12 Stable Diffusion 参数调整进阶技巧

查看大图

文生图学习要同时看输入描述、生成流程、参数影响和最终用途。阅读时可以按「了解主要参数 -> 参数调整技巧 -> 提示词的优化 -> 使用负向提示词」建立结构，再回到正文里的代码、案例或指标做验证。

查看大图

读完后，用一个真实小任务复查：输入是什么，处理环节在哪里，输出是否可验收；失败时先查「了解主要参数」，再查「参数调整技巧」。

在上一篇教程中，我们介绍了如何使用 Stable Diffusion 生成你的第一个图像，包括基本参数的设置和简单的文本描述。现在，我们将深入研究如何通过调整参数来优化图像生成的效果，帮助你更好地掌控生成过程。

了解主要参数

在使用 Stable Diffusion 生成图像时，有几个关键参数会直接影响生成结果。以下是一些重要的参数及其简要说明：

查看大图

调 Stable Diffusion 参数时，先看采样步数、CFG、尺寸、种子、负面提示词和生成时间。

• Prompt（提示词）：用于描述你想要生成的图像内容，提示词的选择会直接影响生成的图像。

• Negative Prompt（负向提示词）：用于指定不希望在图像中出现的元素，可以有效控制图像的质量和效果。

• Steps（生成步骤）：控制生成过程中的迭代次数，通常步骤越多，细节越丰富，但生成时间也会增加。

• CFG Scale（提示词引导比例）：通过调整CFG Scale，你可以控制生成图像与提示词的匹配程度。范围通常是从0到20，数值越高，图像越接近提示词。

• Seed（随机种子）：控制随机性，同一个种子将多次生成相似的图像，有助于实验和调整。

• Width 和 Height（图像尺寸）：设置生成图像的宽度和高度，通常需要依据模型支持的最大尺寸进行调整。

接下来，我们将逐一探讨这些参数的调整技巧，并通过具体案例来展示它们的影响。

参数调整技巧

1. 提示词的优化

查看大图

看《Stable Diffusion 参数调整进阶技巧》时，先把图中的问题、关键词、操作和验收标准对上，再读正文会更省力。读完后，最好能用自己的项目重新讲一遍。

在生成图像时，提示词的质量至关重要。一个好的提示词应该尽量具体且富有表现力。比如：

• 初学者提示词：“一只猫”
• 优化后提示词：“一只坐在窗台上、阳光下的橘色猫”

通过修改提示词，我们可以看到整体生成效果的不同。你可以尝试使用形容词、风格以及场景来丰富提示词。

2. 使用负向提示词

负向提示词可以避免某些不想要的元素出现。例如，如果你想生成一副没有背景杂物的图像，可以设置负向提示词为 “没有杂物”。这样可以显著提升生成图像的清晰度和专注度.

# 示例代码
prompt = "A serene landscape with mountains and a river"
negative_prompt = "no people, no buildings, no garbage"

3. 步骤数的调整

一般情况，默认的步骤数在20到50之间。较高的步骤数通常会产生更清晰的细节，但会延长生成时间。通过反复实验，你可以找到适合你需求的平衡。

• 示例：steps = 30 vs steps = 50
  • 30步：生成时间快，细节较少。
  • 50步：生成时间长，细节丰富。

4. 调整CFG Scale

CFG Scale 的值越大，生成结果与提示词的匹配程度越高，可能导致错误的特征过于明显，但值太低可能导致生成内容不相关。建议在 7 到 12 之间调整，来找到最合适的值。

• 示例设置：cfg_scale = 10

5. 种子的使用

在生成过程中，你可以尝试不同的随机种子来获得多样化的结果。选择一个种子后，可以重复生成以便进行比较。

# 示例种子设置
seed = 42

案例分析

假设我们生成一个关于“奇幻森林”的图像。初始设置如下：

prompt = "A magical forest with glowing trees"
steps = 40
cfg_scale = 12
negative_prompt = "no people"
seed = 123
width = 512
height = 512

如果我们结果不满意，可以尝试以下调整：

1. 优化提示词：“An enchanting forest filled with luminescent trees and colorful creatures”.
2. 增加步骤数：steps = 50 增强细节。
3. 修改配置比例：cfg_scale = 14 增强与提示词的关系。

查看大图

读到这里，可以把《Stable Diffusion 参数调整进阶技巧》整理成一张复盘表：先说清主线，再拿一个小任务检查结果。

查看大图

读完《Stable Diffusion 参数调整进阶技巧》后，可以先挑一个小样例走完整流程，再判断哪些步骤已经能独立完成。

小结

通过本节教程，我们探讨了 Stable Diffusion 的多个参数调整技巧。通过对提示词、负向提示、生成步骤、CFG Scale、随机种子等进行有效控制和优化，我们能显著提高图像生成的质量和精确度。在紧接的下一篇教程中，我们将探讨如何进行图像风格迁移，希望你能通过这些参数调整，为后续的创作打下更坚实的基础。