粉丝3.3万获赞52.7万

cbotq 镇又迎来了一个非常重大的差价,像之前的话,如果说想给这种人物换装,或者是人物换背景,或者是真实的衣服生成模特图片,即使我们操作很熟练的话,也需要我们在 cbotq 镇里面慢慢的去调整一下他的参数,然后才能生成。 但是腾讯开源了一款 super defusion 的工作旅游的插件,也就是说如果你使用了这个工作旅游的文件,你就可以瞬间的在 super defuction 里面将操作的数据和参数进行还原,可以让你很方便的就能够执行某一种效果。 首先如果你安装了这个插线,会在这个地方看到有工作流的一个工作台,我们可以把工作流文件拖到这个地方,然后就在左侧可以看到参数正在自动的被设置,包括这 这是提示词的部分,还有下面的 ctrl next, 它已经自动的给你放好了一张图片,然后等它自动设置完毕之后,可以直接点击生成,这个就是生成之后的图片。因为这个工作流本身就是给毛坯房转换为效果图的,所以说如果我们自己要用的话,那就可以在这里放上自己的毛坯房图, 然后同样的把尺寸改一下,然后就可以直接在这里看到成品的效果图,所以这个工作留的差价真的是非常方便。而且最重要的是他这里有一个开源社区的链接, 点击这里的话就能跳到一个这样子的网站,这里呢都是各种作者上传的各种工作流的文件,你如果觉得哪一个效果好,或者说哪一个工作流喜欢的话,就可以直接点进来,然后点击登录的就可以下载到本地。最后说一下安装流程, 首先来到这个插件的页面,然后点击这个网址复制,他在扩展里面选择从网址安装,然后直接把网址复制进来,然后点击安装,等下面出现这行字样的时候,就说明安装成功了。如果有不方便下载的朋友,可以来我的粉丝群看群公告下载。

接下来呢我们就说一下这个 sdxl 的一个工作流的拉链方法。 sdxl 呢,相对这个 sd 一点五版本的,它主要就增加了一个细化的模型,就是在基础的采样之后,再增加了一个细化的模型 来这个细化的模型呢,同时你也可以用这个基础采用的这个模型去替代它。当然这个官方的这个 sdxl 的话,它还提供了一个 re refine, refiner 这样的一个细化的一个模型。 但是如果你网上下载这个这个 sd xl 的这个模型的话,本身他就只有一个,你用他原来这个这个模型去代替这个细化模型也是可以的。 那么我们通过观察呀,就本身这个 s d x l 呢,就只是增加了一个采样器,因为它的模型结构在这嘛,它只是 是增加了一个采样的一个步数,那么接下来的话,我们就一步一步去搭建一下这个 s d x l 的这个工作流。那么同样的方式,我们也是首先去加载一个大模型吗?加载完大模型之后呢,我们去选一个 s d x l 的一个模型,那么接下来的话 文本编码器上会做出一个调整,因为它是一个 s d x 的模型,所以呢我们对应的话就用这个 sdxl 的一个文本编码器。我们通过观察呢,其实也能看出来,他增加了一点点东西,就是这个最主要就是增加这个颗粒谱记,而这个颗粒谱记呢,他在 这里他就是训练的这个样本数量更多,那么在以一的理解上就更加精确。而这个 clipl 呢,就是 sd 一点五采用的这个文本编码器,那么他训练的这个样本数 木的就相对这个克利普剂,那么就相对少了那么一点点。所以如果你最想生存的这个东西呢,你就把它填到这个克利普剂上,如果是不太重要的,像这个无意义的一些提示词,包括说这个杰作最好质量的乱七八糟的一些东西,那么你就给他连到这个 克力普 l 上,那么就是这个克力普及,克力普 l, 重要的你给大家写到这个克力普及上,然后不重要的你给他写到这个克力普 l 上,其他的东西呢,就没有太多需要介绍的东西了。这边的话是一个尺寸, 那么如果你想生成的质量稍微好一点,你其实可以把这个尺寸的稍微调大一点,比方说像这个二零四八,那么乘二零四八这样的一个尺寸,那么最终的话,它本质上还是生成一个目标宽度就幺零二四乘幺零二四。然后接下来的话,我们这个文本杯嘛, 解决完成之后呢,同样的也是 k 生的嘛,就是加一个采样器,那么正向连正向,反向连反向哦,负向连负向。当然我们用这个采样器呢,就本身的话也是可以的, 但是为了更好的去控制那个细化,还有的话就是基础采用的一个步数的话,建议就是直接采用那个高级的 k 生本的,就是这个开生本的高级,采用这个高级啊,因为我平时的话是用英文的,所以切换成中文之后呢, 我就习惯性的就读成他这个英文里了。那么这边的话,我们同样也是把他的模型给他连过来,然后同样的也是去设置一个 杂色图的一个尺寸,那么也是最终生成的那张图的一个尺寸。而这个 s d x l 的话是在幺零二四乘幺零二四的一个尺寸上训练的一个模型。当然呢这 这个也不也不是唯一的呀,因为这个 s d x l 呢,本身的话,它只是说这个像素接近这个幺零二四的平方,这个呢是 s d x l 官方论文当中的这个系数,就是你只要把这个尺寸 的像素数量接近于这个幺零二四平方,那么他就得到的是相对比较好的一个表现,因为他进行了一个多尺寸的一个训练 这样的一个操作。那么如果是 sd 一点五,那么如果你把这个尺寸调的过大,那么他就会可能会出现多胳膊、多腿、多手这样的一些不好的问题。同样的如果你把这个 sdx 的这个尺寸调的 过大,当然也可以说是过小,那么他同样得到的这个图片呢,也不是很好。那么这这边的话,我已经把这个基础采样的这个模型 采样机给他搞好了,那么搞好之后呢,我们是本身的话是需要控制一下这个基础采样的步数和这个和这个细化采样的一个步数,所以呢我们先把这个这个是用来基础采样的,这个是用来这个细化采样的,那么我们同时看到他和那个普通的那个 采样器的区域,我先把那个采样器给他找出来,看到没,这边降噪的话,他是用这个百分比去替代的,而这边这个高级采样器呢,他是用这个降噪的步数器代替这个降噪这个这个参数的,所以这个就是他俩的一个区别,如果采用这个高级呢,你就可以精准的控制说他降噪 到哪一步。所以呢我们现在的话就先把这个开始步数啊,应该是结束步数,因为我们最终要控制的无非就是 说他基础要停止在哪一步吗?然后这边的话你就不用他管他停止在哪一步了,我们只需要在这个最初的这个步数让他控制在多少步就可以了。然后这边的话步数我们假如说让他控制在这个三十步, 那么三十步这边就填三十,这个就是三十步的一个采样。同样的这边我们把步数给大家作为输入,作为输入之后呢,这边连接步数就是整体是三十步进行一个采样,然后如果你把这个结束的步数,然后复制一份吧,这个指针的话就是用来 控制它这个采样的步数,这边的话我们让它在二十步的时候停止这个降噪,就是基础采样就停止降噪的。那么是不是剩下十步就留给了这个细化采样的?是不是对应到这个细化采样的这个采样器上呢?我们就需要把它这个开始 开始降噪的步数呢,给他连接到这个第一步停止的这个步数,为什么要这么连呢?因为我们第一步的话就结束了吗?结束了就二十步,他同时还剩十步,那么剩十步的话,我们就是让他从二十步开始,那么剩下的就结束就是十步嘛。 当然这个在我们细化采用的时候呢,其实还可以增加一个节点,就是那个 s d x l 的 refiner, 这样的一个文本编码器,就是用来控制说我们细化的一个正向的条件,而这个负向的条件呢,其实不用管它了,就直接把它这个和 最初的那个连接起来,哦,连错了,克利普把它连到这个上面,一激动就连到这个文本编码器上了,然后这边这个条件呢,我们就直接作为负面条件,就不用管他了。然后我大致说一下这个美学分数,美学分 分数是啥意思啊?就是就是控制这个图像美不美观,当然也不是说他跳调的越高他就越美观,这个的话是本身也说不一定的。然后这边的话这个文档中有一篇这个参考的 参考的文献,然后看到没,他这个呢是零到十给这个模型生成的这个图片打分,那么 我们就直接给他十分吗?十分就是最美观的,当然这个说不一定的,也不是说十分他就最美观的。那么接下来的话,我们就把这个模型的要连到这个第二部的一个细化采样器上,那么连接好之后呢,我们再把这个 杂色图的那个尺寸同样也给他哦,连到这个第一步的这个采样器上,为什么要这么连呢?因为他不是在这里作为了一个基础的采样,那么经过这个采样的话是进行一个细化,那么 连接到这个采样器上呢,我们细化完成,然后再经过一个 v e 的解码,解码完成之后呢,就还原成新的一张图像了。相信大家听过经过这么一个讲解的话,其实能够明显的感觉到和这个 s 零一点五版本呢,本质上是没啥区别的,只是说增加了一个采样器, 那么这个就是 sdxl 的一个工作流的一个大量方法。同样的我们也是来考一下这个 sdsl 的一个工作流。 这边的话我采用的是这样的一个模型,然后深层的话是一个,哦,那个那个什么战斗,战斗天使,阿塔利战斗天使,阿丽塔战斗天使,说错了,那么之前的话我采用的是 sd 基础版本的,他生成的是插画的风格,那么假如说我现在换成 sgxo 基础版本,那么他生成的就是一个插画的风格,那么我们现在再去跑一下, 那么它生成的就是一个插画的风格,它就不会那么显示。而这个 s d x l 的基础模型呢?你看它这个生成出来表现就不如人家信量过厚的这个模型的表现了,这个呢就是 s d x o 模型的一个工作流的搭建。

今天讲一下 sdxl 中 refiner 工作流如何搭建。首先这张是我通过普通纹身图生成的图片,而这张则是我通过 bass 结合 refiner 模型生成的图片,效果显而易见了吧。 工作流也很简单,首先添加一个高级 k 采样器节点,延续上一节的步骤,创建大模型和正反向提示此节点。 然后再创建 clip 设置停止层和两个 clip 文本编辑器,分别把正反向提示词和 clip 节点连接好。新建 latent 节点,设置图片的尺寸,因为是 s, d, x, l 模型,推荐尺寸是一千零二十四乘一千五百三十六。再创建 v 和 v 加载器和图片预览节点。 声图没问题后,我们调整一下 k 采样器的采样步数。采样器和调度器步数为三十,结束降噪步数为二十,表示在二十步的时候退出贝斯的基础模型,同时需要将返回噪波 调整成 enable。 这样生成的图片还是造波图,便于我们将这个造波图传递给 refiner 模型。将 k 采样器中的 latent 输出连接到新的高级 k 采样器中的 latent 输入节点,大模型选择 refiner 模型,其他的跟 base 的设置一致, 因为 base 和 refiner 的提示词都是一样的,因此我们可以将正反向提示词模块转为输入形式。然后创建两个 primitive 原结点,分别连接正向提示词和反向提示词,这样就完成了提示词的统一。 将各个节点连接好后,创建 refiner 的 v e 解码和 vie 模型后,就可以预览头像或者保存图像了。让我们一起来看一下效果吧。好了, refiner 的工作留到此结束了,喜欢就点个关注吧,谢谢大家了。