Stable Diffusion翻译站点

什么是Stable Diffusion（SD）

Stable Diffusion是2022年发布的深度学习文本到图像生成模型，它是一种潜在扩散模型，它由创业公司Stability AI与多个学术研究者和非营利组织合作开发。目前的SD的源代码和模型都已经开源，在Github上由AUTOMATIC1111维护了一个完整的项目，正在由全世界的开发者共同维护。由于完整版对网络有一些众所周知的需求，国内有多位开发者维护着一些不同版本的封装包。开源社区为SD的普及做出了难以磨灭的贡献。

SD最大的特征，就是由于其开源的特性，可以在电脑本地上离线运行。可以在大多数配备至少8GB显存的适度GPU的消费级硬件上运行。笔者推荐显存线是12G。

SD基本概念

大模型：用素材+SD低模(如SD1.5/SD1.4/SD2.1)，深度学习之后炼制出的大模型，可以直接用来生图。大模型决定了最终出图的大方向，可以说是一切的底料。多为CKPT/SAFETENSORS扩展名。

VAE：类似滤镜，是对大模型的补充，稳定画面的色彩范围。多为CKPT/SAFETENSORS扩展名。

LoRA：模型插件，是在基于某个大模型的基础上，深度学习之后炼制出的小模型。需要搭配大模型使用，可以在中小范围内影响出图的风格，或是增加大模型所没有的东西。炼制的时候如果基于SD底模，在不同大模型之间更换使用时的通用性会较好。但如果基于特定的大模型，可能会在和该大模型配合时得到针对性的极佳效果。

ControlNet：神级插件，让SD有了眼睛，能够基于现有图片得到诸如线条或景深的信息，再反推用于处理图片。

Stable Diffusion Web-UI(SD-WEBUI)：开源大神AUTOMATIC1111基于Stability AI算法制作的开源软件，能够展开浏览器，用图形界面操控SD。

秋叶包：中国大神秋叶开发的整合包。由于WEBUI本身基于GitHub的特性，绝大多数时候的部署都需要极高的网络需求，以及Python环境的需求。使用秋叶整合包，内置了和电脑本身系统隔离的Python环境，以及内置了Git，不需要了解这两个软件就可以运行。可以几乎忽视这样的门槛，让更多人能够享受AI出图。

软件部署

软件下载

直接按照下列链接视频的教程下载

或是也可以跟随本文笔者整合的其他资源来下载。

如果链接失效，可以在公众号菜单中获取。

我们先安装启动器的运行依赖，并解压秋叶包本体。

当我们解压好启动器本体的时候，暂时还不要启动，先一起把模型安装了

导入核心数据

下载推荐大模型文件夹中的模型，

并把文件夹里的所有模型放在这个目录下：

\sd-webui-aki-v4\models\Stable-diffusion

同时，还要下载ControlNet模型，

ControlNet模型文件夹里的所有内容，放在这个目录下

\sd-webui-aki-v4\models\ControlNet

最后，需要单独下载LoRA

这些LoRA是笔者为了方便小伙伴们取用改了名的，需要全部放在这个目录下：

sd-webui-aki-v4\extensions\sd-webui-additional-networks\models\lora

当大家上手之后就可以参考这一篇文章，并在【大量模型·LoRA】文件夹中寻找自己想要的LoRA了。

开启软件运行

解压并导入完毕上述数据之后，就可以点开启动器了。

在安装目录下往下拉，找到这个启动器，双击。

再点击右下角的一键启动。

再让这个界面跑一会儿

就可以看到它自动在浏览器中打开了一个新的网页，就算是启动成功了。

stable diffusion 详细视频教程：