Stable Diffusion Web UI

一个基于 Gradio 库实现的 Stable Diffusion 网页界面。

功能特性

附带图片的详细功能展示：

• 原生的文本到图像和图像到图像模式
• 一键安装与运行脚本（但仍需自行安装 Python 和 Git）
• 外扩绘图
• 局部重绘
• 色彩草图
• 提示词矩阵
• Stable Diffusion 超分辨率放大
• 注意力机制：可指定模型应更加关注的文本部分
  • ((燕尾服)) 中的“燕尾服”将获得更多关注
  • (燕尾服:1.21) 是另一种语法
  • 选中文本后按 Ctrl+Up 或 Ctrl+Down（Mac 上为 Command+Up 或 Command+Down）即可自动调整对所选文本的关注度（由匿名用户贡献的代码）
• 循环处理：多次执行图像到图像处理
• X/Y/Z 图：以三维方式绘制不同参数下的图像
• 文本反转嵌入
  • 可拥有任意数量的嵌入，并为其命名
  • 支持使用不同向量数的多个嵌入
  • 兼容半精度浮点数
  • 即使在 8GB 显存上也能训练嵌入，也有 6GB 显存可用的报告
• “附加”选项卡包含：
  • GFPGAN：用于修复人脸的神经网络
  • CodeFormer：GFPGAN 的替代性人脸修复工具
  • RealESRGAN：神经网络超分辨率放大器
  • ESRGAN：支持大量第三方模型的神经网络超分辨率放大器
  • SwinIR 和 Swin2SR（参见此处）：神经网络超分辨率放大器
  • LDSR：潜在扩散超分辨率放大
• 宽高比调整选项
• 采样方法选择
  • 可调节采样器的 eta 值（噪声倍增因子）
  • 更高级的噪声设置选项
• 随时中断处理过程
• 支持 4GB 显卡（也有 2GB 显卡可用的报告）
• 批次生成时种子正确
• 实时提示词长度验证
• 生成参数保存
  • 生成图像时使用的参数会随图像一同保存
  • PNG 格式保存在 PNG 数据块中，JPEG 格式保存在 EXIF 中
  • 可将图像拖拽至 PNG 信息标签页以恢复生成参数并自动复制到界面
  • 可在设置中禁用此功能
  • 将图像或文本参数拖拽至提示词框
• “读取生成参数”按钮：将参数加载到提示词框并显示在界面上
• 设置页面
• 可从界面运行任意 Python 代码（需使用 --allow-code 参数启用）
• 大多数界面元素的鼠标悬停提示
• 可通过文本配置文件修改界面元素的默认值、混合值、最大值和步长
• 平铺支持：勾选该选项可生成可像纹理一样平铺的图像
• 进度条与实时图像生成预览
  • 可使用独立的神经网络生成预览，几乎不占用显存或计算资源
• 负面提示词：额外的文本字段，用于列出不希望出现在生成图像中的内容
• 风格：可保存部分提示词，并在后续通过下拉菜单轻松应用
• 变体：生成相同图像但略有差异的方法
• 种子缩放：以略微不同的分辨率生成相同图像
• CLIP 解读器：尝试根据图像猜测提示词的按钮
• 提示词编辑：可在生成过程中更改提示词，例如先生成西瓜，中途切换为动漫女孩
• 批量处理：使用图像到图像模式处理一组文件
• 图像到图像的替代方法：交叉注意力控制的反向欧拉法
• 高分辨率修复：一键生成高分辨率图片且无常见畸变的便捷选项
• 动态重新加载检查点
• 检查点合并：允许将最多 3 个检查点合并为一个
• 自定义脚本，社区提供了众多扩展插件
• 组合扩散：可同时使用多个提示词
  • 使用大写 AND 分隔提示词
  • 也支持为提示词设置权重：a cat :1.2 AND a dog AND a penguin :2.2
• 提示词无字符限制（原版 Stable Diffusion 仅支持最多 75 个字符）
• DeepDanbooru 集成：为动漫类提示词生成 Danbooru 风格标签
• xformers：为特定显卡带来显著速度提升（需在命令行参数中添加 --xformers）
• 通过扩展插件：历史记录选项卡：可在界面内方便地查看、直接操作及删除图像
• 无限生成选项
• 训练选项卡
  • 超网络与嵌入选项
  • 图像预处理：裁剪、镜像、使用 BLIP 或 Deepdanbooru 自动打标签（适用于动漫图像）
• Clip 跳过
• 超网络
• LoRA（与超网络类似，但更美观）
• 独立的界面，可预览并选择要添加到提示词中的嵌入、超网络或 LoRA
• 可在设置界面中选择加载不同的 VAE
• 进度条显示预计完成时间
• API
• 支持 RunwayML 提供的专用局部重绘模型（参见此处）
• 通过扩展插件：美学渐变：利用 CLIP 图像嵌入生成具有特定美学风格的图像（基于 https://github.com/vicgalle/stable-diffusion-aesthetic-gradients 的实现）
• 支持 Stable Diffusion 2.0——具体说明请参阅维基页面
• 支持 Alt-Diffusion——具体说明请参阅维基页面
• 现在不再出现任何不良字符！
• 支持加载 safetensors 格式的检查点
• 放宽分辨率限制：生成图像的尺寸只需是 8 的倍数，而非 64 的倍数
• 现在已获得许可！
• 可在设置界面中重新排列界面元素
• 支持 Segmind Stable Diffusion

安装与运行

请确保满足所需的依赖项，并按照以下平台的说明进行操作：

• NVidia（推荐）
• AMD 显卡。
• Intel CPU、Intel GPU（集成与独立）（外部维基页面）
• Ascend NPU（外部维基页面）

或者，您也可以使用在线服务（如 Google Colab）：

• 在线服务列表

使用发布包在 Windows 10/11 上安装 NVidia 显卡版

1. 从 v1.0.0-pre 下载 sd.webui.zip 并解压。
2. 运行 update.bat。
3. 运行 run.bat。

更多详情请参阅 Install-and-Run-on-NVidia-GPUs

Windows 自动安装

1. 安装 Python 3.10.6（较新版本的 Python 不支持 torch），并勾选“将 Python 添加到 PATH”。
2. 安装 git。
3. 克隆 stable-diffusion-webui 仓库，例如运行 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git。
4. 以普通非管理员用户身份，在 Windows 资源管理器中运行 webui-user.bat。

Linux 自动安装

1. 安装依赖项：

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

如果您的系统非常新，可能需要安装 Python 3.11 或 Python 3.10：

# Ubuntu 24.04
sudo add-apt-repository ppa:deadsnakes/ppa
sudo apt update
sudo apt install python3.11

# Manjaro/Arch
sudo pacman -S yay
yay -S python311 # 请注意不要与 python3.11 包混淆

# 仅针对 3.11 版本
# 然后在启动脚本中设置环境变量
export python_cmd="python3.11"
# 或者在 webui-user.sh 中
python_cmd="python3.11"

2. 导航到您希望安装 WebUI 的目录，并执行以下命令：

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

或者直接克隆仓库到您想要的位置：

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

3. 运行 webui.sh。
4. 查看 webui-user.sh 以了解可用选项。

Apple Silicon 上的安装

请参阅此处的说明。

贡献

以下是向此仓库添加代码的方法：贡献

文档

文档已从本 README 移至项目的维基。

为了便于 Google 及其他搜索引擎抓取维基，这里提供一个（非人类友好型）可爬取的维基链接。

致谢

借用代码的许可证可在“设置 -> 许可证”界面以及 html/licenses.html 文件中找到。

• Stable Diffusion - https://github.com/Stability-AI/stablediffusion, https://github.com/CompVis/taming-transformers, https://github.com/mcmonkey4eva/sd3-ref
• k-diffusion - https://github.com/crowsonkb/k-diffusion.git
• Spandrel - https://github.com/chaiNNer-org/spandrel 实现了
  • 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 层优化 - Doggettx - https://github.com/Doggettx/stable-diffusion，最初提出了提示词编辑的想法。
• Cross Attention 层优化 - InvokeAI、lstein - https://github.com/invoke-ai/InvokeAI（原为 http://github.com/lstein/stable-diffusion）
• 次二次复杂度 Cross Attention 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（我们并未使用他的代码，但借鉴了他的思想）。
• SD 超分辨率想法 - https://github.com/jquesnelle/txt2imghd
• Outpainting mk2 的噪声生成 - https://github.com/parlance-zz/g-diffuser-bot
• CLIP 询问器的想法及部分代码借用 - https://github.com/pharmapsychotic/clip-interrogator
• 组合式扩散模型的想法 - https://github.com/energy-based-model/Compositional-Visual-Generation-with-Composable-Diffusion-Models-PyTorch
• xformers - https://github.com/facebookresearch/xformers
• DeepDanbooru - 动漫扩散模型的询问器 https://github.com/KichangKim/DeepDanbooru
• 从 float16 UNet 中以 float32 精度采样 - marunine 提出想法，Birch-san 提供了示例实现（https://github.com/Birch-san/diffusers-play/tree/92feee6）
• Instruct pix2pix - Tim Brooks（明星）、Aleksander Holynski（明星）、Alexei A. Efros（无明星光环）- 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 - KohakuBlueleaf
• 重启采样 - lambertae - https://github.com/Newbeeer/diffusion_restart_sampling
• Hypertile - tfernd - https://github.com/tfernd/HyperTile
• 初始 Gradio 脚本 - 由一位匿名用户在 4chan 上发布。感谢这位匿名用户。
• （您）

Stable Diffusion WebUI 快速上手指南

Stable Diffusion WebUI 是一个基于 Gradio 库开发的 Stable Diffusion 网页操作界面，提供了文生图（txt2img）、图生图（img2img）、局部重绘、高清修复等丰富功能，是目前最流行的 SD 本地部署方案之一。

环境准备

在开始安装前，请确保您的系统满足以下基本要求：

系统要求

• 操作系统：Windows 10/11, Linux, 或 macOS (Apple Silicon)。
• GPU 推荐：
  • NVIDIA 显卡（强烈推荐）：显存建议 4GB 及以上（4GB 可运行，8GB+ 体验更佳）。需安装最新 NVIDIA 驱动。
  • AMD / Intel / Ascend：支持但配置相对复杂，需参考官方 Wiki 特定教程。
• 磁盘空间：建议预留 10GB 以上空间用于存放程序、模型及生成图片。

前置依赖

无论何种系统，均需预先安装以下基础工具：

1. Python: 必须安装 Python 3.10.6。
   • 注意：新版 Python (3.11+) 可能导致 torch 不兼容，请严格使用 3.10.6 版本。
   • 安装时务必勾选 "Add Python to PATH"。
2. Git: 用于克隆代码仓库。

国内加速建议：

• Python 下载：可使用清华大学或阿里云镜像源。
• Git 克隆：若直接克隆速度慢，可将 https://github.com 替换为国内镜像地址（如 https://ghp.ci/https://github.com 或使用 Gitee 镜像仓库）。
• Pip 源：安装过程中如需手动 pip 安装包，请配置 -i https://pypi.tuna.tsinghua.edu.cn/simple。

---

安装步骤

根据您的操作系统选择对应的安装方式。

方案 A：Windows 一键安装包（推荐新手）

此方法无需手动配置 Git 和 Python 环境，适合纯新手。

1. 前往 Releases 页面 下载 sd.webui.zip (查找 v1.0.0-pre 或最新稳定版)。
2. 解压压缩包到任意目录（路径中不要包含中文或空格）。
3. 双击运行 update.bat 进行初始化更新。
4. 双击运行 run.bat 启动程序。

方案 B：Windows 自动安装脚本（标准方式）

适合需要自定义环境或开发者。

1. 安装 Python 3.10.6 并勾选添加环境变量。
2. 安装 Git。
3. 打开命令提示符 (CMD) 或 PowerShell，执行以下命令克隆仓库：

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

   (国内用户若速度慢，可使用：git clone https://ghp.ci/https://github.com/AUTOMATIC1111/stable-diffusion-webui.git)
4. 进入项目目录：

   cd stable-diffusion-webui
   

5. 运行启动脚本：

   webui-user.bat
   

   首次运行会自动下载依赖和模型，请耐心等待。

方案 C：Linux 安装步骤

1. 安装系统依赖 (以 Ubuntu/Debian 为例)：

   sudo apt install wget git python3 python3-venv libgl1 libglib2.0-0
   

   注：若系统较新（如 Ubuntu 24.04），可能需要手动安装 python3.10 或 3.11 并在 webui-user.sh 中指定 python_cmd="python3.10"。

2. 克隆仓库：

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

3. 运行启动脚本：

   ./webui.sh
   

   如需修改参数（如监听端口、显存优化），请编辑 webui-user.sh 文件中的 COMMANDLINE_ARGS。

方案 D：macOS (Apple Silicon)

M1/M2/M3 芯片用户请参考官方 Wiki 的 Installation on Apple Silicon 章节，通常需安装 Homebrew 及特定版本的 Python。

---

基本使用

启动成功后，终端会显示类似 Running on local URL: http://127.0.0.1:7860 的信息。在浏览器中打开该地址即可进入界面。

1. 准备模型 checkpoint

首次运行时，程序可能会尝试自动下载基础模型。若失败或需使用特定模型：

• 下载 .ckpt 或 .safetensors 格式的模型文件（推荐从 Civitai 或 HuggingFace 下载）。
• 将模型文件放入项目目录下的 models/Stable-diffusion 文件夹中。
• 在 WebUI 左上角点击刷新按钮 🔄，选择刚放入的模型。

2. 文生图 (txt2img) 最简单的示例

这是最核心的功能，通过文字描述生成图片。

1. 点击顶部标签页 txt2img。
2. Prompt (提示词)：在上方文本框输入英文描述。
   • 示例：a beautiful girl with blue eyes, standing in a garden, sunlight, high quality, masterpiece
   • 技巧：使用 (keyword:1.2) 可增加该关键词权重。
3. Negative Prompt (负面提示词)：在下方文本框输入不希望出现的内容。
   • 示例：low quality, worst quality, ugly, deformed, noisy, blurry
4. 参数设置：
   • Sampling Steps: 设为 20-30。
   • Width/Height: 设为 512x512 或 512x768。
   • Batch count: 生成几张图，设为 1 即可测试。
5. 点击 Generate 按钮。
6. 等待进度条完成，生成的图片将显示在下方，可右键保存。

3. 图生图 (img2img) 简述

点击 img2img 标签，上传一张本地图片，配合提示词可进行风格转换、局部重绘或高清放大。

4. 常用快捷键与技巧

• 中断生成：随时点击红色的 Interrupt 按钮停止当前任务。
• 提示词权重调整：选中提示词中的某部分，按 Ctrl+Up (Mac: Cmd+Up) 增加权重，Ctrl+Down 降低权重。
• 查看参数：将生成的图片拖拽至 PNG Info 标签页，可自动还原当时的生成参数并填入界面。

---

注：本工具功能极其丰富，包含插件扩展、训练模型等高级功能，详细文档请参阅项目官方 Wiki。