI 画图无需经历手绘、摄影等流程就能凭空生成图片，国内最早一批 AI 爱好者贴切的将 AI 绘画流程比作施展魔法，提醒词就是我们用来操纵魔法的咒语，参数就是增强魔法结果的魔杖。
1. 基础书写规范
相较于简单易上手的 Midjourney，Stable Diffusion 的咒语上除了 prompt（正向关键词）外，还有 Negative prompt 反向关键词。顾名思义，正向提醒词用于描述想要生成的图象实质，而反向关键词用于操纵不想出现在图象中的实质，比如目前很多模型还无法了解的手部构造，为了避免出现变形，我们可以提前在反向关键词中输入手部相关的提醒词，让画图结果规避出现手的情况。不过目前很多反向提醒词都已经集成到 Embedding 模型中，运用时只需输入模型触发词即可，在后续的文章中我会详细介绍。
前面我们提到 Stable Diffusion 只支持识别英文提醒词，因此大伙儿务必记住全程在英文输入法下从事输入，模型是无法了解中文字符的。但好消息是我们不用像学习英语时那样遵照严格的语法结构，只需以词组形式分段输入即可，词组间运用英文逗号从事分隔。除了部分特定语法外，大部分情况下字母大小写和断行也不会影响画面实质，我们可以直接将不同部分的提醒词从事断行，由此来提升咒语的可读性。
在 Stable Diffusion 中，提醒词默认并不是无限输入的，在提醒框右侧可以看到 75 的字符数量限制。不过不用担心实质过长的问题，作者 A41 大佬提前在 WebUI 中预设好了规则，如果超出 75 个参数，多余的实质会被截成 2 段实质来了解。注意这里表示的并非 75 个英文单词，因为模型是按照标记参数来计算数量的，一个单词可能对应多个参数。
此外，提醒词的实质并非越多越好，过多的提醒词会导致模型在了解时出现语意冲突的情况，难以判断具体以哪个词为准，并且我们的画图流程往往会根据出图结果不断修饰提醒词实质，太多实质也会导致修改时难以精确定位目标关键词。
看到这里，你可能会担心提醒词的编写流程会非常复杂。但实际上，SD 的画图流程是非常自由的。提醒词的作用是引导和辅助模型的画图流程，并非硬性要求，即使你的输入框没有填写任何实质，模型依旧可以为你画出一张图来，甚至可能结果还不错。
但如果想成为专业的魔法师，遵循一套标准的书写规范还是很有必要的：一方面完整且实质丰富的提醒词可以让我们更好的操纵终究出图结果，另一方面在后期微调流程中，也可以快速修改和验证特定关键词对出图结果的影响。
底下我会为大伙儿介绍如何编写一段优雅的魔法咒语。
2. 提醒词的万能公式
一段能被模型清楚了解的好咒语首先应该保证实质丰富充实，描述的实质尽可能清晰。这个流程就像是甲方给我们布置任务，如果只说设计一张图，不说图中放什么，也不提图片是用来干嘛，我们会一脸懵逼无从下手。同理，Stable Diffusion 在绘制图片时需要提供准确清晰的引导，提醒词描述的越具体，画面实质就会越稳定。
在底下的例子中，如果我只是简单的写上「A girl」，对于画面中女孩着装、场景、镜头角度等实质都没有提及，Stable Diffusion 只能根据模型训练时的历史经验自行发挥。得益于模型的强大，我们得到的画图结果都还不错，但如果对画面实质有特定要求，这样抽奖的方式就效率很低了。
在底下的例子中，我们对提醒词实质从事了丰富，描述了具体的场景和画面构图等信息后，出图结果明显稳定了许多。
当然如果每次都是想到什么输什么，画面中可能还是会缺失很多信息，这里给大伙儿分享一下我自己日常平凡运用的提醒词公式，按顺序分别为：主体实质、环境背景、构图镜头、图象设定、参考作风。后续在编写咒语时可以按照一下类目对号入座，会更加规范和易读。当然网络上也有许多其他博主分享的咒语公式，实质都大同小异，只要能满足出图需求即可。
需要注意的是，公式只是参考，并非每次编写咒语我们都要包含所有实质，正常的流程应该是先填写主体实质看看出图结果，再根据自己的需求来做优化调整。
底下我们具体看下每个部分的信息，先说主体实质 ，这里是用于描述画面的主体实质，比如说是人或者动物，人物的着装、表情，动物的毛发、动作等，物体的材质等。一般同一画面中的主体实质不要超过 2 个，Stable Diffusion 对多个物体的组合生成能力较弱，如果对画面实质有特定要求，可以先挨个生成主体素材从事拼合，然后用 controlNet 插件约束从事出图。
其次是环境背景 ，这个很好了解，就是设定周围的场景和辅助元素，比如天空的颜色、四周的背景、环境的灯光、画面色调等，这一步是为了渲染画面氛围，凸显图片的主题。
构图镜头 主要用来调节画面的镜头和视角，比如强调景深，物体位置等，黄金分割构图、中全景、景深。
图象设定 是增强画面表现力的常用词汇，我们经常在一些惊艳的真实系 AI 图片中看到比如增加细节、摄影画质、电影感等词，可以一定程度上提升画面细节。但注意终究图象的分辨率和精细度主要还是由图象尺寸来决定的，而本地运行的 Stable Diffusion 支持的画图尺寸很大程度决定于显卡性能。如果电脑显卡算力跟不上，再多的关键词也弥补不了硬件差距，当然在 Stable Diffusion 中也有一些实现高清建设的小技巧，我会在后面的文章中为大伙儿介绍。
最后就是参考作风，用于描述画面想呈现的作风和情绪表达，比如加入艺术家的名字、艺术手法、年代、色彩等。其实参考作风关键词在 Stable Diffusion 中运用的并不多，日常平凡我们出图，多数情况下都是先选好特定作风的模型，然后根据模型作者提供的触发词强化作风。因为在 Stable Diffusion 中，图象作风基本是由模型决定的，如果此前该模型并没有经过艺术作风关键词的训练，是无法了解该艺术词含义的。
因此，大伙儿如果对图象作风有要求，最好还是直接运用对应作风的模型来画图，会比单纯运用提醒词有效的多。
你可能会奇怪，为什么参考作风的关键词在 Midjourney 中结果会格外明显，这是由基础模型决定的。Midjourney 调用的是官方服务器的超大模型，里面容纳了海量的训练数据，经过包罗万象的 AI 学习后基本各类作风的提醒词都能了解，这也是为什么 Midjourney 如今的出图结果基本都很惊艳的原因。另一个典型的例子就是当我们在 Midjourney 中选择 Niji 模型时，即使加入高保真、3D 等词汇，终究的出图结果也都是二次元画风的原因。
最后再提一点，我们终究的出图结果是由提醒词、画图模型和参数等共同决定的，不同模型对提醒词的敏感度也不同，因此大伙儿尽量结合模型特点灵活操纵提醒词的实质，比如对写实类模型可以多运用真实感等词汇，对二次元作风模型多运用卡通插画等词汇。
四、高阶语法技巧
看到这里，你已经掌握了 Stable Diffusion 提醒词的基础书写规则。但 WebUI 的强大并不止于此，作者“贴心”的为我们预设了很多更加高阶的玩法，掌握这些技巧可以让你更高效的操纵模型出图，底下就是本篇文章的高能部分，记得做好笔记哦～
上图中我为大伙儿整理汇总了 Stable Diffusion 常用语法的格式和功能说明，WebUI 的高阶语法包括：强调关键词、分步绘制、停止绘制、打断提醒词、链接提醒词、交替绘制、提醒词转义，由于是我自己了解后命名的功能，和作者的英文翻译会有部分差异，大伙儿重点关注其语法和实际结果即可。
其中有些字符日常平凡运用频率不高，这里也给大伙儿提供键盘上对应字符按键的位置标注，以作参考。
1. 强调关键词
先来看看强调关键词，这应该是运用最为频繁的语法了。强调关键词是依赖括号和数值来操纵特定关键词的权重，当权重数值越高，说明模型对该关键词更加重视，在运行流程中模型就会着重绘制该部分的元素，在终究成像时图片中就会体现更多对应信息。反之数值越低，则终究图片中对应实质会展示的更少。
操纵关键词的括号共有三种类型：圆括号()、花括号{}和方括号[]，分别表示将括号内关键词的权重调整到原有的 1.1 倍、1.05 倍和 0.9 倍。其中花括号{}日常平凡很少会运用，一般都是用圆括号()和方括号[]。
需要注意的是，这里括号是支持多层叠加的，每层括号都表示乘以固定倍数的权重。
以底下这张图为例，默认情况下女孩的发色会是红色和金色结合成的橘红色，而当「blonde hair」加上表示提高权重的圆括号时，模型对金发部分的绘制会加强，终究图象里就出现更多金色的头发。
反之，「blonde hair」加上表示降低权重的方括号时，金发部分被减弱，模型在绘制时就会优先关注剩下的关键词「red hair」，所以终究图象里出现更多红色的头发。
除了直接加括号外，还有一种更常用的操纵权重方法，那就是直接填写数值。
举个例子，下图默认情况下头发是呈现白、金、红三种颜色，如果我们在「white hair」后面设置权重为 0.9，表示白发部分的权重降低为原来的 0.9 倍，则终究图象里白发部分的绘制会明显降低。
同理，我们增加红发和金发关键词的权重时，对应发色就会被加强。
虽然强调关键词语法支持的权重范围在 0.1～100 之间，但是过高和过低的权重都会影响出图结果，因此建议大伙儿操纵在 0.5～1.5 范围即可。
这里还有个快捷操作的小技巧，就是选中对应关键词后，按住 ctrl+↑ / ↓，可以快速增加和减少权重数值，默认每次修改0.1，可以在设置中修改默认数值。
2. 分步绘制
分步绘制在官方文档中的称呼是渐变绘制，但实际体验下来感觉叫做分步绘制会更好了解。该语法的原理是通过参数来操纵整个绘制流程中用于绘制特定关键词的步数占比，语法格式如下：
关于迭代绘制步数我会在底下的参数设置中详细介绍，这里大伙儿可以通过底下的例子来了解分布绘制语法的功能。
分布绘制可以操纵画面中不同元素的交融比例，在上面的图片中可以看到，随着沙漠在采样迭代步数中占比的提升，接着绘制的森林元素已很难影响画面主体实质，基本都是沙漠元素。
3. 停止绘制
停止绘制和分步绘制的原理相同，都是操纵模型运行时绘制特定实质的步数占比。两者的区别在于：停止绘制只针对画面中单个关键词，并且是先绘制特定元素再移除，字符用的是 2 个冒号。
同样，我们结合底下的案例中来了解停止绘制语法的结果。
结合分步绘制和停止绘制的案例来看，在 Stable Diffusion 中模型绘制图象实质并非按照完美百分比的步骤从事绘制，画面实质在前面 20 步左右时已基本定型，后续的迭代步数更多是丰富细节，基本不会再添加或减少主体实质。
因此，对于需要优先展示的重要实质，大伙儿尽量操纵在迭代前期便开始绘制，否则后续很难在画面中体现。
4. 打断提醒词
打断的语法非常简单，也很好了解，就是在提醒词之间加上关键词【BREAK】，它的作用时打断前后提醒词的联系，在一定程度上减少提醒词污染的情况。
Stable Diffusion 模型在了解提醒词时，并非像人类一样逐字逐句的阅读，而是会结合上下文实质来统一了解，这就导致在运行流程中有时候会出现前后关键词相互影响的情况，也就是我们俗称的污染。
通过加入「BREAK」，可以打断前后提醒词的联系，模型会将前后实质分为 2 段话来了解，以底下这张图为例，可以看到我们在对女孩的服装从事了颜色指定，其中裤子的颜色被领带污染成了红色。而当我们在中间加入「BREAK」后，污染就被解除了，裤子呈现了正确的蓝色。
5. 交融提醒词
交融语法和打断正好相反，是将前后提醒词的实质联系起来，模型在绘制时就会关联前后的元素特征，终究呈现出具备交融图象的特征。它的关键词是「AND」
到这里有的朋友可能会问，模型本身就是将一段提醒词结合起来了解，为什么要额外加上「AND」呢？看完底下这个例子就很好了解了，可以发现如果只是通过逗号分隔，模型绘制时只是简单将黄色和绿色从事填充拼接，而加上「AND」后，模型会将黄色和绿色当作一个词来了解，终究绘制出草绿色。
我们都知道黄色和绿色交融会呈现出草绿色，而模型在训练时有针对该实质从事深度学习，因此当「AND」链接前后关键词后就会将其以草绿色来了解，终究呈现出交融颜色的结果。
交融语法是非常强大的功能，颜色混合是其中一个方面的应用，大伙儿在日常运用时可以灵活尝试。
6. 交替绘制
除了交融外，还有一种语法也可以实现关键词交融的结果，那就是交替绘制。语法格式如下：
这里我们直接运用官方的案例来了解该语法的结果。通过观察迭代流程中的图象结果可以发现，模型在绘制时每一步迭代后都会切换用于绘制的关键词，而在这个流程中图象实质也被逐渐固定，终究呈现出又像牛又像马的交融怪。
虽然同样是交融元素特征，但在原理上交替绘制和交融有本质区别：「交替」每步绘制时只了解单独的关键词，而「交融」是将前后的关键词一起来了解，因此交替终究呈现的结果更多是交融主体实质的画面特征，而无法像交融一样深度了解关键词之间的联系。我们日常平凡在运用时一般主要也是运用交融语法「AND」居多，交替绘制更多是用于绘制比较猎奇的克苏鲁作风图象等。
7. 矩阵排列
最后就是矩阵排列的语法，该语法主要用于实现批量出图的结果，提高画图结果。语法格式如下：
需要注意的是，该语法需要配合提醒词矩阵 Prompt matrix 来运用，开启后按语法输入，模型会将关键词从事矩阵排列，每个组合的提醒词都会生成一张对应的图象，若没有开启则会随机生成其中一张。
在底下的案例中可以看到，通过矩阵排列的提醒词会依次组合生成多张图片。
以上就是我们日常平凡常用的高阶语法啦，当然还有一些偏代码层的语法实质，不过日常平凡用的不多，这里就不一一介绍啦，感兴趣的小伙伴也可以查阅 WebUI 作者整理的原版说明文档：https://github.com/AUTOMATIC1111/stable-diffusion-webui
五、文生图参数设置解析
最后，我们再来看看文生图板块另一个十分重要的部分：参数设置。前面有提到参数的主要作用是设置图象的预设属性，这里的意思是 WebUI 作者将原本 Stable Diffusion 代码层常用于操纵图象的参数从事了提取，通过滑块等可视化表单的方式来从事操控，这样就无需靠输入提醒词来从事操纵，运用起来更加便捷高效。
需要注意的是操纵图象的参数其实有很多，这里只是作者预设的常用操纵项，还有一些控图方法要装载其他脚本插件才能运用，我会在后面的教程中为大伙儿介绍。
底下就跟我一起来看看这些预设项的功能和运用技巧吧～
1. 采样迭代步数 Steps
首先就是我们前面提到的采样迭代步数，在「初识篇」中我们有介绍扩散模型的绘制原理是逐步减少图象噪音的流程，而这里的迭代绘制步数就是噪音移除经过的步数，每一步的采样迭代都是在上一步的基础上绘制新的图片。
理论上来说，迭代步数越高表示去噪的流程越长，终究呈现的图象结果也就越精细，但实际上我们通常将步数都操纵在 40 步以内。首先步数过小会导致图象实质绘制不够完整，很容易出现变形、错位等问题，而步数在迭代到一定次数时画面实质已基本确定（30 步左右），后续再增加步数也只是优化微小细节，此外过高的步数也会占用更多资源，影响出图速度。
因此建议大伙儿日常平凡运用时，将采样迭代步数操纵在 20～30 的范围内即可。
2. 采样方法 Sampler
在之前的文章里我们知道 Stable Diffusion 模型的图象生成器里包含了 U-Net 神经网络 和 Scheduler 采样算法 2 个部分，其中采样算法就是用来选择运用哪种算法来运行图象扩散流程，不同的算法会预设不同的图象降噪步骤、随机性等参数，终究呈现的出图结果也会有所差异。
简单来说，选择采样算法是为了配合图象类型和运用的模型，来达到更佳的出图结果。WebUI 中提供的采样算法有十几项，但我们日常平凡常用的并不多，这里我也查阅了不少资料，发现大伙儿推荐的算法类型并不一致，实际体验发现不同模型下算法的出图结果也不稳定，没有完全适合的固定算法一说。
底下的图中罗列了同一组提醒词下所有的不同采样算法生成的图象对比，可以发现整体出图结果并没有太大差异，在实际运用时，给大伙儿提供以下参考建议：
优先运用模型作者推荐的算法，比如深渊橘的作者最推荐运用的就是 DPM++ SDE Karras。
优先运用带加号的算法，作为优化算法会比不带加号的更加稳定
有选择恐惧症的小伙伴可以优先运用这几个推荐算法：Euler A、DPM+ +2S a Karras、DPM++ 2M Karras、DPM++ SDE Karras
3. 面部建设 Face Restoration
该设置项用于建设绘制流程中经常出现的面部扭曲问题，开启后模型会加强人物脸部的识别结果，因为二次元动漫人物的五官画风多样，算法的识别结果并不明显，该功能主要用于真实摄影类或偏写实的 2.5D 作风人像绘制。
实际上如今大多模型中已加强针对人脸的训练，反而开启面部建设或会对图象生成有一定干扰，所以在模型介绍页有的作者会特意加上避免开启面部建设的备注。
4. 平铺/分块 Tiling
平铺类似 Midjourney 中的 tile 参数，用于绘制重复的花纹或图案纹理，日常平凡用的不多。
5. 宽高设置
宽度和高度很好了解，就是终究生成的图象大小。
我们都知道，在分辨率恒定的情况下，图片的尺寸越大，可以容纳的信息就越多，终究体现的画面细节就越丰富。如果图片尺寸设置的较小，画面实质往往会比较粗糙，这一点在 Stable Diffusion 绘制真实人像、复杂纹理等元素时会格外明显。底下这张图可以看到，同一张图在放大尺寸重新绘制后，画面细节得到了显著提升。
但绘制大图的同时，显卡的运算负担也会加重，画图时间会明显加长，过大的尺寸也容易出现黑图或爆显存等问题。此外，尺寸过大也会导致画面中出现多个人物或肢体拼接等问题。目前 Stable Diffusion 的大多数模型在训练时运用的是 512*512 像素大小图片，少部分会运用 768*768，因此当图象尺寸超出一定范围，比如运用 1536*512，模型在绘制图象时就会将其了解为是由多张图片拼接在一起，从而在一张图内塞入 2～3 张图片的实质，导致出现多人多肢体等问题。
这也是旧版模型的缺点之一，但在最近刚发布的 SDXL 官模中，已经对该问题从事了优化，相信再过段时间就能直接绘制大图了。
当然，以上问题目前也有解决方法，底下的高清建设就是解决方法之一。
6. 高清建设 Hi-Res Fix
高清建设，也叫做高分辨率建设、超分（超分辨率），它是我们日常平凡放大图片运用最频繁的功能之一。日常平凡我们绘制图象，一般都是采用低分辨率先绘制，再开启高清建设从事放大。不同于我们日常平凡的增加图象分辨率，高清建设的本质是从事了一次额外的画图操作。该功能开启后会出现额外的操作栏，下图是简单的操作项介绍。
关于绘制高清大图的方法有很多，我会在后面的文章里从事统一介绍，这里就不再赘述了。
7. 总批次数&单批数量
总批次数和单批数量可以放在一起来看，总批次数可以了解为同一提醒词和设置项下触发几次生成操作，而每单批数量则表示每个批次绘制几张图片，因此总的图片生成数量=总批次数 x 单批数量。该功能主要是为了解决出图效率的问题，类似 Midjourney 中的 repeat 参数。由于模型画图的结果存在很大的不确定性，想获取一张满意的图片往往要尝试多次，所以通过调整生成批次和数量，可以实现 Stable Diffusion 自动跑图，这样就无需每次画图结束后再手动点击生成按钮。
其中，单批数量日常平凡很少会修改，默认都是 1 张，更多时候是设置总批次数。因为每批生成的图片越多，相当于同一时间 Stable Diffusion 要绘制多张图片，其原理等同于绘制了一张大图，对显卡的要求会比较高，还不如每次只生成一张，然后用提高次数的方法来解决。
值得一提的是，调整多批次后，除了正常绘制的每张图，Stable Diffusion 还会生成一张拼在一起的格子图，和 Midjourney 默认的四格图一样。
8. 提醒词相关性 CFG Scale
CFG Scale 是用来操纵提醒词与出图相关性的参数，数值越高，则 Stable Diffusion 画图时会更加关注提醒词的实质，发散性会降低。
该功能支持的数值范围在 0～30 之间，但大多数情况下我们运用的数值会操纵在 7～12 之间，正常情况下保持 7 不动即可。如果 CFG 数值过低或过高，都可能会导致出图结果不佳的情况。
9. 随机种子 Seed
AI 在画图流程中会有很强的不确定性，因为每次绘制时都会有一套随机的运算机制，而每次运算时都对应了一个固定的 Seed 值，也就是我们俗称的种子值。在 Midjourney 中，种子值的随机性达到了 42 亿种可能，也就是说同一套提醒词我们会获得 42 亿种随机结果，当然这和 Midjourney 本身庞大的训练数据库有关系。
而通过固定种子值可以锁定画图结果的随机性，比如我们绘制了一张比较满意的图片时，可以将调用其种子值填写在这里，可以最大程度的保证原图的画面实质。
在右侧有 2 个按钮，点击骰子可以将 seed 重置为默认的-1，也就是随机的状态。回收按钮则是将最后绘制的图片 seed 值固定在这里。
结束撒花
到这里本篇教程就全部结束啦，在今天的文章里我给大伙儿介绍了提醒词的基本语法和书写规则以及一些更高阶的语法技巧，关于文生图的各类参数也从事了介绍。因为里面的不少知识点加入了我自己的了解，可能在表述上有一定差异，如果你有其他建议或想法的话，也欢迎在评论区给我留言～