Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

SD 反推模型

Answer

以下是关于 SD 反推模型的相关内容：

Fooocus 模型：

  • LoRA 模型默认放在：Fooocus_win64_1-1-10\Fooocus\models\loras
  • 程序默认用到 3 个 SDXL 的模型，包括一个 base、一个 Refiner 和一个 LoRA。单独安装需下载三个模型：
    • SDXL 基础模型：https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0_0.9vae.safetensors
    • refiner 模型：https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0/resolve/main/sd_xl_refiner_1.0_0.9vae.safetensors
    • LoRA 模型：https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_offset_example-lora_1.0.safetensors
  • 若部署了 SD 秋叶包，可共用模型（大模型和 LoRA），通过修改 Fooocus_win64_1-1-10\Fooocus\modules\path.py 文件中的路径来配置，修改为秋叶包模型对应的路径，如：
    • 大模型路径：sd-webui\models\Stable-diffusion\SDXL
    • LoRA 模型路径：sd-webui\models\lora
  • 配置好后点击 run.bat 文件启动。

Comfyui SD 学社做黏土头像的相关插件：

  • 提示词反推 WD14-Tagger：https://github.com/pythongosss/ComfyUl-WD14-Tagger，首次使用会自动下载模型（需要网络环境）
  • 处理人物一致性：
    • IPAdapter：https://github.com/cubiq/ComfyUI_IPAdapter_plus
    • 也可以用 instantID，这里使用的是 IPadpter，后续很多地方也会用到，建议先使用起来。关于 IPAdapter 的使用，之前有文章介绍。
  • ControlNet：
    • 预处理的插件：comfyui_controlnet_aux https://github.com/Fannovel16/comfyui_controlnet_aux
    • ControlNet 模型：
      • XL-CN 模型下载：https://huggingface.co/lllyasviel/sd_control_collection/tree/main
      • 1.5 理模型下载：https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main

ControlNet 的 tile 模型：

  • 随着 ControlNet1.1 的更新，tile 模型横空出世，其强大的功能让之前的一些模型变得有点黯然失色。
  • 可用于高清修复小图，比如将分辨率不高的食物图片拖进“WD 1.4 标签器”反推关键词，然后发送到图生图。使用大模型“dreamshaper”调整参数尺寸，放大为 2K，提示词引导系数(CFG Scale)官方推荐在 15 以上，重绘幅度在 0.5 以上。
  • 可用于修复和增加细节，如处理一张细节不足且结构错误的小屋图。tile 的预处理器用来降低原图的分辨率，为新图添加像素和细节提供空间。若图片本身像素很低，可以不使用预处理器，直接使用 tile 模型。
Content generated by AI large model, please carefully verify (powered by aily)

References

【SD】SD的大哥Fooocus重磅问世，三步成图傻瓜式操作

LoRA模型默认放在这里：\Fooocus_win64_1-1-10\Fooocus\models\lorasFooocus程序默认用到了3个SDXL的模型，一个base，一个Refiner，和一个LoRA。如果单独安装，这里需要下载三个模型：SDXL基础模型：https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0_0.9vae.safetensorsrefiner模型：https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0/resolve/main/sd_xl_refiner_1.0_0.9vae.safetensorsLoRA模型：https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_offset_example-lora_1.0.safetensors如果你部署了SD秋叶包，也可以共用模型（大模型和LoRA），可以这里找到path.py文件：Fooocus_win64_1-1-10\Fooocus\modules\path.py，用text记事本打开，修改路径为秋叶包模型对应的路径：大模型路径，比如：sd-webui\models\Stable-diffusion\SDXLLoRA模型路径：比如sd-webui\models\lora都配置好之后，点击run.bat文件启动。

Comfyui SD 学社 做一个黏土头像

需要用到的插件如果提示缺失节点,就通过管理器安装一下.1.提示词反推WD14-Taggerhttps://github.com/pythongosss/ComfyUl-WD14-Tagger首次使用会自动下载模型(需要网络环境)1.处理人物一致性IPAdapter：https://github.com/cubiq/ComfyUI_IPAdapter_plus也可以用instantID,这里我们使用的是IPadpter,后续很多地方也会用到,建议大家也可以先用起来关于IPAdapter的使用,之前有写了一篇文章介绍,不熟悉的小伙伴可以先看下.因为作者新版本重写了代码,所以新版一定注意模型的放置位置,这样后续使用统一加载,会方便不少.1.controlNet预处理的插件comfyui_controlnet_aux https://github.com/Fannovel16/comfyui_controlnet_auxcontrolNet模型XL-CN模型下载：https://huggingface.co/lllyasviel/sd_control_collection/tree/main1.5理模型下载：https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/maincontrolnet不熟悉的小伙伴,同样也可以看之前写的一篇文章,快速上手.

【SD】最强控制插件ControlNet（4）细节狂魔tile

作者：白马少年介绍：SD实践派，出品精细教程发布时间：2023-05-19 20:01原文网址：https://mp.weixin.qq.com/s/HtSbc1l5BpOgl_dIoH0T7w随着ControlNet1.1的更新，tile模型横空出世，其强大的功能让之前的一些模型变得有点黯然失色。今天我们就来盘点一下，这个神奇的Tile模型都有哪些用法。高清修复小图在我们做设计的时候，经常会遇到一些分辨率不高的素材图片，我们需要将它进行高清化处理。比如这张食物的图片，先把它拖进“WD 1.4标签器”，可以进行反推关键词，然后发送到图生图。我们可以通过翻译软件检查一下提示词有没有问题，这边通过反推得到的提示词是——“没有人，食物，食物焦点，现实，水果，静物，草莓，模糊，蛋糕，糕点，景深，甜点，模糊背景，奶油”。基本上与原图相符，可以先不调整。接下来，我们使用大模型“dreamshaper”。调整参数尺寸，放大为2K，提示词引导系数(CFG Scale)官方推荐在15以上，重绘幅度在0.5以上。打开ControlNet，导入图片。tile的预处理器是用来降低原图的分辨率的，为的是给新图有足够的空间来添加像素和细节。如果你的图片本身像素就很低，可以不使用预处理器，直接使用tile模型。可以看到放大后的图片，清晰度和细节都有了很好的提升。对比一下使用tile模型处理前后的区别。修复和增加细节我们先随便绘制一张小屋的图，可以看出，这张图中的细节不足，而且有些地方的结构也是错误的。

Others are asking
提示词反推工具
以下是关于提示词反推工具的相关信息： LayerStyle 副本中的 LayerUtility 部分： PromptTagger：根据图片反推提示词，可以设置替换词。使用 Google Gemini API 作为后端服务，需在申请 API key，并填到插件根目录下的 api_key.ini 文件中（默认名字是 api_key.ini.example，初次使用需将文件后缀改为.ini，用文本编辑软件打开，在 google_api_key=后面填入 API key 并保存）。节点选项包括：api（目前只有"geminiprovision"一个选项）、token_limit（生成提示词的最大 token 限制）、exclude_word（需要排除的关键词）、replace_with_word（替换 exclude_word 的关键词）。 PromptEmbellish：输入简单的提示词，输出经过润色的提示词，支持输入图片作为参考。使用 Google Gemini API 作为后端服务，同样需按上述方式处理 API key。节点选项包括：image（可选项，输入图像作为提示词参考）、api（目前只有"googlegemini"一个选项）、token_limit（生成提示词的最大 token 限制）、discribe（在这里输入简单的描述，支持中文）。 SD 中的相关内容： 在图生图功能中，除了文本提词框外还有图片框输入口。随便照一张照片拖入后，文本输入框旁边有两个反推提示词的按钮：CLIP 可以通过图片反推出完整含义的句子；DeepBooru 可以反推出关键词组。但两种反推方式生成的提示词可能存在瑕疵，需要手动补充信息。写好提示词后，调整宽度和高度使红框匹配图片，同时注意两个重要参数：提示词相关性和重绘幅度。 其他： ImageScaleByAspectRatioV2 是 ImageScaleByAspectRatio 的 V2 升级版，在其基础上做了改变，节点选项包括 scale_to_side（允许按长边、短边、宽度、高度或总像素指定尺寸缩放）、scale_to_length（这里的数值作为 scale_to_side 指定边的长度，或者总像素数量）。 QWenImage2Prompt：根据图片反推提示词，是 ComfyUI_VLM_nodes 中 UFormGen2 Qwen Node 节点的重新封装。需从下载模型到 ComfyUI/models/LLavacheckpoints/files_for_uform_gen2_qwen 文件夹。节点选项包括 question（对 UFormGenQWen 模型的提示词）。
2025-03-21
提示词反推
以下是关于提示词反推的相关内容： 一、第二十一期港风胶片 1. 活动介绍 墨悠大佬的胶片 lora 模型搭配 flux1 dev 大模型，具有文艺复兴、唯美胶片复古的风格。 lora 模型链接：https://www.liblib.art/modelinfo/e16a07d8be544e82b1cd14c37e217119?from=personal_page 2. 教程 方法 1：利用上一期活动图片反推工作流，使用唯美港风图片进行反推提示词，在大模型后接一个墨悠_胶片 lo。上一期活动链接：。胶片 lora 链接：https://www.liblib.art/modelinfo/e16a07d8be544e82b1cd14c37e217119?from=personal_page 方法 2：利用抱脸的 joycaption 图片反推提示词，然后在哩布上跑 flux 文生图工作流。 joycaption 链接（需要魔法）：https://huggingface.co/spaces/fancyfeast/joycaptionprealpha 文生图工作流： 在哩布上跑文生图：https://www.liblib.art/modelinfo/e16a07d8be544e82b1cd14c37e217119?from=personal_page 二、【SD】真人转二次元 1. 相比于文生图，图生图功能除了文本提词框以外还多了一个图片框的输入口，因此，我们还可以通过图片来给与 AI 创作的灵感。 2. 随便照一张照片，直接拖入进来。 3. 在文本输入框的旁边有两个反推提示词的按钮：CLIP 是可以通过图片反推出完整含义的句子；DeepBooru 是可以反推出关键词组。 示例：上面的那一张图，通过两种反推方式得到的提示词分别为： CLIP——a young boy sitting on a bench with a toy train and a lego train set on the floor next to him,Adam Rex,detailed product photo,a stock photo,lyco art。（一个小男孩坐在长凳上，旁边的地板上放着一辆玩具火车和一辆乐高火车，亚当·雷克斯，详细的产品照片，一张库存照片，莱科艺术，） DeepBooru——shoes,solo,hat,orange_background,yellow_background,smile,socks,black_hair,sitting,sneakers。（鞋子，独奏，帽子，橙色背景，黄色背景，微笑，袜子，黑发，坐着，运动鞋） 4. 两种方式生成的提示词都有些瑕疵，需要手动补充提示词的信息。写好提示词之后，调整宽度和高度，让红框刚好匹配图片。接下来，最重要的是提示词相关性和重绘幅度这两个参数。 三、ComfyUI 图片提示词反推 1. 在 ComfyUI 里使用 MiniCPM 做图片提示词反推与文本提示词生成，可以和 flux 模型配合生成图片。建议使用量化版本的模型（int4 结尾），可以节省显存。 2. ComfyUIMiniCPMPlus 安装方法 进入 ComfyUI 自定义节点目录。 克隆此仓库。 重启 ComfyUI。 3. 网盘：https://pan.quark.cn/s/00b3b6fcd6ca 。下载后放入 ComfyUI 的 models 文件夹下 MiniCPM 文件夹中，没有就新建一个。
2025-03-15
ai提示词反推工具
以下是关于 AI 提示词反推工具的相关信息： 在图生图功能中，除了文本提词框外还有图片输入口，可通过图片给 AI 创作灵感。有两种反推提示词的按钮，CLIP 能通过图片反推出完整含义的句子，DeepBooru 可反推出关键词组。但生成的提示词可能存在瑕疵，需要手动补充信息。调整好提示词后，还需注意宽度、高度以及提示词相关性和重绘幅度等参数。 另外，LayerStyle 副本中的 PromptTagger 可根据图片反推提示词并设置替换词，使用 Google Gemini API 作为后端服务，需申请 API key 并正确填写配置文件。PromptEmbellish 输入简单提示词能输出润色后的提示词，也支持输入图片作为参考，同样依赖 Google Gemini API 服务。 同时，为您提供以下提示词相关的资源： Majinai： 词图： Black Lily： Danbooru 标签超市： 魔咒百科词典： AI 词汇加速器： NovelAI 魔导书： 鳖哲法典： Danbooru tag： AIBooru：
2025-03-05
ai提示词反推
在 AI 中，关于提示词反推，以下是一些相关信息： 在图生图功能中，除了文本提词框，还有图片框输入口。通过图片可给与 AI 创作灵感，文本输入框旁有两个反推提示词的按钮，CLIP 能通过图片反推出完整含义的句子，DeepBooru 能反推出关键词组。但两种方式生成的提示词可能存在瑕疵，需要手动补充信息。调整宽度和高度，使红框匹配图片。此外，提示词相关性和重绘幅度这两个参数很重要。 样例驱动的渐进式引导法能充分发挥 AI 自身的逻辑分析和抽象总结能力，从用户提供的样例中总结方法论，用户判断方法论正确与否并提出意见，为提示词爱好者提供低门槛生成途径。但 LLM 有上下文长度限制，在长对话中可能导致 AI 遗忘早期内容，影响输出质量，所以需要引入“提示词递归”的概念与方法，具体步骤包括初始提示、定期总结、重新引入、细化和拓展、验证和优化。
2025-03-05
可以反推关键词的AI
以下是关于可以反推关键词的 AI 的相关内容： 在 Midjourney 中，AI 以半抽象方式解析提示，更倾向处理整体概念。获得理想结果的关键在于具体性，可从简单提示或参数修改开始逐步调整。此外，还可通过反推关键词来解析，方法如下： 1. 初始提示：例如“Prompt：A banana is floating in the airv 6.1 提示：一个香蕉漂浮在空中v 6.1”，查看生成结果，若不错但缺乏特定艺术方向，可进一步迭代优化。 2. 优化描述：如“Prompt：Banana shaped hologram of molten liquid metal,floating in air,isolated on a lilac background,minimalist design,vector illustration,high resolution photographyv 6.1 提示：香蕉形态的液态金属全息图，漂浮在空气中，在淡紫色背景上，极简设计，矢量插图，高分辨率摄影v 6.1”。 在 StableDiffusion 中，图生图功能除文本提词框外还有图片框输入口，可通过图片反推提示词。例如，随便一张照片拖入后，文本输入框旁有两个反推提示词的按钮：CLIP 可反推出完整含义的句子；DeepBooru 可反推出关键词组。但两种方式生成的提示词可能有瑕疵，需手动补充信息。 在使用 AI 生成图片时，若想让生成的图片更可控，可利用 seed 参数反向生成。Midjourney 会用种子号绘图，默认随机，可使用Seed 或same eseed 参数指定相同种子号和提示符以产生类似结尾图片。例如“caiyunyiueji is a cute sports anime girl,style by Miyazaki Hayao,emoji,expression sheet,8kseed 8888”，能保证每次生成相同的图，还可反向利用此特性对已确定的效果图进行微调。
2025-02-26
图片提示词反推工具
以下是关于图片提示词反推工具的相关信息： LayerStyle 副本：根据图片反推提示词，可设置替换词。使用 Google Gemini API 作为后端服务，需在申请 API key，并填到插件根目录下的 api_key.ini 文件中（默认名字为 api_key.ini.example，初次使用需将后缀改为.ini，用文本编辑软件打开，在 google_api_key=后面填入 API key 并保存）。节点选项包括：api（目前只有"geminiprovision"一个选项）、token_limit（生成提示词的最大 token 限制）、exclude_word（需要排除的关键词）、replace_with_word（替换 exclude_word 的关键词）。 PromptEmbellish：输入简单的提示词，输出经过润色的提示词，支持输入图片作为参考。使用 Google Gemini API 作为后端服务，同样需申请并填写 API key。节点选项包括：image（可选项，输入图像作为提示词参考）、api（目前只有"googlegemini"一个选项）、token_limit（生成提示词的最大 token 限制）、discribe（在这里输入简单的描述，支持中文）。 【SD】真人转二次元：图生图功能除文本提词框外还有图片框输入口，可通过图片给与 AI 创作灵感。有两个反推提示词的按钮：CLIP 可通过图片反推出完整含义的句子；DeepBooru 可反推出关键词组。但生成的提示词可能有瑕疵，需手动补充信息。调整宽度和高度使红框匹配图片，同时注意提示词相关性和重绘幅度这两个参数。 第二十一期港风胶片： 活动介绍：墨悠大佬的胶片 lora 模型搭配 flux1 dev 大模型，文艺复兴，唯美胶片复古。lora 模型链接：https://www.liblib.art/modelinfo/e16a07d8be544e82b1cd14c37e217119?from=personal_page 教程： 方法 1：利用上一期活动图片反推工作流，使用唯美港风图片进行反推提示词，在大模型后接一个墨悠_胶片 lo。上一期活动链接： 胶片 lora 链接：https://www.liblib.art/modelinfo/e16a07d8be544e82b1cd14c37e217119?from=personal_page 方法 2：利用抱脸的 joycaption 图片反推提示词，然后在哩布上跑 flux 文生图工作流。joycaption 链接（需要魔法）：https://huggingface.co/spaces/fancyfeast/joycaptionprealpha 文生图工作流： 在哩布上跑文生图：https://www.liblib.art/modelinfo/e16a07d8be544e82b1cd14c37e217119?from=personal_page
2025-02-18
sd教程
以下是关于 SD 的一些教程： 用 SD 做二维码： 好看的二维码欣赏：第一个就是 qrbtf。 最近新出了融合二维码教程。 方法原文地址：https://stablediffusionart.com/qrcode/ 相关帖子展示了使用 Stable Diffusion 创建的艺术二维码，是使用定制训练的 ControlNet 模型生成的，人们也想出了在无自定义模型情况下制作 QR 码的方法。 用 SD 做中文文字（持续更新中）： 制作思路： 将中文字做成白底黑字，存成图片样式。 使用文生图的方式，使用大模型真实系，作者用的 realisticVisionV20_v20.safetensorsControlNet 预设置。 输入关键词，如奶油的英文单词，Cream+Cake（加强质感），反关键词：Easynegative（负能量），反复刷机，得到满意的效果即可。 同理可输出 C4D 模型，可自由贴图材质效果，3d,blender,oc rendering。 如果希望有景深效果，也可以打开 depth（增加阴影和质感）。 打开高清修复，分辨率联系 1024 以上，步数：2960。 参考视频教程：【“牛逼”的教程来了！一次学会 AI 二维码+艺术字+光影光效+创意 Logo 生成，绝对是 B 站最详细的 Stable Diffusion 特效设计流程教学！AI 绘画进阶应用哔哩哔哩】https://b23.tv/c33gTIQ SD 的各种实践教程： 线稿上色 Midjourney+Stable Diffusion：https://waytoagi.feishu.cn/wiki/AsbYwmfS6ikhr3kNsCocdPMEnUd 猫咪狗狗 lora：https://waytoagi.feishu.cn/wiki/JiQewVbOHi7tzakS23ecprxsnfg 字体设计机甲战士：https://waytoagi.feishu.cn/wiki/GUQ3w52elisr9ukIgkBc42UmnWd 做盲盒平面变 3D：https://waytoagi.feishu.cn/wiki/SCK8wV4PTiHQVKkvGRUcx0fcnTe MJ 出图 SD 放大：https://waytoagi.feishu.cn/wiki/E88nwOtk9ilRQskg3Qlc6ZHpnTf 七夕字体和图：https://waytoagi.feishu.cn/wiki/BjQ1wLRv0ivCLtk136VchSCqnpU 可爱毛粘字体：https://waytoagi.feishu.cn/wiki/NjhbwF1cTiQ5Xjkd3tNc1OWynZd
2025-04-08
绘画工具sd怎么使用？
以下是关于绘画工具 SD 的使用方法： 1. 生成超大图像： 若想用 SD 绘制超高分辨率图片（如 10000x768 的清明上河图），直接调分辨率不可行，会爆显存，正常尺寸设置最高到 2048。 先在 PS 中设置所需大尺寸画布，保存为 jpg 图片。 将图片放入 ControlNet 中，点击右下角箭头，将图片尺寸信息发送到生成设置。 填入正反向提示词，启用 Tiled Diffusion 插件，其中方案选择 Mixture of Diffusers，可防止接缝产生。 2. 提示词标签选择： 按顺序选择标签词，如女孩、白头发、蓝眼睛等。 选择画质和视角，如最好的质量、杰作、从人物角度往下看等。 选择艺术风格，如皮克斯动画、轮廓光。 填写负面提示词，点击选框结尾的“负面”。 模型选择“revAnimated”，调整尺寸后点击生图。 3. 真人转二次元及图生图： 使用【X/Y/Z plot】脚本做参数对比，设置 X 轴为提示词相关性（取值范围 130，每次增加 5），Y 轴为重绘幅度（取值范围 01，每次增加 0.2）。 提示词相关性在 6—11 中间为最佳，重绘幅度大小可控制生成图与原图相似度。 可使用绘图功能增加或修改元素，如增加红色眼镜、去掉衣服图案、更换头部或修改帽子部分等。
2025-04-01
comfyui 与 SD 功能上有啥区别
ComfyUI 与 SD 在功能上主要有以下区别： 1. 工作原理：ComfyUI 更接近 SD 的底层工作原理。 2. 自动化工作流：ComfyUI 具有更出色的自动化工作流，能够消灭重复性工作。 3. 后端工具：ComfyUI 作为强大的可视化后端工具，可实现 SD 之外的功能，如调用 API 等。 4. 定制开发：可根据定制需求开发节点或模块。 5. 应用场景：例如在抠图素材方面，ComfyUI 能根据需求自动生成定制的抠图素材。 6. 与其他软件的结合：如与 Blender 整合，从工作流程上天然适配。 7. 工作流搭建：ComfyUI 以连线方式搭建工作流，可通过改变节点实现不同功能，具有更高的自由和拓展性，能根据自身需求搭建和改造工作流。
2025-03-28
我是一名电商设计师，现在想学习SD AI绘图，有一点基础，但学习课程资源有限，请你帮我制定一份详细的学习计划，并提供一些学习资源。
以下是为您制定的学习 SD AI 绘图的详细计划及相关学习资源： 学习计划： 1. 首先，深入学习 Stable Diffusion 的核心基础原理，包括模型工作流程、核心基础原理、训练全过程以及其他主流生成式模型介绍。 2. 接着，掌握 Stable Diffusion 的核心网络结构，如 SD 模型整体架构、VAE 模型、UNet 模型、CLIP Text Encoder 模型等。 3. 学习从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画的不同方式，如使用 ComfyUI、SD.Next、Stable Diffusion WebUI、diffusers 搭建推理流程，并查看生成示例。 4. 了解 Stable Diffusion 的经典应用场景，如文本生成图像、图片生成图片、图像 inpainting、使用 controlnet 辅助生成图片、超分辨率重建等。 5. 最后，尝试从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型，包括配置训练环境与训练文件，以及基于 Stable Diffusion 训练 LoRA 模型。 学习资源： 1. 教程：深入浅出完整解析 Stable Diffusion（SD）核心基础知识 知乎。 目录涵盖了 Stable Diffusion 系列的各个方面，包括核心基础知识、网络结构解析、搭建推理流程、应用场景和模型训练等。 2. SD 模型权重百度云网盘： 关注 Rocky 的公众号 WeThinkIn，后台回复：SD 模型，即可获得资源链接，包含多种模型权重。 3. SD 保姆级训练资源百度云网盘： 关注 Rocky 的公众号 WeThinkIn，后台回复：SDTrain，即可获得资源链接，包含数据处理、模型微调训练以及基于 SD 的 LoRA 模型训练代码全套资源。 4. Stable Diffusion 中 VAE，UNet 和 CLIP 三大模型的可视化网络结构图下载： 关注 Rocky 的公众号 WeThinkIn，后台回复：SD 网络结构，即可获得网络结构图资源链接。
2025-03-28
SD如何部署
SD 的部署方式如下： 1. 本地部署（Win 系统）： 系统要求：Win10 或 Win11。 查看配置： 查看电脑系统：在桌面上找到“我的电脑”，鼠标右键点击，点击“属性”，查看 Windows 规格。 查看电脑配置：需要满足 3 个要求（推荐），电脑运行内存 8GB 以上，是英伟达（NVIDA）的显卡，显卡内存 4GB 以上。打开任务管理器（同时按下 ctrl+shift+esc），可查看电脑运行内存，8GB 运行内存可以勉强运行 SD，推荐 16GB 以上运行内存；查看电脑显卡内存（显存），4GB 显存可运行 SD，推荐 8GB 以上显存。 配置达标跳转至对应安装教程页：。 一键式安装： 电脑配置能支持 SD 运行的朋友们，可使用 B 站秋叶分享的整合包。 具体安装方法： 打开链接 https://pan.baidu.com/s/1hY8CKbYRAj9RrFGmswdNiA?pwd=caru ，下载《1.整合包安装》，存放到电脑本地。 打开保存到电脑里的文件夹。 打开文件夹《1.秋叶整合包主包》，鼠标右击文件，点击“解压文件”。 选择解压到 D 盘或者 E 盘，小心 C 盘被占满，点击确定。 解压完成后，来到第二个文件夹，双击里面的文件，点击安装。 打开刚刚解压保存的 SD 的根目录，找到启动器，鼠标右击启动器，点击“发送到”，桌面快捷方式。 双击启动器，等待更新，接着点击左边第二个“高级选项”，在显存优化里，根据自己电脑的显存选择（就是上面查看的专用 GPU 内存），自己电脑是多少就选多少。 回到第一个一键启动，点击右下角的一键启动。出现代码页面不用管，等一下就行了，SD 的主界面会自动在网页上弹出来。如果出现报错，可以回到最开始的界面，在左边点击“疑难解答”，再点击右边的“开始扫描”，最后点击“修复”按钮。 2. 云端部署： 部署流程： 安装和配置基础环境：浏览器上按照腾讯云>控制台>云服务器的路径找到你刚才购买的实例，点击启动，就会新开一个远程访问的窗口，输入你购买时设置的密码，进入，这样你就有了一个远程的 Windows 系统环境，接下来安装显卡驱动、配置环境变量即可。 安装显卡驱动：用内置的 IE（也可下载 Chrome），打开英伟达的网站，找到驱动下载，选择购买机器时选定的显卡型号、Windows 版本号，下载对应的驱动，然后安装上。 配置环境变量：驱动安全完成后，开始配置环境变量。首先先找到你安装后驱动所在的目录，如果没有特殊设定的话，一般是在「C:\\Program Files\\NCIDIA Corporation」这里，复制这个路径，找到环境变量配置入口（控制面板>系统和安全>系统），选择「高级系统设置」，弹窗设置环境变量，找到「系统变量」里的 Path 环境变量，点击「编辑...」，然后「新建」，帮刚才复制的 nvidia 驱动安装地址粘贴进去，保存即可。 备选：SD 好难，先试试简单的无界 AI：
2025-03-25
sd 换脸
以下是关于 SD 换脸插件 Roop 的详细步骤： 1. 勾选包含 Python 和 C++包等相关项目，更改安装位置后点击右下角安装。安装时间较长，需耐心等待。 2. 安装好后，打开 SD 文件目录下的相关文件夹，在地址栏输入“cmd”并回车，在打开的 dos 界面粘贴“python m pip install insightface==0.7.3 user”代码，自动安装 insightface。若此阶段出错，建议下载最新的秋叶 4.2 整合包（6 月 23 号更新），在云盘后台回复【SD】可下载。 3. 安装完成后，重新打开启动器，后台会继续下载一些模型，全程要保证科学上网。 4. 选用真实系模型“realisticVisionV20”，关键词描述相关内容生成照片。 5. 启用 ROOP 插件，选择要替换的人物照片，面部修复选择“GFPGAN”，根据需求设置右边的参数数值和放大算法，点击生成。 6. 若生成的人脸像素偏低、模糊，可将图发送到“图生图”，开较小的重绘幅度，然后使用 controlnet 中的 tile 模型进行重绘。 此插件主要适用于真实人脸替换，对二次元人物作用不大。在使用时要谨慎，切勿触犯法律。若想要此插件，可添加公众号【白马与少年】，回复【SD】即可。推荐使用最新的秋叶整合包，出错概率最小，且科学上网很重要。
2025-03-19
大模型的系统提示词
大模型的系统提示词主要包括以下方面： 1. 在“五津：一键生成‘摸鱼打工猫’视频”中，针对用户选择的主题和回答，总结用户的创作意图，如“打工猫摸鱼的 2 小时，在巴厘岛能看一场日落”，并根据此生成 4 组体现幽默风趣、以宫崎骏风格描绘主角为摸秋刀鱼橘猫的绘图提示词，以数组形式输出到“tishici”，将用户意图输出到“biaoti”。 2. 在“云中江树：智能对决：提示词攻防中的 AI 安全博弈”中，系统提示词的相关防御措施分为输入侧、模型侧和输出侧三个部分。输入侧可进行意图识别、语义匹配等综合判断用户输入是否恶意；模型侧对于有能力的厂商应增强安全性并平衡性能，开发者则要在开发中带着安全意识优化系统提示词，加入安全引导和禁止内容等；输出侧可使用传统防御和内容过滤手段，并针对大模型特点进行私有数据泄露等检查。此外，还提到间接注入和提示词泄露的情况，间接注入常发生在应用获取依赖外部数据资源时，攻击者通过隐藏恶意指令完成攻击；提示词泄露指试图操纵模型输出获取部分或全部系统提示词，大模型输出内容可分为系统提示词、用户提示和助手提示词三段，通过攻击手段可获取系统提示词。
2025-04-18
通义千问Qwen2.5-VL、阶跃星辰step-1.5v-mini、Gemini-2.0-Flash，这3个视觉理解大模型哪个最厉害？
以下是对通义千问 Qwen2.5VL 模型的介绍： 版本：有 3B、7B 和 72B 三个尺寸版本。 主要优势： 视觉理解能力：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。 视频理解能力：支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。 万物识别：擅长识别常见物体及分析图像中的文本、图表、图标、图形和布局。 精准的视觉定位：采用矩形框和点的多样化方式对通用物体定位，支持层级化定位和规范的 JSON 格式输出。 全面的文字识别和理解：提升 OCR 识别能力，增强多场景、多语言和多方向的文本识别和文本定位能力。 Qwen 特色文档解析：设计了更全面的文档解析格式，称为 QwenVL HTML 格式，能够精准还原文档中的版面布局。 增强的视频理解：引入动态帧率（FPS）训练和绝对时间编码技术，支持小时级别的超长视频理解，具备秒级的事件定位能力。 开源平台： Huggingface：https://huggingface.co/collections/Qwen/qwen25vl6795ffac22b334a837c0f9a5 Modelscope：https://modelscope.cn/collections/Qwen25VL58fbb5d31f1d47 Qwen Chat：https://chat.qwenlm.ai 然而，对于阶跃星辰 step1.5vmini 和 Gemini2.0Flash 模型，目前提供的信息中未包含其与通义千问 Qwen2.5VL 模型的直接对比内容，因此无法确切判断哪个模型在视觉理解方面最厉害。但从通义千问 Qwen2.5VL 模型的上述特点来看，其在视觉理解方面具有较强的能力和优势。
2025-04-15
目前全世界最厉害的对视频视觉理解能力大模型是哪个
目前在视频视觉理解能力方面表现出色的大模型有： 1. 昆仑万维的 SkyReelsV1：它不仅支持文生视频、图生视频，还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。擅长万物识别，能分析图像中的文本、图表、图标、图形和布局等。
2025-04-15
目前全世界最厉害的视频视觉理解大模型是哪个
目前全世界较为厉害的视频视觉理解大模型有以下几个： 1. 昆仑万维的 SkyReelsV1：不仅支持文生视频、图生视频，是开源视频生成模型中参数最大且支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其优势包括影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等。 2. 腾讯的混元：语义理解能力出色，能精准还原复杂的场景和动作，如特定品种的猫在复杂场景中的运动轨迹、从奔跑到跳跃的动作转换、琴音化作七彩音符等。 3. Pixverse V3.5：全球最快的 AI 视频生成模型，Turbo 模式下可在 10 秒内生成视频，最快仅需 5 6 秒。支持运动控制更加稳定、细节表现力强、首尾帧生成功能，具备顶尖动漫生成能力。
2025-04-15
目前全世界最厉害的视觉理解大模型是哪个
目前在视觉理解大模型方面，较为突出的有 DeepSeek 的 JanusPro 模型，它将图像理解和生成统一在一个模型中；还有通义千问的视觉理解模型，其价格有较大降幅。此外，Pixverse V3.5 是全球最快的 AI 视频生成模型，在某些方面也展现出了出色的能力。但很难确切地指出全世界最厉害的视觉理解大模型，因为这取决于不同的评估标准和应用场景。
2025-04-15
大模型对话产品的优劣
大模型对话产品具有以下优点： 1. 具有强大的语言理解和生成能力。 2. 能够提供类似恋爱般令人上头的体验，具有一定的“想象力”和“取悦能力”。 3. 可以通过陪聊建立人和 AI 之间的感情连接，产品粘性不完全依赖技术优越性。 4. 能够为用户提供产品咨询服务，适用于有企业官网、钉钉、微信等渠道的客户。 5. 具有多种应用场景，如私有领域知识问答、个性化聊天机器人、智能助手等。 大模型对话产品也存在一些缺点： 1. 存在记忆混乱的问题。 2. AI 无法主动推动剧情，全靠用户脑补，导致用户上头期短，疲劳度高，长期留存低。 3. 无法回答私有领域问题（如公司制度、人员信息等）。 4. 无法及时获取最新信息（如实时天气、比赛结果等）。 5. 无法准确回答专业问题（如复杂数学计算、图像生成等）。
2025-04-14