Stable Diffusion是当前最热门的AI绘画工具之一，它能够根据文字描述生成高质量的图像。本教程将带你从零开始掌握这个强大的工具。

一、Stable Diffusion基础介绍

Stable Diffusion是一种基于扩散模型的文本到图像生成AI。与传统的GAN模型不同，它通过逐步去除图像中的噪声来生成图片，这一过程称为'去噪扩散'。这种技术让生成的图像质量更高，细节更丰富。

要使用Stable Diffusion，你需要了解几个核心概念：

• 模型(Checkpoint)：决定生成图像风格的基础模型
• 提示词(Prompt)：描述你想要生成图像的文字
• 负面提示词(Negative Prompt)：指定不希望出现在图像中的元素
• 采样器(Sampler)：控制图像生成过程的算法

二、安装与配置

Stable Diffusion有多种使用方式：

1. 在线使用

最简单的方式是通过在线平台如DreamStudio或Stable Diffusion Web UI。这些平台通常提供免费试用额度。

2. 本地安装

对于想要完全控制生成过程的用户，可以在本地安装Stable Diffusion Web UI：

1. 确保你的电脑有NVIDIA显卡(建议8GB显存以上)
2. 安装Python 3.10.x
3. 下载Stable Diffusion Web UI安装包
4. 运行安装脚本

三、提示词工程

掌握提示词编写是生成高质量图像的关键。以下是一些技巧：

• 使用明确的描述："一只坐在沙发上的橘色猫咪"比"一只猫"效果更好
• 添加风格描述："赛博朋克风格"、"水彩画"等
• 使用权重控制：通过( )增加权重，[ ]降低权重
• 组合多个概念："美丽的女战士，穿着中世纪盔甲，站在城堡前"

四、高级技巧

当你掌握了基础知识后，可以尝试这些进阶技巧：

1. 图像到图像生成(Img2Img)

上传一张图片作为基础，让AI在其基础上进行修改或重绘。

2. 控制网络(ControlNet)

通过边缘检测、深度图等方式精确控制生成图像的构图。

3. LoRA模型

小型适配器模型，可以在不改变基础模型的情况下添加特定风格或角色。

五、常见问题解答

Q：生成的图像分辨率太低怎么办？
A：可以使用高清修复(Hires. fix)功能或后期使用AI放大工具。

Q：如何让生成的图像更符合预期？
A：尝试更详细的提示词，调整CFG值(通常7-12之间)，尝试不同的采样器。

Q：生成的图像出现扭曲或异常怎么办？
A：添加负面提示词如"deformed, bad anatomy"，降低步数(Steps)，或尝试不同的模型。