stable diffusion webui下载 - stable diffusion webui源码下载

stable diffusion webui

其他源码

1.10.0

下载

稳定的扩散网页用户界面

稳定扩散的 Web 界面，使用 Gradio 库实现。

特征

带图像的详细功能展示：

原始 txt2img 和 img2img 模式
一键安装并运行脚本（但仍然必须安装python和git）
外画
修复
彩色素描
提示矩阵
稳定扩散高档
注意，指定模型应该更多关注的文本部分

穿着((tuxedo))的男人 - 会更加关注燕尾服
a man in a (tuxedo:1.21) - 替代语法
选择文本并按Ctrl+Up或Ctrl+Down （如果您使用的是 MacOS，则按Command+Up或Command+Down ）以自动调整对所选文本的关注（由匿名用户贡献的代码）

Loopback，多次运行img2img处理
X/Y/Z 图，一种绘制具有不同参数的 3 维图像图的方法
文本倒装

拥有任意数量的嵌入并使用您喜欢的任何名称
使用每个标记具有不同数量向量的多个嵌入
适用于半精度浮点数
在 8GB 上训练嵌入（还有 6GB 工作的报告）

附加选项卡包含：

GFPGAN，修复人脸的神经网络
CodeFormer，人脸修复工具，作为 GFPGAN 的替代品
RealESRGAN，神经网络升级器
ESRGAN，具有许多第三方模型的神经网络升级器
SwinIR 和 Swin2SR（参见此处），神经网络升级器
LDSR，潜在扩散超分辨率升级

调整宽高比选项
采样方法选择

调整采样器 eta 值（噪声乘数）
更高级的噪音设置选项

随时中断处理
4GB 显卡支持（也有 2GB 工作报告）
批次正确种子
实时提示令牌长度验证
发电参数

用于生成图像的参数与该图像一起保存
对于 PNG，在 PNG 块中；对于 JPEG，在 EXIF 中
可以将图像拖到PNG信息选项卡以恢复生成参数并自动将其复制到UI中
可以在设置中禁用
将图像/文本参数拖放到提示框中

读取生成参数按钮，将提示框中的参数加载到UI
设置页面
从 UI 运行任意 python 代码（必须使用--allow-code运行才能启用）
大多数 UI 元素的鼠标悬停提示
可以通过文本配置更改 UI 元素的默认/混合/最大/步长值
平铺支持，用于创建可以像纹理一样平铺的图像的复选框
进度条和实时图像生成预览

可以使用单独的神经网络来生成预览，几乎不需要 VRAM 或计算要求

否定提示，一个额外的文本字段，允许您列出您不想在生成的图像中看到的内容
样式，一种保存部分提示并稍后通过下拉菜单轻松应用它们的方法
变体，一种生成相同图像但有微小差异的方法
种子调整大小，一种生成相同图像但分辨率略有不同的方法
CLIP询问器，一个尝试从图像中猜测提示的按钮
提示剪辑，中代换提示的一种方式，比如说开始做西瓜，中途换成动漫少女
批处理，使用img2img处理一组文件
Img2img 交叉注意力控制的替代、反向欧拉方法
Highres Fix，一种方便的选项，只需单击一下即可生成高分辨率图片，而不会出现常见的扭曲
即时重新加载检查点
检查点合并，该选项卡允许您将最多 3 个检查点合并为一个
具有来自社区的许多扩展的自定义脚本
可组合扩散，一种同时使用多个提示的方法

使用大写AND分隔提示
还支持提示权重： a cat :1.2 AND a dog AND a penguin :2.2

提示无代币限制（原创稳定扩散最多可使用 75 个代币）
DeepDanbooru 集成，为动漫提示创建 danbooru 风格标签
xformers，选择卡的主要速度提升：（将--xformers添加到命令行参数）
通过扩展：历史记录选项卡：在 UI 中方便地查看、定向和删除图像
生成永久选项
训练选项卡

超网络和嵌入选项
预处理图像：使用 BLIP 或 deepdanbooru（针对动漫）进行裁剪、镜像、自动标记

剪辑跳过
超网络
Loras（与 Hypernetworks 相同但更漂亮）
一个单独的 UI，您可以通过预览选择要添加到提示中的嵌入、超网络或 Loras
可以选择从设置屏幕加载不同的 VAE
进度条中的预计完成时间
应用程序编程接口
RunwayML 支持专用修复模型
通过扩展：美学渐变，一种通过使用剪辑图像嵌入来生成具有特定美感的图像的方法（https://github.com/vicgalle/stable-diffusion-aesthetic-gradients 的实现）
稳定扩散 2.0 支持 - 请参阅 wiki 获取说明
Alt-Diffusion 支持 - 有关说明，请参阅 wiki
现在没有任何不好的字母了！
以 safetensors 格式加载检查点
放宽分辨率限制：生成图像的尺寸必须是 8 的倍数而不是 64
现在有执照了！
从设置屏幕重新排序 UI 中的元素
Segmind 稳定扩散支持

安装与运行

确保满足所需的依赖关系，并按照以下可用说明进行操作：

英伟达（推荐）
AMD GPU。
Intel CPU、Intel GPU（集成和独立）（外部 wiki 页面）
Ascend NPU（外部 wiki 页面）

或者，使用在线服务（例如 Google Colab）：

在线服务列表

使用发行包在带有 NVidia-GPU 的 Windows 10/11 上安装

从 v1.0.0-pre 下载sd.webui.zip并解压其内容。
运行update.bat 。
运行run.bat 。

有关更多详细信息，请参阅在 NVidia-GPU 上安装并运行

Windows 上自动安装

安装Python 3.10.6（较新版本的Python不支持torch），选中“Add Python to PATH”。
安装 git。
下载 stable-diffusion-webui 存储库，例如通过运行git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git 。
以普通非管理员用户身份从 Windows 资源管理器运行webui-user.bat 。

Linux 上的自动安装

安装依赖项：

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

如果您的系统很新，则需要安装 python3.11 或 python3.10：

 # Ubuntu 24.04sudo add-apt-repository ppa:deadsnakes/ppa
须藤apt更新
sudo apt install python3.11# Manjaro/Archsudo pacman -S 耶
yay -S python311 # 不要与 python3.11 包混淆# 仅适用于 3.11# 然后在启动脚本中设置 env 变量export python_cmd="python3.11"# 或在 webui-user.shpython_cmd="python3.11" 中

导航到您想要安装 WebUI 的目录并执行以下命令：

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

或者只是将存储库克隆到您想要的任何位置：

 git 克隆 https://github.com/AUTOMATIC1111/stable-diffusion-webui

运行webui.sh 。
检查webui-user.sh的选项。

在 Apple Silicon 上安装

请在此处查找说明。

贡献

以下是向此存储库添加代码的方法：

文档

文档已从本自述文件移至项目的 wiki。

为了让 Google 和其他搜索引擎抓取 wiki，这里有一个指向（不适用于人类）可抓取 wiki 的链接。

制作人员

借用代码的许可证可以在Settings -> Licenses屏幕以及html/licenses.html文件中找到。

稳定扩散 - https://github.com/Stability-AI/stablediffusion，https://github.com/CompVis/taming-transformers，https://github.com/mcmonkey4eva/sd3-ref
k-扩散 - https://github.com/crowsonkb/k-diffusion.git
Spandrel - https://github.com/chaiNNer-org/spandrel 实施

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
优化想法 - https://github.com/basujindal/stable-diffusion
交叉注意力层优化 - Doggettx - https://github.com/Doggettx/stable-diffusion，即时编辑的原创想法。
交叉注意力层优化 - InvokeAI，lstein - https://github.com/invoke-ai/InvokeAI（最初为http://github.com/lstein/stable-diffusion）
次二次交叉注意力层优化 - Alex Birch (Birch-san/diffusers#1)、Amin Rezaei (https://github.com/AminRezaei0x443/memory-efficient-attention)
文本倒置 - Rinon Gal - https://github.com/rinongal/textual_inversion （我们没有使用他的代码，但我们正在使用他的想法）。
SD 高档创意 - https://github.com/jquesnelle/txt2imghd
用于绘制 mk2 的噪声生成 - https://github.com/parlance-zz/g-diffuser-bot
CLIP 询问器想法并借用一些代码 - https://github.com/pharmapsychotic/clip-interrogator
可组合扩散的想法 - https://github.com/energy-based-model/Compositional-Visual-Generation-with-Composable-Diffusion-Models-PyTorch
xformers - https://github.com/facebookresearch/xformers
DeepDanbooru - 动漫扩散器询问器 https://github.com/KichangKim/DeepDanbooru
从 float16 UNet 中以 float32 精度进行采样 - marunine 的想法，Birch-san 的示例 Diffusers 实现 (https://github.com/Birch-san/diffusers-play/tree/92feee6)
指导 pix2pix - Tim Brooks（明星）、Aleksander Holynski（明星）、Alexei A. Efros（无明星） - https://github.com/timothybrooks/instruct-pix2pix
安全建议 - RyotaK
UniPC 采样器 - Wenliang Zhu - https://github.com/wl-zhao/UniPC
TAESD - Ollin Boer Bohan - https://github.com/madebyollin/taesd
LyCORIS - 红白蓝叶
重新启动采样 - lambertae - https://github.com/Newbeeer/diffusion_restart_sampling
Hypertile - tfernd - https://github.com/tfernd/HyperTile
初始 Gradio 脚本 - 由匿名用户发布在 4chan 上。谢谢匿名用户。
（你）