国内较好用可以替代Midjourney或Stable Diffusion的图像生成工具有哪些

以下是 Stable Diffusion 的相关信息： Stable Diffusion 系列资源： SD 1.4 官方项目： SD 1.5 官方项目： SD 2.x 官方项目： diffusers 库中的 SD 代码 pipelines： SD 核心论文： SD Turbo 技术报告： 教程目录： 1. Stable Diffusion 系列资源 2. 零基础深入浅出理解 Stable Diffusion 核心基础原理 2.1 通俗讲解 Stable Diffusion 模型工作流程（包含详细图解） 2.2 从 0 到 1 读懂 Stable Diffusion 模型核心基础原理（包含详细图解） 2.3 零基础读懂 Stable Diffusion 训练全过程（包含详细图解） 2.4 其他主流生成式模型介绍 3. Stable Diffusion 核心网络结构解析（全网最详细） 3.1 SD 模型整体架构初识 3.2 VAE 模型 3.3 UNet 模型 3.4 CLIP Text Encoder 模型 3.5 SD 官方训练细节解析 4. 从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画（全网最详细讲解） 4.1 零基础使用 ComfyUI 搭建 Stable Diffusion 推理流程 4.2 零基础使用 SD.Next 搭建 Stable Diffusion 推理流程 4.3 零基础使用 Stable Diffusion WebUI 搭建 Stable Diffusion 推理流程 目前 Stable Diffusion WebUI 可以说是开源社区使用 Stable Diffusion 模型进行 AI 绘画最热门的框架。是 AI 绘画领域最为流行的框架，其生态极其繁荣，非常多的上下游插件能够与 Stable Diffusion WebUI 一起完成诸如 AI 视频生成，AI 证件照生成等工作流，可玩性非常强。接下来，咱们就使用这个流行框架搭建 Stable Diffusion 推理流程。首先，我们需要下载安装 Stable Diffusion WebUI 框架，我们只需要在命令行输入如下代码即可。安装好后，我们可以看到本地的 stablediffusionwebui 文件夹。下面我们需要安装其依赖库，我们进入 Stable Diffusion WebUI 文件夹，并进行以下操作。和 SD.Next 的配置流程类似，我们还需要配置 Stable Diffusion WebUI 的 repositories 插件，我们需要运行下面的代码。如果发现 repositories 插件下载速度较慢，出现很多报错，don't worry，大家可以直接使用 Rocky 已经配置好的资源包，可以快速启动 Stable Diffusion WebUI 框架。Stable Diffusion WebUI 资源包可以关注公众号 WeThinkIn，后台回复“ WebUI 资源”获取。 4.4 零基础使用 diffusers 搭建 Stable Diffusion 推理流程 4.5 Stable Diffusion 生成示例 5. Stable Diffusion 经典应用场景 5.1 文本生成图像 5.2 图片生成图片 5.3 图像 inpainting 5.4 使用 controlnet 辅助生成图片 5.5 超分辨率重建 6. 从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型（全网最详细讲解） 6.0 Stable Diffusion 训练资源分享 6.1 Stable Diffusion 模型训练初识 6.2 配置训练环境与训练文件 6.3 SD 训练数据集制作 6.4 Stable Diffusion 微调（finetune）训练

Stable Diffusion（简称“SD”）的运行对电脑配置有一定要求。对于 Windows 系统： 显卡：必须是 NVIDIA（俗称 N 卡）。 专用 GPU 内存：4GB 勉强可以跑动 SD，出图时间较长；6GB 出一张图时间为 20 50 秒，大部分功能可用；8GB 5 20 秒出一张图，所有功能基本开放。 电脑运行内存：8GB 以上。 电脑系统：Win10 或者 Win11。 对于 Mac 系统，可以查看以下视频进行一键安装：https://www.bilibili.com/video/BV1Kh4y1W7Vg/?spm_id_from=333.788&vd_source=6f836e2ab17b1bdb4fc5ea98f38df761 但具体 MacBook 13 是否能运行及配置是否足够，还需根据上述标准进行对照检查。

Stable Diffusion 与大模型的关系如下： 与其他大模型相比，Stable Diffusion 让用户使用消费级显卡就能实现文生图，且完全免费开源，代码在 GitHub 公开可拷贝使用。 在公众传播层面，AIGC 指用 Stable Diffusion 或 Midjourney 生成图像内容，后来泛指用 AI 生成音乐、图像、视频等内容。LLM 指 NLP 领域的大语言模型，如 ChatGPT。GenAI 是生成式人工智能模型，涵盖了 LLM 和 AIGC。 Stable Diffusion 原采用 LDM+UNet，后来改为 DiT。Transformer 是公众传播中常用名词的底层结构，其底层是 function loss 损失函数，是一个大参数（千亿级别）的回归方程，能在一定 prompt condition 下，重复曾经出现的数据内容实现“生成”能力。 大语言模型是一个 perfect memory，能重复曾经出现的内容，其智能体验在于能解释两个数据集压缩后的“连续”能力。与 Alpha Go 不同，Alpha Go 是增强学习模型，学习结果会调整自身参数，有推理能力，而大语言模型在推理方面较弱。Transformer 决定 LLM 是一个生成式模型。

Stable Diffusion 是一种图像生成模型，而 ComfyUI 是一个基于节点流程式的 Stable Diffusion AI 绘图工具 WebUI。 ComfyUI 具有以下特点和相关知识： 工作流定制：通过将 Stable Diffusion 的流程拆分成节点，实现更加精准的工作流定制和完善的可复现性。 核心组件： UNET：从噪音中生成图像的主要组件，在预测过程中通过反复调用，将其预测输出的 noise slice 从原有的噪声中去除，得到逐步去噪后的图像表示。Stable Diffusion Model 的 UNET 包含约 860M 的参数，以 float32 的精度编码大概需要 3.4G 的存储空间。 CLIP：将用户输入的 Prompt 文本转化成 text embedding，UNET 进行迭代降噪，在文本引导下进行多轮预测。 存放路径：ComfyUI 的 Checkpoint 存放路径为 models/checkpoints/，包括 SD 基础预训练模型，如 SD1.5、SDXL 以及 SD 微调模型。 模型实例：如【majicMIX realistic 麦橘写实 V7】by 麦橘 MERJIC sd1.5 微调、【LEOSAM HelloWorld 新世界】by LEOSAM 是只兔狲 SDXL 微调。 训练方法：如 DreamBooth，by Google。 格式：EMAonly & pruned 和 Full，EMAonly & pruned 只画图，Full 可画图和微调训练。 在与 Blender 结合方面： 安装：先安装稳定版 Blender（可从网盘下载或在 Steam 平台下载），然后安装无限圣杯的插件。进入“偏好设置”——插件——选择“安装”，找到“无限圣杯节点工具”里面的压缩包进行安装，安装好之后打上勾。接着更改 ComfyUI 路径为电脑中的地址，并选择适合自己的显存模式。安装完成后重启。 使用：打开软件，编辑器类型中出现“ComfyUI Node”，点击进入 ComfyUI 界面，先点击上方的“新建”按钮，然后展开右侧的 N 面板可以看到无限圣杯的界面。

以下是一些提升 Stable Diffusion 模型训练效果的方法： 1. 理解核心原理： 与 GAN 等生成式模型相比，SD 模型学习拟合训练集分布，训练过程更稳定且泛化性能更强，这归功于其核心的前向扩散过程和反向扩散过程。 前向扩散过程是对图像持续添加高斯噪声直至变成随机噪声矩阵，反向扩散过程则是去噪声直至生成图像。 2. 掌握训练全过程： 训练具体过程是对每个加噪和去噪过程进行计算，从而优化 SD 模型参数。包括从训练集中选取加噪过的图片和噪声强度输入到 UNet 中，让其预测噪声，计算预测噪声与真实噪声的误差，最后通过反向传播更新 UNet 的参数。 完成 UNet 的训练后，可对噪声图片进行去噪，逐步重建出有效图像的 Latent Feature。 3. 利用语义信息控制图片生成： SD 模型生成图片时输入的 prompt，其语义信息通过注意力机制影响图片生成。在训练中，每个训练样本对应标签通过 CLIP Text Encoder 输出 Text Embeddings，并以 Cross Attention 的形式与 UNet 结构耦合，使图片信息与文字信息融合训练。 4. 微调训练参数： train_text_encoder：设置是否在训练时对 Text Encoder 进行微调。 lr_scheduler：设置学习率调度策略，如 linear、cosine 等。 lr_warmup_steps：在启动学习率调度策略前，先固定学习率训练的步数。 debug_dataset：训练时对数据进行 debug 处理，防止破损数据中断训练进程。 in_json：读取数据集 json 文件，其中包含数据名称、标签、分桶等信息。 train_data_dir：读取本地数据集存放路径。 dataset_repeats：整个数据集重复训练的次数，可根据数据量级进行设置。 shuffle_caption：设置为 true 时，对训练标签进行打乱，能一定程度提高模型的泛化性。

很抱歉，目前我无法直接使用 StableDiffusion 为您生成这幅画。但您可以通过以下步骤来实现： 1. 准备好 StableDiffusion 软件，并确保您的计算机满足其运行要求。 2. 了解 StableDiffusion 的相关设置和参数调整方法。 3. 在输入描述中详细准确地描述您想要的画面，如“钻井现场，旁边的风景很优美，以柳江盆地的地形和风景为主”，同时可以补充更多细节，比如光线、色彩、物体的具体特征等，以获得更符合您期望的结果。 希望这些信息对您有所帮助。

以下是关于 Midjourney 提示词的相关内容： 1. Midjourney V6 更新风格参考命令 2.0 中，将“sref”和 URL 添加到提示的末尾，可利用风格参考图像的视觉风格创建新图像。新提示本身不应包含美学内容，这有助于“sref”的执行。例如：“A young man stands at the edge of the forest cliff, looking over the ocean below.sref https://s.mj.run/9DFZsjKwkyE v 6.0”。 2. 高质量的 Midjourney 绘图提示词可总结为“形容词+主语+环境+行为+构图+参考风格+渲染程度+后缀”的公式。对人物、环境、摄影灯光等描述越详细，最终效果越接近期望。 3. 若有疑问或需要帮助，可使用“/help”显示基本信息和提示，“/ask”获取问题答案。更多帮助可访问 Midjourney Discord 上的“trialSupport”频道。Midjourney Bot 通过输入指令交互，指令用于创建图像等操作。提示是生成图像的短文本短语，Bot 将其分解为标记与训练数据比较生成图像。精心制作的提示有助于生成独特图像。Bot 频道是允许处理斜杠指令的 Discord 频道，官方 Midjourney Discord 上的某些频道属于 Bot Channels。网站原文请查看：https://docs.midjourney.com/docs/quickstart

以下是一些免费的图像生成工具： 1. Stable Diffusion（SD）：一种 AI 图像生成模型，可以基于文本描述生成图像。 网址：https://github.com/StabilityAI 2. Adobe Firefly：Adobe 的 AI 创意工具，可以生成图像和设计模板。 网址：https://www.adobe.com/products/firefly.html 3. Civitai：用于图像生成。 网址：无 需要注意的是，部分工具可能存在功能限制或需要特定条件才能免费使用。

以下是关于 Midjourney 的学习教程： 1. 基础准备： 注册 Discord 账号并加入 Midjourney 服务器，Midjourney 也推出了在线版本，可以直接使用。 2. 掌握关键知识： 掌握 Midjourney 的提示词（Prompt）结构，了解其基本组成部分，如“主体”“媒介”“环境”等，学习构建有效的 Prompt 来生成理想的图像。 熟悉 Midjourney 的常用参数和命令，如放大、细节等参数设置，掌握常用的命令，如/imagine、/test 等。 3. 实践练习： 针对插画、游戏、框架等不同应用场景练习创作，通过实践不断提高 Prompt 编写和图像生成的技巧。 学习他人的优秀作品并进行模仿，观察和学习其他用户的 Prompt 技巧，通过模仿练习提高自己的创作水平。 4. 学习资源： 新手学习手册&干货网站（必看）：https://ciweicui.feishu.cn/docx/DPbidgdBeoNw55xKjO6c7ao3nbc?from=from_copylink MJ 官方学习手册（至少看 1 遍）：https://docs.midjourney.com/ B 站·莱森 LysonOber 免费视频教程（基础操作必看）：https://space.bilibili.com/630876766?spm_id_from=333.337.0.0 【腾讯文档】野菩萨 AI 课程（小红书@野菩萨）摄影范式：https://docs.qq.com/sheet/DSXRNUGJIQ0tMWkhu?tab=BB08J2 【腾讯文档】副本野菩萨 AI 课程（小红书@野菩萨）绘画范式：https://docs.qq.com/sheet/DSWlmdFJyVVZPR3VN?tab=y0u7ta 【腾讯文档】野菩萨 AI 课程（小红书@野菩萨）Niji 二次元范式：https://docs.qq.com/sheet/DSUxaRmprc0FrR25W?tab=c7lsa8 【腾讯文档】野菩萨 AI 课程（小红书@野菩萨）三维和抽象：https://docs.qq.com/sheet/DSUlaSHVXT1daaFlJ?tab=BB08J3 【腾讯文档】野菩萨 AI 课程（小红书@野菩萨）AI 产品制作与展现：https://docs.qq.com/sheet/DSW1jSFVZTER4Rnlq?tab=BB08J4 需要注意的是，Midjourney 模型强大，能生成高质量图像，可进行充分个性化设置，但使用过程不太便捷，需要通过 Discord 应用加入其频道或创建自己的频道并邀请 Midjourney 机器人才能开始生成图片，学习难度较大，在用户体验和易用性方面还有待改进。内容由 AI 大模型生成，请仔细甄别。

目前国内版 Midjourney 的情况如下： 1. Midjourney 开通了官方公众号，并启动了微信机器人的内测。微信机器人可视为 discord 机器人的简易版本，默认使用 V4 模型且不可切换，可能是 V4 早期版本，图像质量与 discord 目前的模型版本有差距。每个群新增了一个 Midjourney 漫画的机器人，可能针对漫画做了专门训练。针对中文语言模型做了专门训练，并非简单加翻译器。每次默认生成 4 张图片，由于微信 API 不完善，用户需主动输入 VX 或 UX 挑选图片生成高清版本，支持通过“—ar 2:3”命令调整分辨率，但不支持混音，且高清图像分辨率比 discord 机器人差，原因可能是微信压缩或主动调低。 2. 关于关键词的使用： 儿童读物：人物描述+children's book illustration+风格/children's book illustration+描述，例如“可爱的小女孩在旷阔的山林午夜中奔跑，童话风格”翻译为“Sweet little girl running in the middle of the night in the open forest，children's book illustration，Fairy tale style ar 16:9”。 对称图标：描述词+icon design symmetrical,flat，需注意是简洁单一的对称元素。 游戏列表：game sheet of+描述词。 黑暗中灯光效果：Blacklight+描述物体，这是一种偏暗的风格。 图案设计：描述+pattern。 装修/建筑设计：Interior Design+描述文字。 3. Midjourney 在运营中不断改进算法，已发布 5 个版本，通过在提示词后添加“ version 1/2/3/4/5”可调用不同版本，未添加则默认使用“version 5”。

以下是关于 Midjourney 的使用教程： 1. 生成迪斯尼风格头像： 若您还没有 Midjourney 账号或不懂基础操作，可查看之前的教程：。 先选一张满意的图片，在 Discord 社区的 Midjourney 服务器聊天栏点击“+”，然后点击上传文件，选取图片，在聊天框发送（记得点击回车或发送按钮）。 图片上传到服务器并生成唯一链接，点击图片，在浏览器中打开，复制浏览器上方的链接。 使用该链接加 prompt 提示词发送给 Midjourney，Midjourney 会根据需求生成特定图片，这就是 Midjourney 的以图绘图。 2. 工具箱： 3. 官网操作指南： 整体界面：Midjourney 官网现已向生成 100 张以上图片的用户开放使用权限，登录 MJ 官网，左侧为各种页面入口，顶部是生成入口（prompt 框）和搜索框。在社区作品、创作（Create）以及组织（Organize）页面中，可随时使用 prompt 框和搜索框，无需频繁切换页面。 参数设置：可通过点击 prompt 框最右侧的图标来设置常用参数的默认值，包括画面比例和个性化模型开关。 图片参考：在官网上使用图片参考变得简单直观，点击 prompt 框最左侧的图片按钮或直接拖入图片即可，官网会记录所有使用过的图片，方便调用或删除。当鼠标悬停在图片上时，会看到 3 个小图标，从左到右分别是角色参考、风格参考、整图参考，点击相应的图标即可，如需多种参考逻辑可按住 shift 键点选多个图标。

在 Midjourney 中生成风格一致的绘画图像，您可以参考以下方法： 1. 角色参考（cref）：cref 的功能是保持图像角色的一致性。使用方法是在提示后添加 cref，并紧接着指向人物参考图像的 URL。例如：/imagine prompt beautiful girl cref。您可以使用 cw 来调整参考图像对生成的图像的影响程度，数值范围从 0 到 100。 2. 风格参考（sref）：sref 的功能是生成类似风格的图片，保持画风的一致性。使用方法是在提示后添加 sref，并紧接着指向风格参考图像的 URL。例如：/imagine prompt beautiful girl sref。您可以使用 sw 来调整参考风格对生成的图像的影响程度，数值范围从 0 到 1000。 如果您想引用一张图，但只是把它作为新图的一部分，可以使用 sref 或 cref，并通过调整 sw 或 cw 的值来控制引用图像的影响程度。例如，若想引用一张图的风格，但只希望它占新图的一部分，可以这样写提示：/imagine prompt beautiful girl srefsw 500。 此外，在实际操作中，还可以通过以下方式优化： 初步生成：使用 DALLE 3 和 Midjourney（MJ）进行初步图像生成。DALLE 3 以其强大的文本识别能力帮助快速生成符合意图的画面，而 MJ 则通过垫图功能（Sref 和 iw 组合）确保图像的风格一致。 图像优化：D3 和 MJ 跑不出来的图，用 Stable Diffusion（SD）用于图像的细节处理，尤其是局部重绘，例如调整人物的手部细节。通过 magnific.ai 工具对图像进行超分处理，进一步提高画质。 同时，输入提示词时，可以把提示词总结成“形容词+主语+环境+行为+构图+参考风格+渲染程度+后缀”这样的公式。对人物、环境、摄影、灯光等方面进行详细描述，规定绘图的比例等，有助于生成更符合期望的图像。

以下是关于图像生成 AI 的相关内容： 将小说制作成视频的流程： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。 判断一张图片是否为 AI 生成： 要培养判断图片是否为 AI 生成的能力，需要训练大脑模型。对于不擅长的朋友，可以借助一些网站，通过对大量图片数据的抓取和分析来给出画作属性的判断可能性，例如 ILLUMINARTY（https://app.illuminarty.ai/）。但在测试过程中，可能会出现结构严谨的真实摄影作品被识别为 AI 作图的情况，这是因为鉴定 AI 自身的逻辑算法不能像人类一样综合考虑各种不符合逻辑的表现。 国内外 AIGC 技术在图像生成方面的最新进展： 图像生成离不开深度学习算法，如生成对抗网络（GANs）、变分自编码器（VAEs），以及 Stable Diffusion 等，以创建与现实世界图像视觉相似的新图像。图像生成可用于数据增强以提高机器学习模型的性能，也可用于创造艺术、生成产品图像等。 一些具有代表性的海外项目： Stable Diffusion：文本生成图像模型，主要由三个部分组成，分别是 VAE、UNet 网络和 CLIP 文本编码器。 DALLE 3（Open AI）：OpenAI 基于 ChatGPT 构建的一种新型神经网络，可以从文字说明直接生成图像。 StyleGAN 2（NVIDIA）：一种生成对抗网络，可以生成非常逼真的人脸图像。 DCGAN（Deep Convolutional GAN）：一种使用卷积神经网络的生成对抗网络，可生成各种类型的图像。 一些具有代表性的国内项目：（文中未提及具体国内项目）

以下是关于图像转文本的相关信息： 图像字幕任务是指基于输入的图像，生成描述该图像内容的一段文本。对于此任务，会使用一组成对的图像和文本数据，目标是建立和训练一个可以根据图像生成文本描述的模型。 目前语音转文本 API 提供了两个端点，即基于最先进的开源大型v2 Whisper 模型的转录和翻译，可用于将音频转录为任何语言，将音频翻译并转录成英语。目前文件上传限制为 25MB，并支持 mp3、mp4、mpeg、mpga、m4a、wav 和 webm 等输入文件类型。 在 Stable Diffusion 中，图片生成图片的过程中，输入为图像和 prompt，输出为图像。其中 Load Checkpoint 模块对 SD 模型的主要结构进行初始化（VAE，UNet），CLIP Text Encode 是文本编码器，可输入 prompt 和 negative prompt 控制图像生成，Load Image 表示输入的图像，KSampler 表示调度算法以及 SD 相关生成参数，VAE Encode 表示使用 VAE 的编码器将输入图像转换成低维度的隐空间特征，VAE Decode 表示使用 VAE 的解码器将低维度的隐空间特征转换成像素空间的生成图像。与文字生成图片的过程相比，图片生成图片的预处理阶段，先把噪声添加到隐空间特征中，通过设置去噪强度（Denoising strength）控制加入噪音的量，如果为 0 则不添加噪音，为 1 则添加最大数量的噪音，使潜像成为一个完整的随机张量，若将去噪强度设置为 1，就完全相当于文本转图像，因为初始潜像完全是随机的噪声。

AIGC 图像应用广泛，主要包括以下方面： 数据增强：通过生成新的图像来提高机器学习模型的性能。 艺术创作：用于生成艺术作品。 产品图像生成：如生成虚拟现实场景或进行图像修复。 一些具有代表性的海外项目有： Stable Diffusion（Stability AI）：文本生成图像模型，由 VAE、UNet 网络和 CLIP 文本编码器组成，通过特定流程实现图像生成。 DALLE 3（Open AI）：基于 ChatGPT 构建的新型神经网络，能从文字说明直接生成图像。 StyleGAN 2（NVIDIA）：生成对抗网络，可生成逼真的人脸图像。 DCGAN（Deep Convolutional GAN）：使用卷积神经网络的生成对抗网络，可生成各种类型的图像。 国内也有相关项目。 图像生成离不开深度学习算法，如生成对抗网络（GANs）、变分自编码器（VAEs）以及 Stable Diffusion 等，以创建与现实世界图像视觉相似的新图像。

以下为您推荐一些能够识别图片中的形状和文字元素并在 PPT 中重绘图像的 AI 工具： 1. Gamma：这是一个在线 PPT 制作网站，允许用户通过输入文本和想法提示快速生成幻灯片。它支持嵌入多媒体格式，如 GIF 和视频，以增强演示文稿的吸引力。网址：https://gamma.app/ 2. 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出。用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素，可根据需求选择不同风格和主题的模板，适用于多种场合。网址：https://www.xdesign.com/ppt/ 3. Mindshow：一款 AI 驱动的 PPT 辅助工具，提供一系列智能设计功能，如自动布局、图像选择和文本优化等，简化设计流程，还可能包括互动元素和动画效果。网址：https://www.mindshow.fun/ 另外，如果您想从游戏截图升级到 KV 品质，正式绘画目前有图生图和 controlnet 两种出图方式。但如果底图质量不够，想要 AI 更自由发挥，除了调高重绘幅度，还可以在 controlnet 上有更多探索。输入正负 TAG，设置好图片尺寸、迭代步数、采样器、重绘幅度后，等待图片生成。controlnet 包含的功能很多且在不断更新，如需更多了解可跳转 B 站深度学习：https://www.bilibili.com/video/BV1Ds4y1e7ZB/?spm_id_from=333.337.searchcard.all.click