Stable Diffusion 绘画参数设置详解

迭代步数 (Steps)

这是使用Stable Diffusion来绘制图像的步骤数。图像质量和细节随着采样步数的增加而提高，但是会导致生成时间变长。在实际应用中，30 步和 50 步之间的差异几乎无法区分。

建议：二次元20-30步，写实25-35步。

采样方法

为了生成图像，Stable Diffusion 首先在潜在空间中生成一个完全随机的噪声图像，然后在一系列步骤中逐渐减少预测的噪声，这个去噪过程称为采样，因为它在每一步中生成一张新的图像样本。

采样中使用的方法称为采样器或采样方法，不同的采样方法有不同的算法和特性，影响着图像生成的速度和质量。

30种采样算法思维脑图

名字以a或sde结尾的采样器不会收敛，每一步迭代，图像都会发生变化。

如果你追求高质量图像，应该着重考虑达到收敛，这是获得最高图像质量的关键。

建议：

如果想要简单的图，建议选择euler，可以减少步骤以节省时间

如果想快速生成质量不错的图片，建议选择dpmpp_2m (20 -30步)

有些模型的作者在模型的介绍中写了适合该模型的采样方法，这时优先采用作者推荐的采样方法。

调度器

调度器负责控制采样过程中每一步的噪声量，然后采样器按这个量去除噪声。

normal：标准的采样，适合大多情况，稳定和可预测的结果

karras：曲线调度，适用生成高质量图像时

exponential：指数调度，适用于初始阶段快速生成草图

sgm_ uniform：简单均匀调度，适用于对采样质量有一致性要求的任务

ddim_ uniform：ddim均匀调度，与ddim配合使用，不常用

建议：karras 或 normal

高分辨率修复

高分辨率修复选项应用放大算法来放大图像，因为大部分模型的原始分辨率是 512 像素，这个尺寸太小了，但是又不能直接把宽度和高度设置得太高，偏离原始分辨率会影响构图并产生问题，例如生成带有两个头的图像，所以必须先生成512像素的小图，然后把它放大。

建议：随机生成小尺寸图片时关闭高分辨率修复。如果对生成的图片满意，不需要局部重绘时，再开启高分辨率修复，并使用相同的参数再次生成图片。

长宽尺寸

生成图像的尺寸。SD1.5模型是使用 512×512 的图像进行训练的，因此将其设置为太过于长或太过于宽可能会产生意想不到的问题，最佳的范围应在 512 至 768 像素之间。SDXL模型是使用 1024×1024 的图像进行训练的，尺寸范围一般设置在 1024 左右。建议宽和高都是8的倍数。

建议： SD1.5：512X512、512X768，SDXL：1024X1024、1216X832、1280X768

总批次数(batch count)

点击生成按钮后Stable Diffusion生成图像的次数。

建议：根据需要调整。

单批数量(batch size)

每次生成时，同时生成多少张图像。调高这个参数会消耗巨量显存。

建议：中低端显卡使用1。

需要注意：批量生成时指定种子后，第二张图的种子将会是当前种子数+1，第三张以此类推。批量生成时如果指定了种子变异，第二张图的种子不会变，但是种子变异的值将会是当前种子变异数+1，第三张以此类推。

提示词引导系数 (CFG Scale)

图像与提示词的匹配程度，增加这个值将导致图像更接近你的提示，但它也在一定程度上降低了图像质量。

建议：7

随机数种子 (Seed)

随机种子决定了初始的噪声图像，Stable Diffusion会一步一步的去噪，使图像信息变成提示词所描述的事物。如果不使用祖先采样器，相同的种子和相同的其他参数将始终生成相同的图片。

将种子设置为 -1 意味着每次使用一个随机的噪声图像生成。

建议：-1

如果你发现一个很好的种子，固定这个种子，然后尝试修改以下操作，大概率会生成的好看的图片：

调整提示词顺序、修改部分提示词，修改迭代步数 (Steps)，修改采样方法 (Sampler)，修改图片尺寸。

额外的种子选项

勾选随机种子右侧的额外选项，打开额外种子菜单，有4个参数：

差异随机种子：你要使用的附加种子值。

差异强度：随机种子与差异种子之间的平衡程度，设置为 0 则完全使用随机种子值，设置为 1 则完全使用差异种子值。这个功能一般用于生成一组相似的图片。

建议：当你确实喜欢某个图像但不喜欢某个特定细节时，请使用变体种子。

从宽度/高度调整种子大小：即使你使用相同的种子，如果更改了图像尺寸，图像也会发生显着变化。此设置尝试在更改了图像大小时修复图像的内容。调整宽度和高度滑块，给将要生成的图片设置新的尺寸，并在额外种子菜单这里设置原始图像的宽度和高度，将原始种子值放入种子输入框，将变异强度设置为 0 以忽略变异种子。

重绘强度

表示生成前向原图添加的噪声量，噪声越多，生成的图片和原始图片差异越大。