Stable diffusion小白入门学习教程：文生图教程讲解

Stable Diffusion小白入门：一文看懂文生图核心功能

欢迎回到《Stable Diffusion小白入门》系列。上回我们成功安装了软件，今天，咱们就深入它的核心功能——文生图界面，一步步拆解，让你也能轻松生成心仪的图片。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

先来看上面这张图，这就是Stable Diffusion的文生图主界面。整个界面布局清晰，大致可以划分为五个功能区域：

• 模型区：选择和切换不同模型的地方，它决定了画面的整体风格。
• 提示词区：输入正向和反向描述词的地方，是AI作图的“指挥棒”。
• 参数调整区：调整各种生成参数的核心区域，直接影响出图效果。
• 插件区：集成各种扩展功能，能力进阶时会用到。
• 出图区：最终生成图片的展示地。

1、模型区：风格的奠基石

第一个区域是模型区。选择不同的模型，就等于选择了不同的画风和流派。简单来说，如果你加载的是一个二次元风格模型，那么最终生成的图片就会偏向动漫风格；如果用的是写实模型，出图效果就更接近真人照片。

以秋叶整合包自带的“anything-v5-PrtRE”模型为例，它就是一个典型的二次元模型。当你输入“1girl”这样的提示词，得到一张二次元女孩肖像的概率就非常大。

当然，Stable Diffusion的模型生态远比这复杂，除了主模型，还有VAE、LoRA等微调模型。不过别担心，这些进阶内容我们会在后续章节详细展开。

2、提示词区：画面的指挥官

第二个关键区域是提示词区。想要AI画出你想要的画面，清晰、准确的提示词至关重要，其重要性不亚于模型选择。

提示词主要分两类：正向提示词和反向提示词。正向词描述你“想要什么”，比如“蓝天，白云，城堡”；反向词则声明你“不想要什么”，比如“模糊，多手指，畸变”。

如果你用的是原版WebUI，初期可能会对写提示词感到无从下手，因为需要自己搜集和组合关键词。

这也是为什么推荐新手使用秋叶整合包的原因之一——它贴心地内置了许多常用且分类好的提示词词典，鼠标点选即可添加，大大降低了上手门槛。

提示词还有更复杂的用法，比如通过英文括号`()`来调整不同词汇的权重。这部分内容我们同样会安排单独的文章进行详解。

3、参数调整区：精细控制的奥秘

第三个区域是参数调整区，这里的概念相对复杂一些，建议结合实操多尝试几遍，感受会更深刻。

3.1 采样方法：AI的“绘画手法”

要理解采样，得先简单了解Stable Diffusion的出图原理。它主要分为两步：

第一步是前向扩散，可以想象成把一滴墨水滴入清水，墨迹逐渐晕开、变淡，直到和水完全混为一体，变成看似随机的噪点图。

第二步是逆向扩散（去噪），AI根据你的文字描述，一步步从那张噪点图中“猜”出原本的图像，并清除噪点，最终形成清晰的画面。

这第二步的去噪过程就是“采样”，而采用的不同数学方法就是“采样方法”。你可以把它理解为AI不同的作画手法。

面对繁多的采样方法，新手容易困惑。根据常见的分类和社区经验，大致可以归纳为以下几类：

• 老式常微分采样：如Euler、Heun、LMS。特点简单、速度快，效果稳定，通常20-30步就能得到不错的结果。
• 祖先采样：如Euler a、DPM2 a。名字带“a”。这类方法随机性较强，旨在用较少步数产生多样化结果，但图片不“收敛”，即步数增加画面也不稳定，不适合需要复现相同画面的场景。
• Karras采样：如LMS Karras、DPM2 Karras。这类方法前期噪点多，后期噪点少，有助于提升图像质量，建议步数设置在15步以上。
• 已过时采样：如DDIM和PLMS。社区普遍认为效果已落后于新方法，生成图片容易显得不自然。
• DPM家族采样：这是最庞大的家族，包括DPM、DPM2、DPM++、DPM++ 2M等。DPM++ 2M在速度和质量上平衡较好；DPM++ SDE基于随机微分方程，和祖先采样一样不收敛。
• UniPC采样：2023年发布的新方法，目前以速度快著称，能在较少步数内生成高质量图片。

如果看了还是选择困难，这里有几个实用的经验参考：

• 生成简单图片，对效果要求不高时，可以试试老式常微分采样。
• 追求较高图片质量和新颖性，可以尝试DPM++ 2M Karras或UniPC。
• 想要质量不错但不关心图片是否每次相同，可以试试DPM++ SDE Karras。

想直观感受不同采样方法的差异，可以参考这篇文章[1]中的详细对比：

注：上图仅为部分对比，完整内容可在原文中查看。

3.2 迭代步数：并非越多越好

迭代步数理解起来简单，就是AI进行去噪计算的次数。步数越多，耗时越长。

但关键在于，步数并非越多越好，它需要和采样方法搭配来看。例如，使用了不收敛的祖先采样方法，步数再多也难以获得稳定图像。通常，步数设置在20-40之间较为合理。步数太少，去噪不充分，图片会模糊有噪点；步数太多，则可能只是白白消耗计算资源。

3.3 高分辨率修复：让图片更清晰

这个功能顾名思义，就是提升图片分辨率和清晰度。SD默认生成的图片尺寸往往在512×512到1024×1024之间，直接放大容易模糊。开启高分辨率修复后，AI会基于已生成的图片内容，智能地放大并补充细节，从而获得高清大图。

3.4 图片精修Refiner：专业级的后期打磨

Refiner的作用是为图片进行更精细的“后期处理”，让画面质感更上一层楼。它有两个主要参数：一是选择用于精修的专用模型，二是设置开始精修的时机。例如，总迭代步数为20，切换时机设为0.5，那么AI会在第10步之后启用精修模型来完善画面。

3.5 面部修复：拯救“崩坏”的脸

当生乘人物时，如果图片尺寸较小，脸部占用的像素就很少，容易导致五官扭曲或模糊。面部修复功能就是专门针对此问题的“美颜工具”。在秋叶整合包中，这个功能被整合到了“后期处理”标签页里。

3.6 总批次数/单批数量：效率与显存的权衡

• 总批次数：执行图片生成任务的轮数。
• 单批数量：每轮任务同时生成多少张图片。

比如想生成4张图，设置“总批次数=4，单批数量=1”和设置“总批次数=1，单批数量=4”最终出图数量相同。但后者通常更快，因为它并行计算；不过也对显卡显存要求更高。显存较小的用户，建议将单批数量设为1，通过增加总批次数来出多张图，这是用时间换取显存空间的策略。

另一个细节是，使用这些批量功能时，后续图片的生成会在前一张的基础上加入细微变化，保证了输出的多样性。

3.7 提示词引导系数：控制AI的“听话”程度

这个参数（CFG Scale）决定了AI在多大程度上遵循你的提示词。数值越高，AI越“严格”地按词创作；数值越低，AI的“自由发挥”空间就越大。

举个例子，提示词为“1girl, red hair, tuxedo, high_heels”（1个女孩，红发，燕尾服，高跟鞋）。当引导系数设为20时，生成结果通常严格符合描述。

但当系数降到3.5时，多生成几次，就可能出现违背“1个女孩”设定的图片。

当然，这并非绝对，高系数下也有小概率出现偏差。这本质上是一个概率问题。经验表明，将CFG Scale设置在7到12之间，通常能在遵循提示词和保持画面创意之间取得良好的平衡。

3.8 随机数种子：重现画面的关键

随机数种子可以类比为画画的“底稿”。如果使用相同的种子，配合其他相同参数，就能大概率复现出非常相似的图片。设置为“-1”则代表每次随机生成。

这个功能在需要微调或重现某张满意图片时非常有用。因为即使其他参数完全一致，种子不同，产出也可能天差地别。固定了种子，就锁定了生成轨迹的主干。

例如，固定了下方美女图的所有参数和种子后，重新生成，得到的效果极为接近：

四、插件区与出图区

插件区功能强大，但对于入门小白而言稍显复杂，通常涉及工作流优化、风格控制等进阶需求。我们会在后续有具体实战案例时再深入讲解。

出图区则相对直观。所有生成的图片都会自动保存。界面上的按钮功能明确，例如“发送到图生图”、“发送到后期处理”等，都是一些提升操作效率的快捷方式，根据中文提示使用即可。

好了，以上就是Stable Diffusion文生图界面的核心功能解析。内容重点放在了参数调整区，因为这部分对新手最实用，也最容易产生困惑。希望这篇详细的梳理能帮助你更快上手。如果觉得有收获，还请多多支持！