🌟 教程导读

本期专栏作为Olares本地AIGC教程系列的第三讲，将正式进入文生图（Text-to-Image）的核心内容，从界面功能，到模型选择、提示词写法、采样与种子设置，讲解每一个关键参数的作用与使用逻辑，帮助你掌握稳定扩散图像生成的基本功，让你精准控图。

熟悉 SD WebUI 界面布局

SD WebUI 的主界面可分为三部分：

• 顶部快捷设置区域：用于快速调整关键参数，默认只显示“模型选择”下拉框。

• 中部菜单栏：选择要执行的功能模块，默认是“txt2img（文生图）”。

• 底部功能区：根据所选功能显示相应操作控件。

小贴士：某些插件在重启 SD WebUI 后可能失效，可通过“扩展”面板重新启用。

文生图工作流程概览

我们将按生成流程，依次介绍每一项参数设置的作用与推荐用法。

模型下载、管理及使用

Olares 中内置了常见的 Stable Diffusion 模型：

• ChilloutMix：擅长写实人像，适合生成高质量人像图。

• DreamShaper：通用型模型，兼容写实与插画风格，推荐新手使用。

• JuggernautXL Lightning：支持仅用 4 步出图，适合追求高效的用户。

尽管内置模型能满足多数需求，但AIGC社区模型迭代迅速，你可能需要尝试最新的流行模型或针对特定领域特化训练的模型。

Civitai（俗称C站，civitai.com）是目前最流行和资源最丰富的模型分享社区之一（访问可能需要网络“魔法”）。C站资源除了Checkpoint大模型，还包含 LoRA、Embedding (Textual Inversion)、图片作品、教程、工作流（Workflows）等。

你可能会在 C 站上不同模型的封面看到这些关键词：

• Checkpoint：指的就是我们这里讨论的Stable Diffusion大模型文件，它们是AI绘画的基础。在C站模型的封面上，通常左上角会标明其类型，如“CHECKPOINT”。

• Pony：特指基于 Stability AI 发布的 Pony Diffusion XL 模型进行微调或衍生的模型，通常在动漫风格、画面细腻度上有出色表现。

• F1：指基于 Black-Cookie 开发的 FLUX.1 系列模型。FLUX是一种新的扩散模型架构，旨在提高效率和生成质量。 注意下载模型时，应选择安全的文件格式。例如 SafeTensor、Core ML 和 ONNX。“PickleTensor”可能会被嵌入恶意代码。

下载其他模型

以“麦橘写实”为例：

1. C 站筛选并找到目标模型，点击模型封面进入详情页。通常模型有多个版本（如 V7 代表最新版）。

2. 点击右侧的“Download”按钮下载。

    提示

    留意作者在模型描述中提供的推荐使用参数（如采样器、步数、CFG等），这通常是基于模型训练特性给出的优化建议。

3. 下载后将模型放入 Olares 文件管理对应目录：

外部设备 > ai > model > main

提示

建议在此目录下创建子文件夹进行分类管理（例如，新建一个“人像 (Portraits)”目录），然后将下载好的模型文件（如 .safetensors 文件）放入相应目录。

4. 打开 SD WebUI ，点击模型选择下拉菜单旁的“刷新 (Refresh)”按钮。新下载的模型便会出现在下拉列表中，选择它即可加载。

种子

种子决定初始噪声图，从而影响最终结果。配合使用不同的种子，即使是同样的参数也能生成不一样的结果。这就是俗称的“抽卡”。

• 随机种子：设置为“-1”表示每次生成随机种子，会影响扩散过程中的第一张图，也就是初始噪声的生成

• 固定种子：可复现图像结果，便于对比与调试

• 变异种子：在保留原图基础上略作变化，适合“抽卡出好图后微调”

变异强度越低，生成图越接近原图。可以通过 X/Y/Z 脚本批量测试不同强度的效果差异。

Clip 跳过层数

CLIP (Contrastive Language-Image Pre-Training) 是一个理解文本提示词并将之转换为图像特征的模型。它由多个层组成。控制 CLIP 模型的推理深度，此参数允许在CLIP模型进行推理时，跳过最后若干层。

参数越大 ，跳过的层数越多，虽然速度快了 ，但会导致提示词理解能力下降，引入了不确定性。

• 默认值为 1（全层运行）

• 设置为 2 或以上可加速推理，但可能影响提示词解析效果

• 除非模型明确要求修改，否则建议保留默认值

提示词

提示词是引导AI生成期望图像内容的核心指令。

1. 不同模型支持的提示词格式

提示词是控制生成内容的核心，不同的模型使用了不同的文本编码器（Text Encoder），因此支持的提示词格式也有所不同。

• SD1.5模型：通常搭配单独的 CLIP ViT-L/14。偏向“标签样式提示 (tags)”，适合使用简单、分段的关键词。

• SDXL模型：同时使用 CLIP ViT-L/14 和 OpenCLIP ViT-G/14 (或 CLIP ViT-bigG/14)。支持更复杂的提示词结构，能解析短语中的语义关系和描述层次。

• SD3 / Flux系列模型：引入更强大的文本编码器如 T5XXL，具备更强的自然语言处理能力，能充分理解句子中的描述关系、修饰语细节及逻辑联系。

请根据模型类型选择合适的提示词风格，避免提示词格式不匹配影响结果。

2. 正面提示词与负面提示词

• 正向提示词：描述希望生成的画面内容。

• 负面提示词：用于排除不希望出现的特征。

即使没有特别想排除的具体事物，也建议在负面提示词中加入一些通用的、提升画面质量的词条，如 low quality, worst quality, normal quality, jpeg artifacts, blurry, watermark, signature, text, error, bad anatomy, bad hands, deformed, mutated, extra limbs 等。

嵌入式（T.I. Emdedding）模型，你可以理解为它们是预训练好的特定的负面提示词的集合。比如下面这两个模型：

• Easy Negative：偏向于整体画面质量优化，能减少画面瑕疵和不协调的细节问题。

• bad-hands-5：专门针对人体肢体生成的问题如解决手指数量错误、手势畸形、肢体变形等。

3. 提示词语法

✅ 如何调整权重（提示词优先级）

使用英文半角括号“()”可以增加权重，每层提升 10%。

(word)：将 word 的权重乘以1.1。

((word))：权重乘以 1.1 * 1.1 = 1.21。

(word:factor)：直接指定权重因子，如 (red flower:1.5) 将红花的权重设为1.5。

使用中括号“[]”可以降低权重，但降权效果通常不如加权明显。

[word]：将 word 的权重除以1.1（约等于乘以0.909）。

使用下列提示词生成图片时，红花更多，白花相对减少。

garden, (red flower:1.21), [white flower] 

✅ 如何调整提示词影响链

提示词顺序会影响生成优先级，默认情况下，越靠前越重要。但是我们可以用关键词手动调整。

red apple, shiny BREAK blue sky, clouds

效果：生成一部分是“红色的光亮苹果”，另一部分是“蓝天白云”，两者互不影响。

AND 关键字可以将两个或多个概念融合到同一个主体或场景中，而不是简单并列。

cat AND flower

效果：生成一只“和花融合在一起的猫”，而不是单独生成猫和花。

✅交替提示词（Alternating Prompt）

交替提示词可以通过调整提示词的作用时间，在采样过程中生成融合特征的图像。适用于混合两个或多个概念的图像生成。

基本格式为：

[word1|word2]

如果要精确控制两个提示词的影响时间比例：

[word1:word2:step_fraction]

其中，step_fraction 是一个 0 到 1 之间的小数，表示第一个提示词作用的时间占比。

例如，下列提示词汇生成一副猫和猫头鹰混合特征均衡的图像。

[cat:owl:0.5] 

而下列提示词生成的图像，会更倾向于“猫”的特征：

[cat:owl:0.7] 

4. 提示词相关性CFG

CFG Scale控制生成图像在多大程度上与您的提示词保持一致（相关性）。

值越高，模型将更严格地遵循提示词中描述的内容和风格，减少自由发挥和“想象”的部分。图像更“贴题”。值越低，模型有更大的创作自由度，可能会在提示词未明确指定的方面进行更多探索，图像可能更多样化，但也可能与提示词的关联度降低。

大部分情况下，CFG Scale的值在 6 到 11 之间能获得比较理想且平衡的效果。一个常用的默认值是 7。如果生成的图像与提示词的匹配程度不佳，可以尝试调整此值。

VAE

VAE 负责将潜空间（Latent Space）中的数据解码为我们最终看到的像素图像，也负责将输入图像编码到潜空间（如图生图）。大部分 SD1.5 和 SDXL 模型都内置了 VAE。

如果生成的图像颜色发灰、饱和度低或出现奇怪的色块，很可能是当前模型的内置 VAE 存在问题或不适合当前任务。此时，可以在“设置 (Settings)” > “Stable Diffusion” > “SD VAE”下拉菜单中手动选择一个外挂 VAE。

常见VAE推荐

• vae-ft-mse-840000-ema-pruned.safetensors：一个高性能、针对真实感和高分辨率解码强化的通用 VAE，适用于多数写实场景。

• kl-f8-anime2.ckpt（或类似名称的anime专用VAE）：在动漫风格图像生成中效果出色。

注意

VAE 选择问题在 SD1.5 衍生模型中相对常见。SDXL 模型通常配套有专用 VAE，或其内置 VAE 已足够优秀。

采样方法、调度器与步数

在扩散模型的图像生成过程中，采样方法、调度器（Scheduler） 和 步数（Steps） 是影响画面质量、风格多样性和生成速度的重要因素：

• 采样方法（Sampler）：是用来执行“每一步计算”的数学算法，它决定了生成过程的具体路线图。不同方法对应不同的数学逻辑，有的更快，有的更精细。

• 调度器（Scheduler）：负责管理每一步去噪时使用的“步长权重”和“噪声量”，可以理解为控制每一步力度与节奏的节拍器。

• 步数（Steps）：则定义了生成图像时所进行的“总迭代次数”。步数越高，图像理论上越清晰，但时间也更长，过高反而容易过拟合或无明显提升。

三者组合之后，直接影响图像的清晰度、风格、细节，甚至是生成时间。

如果你使用的模型给出了推荐搭配（比如推荐某个采样器或固定步数范围），那就按模型的推荐。这是因为很多模型在训练时，默认使用了某一套采样流程，这样能获得更理想的输出效果。

如果你是新手，可以直接使用下面这套“省心组合”：

• 采样方法：Euler 或 Euler a。

  • Euler 是基础欧拉采样，速度快、表现稳定；

  • Euler a 中的 a 是 Ancestral（祖先采样）的意思，它在每个采样步骤中加入随机噪声，使图像更具多样性。

• 调度器：Automatic

  • 让 SD WebUI 自动选择最适合你所选采样器的调度方式，适用于大多数情况。

• 步数：15～25 步

  • 这是当前主流模型的推荐范围，生成速度与质量之间取得不错的平衡。

高清修复

在生成低分辨率图像的基础上，通过放大并进行二次精炼，得到细节更丰富的高清大图。关闭Hires. fix生成的图像（如512x512）可能显得模糊，启用后（如放大到1024x1024）则细节显著提升。

放大算法

放大算法（Upscaler）是执行放大操作的核心。主要分为两大流派：潜空间放大和像素空间图像放大。

• 潜空间放大 ：如 Latent, Latent (nearest), Latent (bicubic antialiased)，以及文中的 Lanzos。它们在潜空间对特征图进行放大，理论上速度较快（因省去VAE编解码过程），但质量可能略逊于像素空间放大算法。

• 像素空间图像放大：如 R-ESRGAN 4x+, SwinIR_4x, ESRGAN_4x, 4x-UltraSharp, 以及文中提到的 8x_NMKD-Superscale_150000_G。这些算法直接对像素图像进行放大和增强，通常效果更好，细节更丰富。

个人偏好和具体图像内容会影响最佳选择，可以多尝试几种。

1. 高清修复采样次数

指在放大后的潜空间数据上进行二次采样的步数。一般设置为0则使用与主采样步数一致，也可以设为10-20步。

2. 重绘幅度

非常关键的参数，范围0到1。它控制了在高清修复阶段，模型在多大程度上参考原始低分辨率图像的内容。对比0.2, 0.5, 0.8的效果，可以观察到0.8时图像内容（如头饰）可能发生显著变化。

• 较低值（如 0.1 - 0.4）：更倾向于保留原始图像的构图和主体内容，主要在细节上进行优化和丰富。

• 中等值（如 0.4 - 0.6）：在保留原图结构的同时，允许模型进行一定程度的再创作和细节添加。0.5是文中示例值。

• 较高值（如 0.7 - 1.0）： 模型会更大胆地修改原始图像，可能生成与原图构图有较大差异的新内容，但细节可能更丰富或更符合高分辨率下的表现。

3. 放大倍率 

直接指定放大倍数。如原图512x512，放大倍率2，则输出1024x1024。也手动设置高清修复后图像的最终宽度和高度。

建议保持与原图一致的宽高比，否则可能导致图像被不成比例地拉伸或裁剪。例如，原图512x512 (1:1)，若高清修复目标设为1024x1536 (2:3)，则最终图像可能是原图中央部分按2:3比例裁剪放大后的结果。

注意

一旦手动调整了宽高数值，想重新使用“放大倍率”，需要将这两个滑动条的值手动恢复为0。

Refiner

Refiner（精炼器）是一个可选的第二阶段模型，主要与 SDXL 基础模型配合使用。它允许在主（Base）模型完成了大部分采样步骤后，将潜空间数据传递给一个专门用于提升图像细节、质感和最终视觉效果的 Refiner 模型进行后续的少量采样。

主要是在使用SDXL官方基础模型（SDXL Base）时使用，可以配合官方发布的 SDXL Refiner模型。在 SD WebUI 中，通常会有选项让你选择 Refiner 模型，并设置一个“切换时机 (Switch at)”参数（如0.8，表示Base模型完成80%的采样步数后切换到Refiner）。

注意

如果使用的是社区基于 SDXL Base 或其他基础模型进行了精细微调的 Checkpoint（例如，很多在 C 站上下载的针对特定风格优化的模型），这些模型往往已经能够直接输出高质量的作品，通常不太需要额外再启用 Refiner 功能。强行使用不匹配的 Refiner 反而可能破坏效果。

尺寸（宽度和高度）

设定初始生成图像的尺寸（在Hires. fix之前的尺寸）。一般不会调整，但是注意不同模型支持的尺寸会有差异：

• SD1.5衍生模型：通常在 512x512、512x768、768x512 等尺寸范围内表现最佳。直接生成过大尺寸（如1024x1024）效果通常不佳，可能出现重复、崩坏或“力不从心”的感觉（如文中用麦橘人像模型直接生 成1024x1024 的演示）。

• SDXL模型：训练数据分辨率更高，原生支持 1024x1024 及附近的尺寸，如 1024x768、768x1024、1152x896、896x1152 等。

【3】获取更大尺寸

主要依赖“高清修复 (Hires. fix)”功能，它通过分块（Tiled）生成或潜空间放大技术，可以将图像有效扩展到2K甚至更高分辨率。

生成批次（Batch count）和每批数量（Batch size）

在生成图像时，生成批次（Batch count）和每批数量（Batch size）是两个重要参数，它们决定了图片生成的数量、显存消耗以及生成效率。

生成批次是指模型完整运行生成流程的次数。例如，设置 Batch count 为 2，表示生成两次，每次使用不同的种子。每批数量指的是每次生成时同时生成的图片数量。例如，Batch size 为 3，表示每次生成 3 张图片。

两者的关系可以通过以下公式表示：

总图片数 = 生成批次（Batch count） * 每批数量（Batch size）

显存消耗

每批数量越大，单次运行时占用的显存越高。生成批次的增加不会改变单次运行时的显存需求，但会增加运行次数，因此总时间会变长。

生成效率 在硬件显存允许的情况下，提高每批数量能够更好地利用 GPU 并行处理的能力，从而提升生成效率。相比之下，增加生成批次虽然也能生成更多图片，但总耗时会线性增加。

种子的分布

生成批次和每批数量的设置会影响生成图片的种子分布规律。

• 当生成批次为 N，每批数量为 1 时，初始种子为 S，生成的图片种子依次为 S, S+1, ..., S+N-1，每次生成独立运行。

• 当生成批次为 1，每批数量为 N 时，初始种子同样为 S，生成的种子也是 S, S+1, ..., S+N-1，但所有图片是在同一次生成中完成的。

在显存不紧张且需要快速生成多张略微不同的图片时，可以适当增加 Batch size。如果只是想多尝试几个种子，或者显存有限，增加 Batch count 是更稳妥的选择。通常保持默认的 Batch count=1, Batch size=1，除非有特定需求。

在 Olares 系统中使用 SD Web UI

模型上传与管理

在使用 Olares 系统运行 SD WebUI 时，需要注意将模型上传到文件管理器的对应位置。

外部设备
└── ai
    └── model
        ├── main                # 存放 .safetensors 或 .ckpt 大模型文件 (Checkpoint 大模型)
        │   └── [建议在此创建子文件夹进行分类]
        ├── vae                 # 存放 VAE 模型文件
        ├── esrgan              # 存放放大算法模型 (Upscalers)
        │   └── [如 ESRGAN 类的 .pth 文件]
        ├── upscale_models      # 可能的放大算法模型目录 (根据配置不同)
        ├── embeddings          # 存放 Embeddings (.pt, .safetensors)
        └── Lora                # 存放 LoRA/LyCORIS (.safetensors)

Olares 内置插件

Olares 平台内置的 Prompt All-in-One 插件可以大幅降低学习成本，通过中文选项自动生成英文提示词，支持翻译、提示词分类、ChatGPT 一键生成等功能。

其他使用技巧

如何挑选和下载模型？

如果是 Checkpoint 大模型、LoRA 等，首推 Civitai (C站)，资源丰富，更新快。

如果是放大算法模型 (Upscalers)，可以从 OpenModelDB、Upscale Wiki 等社区资源站寻找和下载。例如，在脚本中演示了从网上搜索并下载 4x-UltraSharp.pth，然后将其放入 Olares 对应的 upscale_models 目录，重启 WebUI 后即可在放大算法列表中选择使用。

如何在 SD Web UI 中快速恢复上次跑图配置？

在 SD WebUI 的“生成”按钮下方，通常会有一个蓝色的小图标（工具提示可能是“将上一次任务的参数复制到用户界面”）。点击它可以将最后一次成功生成图像时的所有参数设置（包括提示词、采样器、步数、种子、尺寸、Hires.fix 设置等）一键恢复到当前界面，非常方便在调整后不满意或重启 WebUI 后快速回到之前的状态。

如何自定义 SD WebUI 的顶部快捷选项？

在 SD WebUI 中选择 “设置 (Settings)” > 搜索“quicksettings” > 修改 Quicksettings list，可以把自己常用的参数（如 Clip Skip、VAE 选择、SD Hypernetwork等）添加到顶部快捷设置区域，提升操作效率。

📌 本期小结

本期我们系统梳理了 SD WebUI 文生图功能的核心参数与使用方法，包括：

• 主界面布局与功能模块划分

• Checkpoint 模型的选择逻辑与下载建议

• 正负向提示词的写法、权重语法与顺序影响

• 采样器选择与步数调整的实用建议

• 种子与变异种子的作用与使用技巧

• Clip Skip、高清修复等高级选项的使用场景

掌握这些内容后，你已经可以开始有目的地“指挥” Stable Diffusion 生成你想要的图像了。

下一期将讲解图生图功能，敬请期待！ 

关注我们的账号的系列文集「Olares 本地 AIGC 教程」，不要错过更新呦～

欢迎在评论区留言交流👇

你可以观看这个视频，详细了解 Olares。

https://www.bilibili.com/video/BV1VDCAYUEEm​

📝 Olares 论坛已上线，欢迎在这里分享和讨论：

https://forum.olares.cn/