如何不爬梯无偿经常使用AI文生图

如今各种AI大模型大行其道,前有ChatGPT推翻了咱们对对话型AI的原有印象,后有Sora文生视频,让咱们看到了应用AI启动创意创作的有限或者性。如今各大公司和团队都争相提出自己的大模型,各种网页端和软件运行也极大地降落了咱们经常使用AI作为消费劲的门槛。惋惜很多要么须要翻墙爬梯子,要么须要付费买会员,要么生成的图片不现实。

那么有没有不爬梯又比拟好用的文生图工具呢?

"文生图"是一个极具翻新性的在线AI工具,它能够依据用户输入的文字形容,极速生成相应的图像。这个环节不只快捷,而且能够节俭少量的期间和资源。关于那些须要少量图像但又不宿愿破费太多精神的用户来说,这无疑是一个现实的处置打算。不论是须要插画、漫画、图标,还是其余类型的图像,只有繁难输入文字形容,AI就能发生出令人满意的图像作品。

如今的AI绘图关键用到的模型是SD(Stable Diffusion),它是一种稳固分散模型,用于生成高品质的图像。这种模型是在传统的分散模型DDPMs(Denoising Diffusion Probabilistic models)的基础上开展进去的。

通过多个版本的迭代和改良,这类模型曾经能很好的口头“文生图”、“图生图”、“前期处置”等AI性能,甚至可以在必定水平上替代PhotoShop等图像处置软件的任务。

如今许多开发者都颁布了基于SD模型的改良型模型,基本上一切的网页端和软件也都是基于此模型搭建的,要经常使用它启动AI绘画,关键有三种方法:

1.自己搭建基于SD的webui,在gitHub上有名目标源代码:。这种方式的优势是自在度高,可以依据自己的需求启动客制化变革,降级也最及时,然而要自己启动环境搭建,关于普通用户来说学习门槛较高,国际经常使用的话须要魔法,同时通过我的体验稳固性不高,经常会失败。

2.经常使用网页端运行,这类网站是基于stable-diffusion-webui 搭建的第三方平台,由他们担任保养和降级,并提供稳固的衔接,用户只有要选用须要的模型和参数,输入揭示词,就可以在线生成图片。

国际有:Liblib Ai:

国外的:Playground AI:,每天有不要钱的体验次数,速度和品质也不错。

这类网站普通都有自己的模型市场,以供创作者们上行和下载自定义的模型,并且分享自己的绘图作品以及关系生图的参数,十分繁难。然而普通都会不要钱,还没体验就让人付费,是IT程序员最厌恶的事儿。

3.PC端软件,这类软件普通也是基于SD模型启动封装,可以下载模型,设置参数并在本地生成图片,经常使用体验相似于PS等图片处置软件,然而因为整个生成环节在本地口头,比拟依赖于本机算力,电脑性能不好的话生成会很慢,然而好处就是自定义水平相对较高,而且普通不要钱。

生图软件

最近发现Draw Things,Mac端App Store不要钱下载。

他的界面是这样的:

参数设置区用于选用模型,采集器,步数和随机种子等参数,初次生成图片首先选用“文本到图像”形式。模型是AI绘画的基础,普通的模型都是基于SD改良的,SD模型也有V1.0、V1.5、V2.0、V2.1等不同的迭代版本,不同的模型可以生成不同格调的图片,可以依据自己的须要启动选用,模型可以在DrawThings里启动下载和选用,当然也可以在Liblib Ai等网站高低载而后导入。

模型分为几个关键的种类:

chekpoint(审核点)

它是完整模型的经常出现格局,模型体积较大,普通真人版的单个模型的大小在7GB左右,动漫版的在2-5个G之间。选择了图片的全体格调。chekpoint的后缀名是safetensors

有写实,科幻,漫画,广告等等格调

是一种体积较小的绘画模型,是对大模型的微调。可以参与Lora为图片发明更丰盛的体现方式。与每次作画只能选用一个大模型不同,lora模型可以在已选用大模型的基础上参与一个甚至少个。普通体积在几十到几百兆左右。

Lora的后缀名也是safetensors,所以在装置的时刻要留意,Lora要在规则的中央导入:

Hypernetwork(超网络)

相似 LoRA ,但模型成果不如 LoRA,不能独自经常使用,须要搭配大模型经常使用。

采样器

采样器也会在必定水平上影响图画格调,不同于模型,它普通是基于算法。选用对的采样器关于生成图片的品质至关关键,上方引见一些干流的采样器类型:

DDIM和PLMS是早期SD专为分散模型而设计的采样器。DPM和DPM++系列是专为分散模型而设计的新型采样器。DPM++是DPM的改良版。

Euler a 比拟实用于图标设计、二次元图像、小型场景等繁难的图像数据生成场景。

DPM和DPM++系列十分实用于三维现象和复杂场景的描画,例如写实人像。

Karras系列是专为分散模型而设计的改良版采样器,有效优化了图片品质。

Euler a,DPM2 a, DPM++2S a和DPM++2S a Karras适宜给图片参与发明性,随着迭代步数的优化,图片也会随之变动。不同的采样方法或者对不同的模型发生不同的影响,会影响生成图片的艺术格调,倡导联合模型和迭代步数多做尝试。

步数

生图时,去噪重复的步数被称为采样迭代步数。测试新的模型或Prompts成果时,迭代步数介绍经常使用10~15,可以极速取得结果,繁难启动调整。当迭代步数太低时,生成的图像简直不可出现内容。20 ~30之间的迭代步数通常会有不错的成果。40步以上的迭代步数会须要更长的生图期间,但收益或者有限,除非在绘制生物毛发或皮肤纹理等。过低或过高的初始分辨率都或者会让SD生图时不可反常施展,倡导参考基础模型的分辨率,性能适宜的初始宽高。

随机种子

随机种子会影响生图时的初始噪声图像。当Seed=-1时,示意每次出图都会随机一个种子,使得每次生成的图都会不同。其余创作者上行图片的时刻,普通会附带此图片对应的随机种子,可以参考它来生成相似的图片。点击可以生成一个随机的种子,长按则可以输入特定的随机种子。

揭示词

揭示词是生成图片时关键中的关键,它间接选择了图片内容,画面格调,场景,表情举措等一些列内容,在生成图片时,选用适宜的揭示词至关关键。

揭示词分为“正向揭示词”和“反向揭示词”,“正向揭示词”代表你想要在图片中出现的内容,反之“反向揭示词”则是不想要在图片里具有的因素。比如,我想要画一张“西瓜大促”关系的宣传图,我就可以这样形容:

“许多人在湖里流动的水边吃西瓜,高品质的微型摄影”,翻译成英文:“Many people eat watermelons by the flowing water in the lake, with high-quality miniature photography”

将这段文字输入DrawThings的文本框,它会智能把整句话拆分红一个个揭示词。

当然,咱们也可以间接填入想要绘制的揭示词:

还有一些其余的参数,比如图片分辨率和比例,文本指点强度(越高越虔诚出现文本内容),以及一次性生成的图片数量等等

设置好一切,就可以开局生成图片了,可以多尝试几张,从中筛选最适宜的启动二次处置。

二次处置

假设对生成的图片有些细节不满意,可以应用“图像到图像”形式,而后选用强度。高分辨率修复的重绘强度为0时不会扭转原图,30% 以下会基于原图稍微批改,超越 70% 会对原图做出较大扭转,1 会获取一个齐全不同的图像。

二次处置关键包含以下几个目标:

重绘图像元素

假设对图像中某局部的元素不满意,可以用“橡皮擦”擦除该局部,而后重重生成,让模型智能将擦数的局部重绘,甚至可以消弭某局部图像元素,实测成果甚至好于PS。

扩图

关于一张图片,假构想要裁减边界局部,让模型绘制出额外的内容,可以首先从新设置图片的宽高。我这里原是图片是1088*2048,想要裁减左侧湖里的现象,就可以先将图片宽度参与到1536,而后移动图片到右侧贴紧图层边缘。而后最关键的一步,用“橡皮擦”工具,沿着想要裁减的那一边,细细的擦一道,这么做的目标是通知模型,从这一部离开局重绘,格调要依照擦除的这局部来启动,而后重重生成图片。

优化画质

最开局生成图片时,为了提高速度和效率,可以适当降落分辨率,的到适宜的图片,可以重设分辨率和明晰度,重绘图片,到达优化画质的目标。当然,关于曾经曾经画好的第三方图片,也可以加载出去启动处置。

好了,本篇应用AI绘图启动通常的文章就引见到这里,宿愿能够协助到大家。

原文链接:​ ​​ ​

您可能还会对下面的文章感兴趣: