Startseite>Programmierbezogen>Anderer Quellcode
Herunterladen
stabile Diffusionswebui

Stabile Diffusion-Web-Benutzeroberfläche

Eine Webschnittstelle für Stable Diffusion, implementiert mit der Gradio-Bibliothek.


Merkmale

Detaillierte Funktionspräsentation mit Bildern:

  • Ursprüngliche txt2img- und img2img-Modi

  • Mit einem Klick installieren und Skript ausführen (aber Sie müssen trotzdem Python und Git installieren)

  • Outpainting

  • Inpainting

  • Farbskizze

  • Eingabeaufforderungsmatrix

  • Stabile Diffusion im gehobenen Maßstab

  • Achtung, geben Sie Textteile an, denen das Modell mehr Aufmerksamkeit schenken soll

    • ein Mann in einem ((tuxedo)) – wird dem Smoking mehr Aufmerksamkeit schenken

    • ein Mann in einem (tuxedo:1.21) – alternative Syntax

    • Wählen Sie Text aus und drücken Sie Ctrl+Up oder Ctrl+Down (oder Command+Up oder Command+Down , wenn Sie ein MacOS verwenden), um die Aufmerksamkeit automatisch auf den ausgewählten Text zu lenken (von einem anonymen Benutzer beigesteuerter Code).

  • Loopback, img2img-Verarbeitung mehrmals ausführen

  • X/Y/Z-Diagramm, eine Möglichkeit, ein dreidimensionales Diagramm von Bildern mit unterschiedlichen Parametern zu zeichnen

  • Textinversion

    • Sie können so viele Einbettungen haben, wie Sie möchten, und beliebige Namen dafür verwenden

    • Verwenden Sie mehrere Einbettungen mit unterschiedlicher Anzahl von Vektoren pro Token

    • funktioniert mit Gleitkommazahlen halber Genauigkeit

    • Einbettungen auf 8 GB trainieren (es wird auch berichtet, dass 6 GB funktionieren)

  • Registerkarte „Extras“ mit:

    • GFPGAN, neuronales Netzwerk, das Gesichter korrigiert

    • CodeFormer, Gesichtswiederherstellungstool als Alternative zu GFPGAN

    • RealESRGAN, Upscaler für neuronale Netze

    • ESRGAN, Upscaler für neuronale Netze mit vielen Modellen von Drittanbietern

    • SwinIR und Swin2SR (siehe hier), Upscaler für neuronale Netze

    • LDSR, Latent Diffusion Super Resolution Upscaling

  • Optionen zur Größenänderung des Seitenverhältnisses

  • Auswahl der Probenahmemethode

    • Passen Sie die Eta-Werte des Samplers an (Rauschmultiplikator).

    • Erweiterte Optionen für die Geräuscheinstellung

  • Unterbrechen Sie die Bearbeitung jederzeit

  • 4-GB-Grafikkartenunterstützung (berichtet auch, dass 2 GB funktionieren)

  • Richtiges Saatgut für Chargen

  • Live-Prompt-Tokenlängenvalidierung

  • Generierungsparameter

    • Parameter, die Sie zum Generieren von Bildern verwendet haben, werden mit diesem Bild gespeichert

    • in PNG-Blöcken für PNG, in EXIF ​​für JPEG

    • Sie können das Bild auf die Registerkarte „PNG-Info“ ziehen, um die Generierungsparameter wiederherzustellen und sie automatisch in die Benutzeroberfläche zu kopieren

    • kann in den Einstellungen deaktiviert werden

    • Ziehen Sie Bild-/Textparameter per Drag & Drop in die Eingabeaufforderungsbox

  • Schaltfläche „Generierungsparameter lesen“, lädt Parameter in der Eingabeaufforderungsbox in die Benutzeroberfläche

  • Einstellungsseite

  • Ausführen von beliebigem Python-Code über die Benutzeroberfläche (muss zum Aktivieren mit --allow-code ausgeführt werden)

  • Mouseover-Hinweise für die meisten UI-Elemente

  • Es ist möglich, Standard-/Misch-/Maximal-/Schrittwerte für UI-Elemente über die Textkonfiguration zu ändern

  • Kachelunterstützung, ein Kontrollkästchen zum Erstellen von Bildern, die wie Texturen gekachelt werden können

  • Fortschrittsbalken und Live-Vorschau der Bildgenerierung

    • Kann ein separates neuronales Netzwerk verwenden, um Vorschauen nahezu ohne VRAM- oder Rechenaufwand zu erstellen

  • Negative Eingabeaufforderung, ein zusätzliches Textfeld, in dem Sie angeben können, was Sie im generierten Bild nicht sehen möchten

  • Stile, eine Möglichkeit, Teile der Eingabeaufforderung zu speichern und sie später einfach per Dropdown anzuwenden

  • Variationen, eine Möglichkeit, dasselbe Bild mit winzigen Unterschieden zu erzeugen

  • Größenänderung des Seeds, eine Möglichkeit, dasselbe Bild, aber mit leicht unterschiedlicher Auflösung zu erzeugen

  • CLIP-Interrogator, eine Schaltfläche, die versucht, eine Eingabeaufforderung anhand eines Bildes zu erraten

  • Prompt Editing, eine Möglichkeit, Prompt in der mittleren Generation zu ändern, beispielsweise mit der Herstellung einer Wassermelone zu beginnen und auf halbem Weg zu Anime Girl zu wechseln

  • Stapelverarbeitung: Verarbeiten Sie eine Gruppe von Dateien mit img2img

  • Img2img Alternative, umgekehrte Euler-Methode zur Queraufmerksamkeitskontrolle

  • Highres Fix, eine praktische Option zum Erstellen hochauflösender Bilder mit einem Klick ohne übliche Verzerrungen

  • Kontrollpunkte im Handumdrehen neu laden

  • Checkpoint Merger, eine Registerkarte, die es Ihnen ermöglicht, bis zu 3 Checkpoints zu einem zusammenzuführen

  • Benutzerdefinierte Skripte mit vielen Erweiterungen aus der Community

  • Composable-Diffusion, eine Möglichkeit, mehrere Eingabeaufforderungen gleichzeitig zu verwenden

    • Trennen Sie Eingabeaufforderungen mithilfe von AND in Großbuchstaben

    • Unterstützt auch Gewichte für Eingabeaufforderungen: a cat :1.2 AND a dog AND a penguin :2.2

  • Kein Token-Limit für Eingabeaufforderungen (mit der ursprünglichen stabilen Diffusion können Sie bis zu 75 Token verwenden)

  • DeepDanbooru-Integration erstellt Tags im Danbooru-Stil für Anime-Eingabeaufforderungen

  • xformers, erhebliche Geschwindigkeitssteigerung für ausgewählte Karten: ( --xformers zu den Befehlszeilenargumenten hinzufügen)

  • über Erweiterung: Registerkarte „Verlauf“: Bilder bequem in der Benutzeroberfläche anzeigen, verschieben und löschen

  • Option „Für immer generieren“.

  • Registerkarte „Training“.

    • Hypernetzwerke und Einbettungsoptionen

    • Vorverarbeitung von Bildern: Zuschneiden, Spiegeln, automatisches Taggen mit BLIP oder deepdanbooru (für Anime)

  • Clip überspringen

  • Hypernetzwerke

  • Loras (wie Hypernetworks, aber hübscher)

  • Eine separate Benutzeroberfläche, in der Sie mit Vorschau auswählen können, welche Einbettungen, Hypernetzwerke oder Loras Sie Ihrer Eingabeaufforderung hinzufügen möchten

  • Sie können auswählen, ob auf dem Einstellungsbildschirm ein anderes VAE geladen werden soll

  • Geschätzte Fertigstellungszeit im Fortschrittsbalken

  • API

  • Unterstützung für dediziertes Inpainting-Modell von RunwayML

  • über Erweiterung: Aesthetic Gradients, eine Möglichkeit, Bilder mit einer bestimmten Ästhetik durch eingebettete Clipbilder zu generieren (Implementierung von https://github.com/vicgalle/stable-diffusion-aesthetic-gradients)

  • Stable Diffusion 2.0-Unterstützung – Anweisungen finden Sie im Wiki

  • Alt-Diffusion-Unterstützung – Anweisungen finden Sie im Wiki

  • Jetzt ohne schlechte Briefe!

  • Laden Sie Prüfpunkte im Safetensors-Format

  • Vereinfachte Auflösungsbeschränkung: Die Abmessungen des generierten Bildes müssen ein Vielfaches von 8 statt 64 sein

  • Jetzt mit Lizenz!

  • Ordnen Sie Elemente in der Benutzeroberfläche über den Einstellungsbildschirm neu an

  • Segmind Stable Diffusion-Unterstützung

Installation und Ausführung

Stellen Sie sicher, dass die erforderlichen Abhängigkeiten erfüllt sind, und befolgen Sie die verfügbaren Anweisungen für:

  • NVidia (empfohlen)

  • AMD-GPUs.

  • Intel-CPUs, Intel-GPUs (sowohl integriert als auch diskret) (externe Wiki-Seite)

  • Ascend NPUs (externe Wiki-Seite)

Alternativ können Sie Online-Dienste (wie Google Colab) nutzen:

  • Liste der Online-Dienste

Installation unter Windows 10/11 mit NVidia-GPUs mittels Release-Paket

  1. Laden Sie sd.webui.zip von v1.0.0-pre herunter und extrahieren Sie den Inhalt.

  2. Führen Sie update.bat aus.

  3. Führen Sie run.bat aus.

Weitere Einzelheiten finden Sie unter Install-and-Run-on-NVidia-GPUs

Automatische Installation unter Windows

  1. Installieren Sie Python 3.10.6 (neuere Version von Python unterstützt Torch nicht) und aktivieren Sie „Python zu PATH hinzufügen“.

  2. Git installieren.

  3. Laden Sie das Stable-Diffusion-Webui-Repository herunter, indem Sie beispielsweise git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ausführen.

  4. Führen Sie webui-user.bat im Windows Explorer als normaler Benutzer ohne Administratorrechte aus.

Automatische Installation unter Linux

  1. Installieren Sie die Abhängigkeiten:

 # Debian-basiert:sudo apt install wget git python3 python3-venv libgl1 libglib2.0-0# Red Hat-basiert:sudo dnf install wget git python3 gperftools-libs libglvnd-glx# openSUSE-basiert:sudo zypper install wget git python3 libtcmalloc4 libglvnd# Arch-based:sudo pacman -S wget git python3

Wenn Ihr System sehr neu ist, müssen Sie Python3.11 oder Python3.10 installieren:

 # Ubuntu 24.04sudo add-apt-repository ppa:deadsnakes/ppa
Sudo apt-Update
sudo apt install python3.11# Manjaro/Archsudo pacman -S juhu
yay -S python311 # nicht mit Python3.11-Paket verwechseln# Nur für 3.11# Dann env-Variable im Startskriptexport python_cmd="python3.11"# oder in webui-user.shpython_cmd="python3.11" einrichten

  1. Navigieren Sie zu dem Verzeichnis, in dem das WebUI installiert werden soll, und führen Sie den folgenden Befehl aus:

 wget -q https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh

Oder klonen Sie einfach das Repo, wo immer Sie möchten:

 Git-Klon https://github.com/AUTOMATIC1111/stable-diffusion-webui

  1. Führen Sie webui.sh aus.

  2. Überprüfen Sie webui-user.sh auf Optionen.

Installation auf Apple Silicon

Die Anleitung finden Sie hier.

Mitwirken

So fügen Sie diesem Repo Code hinzu: Mitwirken

Dokumentation

Die Dokumentation wurde von dieser README-Datei in das Wiki des Projekts verschoben.

Damit Google und andere Suchmaschinen das Wiki crawlen können, finden Sie hier einen Link zum (nicht für Menschen) crawlbaren Wiki.

Credits

Lizenzen für geliehenen Code finden Sie im Bildschirm Settings -> Licenses und auch in der Datei html/licenses.html .

  • Stabile Diffusion – https://github.com/Stability-AI/stablediffusion, https://github.com/CompVis/taming-transformers, https://github.com/mcmonkey4eva/sd3-ref

  • k-Diffusion – https://github.com/crowsonkb/k-diffusion.git

  • Spandrel – https://github.com/chaiNNer-org/spandrel Implementierung

    • GFPGAN – https://github.com/TencentARC/GFPGAN.git

    • CodeFormer – https://github.com/sczhou/CodeFormer

    • ESRGAN – https://github.com/xinntao/ESRGAN

    • SwinIR – https://github.com/JingyunLiang/SwinIR

    • Swin2SR – https://github.com/mv-lab/swin2sr

  • LDSR – https://github.com/Hafiidz/latent-diffusion

  • MiDaS – https://github.com/isl-org/MiDaS

  • Ideen für Optimierungen – https://github.com/basujindal/stable-diffusion

  • Cross-Attention-Layer-Optimierung – Doggettx – https://github.com/Doggettx/stable-diffusion, originelle Idee für eine schnelle Bearbeitung.

  • Cross-Attention-Layer-Optimierung – InvokeAI, lstein – https://github.com/invoke-ai/InvokeAI (ursprünglich http://github.com/lstein/stable-diffusion)

  • Subquadratische Cross-Attention-Layer-Optimierung – Alex Birch (Birch-san/diffusers#1), Amin Rezaei (https://github.com/AminRezaei0x443/memory-efficient-attention)

  • Textuelle Inversion – Rinon Gal – https://github.com/rinongal/textual_inversion (wir verwenden nicht seinen Code, aber wir verwenden seine Ideen).

  • Idee für SD-Upscale – https://github.com/jquesnelle/txt2imghd

  • Geräuscherzeugung für Outpainting mk2 – https://github.com/parlance-zz/g-diffuser-bot

  • Idee für einen CLIP-Interrogator und Ausleihen von Code – https://github.com/pharmapsychotic/clip-interrogator

  • Idee für Composable Diffusion – https://github.com/energy-based-model/Compositional-Visual-Generation-with-Composable-Diffusion-Models-PyTorch

  • xformers – https://github.com/facebookresearch/xformers

  • DeepDanbooru – Vernehmer für Anime-Diffusoren https://github.com/KichangKim/DeepDanbooru

  • Sampling in Float32-Präzision aus einem Float16-UNet – Marunine für die Idee, Birch-san für die Beispiel-Diffuser-Implementierung (https://github.com/Birch-san/diffusers-play/tree/92feee6)

  • Instruct pix2pix – Tim Brooks (Star), Aleksander Holynski (Star), Alexei A. Efros (kein Stern) – https://github.com/timothybrooks/instruct-pix2pix

  • Sicherheitshinweis – RyotaK

  • UniPC-Sampler – Wenliang Zhao – https://github.com/wl-zhao/UniPC

  • TAESD – Ollin Boer Bohan – https://github.com/madebyollin/taesd

  • LyCORIS - KohakuBlueleaf

  • Probenahme neu starten – Lambertae – https://github.com/Newbeeer/diffusion_restart_sampling

  • Hypertile – tfernd – https://github.com/tfernd/HyperTile

  • Erstes Gradio-Skript – von einem anonymen Benutzer auf 4chan gepostet. Vielen Dank, anonymer Benutzer.

  • (Du)

Expandieren
Zusätzliche Informationen
Ähnliche Versionen
Empfohlen für Sie
Ähnliche Nachrichten Alle
Benutzerkommentare