StableDiffusion如何从C站下载和使用AI绘图模型

Stable Diffusion模型是一种用于生成艺术作品的人工智能算法。不同的模型版本具有不同的特点和功能，但关键词tag的质量并不是唯一决定绘图效果的因素。

CVTI网站提供了多个免费的Stable Diffusion模型，如Checkpoint、Textual Inversion、LoRa和Hyper Network。这些不同的模型在生成图像时使用了不同的技术和算法。其中的选择取决于你想要实现的具体效果。Checkpoint模型通常用于生成高分辨率图像，Textual Inversion模型则强调以文本描述输入来生成图像，LoRa模型则注重低分辨率图像的生成，而Hyper Network模型则提供了一种更加灵活和可定制的方式。

根据你的需求和预期效果，你可以选择适合的模型版本。在CVTI网站上，你可以找到这些模型的详细说明和示例，并根据自己的需求选择合适的模型进行下载和使用。当你下载了适合的模型后，你可以参考网站上提供的使用说明来正确地使用它们，以达到你理想的绘图效果。

一、模型的概念和区分

• 大模型（底膜）：包含数以亿计的参数，如Stable Diffusion的1.4版本、1.5版本、2.0版本和2.1版本。具备泛化性，绘画过程中必备模型。

• VAE模型：将图像的潜在向量量化为识别图像的数据。绘图时必不可少的模型。但大多数模型中已经内嵌。

• 微调模型：如Lora、Dreambooth、Embedding、Hypernetwork。能够帮助绘制特定风格和任务的图像，可根据需求选择使用。
• Checkpoint模型：训练过程中保存的模型参数，用于模型恢复或迁移。可视为大模型的底模型或Dreambooth模型。
• Textual Inversion：基于文本的繁殖方法，通过输入文本生成对应的潜在向量表示。
  

后缀名

• SafeTensor和PickleTensor模型：前者是受加密保护的(不开源），无法直接读取参数；后者不受加密保护，可以查看模型参数（开源）。
  

• Pruned模型：经过剪枝的神经网络模型，通过删除冗余的神经元或连接来减少模型复杂度，提高运行速度和泛化性能。
  

• EMA模型：平滑模型参数更新的方法，降低训练过程中的震荡和波动，增强模型的稳定性和泛化能力。选择会更好。
  
• FT16和FT32模型：不同数据类型进行存储，前者占用更少存储空间和计算量，提高模型训练和推理效率，但可能影响性能和精度。FT32保留了更多的小数（精）占用内存较大。
  

二、下载和使用模型

1. 在C站主页上选择所需的模型下载，根据模型的缩略图标注区分模型类型。
   
2. 点开模型后，下载SafeTensor或Pickle Tensor类型的大模型以及相应的VAE模型。
   
3. 将下载的大模型放在WebUI的’Model\StableDiffusion’文件夹内，将VAE模型放在’Modele\VAE’文件夹内。
4. 打开WebUI界面，在’Settings’中选择下载的VAE模型并点击应用。
   
5. 在’Text-to-Image’界面中选择下载的大模型，然后输入关键词和参数进行绘图。
6. 根据参数设置完成绘图后，可以局部修改关键词进行绘图。
7. 除了VAE模型外，还可以下载和使用Embedding和HyperNetwork模型，操作方式相同。
8. 注意，不同计算机配置可能导致生成结果略有差异。

三、其他说明

• 推荐使用PickleTensor模型，因为可查看模型参数。
• 对于需要绘制特定风格的人物，在下载Lora模型时，还需要下载适用于Lora模型的大模型，例如NeverEndingDreamNED模型。
• 参数的调整和选择合适的VAE模型对绘图效果影响较大。
• 图像生成结果可能略有差异，但可以通过局部修改和优化参数进行迭代。