文生图

输入主题描述+风格特点

正向提示词

输入不想图像中出现的内容

负向提示词

Euler a

DDIM

DPM++

决定初始噪声图像的形态

采样方法

建议20-30步，从20开始，逐步调节

通过n个步长去除噪声

采样步长

根据使用的模型进行调整

不同分辨率初始化噪声图像就会不同，所以最终出的图也会受到影响

调整图像的长和宽意味着改变了图像的分辨率

图片宽高

建议7-15

越大文本提示词对出图结果影响越大

文本提示词对出图结果的影响

CFG Scale

不占用内存

出图批次

Batch count

占用内存

每批次出图数量

Batch size

决定初始化噪声图像

相同的种子数，代表初始化噪声图像相同

多了一个种子数共同作用于出图结果

Variation Seed：差异化种子

控制差异化种子作用强度

Variation strength：差异化种子强度

差异化种子变动

Variation seed 设置为随机

差异化种子影响较小

Variation strength 设置为0.2

原种子不变

技巧：多张图片近似，局部微调？

resize seed from width

resize seed from height

设定resize seed from width 和 resize seed from height 与原图像的相同

例如：原图像 512 * 768 ，新图像 768 * 1152，当设置了 resize seed from width和height时，新生成的图像与原图相似，如果不设置，则新图与原图不同

改变像素的同时使图像差异化较小

Extra附加选项

seed - 种子

生成人物在面部处理上会更好一些

修复算法在setting内

开启面部修复会花费更多时间

不是什么情况下开启面部修复都好

restore faces

生成的图片可以无缝拼接

无缝贴图

tiling

解决图像放大问题

工作原理：先生成一张低分辨率的图片，在这张图片的基础上根据提示词再优化图像，添加更多细节

图像放大算法

步长

强度越大，影响越大

0时和原图相同

1时完全和原图不同

建议数值：0.5-0.8

去噪强度

放大多少倍

放大到多少

放大倍数

hires fix

微调参数

txt2img

文生图