粉丝2.6万获赞15.6万

一分钟搞懂 ai 绘画三十种采样器的选择使用随着 stable defuse 一点六版本的更新,采样器增加到了三十种。面对这么多相似又不同的采样器,你是不是满脸问号?请先允许我厚着脸皮求个关注,只需粉丝速建群,方便和大家交流。 现在跟着我梳理清楚不同采样器的作用,以及该怎么选择。我们无需太过了解采样器背后复杂的工作原理,只需要简单理解成 采样,就是 ai 在成像过程中不同的算法即可。我们把采样器分为三类,首先是古董采样器,第二类是二零二二年发布的痛家族,最后是今年发布的最新采样器。 许多采样器因为响应速度和出图效果不佳直接淘汰。剩下的采样器有一些名字很相似,但加了不同的字母和数字来区分,比如为了汉,为了 a, 字母 为代表词,才让记得算法更活跃,图像结果会有随机的细节。 top 二四同家族的第二代,虽然画面质量有所提升,但出图速度慢一倍,所以直接 pass kos。 这类采样器在发布以后对图像的优化会越来越好。其余的也淘汰。二 m 四二 s 的升级版,增加了提示词之间的传递,所以二 s 也可以排除。三 m 是这次一点六版本新增加的算法,他在三十步以后对图像渲染有着不错的表现,实则是随机算法的一种推荐,在增神真人效果时使用 xpo 难受会增加图像的柔和度。最后是 unipc 汉瑞斯二,这两个都是今年新出的采样器,他们可以用更少的步数生成高质量的图像,经过一番趣繁重剪,保留下这些采样器,他们的优点是出图块质量有保障。其中二次元动漫风格推 推荐,为了捍卫了 a 真实感选择大家可以多多尝试。相信现在你对采样方法已经有了新的认识。接着我们打开设置,点击采样方法参数,勾选淘汰的采样器, 保存,设置重载 ui 页面就会更加简洁明了啦,想到就去做到!我是蒸汽,关注我,一起学习更多 ai 的应用!

一分钟搞懂 stable、 diffusion 二十种采样器当你打开 sd 时,面对这二十几种名字相似的采样器,是不是瞬间感到头大?弄清楚他们之前,我们需要明白什么是采样。当我们点击生成时,会根据 c 的值随机生成一张初始噪声图像, 接着模型的预测器会预测出另一张噪声图像,然后在初始噪声图像中减去预测出来的噪声,就得到一张新的图像。 之后不断重复预测噪声和减去噪声的步骤,就能得到最终的图像,因为每次去造后会得到一张新的样本图像,这个过程就叫做采样。去造使用的方法就叫做采样方法,或者采样器去造重复的次数就是采样迭代部署。 了解了原理,那这二十多种采样器该怎么选择呢?先上结论,可以直接抄作业。要区分这些采样器,只需分类后就一目了然。第一类为老式的常规方程采样器,特点是实现简单且年代久。 他们都是稳定采样器,一般二十步之后图片变化不大,能稳定收敛。第二类为名字中都带了字母 a 的,叫祖先采样器,属于不稳定采样器,每次去造后会添加少量随机噪声到图像中,因此随着采样步数增加,图片也会一直变化,适合给图片增加惊喜和创造力。第三类为 ddim 和 pms, 是早期 sd 附带的采样器,专门为扩散模型而设计。第四类为 d p m 和 d p m 加加系列采样器,是二零二二年发布的专为扩散模型设计的新型采样器,其中 d p m 加加是 d p m 的改进。第五类为 carries 系列采样器,使用 carries 论文中推荐的噪声表,提高了图片的质量。第六类为 uni p c, 是二零二三年发布的新型采样器,可在五至十部内实现高质量图像生成。最后,这是大佬们根据出图速度和质量评分推荐使用的采样方法,你也可以自己测试后选择喜欢的即可。我是局大,分享更多 ai 干货。

sd 已经用了很长一段时间了,大家有没有想过一个问题, sd 提供的二十种采样方法都是什么意思?弄清楚这之前,首先需要明白什么是采样。首先, sd 会在一个潜在空间中生成一个完全随机的图像,然后噪声预测器会预测估算图像的噪声, 并且从图像中减去预测的噪声。最后整个过程重复几十次就得到了一张图片,这整个去除噪声的过程成为采样。 了解什么是采样后,那么这二十种采样器又有什么不同呢?第一种,传统的常威分方程求解器,主要有 order, q, m, s 这些采样方法存在了一百年,但是被认为是不太准确的采样器。第二种是祖先采样器, 也就是名称中有一个 a 的,主要有 aler 啊, d p m two a, d p m 加加 r s a d p m two a carries d p m 加加 r s a carries 他们 在每次采样过程中回向图像,添加噪声,并且都是随机采样器,所以生成的图像都存在一定的随机性。祖先采样器的缺点就是完全按照 ai 自己的理解走,自由发挥。 第三种是最早的官方采样器 ddm 和 pms, 最早是随着 sd 的 ve 版本一起发布的采样器, game 是为扩散模型设计的 dep 采样器,而 pms 则是 ddm 的替代产品,生成速度更快。 第四种, dpm 和 dpm 加加系列采样方法是二零二二年发布的新型采样器,它们的特效类似 dpm 二,比 dpm 生成图效果更加准确,但是速度更慢。 dpm 加加是 dpm 的改进型, 可以进行自适应调整,但也存在同样的问题,生成速度变慢,且不能保证在规定数量的迭代步数内完成。第五种带有 cares 的采样器添加了噪声时间表,并且由噪声时间表 来控制每个采样步骤的水平。这种方法随着采样步骤的增加,减少了很多图像截断误差。第六种用的 pc 是二零二三年新发布的采样器,受第一种方法的启发,可以在五到十四节带内生成高质量的图像。关注我,带你认识更多 ai 工具!

同样的部署,选择不同的采样器,有的出的是鬼图,有的出的是十分高质和稳定的图像。这个采样器在 stabled ducher web 一点六版本之后高达三十种,我们应该如何选择, 这期将给大家详细介绍如何选择是自己的采样器。我们先把采样器分为三大块,一、早期的采样器,早期采样器许多已经过时或者已经被取代,只有 uler 和 ola 经得起考验,从出图速度和稳定方面表现不错。其中后面的 a 代表的是祖先采样器,画面不收敛, 我们看画面中的 ola, 随着迭代步数增加,画面会随机性增加细节,而不带的 uler 就非常的规矩,即使步数在增加,画面依然稳定收敛。 第二个就是二零二二年发布的 d p m 采样器,其中以 d p m 加加开头的为一代算法,只要增加部署,仍然媲美 d p m 二开头的为二代算法,而速度要快一倍。还有 y b 一点六之后的 d p m 加加三 m 的一些算法,经过测试, d p m 加加三 在调低 c f g 值或调高步数情况下,效果才会正常。二 m 为二阶多部采样,由 s d e 就代表了不收敛 carras, 在很少的步数就可以有清晰的图像,所以我推荐选 d p m 加加二 m carros, d p f s 直接可以排除,而 d p m adaptive, 它不受步数限制,会根据图像自己渲染,虽然质量高,但是用时比 d p m 加加一代高约百分之七十五, 土豪可以盲选这个。第三个是二零二三年初的采样器 unipc 和 restart, 能够在较少的步数,例如十步就能生成一个质量还不错的图像。以上是对这些采样器作有个全面的讲解,有需要对比图的可到工具箱领取。制作不易,欢迎点赞收藏!

stable diffusion 提供了十一种彩阳画法,应该选择哪一个?你将在本视频中找到答案。什么是彩阳?在 stable diffusion 中,彩阳是指图像去造过程,对随机潜在图像的噪声进行减少和处理,从而产生最终清晰的图像。彩阳记者负责执行去造步骤, 我将通过对比分析给出不同采样方法的推荐选择,以便在速度、收软件和图像质量之间取得平衡。欧拉最简单直接的采样器也非常受大家欢迎。评论,改进的欧拉方法提高了精度,相比欧拉需要在每一步计算两次,因此速度减半可以理解为更准确。但卖两倍的欧拉版本。 lms 线性度不法通过巧妙的利用之前时间部署的值来提高精度。速度与欧拉相同,质量也是大差不差。上面说的三个,他们都是常规分方程的老式训练器,已经存在了一百多年,推荐设置部署在二十到三十之间。 ddim 是最 早为斯德罗的品种设计的强器之一。 p r m s。 鬼先生对步法是前者的更新和更快替代方案,但他们现在通常被认为落后了,也不被广泛使用。 dpm 系列是二零二二年新发布的采用方法,他们在收敛和图像质量方面表现出色。 dpm 二二系列相比 ppm 会更准确,也更慢一些。 dpm 加加也是对 dpm 系列的感性,而 dpm fast 我觉得没有什么存在的必要,除非你把步数设置在四十以上,否则你很难跑出能看的图。用那个 pc 新开发的彩阳器,有些整个包是没有的。出脸速度率慢于欧拉,但图像质量相当,推荐使用较高的步数 后缀。带 a 的采样器为主线采样器,区别是他们会在每个步骤中添加随机造成。如果希望获得更多元化的图像,可以选择带 a 的。如果你在意可控性、稳定性、可重现的图像,请避免使用带 a 的方法。所有的主线采样器都 不收敛,这也是为什么同样的参数和种子,你不能生成与 cd 一模一样的图片的原因之一。带有 carros 的采样器使用 carros 造声调度,使用 carros 造声计划会产生更好的图像质量。那么哪个最好?以下是我的建议。 如果你想使用快速融合、新颖且质量不错的东西,最好的选择是 dpm 加加二 m caros 用力克 pc, 推荐步数二十到三十步。如果你想要高质量图像,并且不关心收敛性,那么不错的选择是 dpm 加加 sd。 caros 搭配八到十二的步数, ddim 搭配十到十五的步数。那采用步数怎么设置呢?采用步数决定了采用器在驱骚过程中的迭代次数,比如上说,采用步数越高,生成的图片的细节就越好。但实际并不一定。过多的步数不仅导致计算时间过长,图像质量的提升也并不明显,甚至会出现过敏核的情况,最终导致效果不理想。 因此,在选择采用步数时,要根据图像质量、时间、采样器等选择合适的采用步数。波兰和 helen 对于简单的图像是不错的选择,可以希望你减少 helen 的步骤,也节省时间。感谢您的观看,我是小航同学,咱们下期见!

大家好,我是薯片 ai, 八月三十一日 sd 已更新至一点六版本了,更新了蛮多内容的,不过我主要关注新出的九个采样方法。 本期视频我就给大家来评测下这些采样方法的效果。我用相同的提示词、 seed、 图片尺寸等对新的采样方法得不同步数进行对比。我们先看这三个,可以看到 human carries 在四十到五十步数时效果是最好的, exponential 也还可以, human 在生成人脸时还会有残缺。 再来看这三者,他们步数在三十及以上效果都差不多,不过 s, d, e carrys 的效果会更好一点点。这三组中三 m, s, d e exponential 的效果从三十以上开始就正常,不过让我惊艳的是 art 从部署时开始效果就已经挺不错了,后续我也会多用用 restart。 所以最后我觉得新出的采样方法效果比较好的是 restart 和 d p m 加加二 m c t u n cares。 当然其他采样方法大家也可以多用用看,我这里只是测试了人脸效果。我是薯片 ai, 关注我,分享更多 ai 内容!

现如今 s b 放大图片的方法有很多,今天我们来给大家介绍两种最好用的放大命令,一种是 tiled the fusion 和 tile 的组合使用,另一种是 tile 和脚本的组合使用。 首先我们来讲一下 tired diffusion 扩展和 controlled tire 模型的联合使用。我们先生成一张图片, 这里我放了一张以前生成的机甲图片,打开 s d, 进入图生图,导入图片参数设置如下, 采样迭代步数设置为二十五,重绘幅度设为零点四,这个数值不固定,要根据图片具体调整,不然会变成这样的花图。开启 taok 的 feel 卷 laugher, 选择 第二项 link's share of diffusers, 点开 enable tailtifugian linuo's strength 设置为零。 inversion steps 设置为三十以上,缩放系数为二。放大算法选择 rs 跟四 x 加,然后开启 controllerate, 选择 tail 模型, 易处理器选择采用卡伦 fix 加。十二正向提示词和反向提示词就简单写一些通用词和质量描述词就可以。点击生成比较一下细节,清晰度明显比之前要高。接下来我们再来介绍第二种方法。 打开 s b, 进入图生图界面,我们依然用之前的图片,正向关键词和负向关键词都填写,提高图片质量的就行。重绘幅度设为 零点四,具体数值大家可以根据实际情况调整图片大小,点一下旁边的小三角,统一一下就行。然后我们打开 controller, 选择 tile 模型,点击启用完美像素,其他参数默认。最后是角本, 这里有两个脚本,都可以放大 s d opscale 和 lotuma 的 sd opscale, 前者是在原图基础上单纯地进行高清化, 不增加细节。后者是在放大基础上会增加更多细节。我们先使用 sd upscale 设置如下,缩放系数为四放大算法,选择 rs 跟四 x 加 点击生成,我们就可以得到放大后的图片。然后我们再来试试第二个脚本, out majesty upscale 设置如下, target cell spike 选择 scale from image size scale 选择四放大算法。与上一种方法一样,其他设置默认 点击生成,我们也可以得到放大后的图片。我们可以将两种方法放大的图片进行比较。来看一下,以上就是我们介绍的两种不同的放大算法, 大家根据自己的需求选择放大算法进行图片的放大。

我的黔东家鹅厂昨天发布了 stability fusion 的设计落地流程,简单给大家介绍一下。这篇文章介绍了 stability fusion 需要的硬件配置,包括内存、显卡等等,部署需要什么样的环境,整个部署流程是怎样的?还有 s d 插件的应用,纹身图的流程,每一步的采样值是怎么设置的? 如何进行高清修复,面部修复提示词的注意事项,可以添加哪些提示词,达到什么样的效果,模型库如何训练,提供了很多模型库下载的网站,还有模型库怎么安装,训练的流程等等等等。这篇文章我也落到了我们资料库的本地话里,我想说的是,大厂不愧是大厂,在这方面永远跑在别人前面。

这期视频给大家讲解一下 cable diffusion 中的迭代步数采样方法。引导指数 c、 f、 g 这些参数应该怎么设置才能有更好的效果。采样迭代步数决定细节质量, 步数越多越详细,但是步数过多图片会变得很奇怪。建议二十到三十之间,提示词相关性代表生成图像与你的提示词关联程度,默认数值是七,一般来说七九 十二比较常用。再来说一下采药方法,经过测试,大家选择图中标的这六种,就可以关注我,学习更多 ai 知识。

按下菜单按钮,使用超重感选择主记录格式。 在主记录格式里提供了三种记录格式 iw 格式、 m p 四格式、 xf 杠 a、 v、 c 格式。这里我们选择 m p 四格式。

最新的 cbd 优质外部 ui 迎来了全新的一点六版本,在这个版本里面进行了大量的升级,首先最明显的是在主页面当中把生成的这些参数和这些模型都放在了同一个导航栏里, 这样查看的时候就会非常的方便。当然如果你想改这个模型的大小,你可以来到设置页面,然后在下面找到有一个扩展模型,在这里可以填写卡牌的宽度 和一个高度,你把长宽调整好之后,记得点击保存设置,然后点击重载就可以设置完成。除此之外,它最大的一个优化的点就是对于 sd 叉 l 这个模型,像我使用 sd 叉 l 这个模型生成图片的话,只需要五点八秒, 这个地方还可以直接的使用瑞翻的模型,因为之前的版本我们在文生图里面用贝斯生成图片之后,还得把图片放到 图上,图里面再用瑞帆的模型再跑一遍,那么现在的话就可以能够形成完整的一个工作流,贝斯和瑞帆的这两个模型加起来 一起生成图片的话,也只是需要十六秒。然后在瑞帆的模型的这里有一个 switch it 这个参数,这个参数决定了瑞帆的模型生成的图片和贝斯魔镜生成的图片的差异程度。就比如说这张是我只用 sd 叉 l 贝斯模型生成的图片, 现在我固定一下它的的种子值,然后打开 refine 这个 switch it 就保留一个比较高的数,然后再生成一张。 可以看到右边这张图片是由贝色加上瑞翻脑生成的,右边呢只是由贝色模型生成的两张图片从构图到元素上其实相差不多,那么回 到外部 ui, 我把参数给他调低,然后再生成一张,当然这一次生成的话,种子依然是固定的,可以看到他生成的就是一张变化幅度非常大的图片。所以我建议大家如果要使用 refine 的话, 那么这个 switchite 要把他的数给他开大。然后还有一个地方是他这里增加了非常多的采样方法,这些采样方法大家都可以去尝试一下,然后他还把高分辨率修复放到了这里。我们想要使用最新的版本的话,一定要在这里把版本切换到最新的一周, 然后再次打开才能够正常的使用。新版本对于 sd 叉 l 的模型以及各种操作都做了很大的优化,真的非常推荐大家来试试。

你是不是因为显存不够,所以一放大图片就爆显存?今天带来的这款插件,四 g 显存可以放大到二 k, 六 g 显存能放大到四 k, 八 g 显存可以放大到十倍,而且会在放大高清的同时增加细节, 可以说非常好用。接下来教给你们。来到 cable diffusion 的页面,首先我先随便选一些提示词, 因为模型用的是写实的,所以选择一个适合写实的采样方法。这里先用五百一十二乘七六八的小分辨率去画图,平时跑图记住用小分辨率去画,再去进行高清放大操作,然后直接点生成。 这张图看着不错,但是仔细看人物的眼睛,服饰还有背景,缺少很多细节,这时候就需要去高清修复这张图。点击下面的图生图,刚刚的图片就会同步到图 征途的页面,所有的参数也都会同步过来,把迭代步数拉高一些,这样等会会修复更多的细节。采样方法还是和之前选的一样,从会幅度控制到零点三到零点五之间,这样修复细节的同时能保证原图不变。 这些都设置好后,就要请出我们今天的主角了。在下面的脚本位置找到放大插件,奥特曼 sd upscale, 参数并不复杂,需要设置的地方不多,目标尺寸类型选择,从图向大小缩放,旁边的尺寸就是你需要放大分辨率的倍数,一般是先放大两倍,这样显存占用也比较小,因为是写实的图,用四 x o 出的纱布,这个放大算法比较好,其余的都可以保持默认, 都设置好后去点击生成,就是等于把原图分辨率放大两倍。生成的过程中你可以看到插件是把原图平均分割成了六块小图, 然后分别去放大每个小块的内容,最后再合成大图,可以看到放大两倍后的图片,图片清晰度看细节增加了不少,现在来对比一下放大前后的两张图片, 可以明显的看到细节增加了很多,光感也更真实。衣服上的细节对比原图也增加了很多, 因为我们是对整张图进行放大,所以图片上的内容都会被修复,但是我觉得细节还不够,所以我们可以继续放大两倍。把放大后的图继续点下面的发送到图声。图发送过来后,为了增加更多的细节,找到下面的看窗的插件, 点击启用,勾选上完美像素显存小的就在勾选上低显存模式,这里需要用到太后,配合放大插件一起使用,帮助增加更多的细节。选上太后后,其余 的都可以不改动,只需要把重绘幅度拉高一些,拉的越高细节增加越多,但是太高土就会乱加东西了。 ok, 直接点击生成,继续放大两倍。 这个过程中你可以看到插件把图片分割成了更多的小块图,然后对每个小块进行放大,他的同时也会增加每个小块图的细节。整个过程中其实我加了一个 ctrl, 那显存占用都没有超过七 g, 所以这个放大插件真心好用,简直是滴显纯福音。每个小块图都放大完成后,会自动合成一张完整的高清图。我们继续和上一次的图片进行比较,看看他要和放大插件一起使用后的效果, 有了他的加入后,你可以看到整个面部的细节,连青春痘都出来了,对比一下前后的眼睛,这还只是放大到了四 k 左右,牛逼!衣服的细节也可以明显看到, 比之前增加了更多,衣服领结上的褶皱还有纹理都显得更真实了。当你觉得放大后的图片 细节什么的你都很满意后,就可以进行最后一步放大操作了。点击下面的发送到后期处理。放大倍数,你想放大多少就放大多少倍,只要你显存够用,我这里再放大三倍图片,最后分辨率会到达六千一百四十四乘九千两百一十六。 放大算法还是选和之前一样的四 x out, 最后再点击增城就可以了,已经是非常大的分辨率图了。这里的放大并不太是显存,显存占用依然没有超过七 g, 这个放大算法对比之前的四 x 算法好很多,他会在放大的同时也会一定程度上的增加细节。最后这一步是没有使用放大插件的,眼睛很明显能看出来清晰度还有细节 也都增加了很多,皮肤的光泽还有光影都有改善。所有的放大算法还有放大插件我都会整理到视频下方,还有粉丝群关注我,让你在 ai 的学习上少走弯路。

ybui 启动器界面介绍,第一页呢是一键启动啊,这里面主要显示的是我们的硬件信息,还有就是我们勾选了哪些优化的方案啊,主要是在这里显示。 第二个界面呢是高级选项,我们一些优化的方案呢,主要在这里勾选,这里面主要重点说两个,第一个呢就是显卡优化这一块啊,大家根据自己的显卡的实际情况来勾选, 然后呢就是这个不使用半精度 v a e 的这个选项。呃,如果你在做图的时候 经常性的出现黑图,我们可以,我们就可以在控制台上看到,他会让我们关闭。 no have va e 啊,其实就是勾选这个选项就可以了啊,勾选这个选项之后,可以大大降低 出黑图的概率,其他的我们一般用不上,我们就不要随意勾选这些选项。 第三页呢是疑难解答啊,当我们点击开始扫描的时候,我们可以看到我们这个系统出现一些问题啊,他可以自动的帮我们排查并且进行修复啊。 第四个是版本管理,很多小伙伴都在私信或者是评论区里问啊,就是怎么更新 这个外 ui 的版本啊,这个版本管理就是更新他用的啊,他分稳定版和开发版啊,大家可以看到我现在用的是二零二三年第八周的这个稳定版,我们需要安装哪个就点安装就可以了,如果你觉得这个第八 周这个啊有点老啊,有点旧,那么在开发盘里面可以找到新的,我们点击安装就可以了。 第五个选项呢是模型管理啊,这里面有我们所需要的每一种模型类型啊,包括大模型、小模型、嵌入式、 vae 还是劳拉都有, 呃,很多小伙伴如果不好上网下载的话,就在这里面可以在这里面进行下载啊,也是点击下载就可以直接下载,而且它的好处是直接会下到我们对应的文件夹里去啊,不需要我们再操心放错文件夹这个事情。 拓展管理这个拓展管理的界面呢,其实就是我们 web u i 我们已经安装的这 拓展的这个界面,他们两个内容是一样的, 也是一样的。如果我们在这个网页系统里面更新的时候,可能会因为这个网络问题呀之类的更新失败,我们可以在 启动器里面对他们进行更新。最后呢是小工具,也是这个作者推荐的这个这些网址,我们很多使用的这些提示词啊,标签啊,还有一些使用的方式方法呀,其实都在这些网站里,大家可以看一看。

你生成的图片的画面是不是会非常非常纯,放大看以后全是虚的?这就是采样方法的问题,使用我今天推荐的这款采样器,可以让画面的色调更加的柔和, 觉得锐化度更高,更加的清晰。首先在启动器界面中打开根末路, 进入到这个文件夹内,将我为大家准备好的这个采样器文件拖拽进去,然后点击替代这个新的采样器文件就安装好了,把控制台关闭,然后在启动器界面当中再次点击启动。在新弹出的外部 ui 界面中, 我们看到出现了两个新的采样器,两个新的采样方法名字中间都加了一个 out, 也就是说他是这两个采样方法的一个修正版本,可以让我们输出的画面更加的柔和细腻。接下来看一下他们的对比效果,看到使用旧采样方法出来的图片的颜色要更纯一些, 而新的彩阳器它的颜色更加的柔和,光影的层次更加的丰富,尤其是红色裙子这一块反应的最明显。我们放大来看他们的细节,就会发现新的彩阳器对于细节的锐化程度是很高的, 同的尺寸下,新的采样器就会显得比旧的采样器更加的清晰。看下一组采样器的对比,这一组采样器在纯度上的对比更加的明显,新的采样器的饱和度要更加的低。嗯,放大 来看他们的细节,新采样器的锐化依然做的非常非常出色。以上就是新采样方法的使用和安装,这两个采样方法可以私信我领取。

在这个创建工程里,首先第一个有一个工程参数,工程参数里有一个音频的文件类型,这里有两个,一个是 wav, 一个是 a i f f, 这里我建议大家使用 wav。 右边有一个采用率,采用率可以设置成四十四点一 k 到幺九二 k, 比特例有三个选项,十六比特,二十四比特,三十二比特。理论上讲这两个数值越高,音频的精度也就越高。但是我们都知道,决定音质的好坏不能光看这两个参数,还有你的录音环境以及话筒等因素。所以我们建议大家这里设置成四十八 k 采用率,二 四比特就好,当然你还可以设置的更高,前提是只要你的声卡支持就好。下面有一个艾欧的设定,艾欧设定他有一个最近使用,最近使用默认的是立体声混音。 当然如果你有其他的特殊要求,比如说做一个五点一的音乐,或者是电影,或者说是动漫的一个配音,也可以在这里单独的去选择。剩下其他的地方大家选择默认就好。点击确定,选择一个路径, 比如说我要存放到一盘里,新建一个文件夹,随便起一个名字,打开给你的工程起一个名字,点击保存。

哈喽,大家好,我是 ai 小王子。如果你在做 sd 的时候生成的图片清晰度不够,过于模糊,但是不知道如何把它变得更清晰的话,那么恭喜你,你又遇见了我。本期课程教大家如何充分利用 sd 的功能,把照片放大变得超清晰, 同时还会教大家如何把破旧的老照片变得不再模糊。我们进入到 stable diffusion 页面之后呢,大家可能就知道我今天要讲高清话了,但是呢, stable diffusion 里边据我所知至少有十几种方法可以完成图片放大。 不过今天我只会给大家介绍,在我测试了十几种插件和脚本后,选出来效果最好的方法分别是 x 高净化和 stable s r 脚本。我们先讲 x 高清化,点击图声图右边的高清化 x s 按钮,有的时候这里的高清化翻译会翻译成附加功能,无所谓的功能 都一样。我们看一下这个页面啊,哇,参数好少啊,一看就很简单对不对?其实他比你想象的还要简单。我们先看这一行,单张图像批量处理,批量处理目录一下图像是不是跟我上节课讲图成图的非常像啊?就是这个批量处理 一样的啊。单张图像只能处理一张照片,我们不能框选好多图片,我们只能一个一个点,假如说我点 ctrl 多选呢?不行,你只能选择一张图片, ok, 我们选一张图片啊,就选他了,然后批量处理,就是你可以批量处理多个单张图片,假如说我刚刚不能框选,是吧,现在就可以框选了,这就是批量处理,然后 一定要处理目录下图像,这个就是直接处理你文件夹内部的所有图片,假如说还是这个目录啊,我想把测试图复制到里边去做,然后 shift 右键测试图,点击复制文件地址,进去之后把双报号给删掉,最后输出目录就是你这里边新建一个新的目录,然后 必须是空无念夹啊,然后是以英文作为名字的,把这个路径复制到这里边,就可以批量处理了。 ok, 我们今天以单张图像去作为例子啊,下面这个缩放比例原图是五幺二乘五幺二,如果缩放比例调成二的话,输出图片的像素就会变成一零二四乘一零二四的尺寸, 如果调到四的话是多少?四零九六乘四零九六对不对?这是缩放比例的作用。那么指定分辨率缩放是干嘛的呢?就说本来我源头是五幺二乘五幺二的,我不想把它变成等比例缩放, 让他变成,比如说一三二八乘上一一零四,本来是五月二乘五月二是正方形,那这样子做完之后是长方形对不对?我想把它变成这个比例, 当你输入的图片和你指定分辨率的尺寸不一样的时候,一定要勾选裁剪啊,不勾选整体的图片就是会成为一个拉伸的效果,就是硬拉成你这样的图片,所以一定要勾选裁剪。今天我们就以等比 作放作为例子,给大家展示在讲解下面的 obscular 放大算法。模型之前呢,我想先让大家下载一个新的模型算法,叫做 four x outshar, 这个就是一个万能的放大模型,无脑用它就好了。后边我会给大家讲怎么安装呢?首先我们要进入到这个网址,点击这个文件,然后右边的三个点点击 下载,普通下载就 ok。 下载完成之后呢,放到哪里?这里要好好听啊。到我们的 s t y b y 根目录之后呢,我们点击 models, 然后点击 e s r game, 这个是我们之前没有用过的路径啊,点 移到这里边,然后右键粘贴或者直接把它拉进来,拉进来之后呢,你就完成了, ok, 下面就是 obsculer 一, obsculer 二这两个就是放大算法的模型一,打开之后发现,哇塞,这么多模型,我应该选哪个呢?根本不用担心啊,因为这里边有一个模型可以战胜所有其他模型,无脑用那一个就行,你只需要知道我在 什么情况下用哪种算法。简单讲一下啊,前两个 lanzos 和 nearest 都是很传统的数学运算缩放算法,这两种算法几乎不会把你的图片变高净化,感觉就像变了,但是没有完全变。我们看一下啊, lanzos 举个例子, ok, 这是放大后的一个效果,我们看一下原图啊,原图打开现在是这个样子的,然后再看一下对比图, 两张的效果其实差不多,你看这张图,的确眼部的一些细节变得更清晰了,但是他的效果并不是我想要的那种,他的去造能力也是比较差的啊, 什么时候用 lensos 比较多呢?当我们用 obscular 二的时候,用这种驱噪能力比较差的算法不是很好的,用的比较多。我一会给大家解释这个 obscular 二是干嘛的,下一个 neris lensos 差不多都是一样的,我就不给大家测试了,下一个 four x auto 十二, 这个就是我说的无脑选的模型,在放大图片的时候,你选他准没错,他放大任何图片都是又快,细节保留的又多,而且能让人变得更真实,不会出现那种磨皮过度的效果。我点击还是缩放比例四倍,大家看一下效果, 图片做好了,我们放大看一下,在这里放大看是不是非常的清晰,然后整体的皮肤的一些表面组织啊,其实他还是有保留的,虽然和真实人类的皮肤表层并不是那么像,但是他把原本应该留在皮肤上的一些皂点给保留下来了,这就是 out sharp 的一个效果,是不是非常清晰, 我们看个对比,这个是刚刚的那个 lanxos 做出来的图,我们放大之后是这个样子的,然后 out 十二,放大之后两百是这个样子的,能不能感受到明显的区别?所以你告诉我是 out 十二好还是 laxos 好?其实我们在做对比的时候 后,我们不知道他们有什么功能,我们就一个一个试就好了,大家也可以用我之前讲过的 x y z plot 这个脚本来试,这里我就先一个一个给大家演示。然后 b s r again, 它的效果呢?它和 four x alter sharp 很像,很类似,也很好用,但是在 色彩上呢,没有 outer sharp 那么明亮。然后 e s r game for x, 它的去燥能力不是很好啊。我们看一下它和 outer sharp 的对比,这个是 e s r game, 放大之后真的是没有 outer sharp 更清晰,我们看一下这个是 outer sharp 放大效果, 所以说这两个相比哪个更清晰,还是 out sharp 更胜一筹,对不对?下面这几个我就不讲了,我只讲这个 enemy 六 b enemy 就是动漫的意思,当我们想要放大动 动漫图片的时候,就用这个 upscaler 算法,其他一例都不要用,只要是动漫就用它就好了。所以当我们在对比所有的模型之后, 哪个最好用?大家把最好用的这个模型打到公屏上,是不是就是这个呀?四 x outsharp 做真人放大无脑用 outsharp 做动漫放大无脑用这个 enemy 六 b ok, 大家只知道这个结论就 ok 了。下面这个 obsculer obscular 二什么时候去运用呢?因为在 outsulp 出现之前呢,好多奇 其他的算法会出现磨皮过重的感觉,就像这个图片磨皮是不是过重了,但我们可以给他做一个权衡, 当他磨皮过重的时候,给他加一个去造能力很差的一个算法,比如说这个 langesos 和 nearest 这两个其中一个,然后把它权衡一下,然后这 obscular 二可见度就是使用 obscular 二模型在渲染时候的总占比,假如这里是零点三, 就是百分之三十的 lexus, 然后剩下百分之七十是 ultra sharp 模型运算。但是现在你有 ultra sharp 了,你就 不需要去用它了,因为 alt share 已经把好多的缺点给过滤掉了。下面这个 gfp game 面部修复程度,这个是专门修复面部损失的,当我们在修改面部模糊的时候,我们就把这个 obscure 全部改成 no, 然后缩放比例,这个调成固定四就 ok。 下面给大家看一下它的强大之处, 这张图片哇,模不模糊?我们放大看一下这张图片放大之后这个样子的是不是很模糊?当我们有只有头像的这个图片很模糊的时候,我们就可以用到 gfp game 了,我们给大家看一下效果啊,点击生成, 我们看一下放大过后是不是整体的图片变得清晰了,面部的一些细节,整体的样子是不是表现出来了?这就是 gfp 跟面部修复的一个效果,但是他只可以把面部的细节变清晰。我们举个例子啊,假如说这张图片整体也是很 模糊啊,但是他出来图片只有面部会变清晰,因为他会自动识别你的面部信息,下面该模糊还是模糊他是不会管你的,只会把你的面部细节保留,变得更清晰。 下面这个 co former 面部重建程度,还是用那张照片吧,他跟 g, f p, gan 都是修复面部的,但是你在用 co former 的时候,他会把你面部的一些特征做改变,我们看一下把它调成一, 我们看一下这边,左边这个眼睛是和原图有一些差别的,我们看一下对比。这个是 gfp game 做出来的,眼睛是这个样子,这个是 performer 做出来的。大家觉得哪个更像原图啊?我是觉得第一个 gfp game 是更像原图的, ok, 这两个可以同时开启啊。然后这个也是一个权重,面部修复权重为零的时候,他的效果是最大,一的时候他的效果最小。当你这两个同时用的时候就可以用这个, 我们看一下这个面部修复程度,其实他就是在用我们这个面部修复用的一个算法, 在哪里看呢?到设置里边啊,有一个面部修复,你可以选择 coformer 或者 gfp game, 看这里他用的这个 coformer with 是零点五啊。当你在做面部修复的时候啊,其实建议大家还是选 gfp game 的,因为如果你调成这个 coformer 模式,你会发现本来原图的面部细节会有所更改, 这就是为什么他翻译的时候叫做面部重建程度。下面我讲一下这个 remove background 哦,大家一看自己的外表里边,哎,怎么没有这个东西啊?放心,我教大家怎么安装,我还是会把今天课程上所有插件的安装地址都放到我的视频简介里边,这个插件叫做 r e m b g, 就叫做 remove background。 我们把视频简介里的网址复制到从网址安装,然后点击安装就 ok 了,然后安装好后点击应用并重启 wi, 完成后我们回到高清化。这个是干嘛的?这个是非常强大的抠图功能, 这里边有这么多算法,我们看一下官方怎么解释这些模型呢? ok, 第一个 you tonight, 他就是一个预训练模型 for general use cases, 是大部分的图片都是可以用这个算法。第二个 you tonight p, 这个就是一个 lightweight version, 我试了几次,就是他在抠图的时候,他的精细程度没有 you tonight 好。 三个 you tonight humans, 就是在我们做人类分割的时候啊,我们用这个模型比较好,这个就是非常强大的,当我们在做模特换装的时候用的比较多,他就会自动把你人物主体的上衣和下衣直接给扣 出来。我一会给大家看一个例子,然后这个 saluta cms you tonight, 这个就和 you tonight 很像啊,那下面这个 is net enemy, 这个是专门给动漫抠图的,我们在想抠动漫图的时候就用它就 ok 了。 sam, 这个是我们模型里面没有的, 因为他呢是另外一个插件,回来给大家讲,那个也是很强大的。我们在做例子,就先拿这个 you tonight 做例子,嗯, gfp game 这些我们都可以不调,我们做个测试啊,我们假如说用这张用 you tonight 做测试, 大概也就两秒钟的时间,他就把整张图片给抠好了,我们看下效果,整体还是相当不错的,我们把它换成白底看一下, ok, 我们看一下是不是整体抠图效果还是很不错的,就是有一个黑边, 一边怎么调整?就是用 alpha mat 调整,一会我给大家调整啊,我们看一下 return mask, return mask 就是把它变成蒙版, ok, 是不是就是我上节课 讲的局部重会的那样子做的蒙版就直接给抠出来了?假如说你不想用 ps, 或者你没有 ps, 像我上节课教你那样去把图片抠出来,就用这个 return mask。 我们看一下这个 alphamatin 里边的数值啊, euro size, 白话翻译就叫做腐蚀尺寸,就是保留主体的边缘 留下的一些像素,他这个可以避免边缘太生硬的一个效果啊,因为有的时候我们在抠图的时候边缘是直的,非常生硬,在我们做重绘的时候就效果不是很好,就是类似于边缘模糊, 数值越高,图片的边缘范围保留的细节就会越多。但是不建议开太高啊,越低越好,因为我不想让图片保留细节太多。我们看一下,假如我们把它调成四十, 我们看一下调到四十之后,是不是周围的一些背景啊,保留的是不是非常的多啊?你看这边黄黄的,下边这个车道,然后整体效果不是非常好,但是他把 把你的黑边给去掉了,我们看一下啊,是不是没有黑边了?虽然是没有黑边,但是这个抠图整体我是不能打及格分的,他是要去做一些调整的。和谁去做调整呢? forground 和 background 这两个干嘛的? forground threshold 就是保留主体的前景玉值,前景玉值越高,去除前景的元素就越多, 背景预支越高,去除背景的元素就越多,但是调太高时,主体的元素也会被扣掉。 在我反复实验了三个小时左右后,终于研究出了一个相当完美的预设,就是模型就用这个 unit, 然后 erosides 调成六,然后 forground 调成一百四十三, background 调成一百八十七。我试了几张图片啊,整体是没有黑边,并且抠图效果比较不错, 但是每张图片的测试都是不一样的,当大家在抠图的时候发现效果不好或者黑边很严重,试一下我这个预设好。 好吧,这是我花很长时间试验出来的一个不错的预设。我们看一下整体的人物是不是没有黑边,并且背景也几乎是没有保留的,整体是一个很完美,我可以打到九十加以上的分数。我们和上一张相比,这个是留了背景太多,再上一张 这黑边太多,就我的最新的这一张,整体的效果是最不错的,所以大家试一下我这个浴室啊,下面这个还有一个 unit close c, 看下效果啊,他能把衣服给扣掉, ok, 我们看一下是不是把上衣还有裤子全部给扣掉了。这个什么时候用的比较多呢?我们一般是用这些 mask 直接变成蒙版了,只不过他这个下边边缘这是有一点瑕疵的啊。他还有一个缺点就是我不知道为什么这两张图片隔得非常非常远啊。当我们使用这种方式抠他的衣服蒙版的时候,我们还是需要去后期 ps 或者其他软件里边调 调整一下。有一点非常重要的事情我要跟大家讲一下,如果你是用启动器打开了 stable diffusion, 安装了 r e m b g 这个插件,在你第一次生成的时候大概率会报错。报什么错呢?会报一个类似于这样 runtime era, 然后是 provider library get all o n n x run time era。 我用的时候也是爆这个错了,我研究了一晚上,最后终于研究明白为什么了。必须是在你的 y b u i 这个文件夹,然后后边再输入一个斜杠,输入 d y 三一零,然后回车。回车之后进入到这个文件夹,然后你输入 c m d, 打开中端口,把这串命令输入上去,然后点击回车。回车之后,如果你看到这个页面,就代表你安装成功。 当你把这个完成之后,你把你的外 b o i 重启一下,然后再用这个 remove background 就可以用了。这个真的是研究了一晚上才研究明白。如果你也预 遇见了同样的问题,同时在我的帮助下解决了,把夸赞我的话打到弹幕或者评论区吧,希望看到你的一键三连。 最后再顺便给大家讲一下图像信息啊,因为这个是非常简单,非常好理解,就是在我们做纹身图或者图生图的时候,当我们只保留了图片,但是忘记了这些参数和关键词的时候,我们用这个图像信息比较不错。怎么用呢?假如说我们用一个图生图的作为例子啊,到图生图念夹之后,假如说我们用这张照片吧,回到图像信息, 我们把它拖过来,然后右边就会直接生成。当你在做这张图的时候,一些关键词像正向提示词, 反向提示词,然后你的采样部署,采样器啊, cfg skill 啊,还有一些种子等等等等细节都会保留在这里。 ok, 这就是我今天给大家讲的内容,如何把你的模糊图片变得高清?如果你觉得我的教程对你非常有帮助,希望可以获得你的一键三连。 我会在平台上发布更多关于 aigc 绘画,特别是 stable diffusion 的一些知识,关注我,让你轻松掌控 ai。

保护定制怎么设定?今天给大家录一个高压开关的那个危机保护,那个速断定制怎么设置? 首先我们进入微机的页面,找到参数设置, 然后再确认,再进去,然后危机有个保护定值再确认, 然后里面就有啊,再确认这边就有显示个数段投入进去,他又变成零,就是退出,变成一就投入,然后再确认, 然后控制是设好了,然后往下拉, 这边就有个数段的一个电流值,然后按确认这边的数字就可以改动,想要多少根据定制单来就可以改动,然后再按确认,再往下走,就他数段的一个时间,按确认 时间也可以改动啊,根据电子单来,然后确认,然后再退出,退出退到页面就可以了。

大家好,这里是日天。今天为大家带来的是 lora 训练中全新的一项技术金字塔噪声。这项技术会过滤掉背景中的一些低频噪点来使得笔触更清晰,并减少背景噪点对生成图像的影响, 可以减少对超高清训练级的依赖。在开启这一参数后,画风类 laura 将得到一些比较大的提升, 包括但不限于光影逻辑、改善、光照效果、提升、画面细节增加以及减少背景污染的效果。这也意味着 s、 d 的模型也将拥有 m、 j、 v 四模型的效果了。新技术目前处于测试阶段,使用暂时比较麻烦,而且有一些 bug。 如果不是很急的话可以再过段时间使用。 如果要提前尝试的话,我现在推荐用秋叶大佬的 gooey 版本进行训练,相对使用起来比较简单。如果在本地 使用的话,只需要更新下整合包到最新版本,然后 shift 加右键,点击乱下划线 go ps 一之后再打开的网页中设置参数即可。其他参数可以按照以前的经验设置。我们只需要将金字塔噪声相关的两个参数按照推荐设置下即可。 但是注意多分辨率,金字塔噪声迭代次数不要调到八以上。我之前训练的时候出了错误,目 前来说云端的使用比较麻烦。首先还是需要在 auto 租用一台机器,并选择最新版本的秋叶 laura 训练镜像。 之后,我们要先更新训练脚本。到最新版本了。记得一定要先开学术加速。学术加速对应的指令我会放在简介更新好了之后就运行。乱下划线 g、 s、 h 弹出网址就证明已经开好了。之后我们就要进行 s s h 连接了。 这里我我建议看小李大佬的视频进行学习,讲的比较全面,链接也会放到评论区,之后的操作和本地也没有区别了。 关于之前流传出来的金字塔噪声会导致 laura 欠你核的可能性,经过群友们的实验和讨论后,一致认为是非常低的。其原因可能是脚本中另一项参数梯度累加的影响,将其数值调整为一关闭状态,影响就基本消失了。 最后五月老师推荐的金字塔噪声训练画风的参数设置是六和零点三,如果你有不同的观点,也可以加群讨论。之后就是一些应用了金字塔噪声的 lora 成果展示了,谢谢大家观看。