[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-qunash--stable-diffusion-2-gui":3,"tool-qunash--stable-diffusion-2-gui":64},[4,17,26,40,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,2,"2026-04-03T11:11:01",[13,14,15],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":23,"last_commit_at":32,"category_tags":33,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,34,35,36,15,37,38,13,39],"数据工具","视频","插件","其他","语言模型","音频",{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":10,"last_commit_at":46,"category_tags":47,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,38,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74939,"2026-04-05T23:16:38",[38,14,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":23,"last_commit_at":62,"category_tags":63,"status":16},2471,"tesseract","tesseract-ocr\u002Ftesseract","Tesseract 是一款历史悠久且备受推崇的开源光学字符识别（OCR）引擎，最初由惠普实验室开发，后由 Google 维护，目前由全球社区共同贡献。它的核心功能是将图片中的文字转化为可编辑、可搜索的文本数据，有效解决了从扫描件、照片或 PDF 文档中提取文字信息的难题，是数字化归档和信息自动化的重要基础工具。\n\n在技术层面，Tesseract 展现了强大的适应能力。从版本 4 开始，它引入了基于长短期记忆网络（LSTM）的神经网络 OCR 引擎，显著提升了行识别的准确率；同时，为了兼顾旧有需求，它依然支持传统的字符模式识别引擎。Tesseract 原生支持 UTF-8 编码，开箱即用即可识别超过 100 种语言，并兼容 PNG、JPEG、TIFF 等多种常见图像格式。输出方面，它灵活支持纯文本、hOCR、PDF、TSV 等多种格式，方便后续数据处理。\n\nTesseract 主要面向开发者、研究人员以及需要构建文档处理流程的企业用户。由于它本身是一个命令行工具和库（libtesseract），不包含图形用户界面（GUI），因此最适合具备一定编程能力的技术人员集成到自动化脚本或应用程序中",73286,"2026-04-03T01:56:45",[13,14],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":77,"owner_location":80,"owner_email":77,"owner_twitter":81,"owner_website":77,"owner_url":82,"languages":83,"stars":92,"forks":93,"last_commit_at":94,"license":95,"difficulty_score":10,"env_os":96,"env_gpu":97,"env_ram":96,"env_deps":98,"category_tags":106,"github_topics":107,"view_count":23,"oss_zip_url":77,"oss_zip_packed_at":77,"status":16,"created_at":110,"updated_at":111,"faqs":112,"releases":158},2330,"qunash\u002Fstable-diffusion-2-gui","stable-diffusion-2-gui","Lightweight Stable Diffusion v 2.1 web UI: txt2img, img2img, depth2img, inpaint and upscale4x.","stable-diffusion-2-gui 是一款轻量级的网页交互界面，专为运行 Stability AI 推出的 Stable Diffusion v2.1 模型而设计。它基于 Hugging Face 的 Diffusers 库构建，旨在让用户无需编写复杂代码或配置繁琐环境，即可通过浏览器轻松体验强大的 AI 绘图能力。\n\n该工具有效解决了本地部署大模型门槛高、操作复杂的问题，将原本需要命令行操作的技术流程转化为直观的图形界面。用户可以直接在页面上完成从文本生成图像（txt2img）、参考图片重绘（img2img）、局部修复（inpaint），到利用深度信息生成图像（depth2img）以及 4 倍高清放大（upscale4x）等多种核心任务。\n\n无论是希望快速验证创意的设计师、需要灵活调整参数的研究人员，还是对 AI 绘画感兴趣的普通爱好者，都能从中受益。其独特的技术亮点在于集成了 DPM-Solver 采样器，能在保证生成质量的同时显著提升推理速度，并支持一键在 Google Colab 云端运行，极大降低了硬件依赖。stable-diffusion-2-gui 以简洁高效的","stable-diffusion-2-gui 是一款轻量级的网页交互界面，专为运行 Stability AI 推出的 Stable Diffusion v2.1 模型而设计。它基于 Hugging Face 的 Diffusers 库构建，旨在让用户无需编写复杂代码或配置繁琐环境，即可通过浏览器轻松体验强大的 AI 绘图能力。\n\n该工具有效解决了本地部署大模型门槛高、操作复杂的问题，将原本需要命令行操作的技术流程转化为直观的图形界面。用户可以直接在页面上完成从文本生成图像（txt2img）、参考图片重绘（img2img）、局部修复（inpaint），到利用深度信息生成图像（depth2img）以及 4 倍高清放大（upscale4x）等多种核心任务。\n\n无论是希望快速验证创意的设计师、需要灵活调整参数的研究人员，还是对 AI 绘画感兴趣的普通爱好者，都能从中受益。其独特的技术亮点在于集成了 DPM-Solver 采样器，能在保证生成质量的同时显著提升推理速度，并支持一键在 Google Colab 云端运行，极大降低了硬件依赖。stable-diffusion-2-gui 以简洁高效的特性，让前沿的生成式 AI 技术变得触手可及。","[![Open In Colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fblob\u002Fmain\u002Fstable_diffusion_2_0.ipynb)\n# **Stable Diffusion v 2.1 web UI**\nGradio app for [Stable Diffusion 2](https:\u002F\u002Fhuggingface.co\u002Fstabilityai\u002Fstable-diffusion-2) by [Stability AI](https:\u002F\u002Fstability.ai\u002F).\nIt uses [Hugging Face](https:\u002F\u002Fhuggingface.co\u002F) Diffusers🧨 implementation.\n\nCurrently supported pipelines are `text-to-image`, `image-to-image`, `inpainting`, `upscaling` and `depth-to-image`.\n\n[![Discord](https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F1060110102188797992?color=green&label=Join%20server&logo=discord)](https:\u002F\u002Fdiscord.gg\u002FggEX7hSpfw)\n\n\u003Cbr>\n\nColab by [anzorq](https:\u002F\u002Ftwitter.com\u002Fhahahahohohe). If you like it, please consider supporting me:\n\n[\u003Ca href=\"https:\u002F\u002Fwww.buymeacoffee.com\u002Fanzorq\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Fcdn.buymeacoffee.com\u002Fbuttons\u002Fv2\u002Fdefault-yellow.png\" height=\"45px\" width=\"162px\" alt=\"Buy Me A Coffee\">\u003C\u002Fa>](https:\u002F\u002Fwww.buymeacoffee.com\u002Fanzorq)\n\n---\n\u003C!-- ![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fqunash_stable-diffusion-2-gui_readme_003bac145b31.png)-->\n\u003C!-- ![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fqunash_stable-diffusion-2-gui_readme_25359a41fa86.png)-->\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fqunash_stable-diffusion-2-gui_readme_4885e6a8fac6.png)\n\n\n\n## Credits\n- Stable Diffusion - https:\u002F\u002Fgithub.com\u002FCompVis\u002Fstable-diffusion\n- HuggingFace Diffusers🧨 - https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fdiffusers\n- DPM-Solver - https:\u002F\u002Fgithub.com\u002FLuChengTHU\u002Fdpm-solver\n\n\u003Cbr>\n\n[![visitors](https:\u002F\u002Fvisitor-badge.glitch.me\u002Fbadge?page_id=qunash\u002Fstable-diffusion-2-gui)](https:\u002F\u002Fvisitor-badge.glitch.me)\n","[![在 Colab 中打开](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fblob\u002Fmain\u002Fstable_diffusion_2_0.ipynb)\n# **Stable Diffusion v 2.1 网页 UI**\n基于 [Stable Diffusion 2](https:\u002F\u002Fhuggingface.co\u002Fstabilityai\u002Fstable-diffusion-2) 的 Gradio 应用，由 [Stability AI](https:\u002F\u002Fstability.ai\u002F) 提供。它使用了 [Hugging Face](https:\u002F\u002Fhuggingface.co\u002F) 的 Diffusers🧨 实现。\n\n当前支持的流程包括：文本生成图像、图像生成图像、图像修复、图像超分辨率以及深度图转图像。\n\n[![Discord](https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F1060110102188797992?color=green&label=加入服务器&logo=discord)](https:\u002F\u002Fdiscord.gg\u002FggEX7hSpfw)\n\n\u003Cbr>\n\n此 Colab 由 [anzorq](https:\u002F\u002Ftwitter.com\u002Fhahahahohohe) 制作。如果你喜欢它，请考虑支持我：\n\n[\u003Ca href=\"https:\u002F\u002Fwww.buymeacoffee.com\u002Fanzorq\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Fcdn.buymeacoffee.com\u002Fbuttons\u002Fv2\u002Fdefault-yellow.png\" height=\"45px\" width=\"162px\" alt=\"请我喝杯咖啡\">\u003C\u002Fa>](https:\u002F\u002Fwww.buymeacoffee.com\u002Fanzorq)\n\n---\n\u003C!-- ![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fqunash_stable-diffusion-2-gui_readme_003bac145b31.png)-->\n\u003C!-- ![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fqunash_stable-diffusion-2-gui_readme_25359a41fa86.png)-->\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fqunash_stable-diffusion-2-gui_readme_4885e6a8fac6.png)\n\n\n\n## 致谢\n- Stable Diffusion - https:\u002F\u002Fgithub.com\u002FCompVis\u002Fstable-diffusion\n- HuggingFace Diffusers🧨 - https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fdiffusers\n- DPM-Solver - https:\u002F\u002Fgithub.com\u002FLuChengTHU\u002Fdpm-solver\n\n\u003Cbr>\n\n[![访问量](https:\u002F\u002Fvisitor-badge.glitch.me\u002Fbadge?page_id=qunash\u002Fstable-diffusion-2-gui)](https:\u002F\u002Fvisitor-badge.glitch.me)","# Stable Diffusion 2.1 Web UI 快速上手指南\n\n本工具是基于 Gradio 构建的 Stable Diffusion 2.1 网页界面，底层采用 Hugging Face Diffusers 实现。支持文生图、图生图、局部重绘（Inpainting）、超分辨率放大及深度图生成图像等功能。\n\n## 环境准备\n\n### 系统要求\n- **操作系统**: Linux, macOS, Windows (推荐 Linux)\n- **GPU**: 建议使用 NVIDIA GPU (显存 ≥ 8GB)，支持 CUDA 加速\n- **Python**: 3.8 - 3.10\n\n### 前置依赖\n确保已安装以下基础环境：\n- Git\n- Python 3.x\n- pip\n\n> **国内加速建议**：\n> 推荐使用清华或阿里镜像源加速 Python 包下载：\n> ```bash\n> pip config set global.index-url https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n## 安装步骤\n\n### 方法一：本地部署\n\n1. **克隆项目仓库**\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fqunash\u002Fstable-diffusion-2-gui.git\n   cd stable-diffusion-2-gui\n   ```\n\n2. **安装依赖**\n   ```bash\n   pip install -r requirements.txt\n   ```\n   *注：若 `requirements.txt` 未包含所有依赖，请手动安装核心库：*\n   ```bash\n   pip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\n   pip install diffusers transformers accelerate gradio scipy safetensors\n   ```\n\n3. **下载模型**\n   程序首次运行时会自动从 Hugging Face 下载 `stabilityai\u002Fstable-diffusion-2-1` 模型。\n   \n   > **国内加速方案**：\n   > 若直接下载失败，建议使用国内镜像站（如 ModelScope）下载模型后放置于本地缓存目录，或设置环境变量使用镜像：\n   > ```bash\n   > export HF_ENDPOINT=https:\u002F\u002Fhf-mirror.com\n   > ```\n\n### 方法二：Google Colab 免安装体验\n点击以下链接直接在云端运行，无需本地配置：\n[![Open In Colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fblob\u002Fmain\u002Fstable_diffusion_2_0.ipynb)\n\n## 基本使用\n\n### 启动服务\n在终端执行以下命令启动 Web 界面：\n```bash\npython app.py\n```\n*注：若主脚本名称不同，请查看目录下 `.py` 文件，通常为 `app.py` 或直接运行 notebook 转换的脚本。*\n\n启动成功后，终端将显示类似以下地址：\n```text\nRunning on local URL: http:\u002F\u002F127.0.0.1:7860\n```\n\n### 操作示例\n1. 打开浏览器访问上述地址（如 `http:\u002F\u002F127.0.0.1:7860`）。\n2. **文生图 (Text-to-Image)**：\n   - 在提示词框输入英文描述，例如：`a cyberpunk cat with a neon sign, high quality`\n   - 点击 \"Generate\" 按钮。\n3. **图生图 (Image-to-Image)**：\n   - 切换至对应标签页，上传参考图片。\n   - 输入修改指令并调整去噪强度 (Denoising strength)。\n4. **其他功能**：\n   - 同理切换至 `Inpainting`（涂抹需要重绘的区域）、`Upscaling`（上传图片进行放大）或 `Depth-to-image` 标签页进行操作。\n\n生成的图片将直接显示在界面下方，可点击下载保存。","一位独立游戏开发者需要为即将上线的像素风冒险游戏快速生成大量风格统一的环境素材和角色概念图。\n\n### 没有 stable-diffusion-2-gui 时\n- **部署门槛高**：开发者必须手动配置复杂的 Python 环境、安装特定版本的 PyTorch 和 Diffusers 库，往往因依赖冲突耗费数小时甚至整天。\n- **工作流割裂**：进行“文生图”、“局部重绘”或“深度图生成”时，需要切换不同的脚本或命令行参数，无法在一个界面内流畅完成迭代。\n- **高清资源匮乏**：生成的原始图片分辨率较低，缺乏内置的高质量放大功能，导致素材无法满足游戏引擎对清晰度的基本要求。\n- **修改成本巨大**：若需调整画面中某个细节（如移除多余物体），只能重新生成整张图，难以精准控制局部内容。\n\n### 使用 stable-diffusion-2-gui 后\n- **开箱即用**：通过 Colab 一键启动或轻量级 Web 界面，开发者无需关心底层环境配置，几分钟内即可开始创作。\n- **全流程集成**：在同一个面板中无缝切换 txt2img、img2img、inpaint 及 depth2img 模式，从构思草图到细化细节一气呵成。\n- **内置 4 倍超分**：利用集成的 upscale4x 功能，直接将低清草稿转化为高清纹理贴图，显著提升了美术资产的可用性。\n- **精准局部编辑**：借助 inpaint 功能，仅对画面中不满意的区域进行重绘，既保留了整体构图，又大幅降低了试错时间。\n\nstable-diffusion-2-gui 将复杂的 AI 绘图技术封装为直观的可视化工作流，让创作者能专注于创意本身而非技术调试。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fqunash_stable-diffusion-2-gui_003bac14.png","qunash",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fqunash_91649cc0.png","I create apps","Circassia","hahahahohohe","https:\u002F\u002Fgithub.com\u002Fqunash",[84,88],{"name":85,"color":86,"percentage":87},"Jupyter Notebook","#DA5B0B",98.8,{"name":89,"color":90,"percentage":91},"CSS","#663399",1.2,602,71,"2026-02-20T16:20:55","MIT","未说明","必需（基于 Stable Diffusion 和 Diffusers 实现，通常需 NVIDIA GPU），具体型号和显存大小未说明",{"notes":99,"python":96,"dependencies":100},"该工具是基于 Hugging Face Diffusers 实现的 Stable Diffusion 2.1 Web UI，支持文生图、图生图、修复、超分和深度图生成。提供 Google Colab 运行示例。具体本地部署的依赖版本、Python 版本及硬件要求在提供的 README 片段中未明确列出，建议参考 Colab 笔记本或安装脚本获取详细环境配置。",[101,102,103,104,105],"diffusers","gradio","torch","transformers","accelerate",[14],[108,109],"image-generation","stable-diffusion","2026-03-27T02:49:30.150509","2026-04-06T11:29:26.648846",[113,118,123,128,133,138,143,148,153],{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},10694,"在 Colab 上运行应用时出现 \"File name too long\" 错误怎么办？","该问题通常由 \"Run The App\" 单元格中的 CSS 代码过长引起。解决方法是缩短 CSS 字符串，例如删除部分样式代码。将原来的长 CSS 字符串修改为较短的版本（如只保留核心样式），或者按照建议删除部分分号及后续内容即可解决。","https:\u002F\u002Fgithub.com\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fissues\u002F12",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},10695,"遇到 \"CUDA out of memory\" (显存不足) 错误如何解决？","这通常与生成的图像尺寸过大有关。当图像尺寸超过 1000 像素时，在免费版的 Google Colab 上容易出现显存溢出。建议减小生成图像的尺寸（保持在 1000px 以下）以避免此错误。","https:\u002F\u002Fgithub.com\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fissues\u002F6",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},10696,"运行 Colab 时出现 \"NameError: interactive=false\" 错误如何修复？","这是代码中的大小写错误。在第二个单元格中找到包含 `state_info = gr.Textbox(...)` 的行，将 `interactive=false` 修改为 `interactive=False`（注意 Python 中布尔值 False 的首字母必须大写）。","https:\u002F\u002Fgithub.com\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fissues\u002F15",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},10697,"执行图像放大（Upscale）功能时报错 \"takes 7 positional arguments but 8 were given\" 怎么办？","该问题已被修复。如果遇到此错误或后续的 \"'NoneType' object is not callable\" 错误，请重新加载（Reload）Colab 页面以应用最新的代码更改。注意：放大管道虽然接受提示词参数，但实际上对该功能影响不大。","https:\u002F\u002Fgithub.com\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fissues\u002F4",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},10698,"生成的图像全是黑色的怎么办？","这是一个已知问题，维护者表示已经修复。如果您仍然遇到生成全黑图像的情况，请尝试重新加载 Colab 笔记本以确保使用的是最新版本的代码。","https:\u002F\u002Fgithub.com\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fissues\u002F3",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},10699,"该工具使用的是哪种采样方法（Sampling Method）？","该工具使用的是 DPM-Solver 采样器。相关引用可以在项目的 readme.md 文件中找到，其源代码库位于：https:\u002F\u002Fgithub.com\u002FLuChengTHU\u002Fdpm-solver。","https:\u002F\u002Fgithub.com\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fissues\u002F5",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},10700,"AMD 显卡用户因缺少 xformers 无法运行怎么办？","不需要排除检查，界面中已经提供了一个复选框（checkbox）用于停用 xformers。AMD 用户只需在界面上勾选该选项即可正常运行，无需在本地运行或修改代码。","https:\u002F\u002Fgithub.com\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fissues\u002F18",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},10701,"Gradio 界面一直显示超时（Timeout）或无法连接是什么原因？","这通常是因为 gradio.live 服务暂时宕机或不可用，而非本地代码错误。请等待一段时间后再试，或者检查 gradio 官方状态。","https:\u002F\u002Fgithub.com\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fissues\u002F13",{"id":154,"question_zh":155,"answer_zh":156,"source_url":157},10702,"如何在代码中指定本地模型路径？","不需要直接修改代码。请在界面的模型列表中选择 \"Custom model\"（自定义模型），然后在下方出现的输入框中指定本地模型的文件路径即可。","https:\u002F\u002Fgithub.com\u002Fqunash\u002Fstable-diffusion-2-gui\u002Fissues\u002F11",[159],{"id":160,"version":161,"summary_zh":162,"released_at":163},71295,"v1.0.0","- This web UI now supports all SD 2.x pipelines: `text-to-image`, `image-to-image`, `inpainting`, `upscaling` and `depth-to-image`\r\n\r\n- Added support for xformers – 25-40% faster image generation.","2022-12-12T18:43:52"]