稳定扩散 Web UI

基于 Gradio 库的浏览器界面，用于 Stable Diffusion。

特征

带图像的详细功能展示：

• 原始 txt2img 和 img2img 模式
• 一键安装并运行脚本（但你仍然必须安装 python 和 git）
• 外绘
• 修复
• 彩色素描
• 提示矩阵
• 稳定扩散高档
• 注意，指定模型应更注意的文本部分
  • 一个男人穿 - 会更关注燕尾服

    ((tuxedo))

  • A Man in a - 替代语法

    (tuxedo:1.21)

  • 选择文本并按 或（或者，如果你使用的是 MacOS）以自动调整对所选文本（匿名用户提供的代码）的关注

    Ctrl+Up

    Ctrl+Down

    Command+Up

    Command+Down

• 环回，多次运行img2img处理
• X/Y/Z 图，一种绘制具有不同参数的图像的 3 维图的方法
• 文本反转
  • 拥有任意数量的嵌入，并为它们使用你喜欢的任何名称
  • 使用多个嵌入，每个令牌具有不同数量的向量
  • 适用于半精度浮点数
  • 在 8GB 上训练嵌入（也有 6GB 工作的报告）
• 附加选项卡包含：
  • GFPGAN，修复人脸的神经网络
  • CodeFormer，面部修复工具，可替代GFPGAN
  • RealESRGAN，神经网络升频器
  • ESRGAN，具有大量第三方模型的神经网络升频器
  • SwinIR 和 Swin2SR（见此处），神经网络升频器
  • LDSR，潜伏扩散超分辨率放大
• 调整纵横比选项的大小
• 采样方法选择
  • 调整采样器 eta 值（噪声倍增器）
  • 更高级的噪音设置选项
• 随时中断处理
• 4GB 视频卡支持（也有 2GB 工作的报告）
• 批次的正确种子
• 实时提示令牌长度验证
• 生成参数
  • 用于生成图像的参数将与该图像一起保存
  • PNG 的 PNG 块，JPEG 的 EXIF 块
  • 可以将图像拖拽到PNG信息选项卡中，以恢复生成参数并自动将其复制到UI中
  • 可以在设置中禁用
  • 将图像/文本参数拖放到 promptbox
• 读取生成参数按钮，将提示框中的参数加载到 UI
• “设置”页面
• 从 UI 运行任意 python 代码（必须运行才能启用）

  --allow-code

• 大多数 UI 元素的鼠标悬停提示
• 可以通过文本配置更改 UI 元素的默认值/混音/最大/步长值
• 平铺支持，一个复选框，用于创建可以像纹理一样平铺的图像
• 进度条和实时图像生成预览
  • 可以使用单独的神经网络生成预览，几乎没有 VRAM 或计算要求
• 否定提示，一个额外的文本字段，允许你列出你不想在生成的图像中看到的内容
• 样式，一种保存部分提示并在以后通过下拉列表轻松应用它们的方法
• 变化，一种生成相同图像但差异微小的方法
• 种子大小调整，一种生成相同图像但分辨率略有不同的方法
• CLIP 询问器，一个想从图像中猜测提示的按钮
• 提示编辑，一种改变提示中代的方法，比如开始制作西瓜，中途切换到动漫女孩
• 批处理，使用 img2img 处理一组文件
• Img2img 替代，反向欧拉交叉注意力控制法
• Highres Fix，一个方便的选项，只需单击一下即可生成高分辨率图片，而不会出现通常的失真
• 即时重新加载检查点
• 检查点合并，一个选项卡，允许你将最多 3 个检查点合并为一个
• 具有来自社区的许多扩展的自定义脚本
• Composable-Diffusion，一种同时使用多个提示的方法
  • 使用大写字母分隔提示

    AND

  • 还支持提示的权重：

    a cat :1.2 AND a dog AND a penguin :2.2

• 提示没有令牌限制（原始稳定扩散允许你使用多达 75 个令牌）
• DeepDanbooru 集成，为动漫提示创建 danbooru 风格的标签
• Xformers，精选卡的主要速度提升：（添加到命令行参数）

  --xformers

• 通过扩展：历史记录选项卡：在 UI 中方便地查看、引导和删除图像
• “生成永久”选项
• “训练”选项卡
  • 超网络和嵌入选项
  • 预处理图像：裁剪、镜像、使用 BLIP 或 deepdanbooru（用于动漫）进行自动标记
• 剪辑跳过
• 超网络
• Loras（与超网络相同，但更漂亮）
• 一个单独的 UI，你可以在其中选择（具有预览功能）将哪些嵌入、超网络或 Loras 添加到提示中
• 可以从设置屏幕选择加载不同的 VAE
• 进度条中的估计完成时间
• 应用程序接口
• 支持 RunwayML 的专用修复模型
• via extension： Aesthetic Gradients，一种通过使用剪辑图像嵌入（实现 https://github.com/vicgalle/stable-diffusion-aesthetic-gradients)
• Stable Diffusion 2.0 支持 - 有关说明，请参阅 wiki
• Alt-Diffusion 支持 - 有关说明，请参阅 wiki
• 现在没有任何坏信！
• 以 safetensors 格式加载检查点
• 放宽分辨率限制：生成的图像尺寸必须是 8 的倍数，而不是 64
• 现在有了许可证！
• 从设置屏幕对 UI 中的元素重新排序
• Segmind Stable Diffusion 支持

安装和运行

确保满足所需的依赖项，并按照以下说明进行操作：

• NVidia（推荐）
• AMD公司GPU。
• Intel CPU、Intel GPU（集成和独立）（外部 wiki 页面）

或者，使用在线服务（如 Google Colab）：

• 在线服务列表

使用发布包在带有 NVidia GPU 的 Windows 10/11 上安装

1. 从 v1.0.0-pre 下载并提取其内容。

   sd.webui.zip

2. 跑。

   update.bat

3. 跑。

   run.bat

有关更多详细信息，请参阅在 NVidia-GPU 上安装和运行

在 Windows 上自动安装

1. 安装 Python 3.10.6（较新版本的 Python 不支持 PyTorch ），选中“将 Python 添加到 PATH”。
2. 安装 git。
3. 下载 stable-diffusion-webui 存储库，例如通过运行 .

   git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

4. 以普通用户、非管理员用户身份从 Windows 资源管理器运行。

   webui-user.bat

在 Linux 上自动安装

1. 安装依赖项：

# Debian-based:
sudo apt install wget git python3 python3-venv libgl1 libglib2.0-0
# Red Hat-based:
sudo dnf install wget git python3 gperftools-libs libglvnd-glx 
# openSUSE-based:
sudo zypper install wget git python3 libtcmalloc4 libglvnd
# Arch-based:
sudo pacman -S wget git python3

2. 导航到要安装 webui 的目录，然后执行以下命令：

wget -q https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh

3. 跑。

   webui.sh

4. 检查选项。

   webui-user.sh

在 Apple Silicon 上安装

在此处查找说明。

贡献

以下是向此存储库添加代码的方法：Here's how to add code to this repo： 贡献

文档

文档已从本自述文件移至项目的 wiki。

为了让 Google 和其他搜索引擎抓取 wiki，这里有一个指向（不适用于人类）可抓取 wiki 的链接。

捐赠

借用代码的许可证可以在屏幕中找到，也可以在文件中找到。

Settings -> Licenses

html/licenses.html

• 稳定扩散 - https://github.com/Stability-AI/stablediffusion、https://github.com/CompVis/taming-transformers
• K-扩散 - https://github.com/crowsonkb/k-diffusion.git
• GFPGAN - https://github.com/TencentARC/GFPGAN.git
• CodeFormer - https://github.com/sczhou/CodeFormer
• ESRGAN - https://github.com/xinntao/ESRGAN
• SwinIR - https://github.com/JingyunLiang/SwinIR
• Swin2SR - https://github.com/mv-lab/swin2sr
• LDSR - https://github.com/Hafiidz/latent-diffusion
• MiDaS - https://github.com/isl-org/MiDaS
• 优化思路 - https://github.com/basujindal/stable-diffusion
• Cross Attention 图层优化 - Doggettx - https://github.com/Doggettx/stable-diffusion，提示编辑的原始想法。
• Cross Attention 层优化 - InvokeAI、lstein - https://github.com/invoke-ai/InvokeAI（原 http://github.com/lstein/stable-diffusion)
• 次二次交叉注意力层优化 - Alex Birch （https://github.com/Birch-san/diffusers/pull/1）， Amin Rezaei （https://github.com/AminRezaei0x443/memory-efficient-attention)
• Textual Inversion - Rinon Gal - https://github.com/rinongal/textual_inversion（我们没有使用他的代码，但我们使用的是他的想法）。
• SD高档的想法 - https://github.com/jquesnelle/txt2imghd
• 用于外饰 mk2 的噪声生成 - https://github.com/parlance-zz/g-diffuser-bot
• CLIP 询问器的想法和借用一些代码 - https://github.com/pharmapsychotic/clip-interrogator
• 可组合扩散的想法 - https://github.com/energy-based-model/Compositional-Visual-Generation-with-Composable-Diffusion-Models-PyTorch
• Xformers - https://github.com/facebookresearch/xformers
• DeepDanbooru - 动漫扩散器的询问器 https://github.com/KichangKim/DeepDanbooru
• 从 float16 UNet 中以 float32 精度采样 - marunine 为想法，Birch-san 为示例扩散器实现 （https://github.com/Birch-san/diffusers-play/tree/92feee6)
• Instruct pix2pix - Tim Brooks （主演）， Aleksander Holynski （主演）， Alexei A. Efros （无主演） - https://github.com/timothybrooks/instruct-pix2pix
• 安全建议 - RyotaK
• UniPC 采样器 - Wenliang Zhao - https://github.com/wl-zhao/UniPC
• TAESD - Ollin Boer Bohan - https://github.com/madebyollin/taesd
• LyCORIS - Kohaku蓝叶
• 重新开始采样 - lambertae - https://github.com/Newbeeer/diffusion_restart_sampling
• Hypertile - tfernd - https://github.com/tfernd/HyperTile
• 初始 Gradio 脚本 - 由匿名用户发布在 4chan 上。谢谢匿名用户。
• （你）