如果提到Ai绘画，很多人第一反应都是midjourney，确实midjourney现在在绘画领域如日中天，因为它使用简单而且智能化程度非常高。但是对我们普通用户来说midjourney还是有很高的门槛。首先是注册账号以及充值，需要我们学会科学上网，其次是每个月几十美元的费用，如果我们只是轻度使用而不是专业的设计人员的话，这些费用都是没必要的！
那么除了midjourney之外还有没有Ai绘画软件呢？有的！
今天来介绍一款开源免费的软件——Stable Diffusion
Stable Diffusion是一款开源Ai绘画软件，因为是开源的，所以你可以把它下载到本地，绘画过程是完全离线的，使用你电脑的CPU或者GPU。绘画的风格由你自己来训练，如果你的显卡足够好的话，完全可以提供你喜欢的照片来训练专属于自己的Ai模型。
这时候有的小伙伴要问了，我使用的是中低端显卡就不能使用Stable Diffusion了吗？完全没问题！因为上面已经提到Stable Diffusion是开源软件，所以社区已经有非常多已经训练好的Ai模型了，动漫风格、国风汉服、真人风格……你基本可以在社区找到自己想要的模型。
好了，说了这么多，下面教大家怎么使用Stable Diffusion。
Stable Diffusion WebUI
如果说Stable Diffusion的门槛已经非常低了（只要能访问GitHub就可以部署），那么Stable Diffusion WebUI的门槛比Stable Diffusion 还低，你可以把Stable Diffusion WebUI理解成Stable Diffusion的网页版，不需要我们将软件安装到电脑上，只需要访问网页即可。
从GitHub的star数也能看出Stable Diffusion WebUI更受欢迎！
GitHub的地址为：
下载
进入GitHub地址在右侧我们可以下载最新版的Stable Diffusion WebUI
目前版本是1.6.0，点击之后下拉到最下面下载Stable Diffusion WebUI的源代码，然后解压即可。
环境准备
要运行Stable Diffusion WebUI，本地应该具备Python和Git环境
Python环境（如果已经安装Python可以直接跳过）
这里安装的Python版本为3.10.6（较新版本的 Python 不支持 torch）
下载地址
下拉到最后我们根据自己的系统下载安装包
打开安装包，这里一定要勾选“Add Python to PATH”，然后点击下一步完成即可，最后打开命令窗口输入Python，出现如图所示代表已经安装完成！
Git环境（如果本地已经安装Git可以直接跳过）
下载地址
根据自己的系统下载对应的安装包
打开下载好的安装包，直接默认下一步安装即可，非常简单。最后同样在命令窗口输入git，出现如图的信息说明已经安装完成！
上面就是需要的环境准备。
运行Stable Diffusion WebUI
打开第一步下载好的Stable Diffusion WebUI源码解压文件，找到根目录下的webui.bat命令，双击即可，接下来就是等待Stable Diffusion WebUI自动将依赖和所需要的模型下载完成，需要注意的是依赖大约4个G左右，所以需要确保磁盘空间足够。当我们看到下图Running on local URL：http://127.0.0.1:7860的时候说明依赖已经安装完成，我们只需要浏览器访问本机的http://127.0.0.1:7860即可打开Stable Diffusion WebUI的首页。
安装中文语言环境
依次点击页面的extentions->install from URL
然后输入
https://github.com/VinsonLaro/stable-diffusion-webui-chinese
点击 install即可，等待几秒钟，当底部出现蓝色字样代表中文插件已经安装完成。
然后依次点击installed->Apply and restart UI等待WebUI重启。
设置中文页面
在安装完中文插件之后需要设置中文环境。
在首页依次点击settings->user interface->localization
选中刚才下载好的中文语言环境：Chinese-all-0722
然后重启WebUI即可，至此中文环境已经安装完毕！首页已经是中文了。
安装 sd-webui-controlnet 外挂程序
sd-webui-controlnet插件也是至关重要的，我们依次点击扩展插件->可用->加载自->搜索sd-webui-controlnet->点击搜索结果的安装。
同样需要重启WebUI，步骤如下图所示。
到此为止，stable-diffusion-webui以及其运行环境已经全部安装完毕！
Ai绘画
接下来我们就可以使用stable-diffusion来Ai绘画了。现在我们需要一个绘画模型，正如一开始提到的，我们需要给stable-diffusion一个训练好的模型，它才能知道我们想要画什么风格的图片。
在选择模型之前我先来介绍下模型的概念。
主模型
它在大量的数据上进行了训练，并且获得了广泛的知识和能力。
特点：
大规模：主模型通常有数十亿到数千亿的参数。例如，GPT-3的最大版本有1750亿个参数。
泛化能力：由于在大量数据上的预训练，这些模型能够泛化到许多不同的任务，从简单的文本生成到更复杂的问题解答、翻译等。
计算要求：由于其巨大的大小，训练这些模型需要大量的计算资源和时间。
LoRA模型
LoRA旨在改进大型预训练模型（如GPT-3）在特定任务上的性能。
特点：
适应性：LoRA技术通过在大型模型的顶部添加低秩适应层来提供模型的微调能力。这允许LoRA在特定的任务或数据集上进行更为精确的适应。
模型大小：LoRA层相对较小，因此它添加的参数相对较少。这意味着与对整个大型模型进行微调相比，LoRA技术的微调更为高效和经济。
通俗的总结下两个模型，主模型可以理解为一个通用的模型，是核心部分，LoRA模型是一个个性化的模型，在表层发挥作用，主要是为了做一些个性化的定制服务。
理解了两个模型之后，接下来我使用一个非常成熟的且常用的模型【ChilloutMix】来展示下stable-diffusion的绘画能力。
模型下载
ChilloutMix下载地址
以上是主模型，大约4个G左右，下载完成之后，放到stable-diffusion根目录->models->Stable-diffusion目录下。
LoRA下载地址
以上是LoRA模型下载，下载好之后放到stable-diffusion根目录->models->Lora目录下。
模型下载好之后就可以在首页看到了，点击首页左上角的刷新按钮，选择模型。
Ai画图
首先介绍两个概念：
提示词（prompt）：可以理解为Ai的语言，我们通过prompt让Ai知晓我们需要画一幅什么样的画，一个好的prompt可以迅速让Ai 理解我们的意图，从而高效准确的生成想要的图片。
反向提示词（Negative prompt）：可以理解为提示词的反面，提示Ai需要避免一些什么问题，比如说长短手、少一个或者多一个手指头、同时存在两个左手或者右手等问题。
理解了上面两个概念之后，最后一步，复制模型的提示词（prompt）到首页输入框，然后点击生成，等待一段时间（等待的时间会根据显卡的性能而定）就可以得到一个美女的照片了！
局部绘制
这里我们以给美女换装为例，我要把美女的上衣T恤换成旗袍应该怎么做呢？
点击生成图片对应的下方【图生图】按钮跳转到对应的页面。
我们先来分析下一开始复制的prompt，发现美女的穿衣风格主要在红线标注的地方。
我们只需要在prompt描述中插入旗袍（cheongsam）即可，然后在下面用画笔标注出来哪里的衣服需要换成旗袍风格。这里我用画笔将美女的上衣标注好之后，点击生成，等待一会儿，上衣就换成旗袍了，可以看到，改变之后的图片和原图还是非常贴合的！
到此，stable-diffusion的绘画功能已经介绍完了，大家可以自己修改或者自己写prompt来生成想要的图片，这个模型非常灵活，包括人物的背景、站姿、发型以及穿衣风格等等细节都可以修改。下面是我用模型生成的其他美女照片，大家可以参考一下。
更多文章干货，推荐公众号【程序员老J】
文章来源于互联网:【AI绘画】给美女更换衣服！
