Stable Diffusion Web UI (AUTOMATIC1111) 应用详细介绍

Stable Diffusion Web UI 是由开发者 AUTOMATIC1111 创建的一个广受欢迎的开源项目，它基于 Gradio 库实现，为 Stable Diffusion 模型提供了一个强大且用户友好的图形化网页界面。该项目在 GitHub 上拥有超过 16 万颗星标，是 AI 图像生成领域最主流的工具之一。

核心功能

该应用提供了丰富的图像生成和处理功能，涵盖从基础到高级的各种需求：

基础生成模式：

• 文生图 (txt2img)： 根据文本描述生成图像。
• 图生图 (img2img)： 基于现有图像进行修改或再创作。

高级编辑与优化：

• 图像外补 (Outpainting)： 扩展图像边界，生成超出原始画布的内容。
• 图像内补 (Inpainting)： 对图像中的特定区域进行重绘或修复。
• 彩色素描 (Color Sketch)： 在图像上进行手绘和上色。
• 高分辨率修复 (Highres Fix)： 一键生成高分辨率图像，避免常见的失真问题。
• 稳定扩散放大 (Stable Diffusion Upscale)： 利用模型本身进行图像放大。

提示词与参数控制：

• 注意力机制 (Attention)： 通过语法（如 ((tuxedo)) 或 (tuxedo:1.21)）让模型更关注提示词中的特定部分。在 Mac 上可使用 Command 键，其他系统使用 Ctrl 键配合方向键快速调整。
• 负面提示词 (Negative Prompt)： 指定不希望出现在生成图像中的元素。
• 提示词编辑 (Prompt Editing)： 在生成过程中动态改变提示词，例如先生成一个西瓜，再中途切换到生成动漫女孩。
• 可组合扩散 (Composable-Diffusion)： 使用大写 AND 分隔多个提示词，并支持权重设置，如 a cat :1.2 AND a dog AND a penguin :2.2。
• 无令牌限制： 突破了原始 Stable Diffusion 75 个令牌的限制。

图像处理与增强：

• 面部修复： 集成了 GFPGAN 和 CodeFormer 两种神经网络用于修复和改善面部细节。
• 图像放大： 支持 RealESRGAN、ESRGAN、SwinIR、Swin2SR 和 LDSR 等多种主流放大模型。
• CLIP 反向推理 (CLIP interrogator)： 尝试从一张图像中逆向推测出生成它所需的提示词。

高级特性与工具：

• X/Y/Z 图表 (X/Y/Z plot)： 通过绘制三维图表，直观比较不同参数组合下的生成效果。
• 循环处理 (Loopback)： 对图像进行多次连续的 img2img 处理。
• 种子调整 (Seed Resizing)： 在略微不同的分辨率下生成相同的图像。
• 变化 (Variations)： 生成与原始图像几乎相同但有微小差异的图像。
• 检查点合并 (Checkpoint Merger)： 将最多 3 个不同的模型检查点合并为一个。
• 平铺支持 (Tiling)： 生成可像纹理一样无缝拼接的图像。

模型与扩展支持

该 Web UI 对多种模型和社区扩展提供了良好支持：

• 模型兼容性： 支持 Stable Diffusion 2.0、Alt-Diffusion、Segmind Stable Diffusion 等。支持加载 .safetensors 格式的检查点。
• 文本反转 (Textual Inversion)： 允许用户创建和使用自定义的嵌入向量，并可在 8GB 显存上进行训练。
• LoRA 与超网络 (Hypernetworks)： 支持 LoRA 和超网络，并提供独立的 UI 界面，方便用户预览和选择要添加到提示词中的嵌入、超网络或 LoRA。
• 自定义脚本： 支持丰富的社区自定义脚本和扩展，极大地扩展了应用的功能边界。
• 不同 VAE 加载： 可在设置界面中选择加载不同的变分自编码器。

用户体验与便捷性

该应用在用户体验方面也做了大量优化：

• 一键安装与运行： 提供了适用于 Windows、Linux 和 macOS 的自动化安装脚本。
• 实时预览： 在生成过程中提供进度条和实时图像预览，甚至可以调用独立的神经网络以减少显存占用。
• 参数保存与恢复： 生成参数会随图像一起保存（PNG 格式保存在块中，JPEG 格式保存在 EXIF 中）。用户可以将图像拖拽到 PNG Info 标签页以恢复参数，并自动复制到 UI 中。
• 风格 (Styles)： 允许用户保存部分提示词，并通过下拉菜单快速应用。
• 设置页面： 提供全面的设置页面，用户甚至可以调整 UI 元素的默认值、范围及布局顺序。
• 低显存支持： 支持 4GB 显存的显卡，并有用户报告在 2GB 显存上也能运行。
• 批量处理： 支持对一组文件进行批量 img2img 处理。
• API 接口： 提供 API 供程序化调用。

安装方式

项目提供了多种安装途径以适应不同用户群体：

• Windows 发布包： 下载预打包的 sd.webui.zip，运行 update.bat 和 run.bat 即可。
• Windows 自动安装： 安装 Python 3.10.6 和 Git，克隆仓库后运行 webui-user.bat。
• Linux 自动安装： 安装依赖（如 wget、git、python3 等），运行 webui.sh 或直接克隆仓库。
• Apple Silicon： 提供了专门的安装指南。

总结

AUTOMATIC1111 的 Stable Diffusion Web UI 凭借其全面的功能、高度的可定制性、活跃的社区支持以及对低配置硬件的友好度，已成为 AI 图像生成领域事实上的标准工具之一。无论对于新手还是专业用户，它都提供了一个强大而灵活的平台来探索和利用 Stable Diffusion 模型的潜力。