如何在Stable Diffusion中使用文本转图像(txt2img)？

文本到图像（txt2img）是指使用人工智能模型从文本输入生成图像的过程。目前市面上有许多txt2img AI可供使用。通过调整txt2img设置，可以控制图像生成的过程。

如何工作的文本到图像模型？

txt2img模型是一种神经网络，它输入自然语言文本并产生与文本匹配的图像。在Stable Diffusion和其他AI图像模型中，文本输入被称为提示（prompt）和负提示（negative prompt）。

txt2img生成流程：

• txt2img AI模型接受提示和负提示作为输入，并输出图像。
• 由于概率输出，同一提示和负提示可以产生多张图像，因为许多图像都可以匹配提示。

如何使用文本到图像？

文本到图像是AI图像生成器（包括Stable Diffusion）的最基本功能。你可以在线使用免费的生成器。

在AUTOMATIC1111Stable DiffusionWebUI中，你可以在txt2img页面使用文本到图像。

Stable Diffusion文本到图像设置解释

对于Stable Diffusion，以下设置会影响txt2img的结果：

1. 检查点模型：Stable Diffusion模型显著影响风格。例如，使用像Realistic Vision这样的写实模型来生成写实人物。

2. 提示：描述你希望在图像中看到什么的文本输入。

3. 负提示：描述你不希望看到什么的文本输入。

4. 图像大小：图像大小应与检查点模型匹配。v1模型的VAE大小是512×512，SDXL模型是1024×1024。

   • 图像大小与宽高比例。

   

5. 采样方法：在扩散过程中去噪图像的方法。如果你刚开始，不需要更改它。

6. 采样步骤：离散化去噪处理的步骤数量。更高的值使去噪过程更准确，因此质量更高。至少设置为20。

7. CFG比例：分类器自由引导比例控制应多紧密地遵循提示。

   • 1 - 大部分忽略你的提示。
   • 3 - 更具创造性。
   • 7 - 在遵循提示和自由之间取得良好平衡。
   • 15 - 更多地遵循提示。
   • 30 - 严格遵循提示。

如果设置得太高，可能会看到颜色问题。

txt2img模型是如何训练的？

训练数据和方法与AI模型架构同等重要。现代的txt2img模型都是用大量的图像和标题对数据集训练的。通过学习图像和标题之间的相关性，AI模型学会了生成与提示匹配的图像。

文本到图像AI模型

虽然Stable Diffusion是众所周知的txt2img模型之一，但它当然不是唯一的。你将在这一节中学习一些重要的txt2img模型。

• DALL·E：OpenAI的DALL·E是首批获得广泛公众关注的txt2img模型之一。尽管与今天的标准相比，其图像生成可能看起来原始，但在2021年发布时，它是一个巨大的突破。我们第一次能够用自然语言描述生成图像。

• Imagen：Google开发的Imagen文本到图像模型是一个生成写实图像的中性网络扩散模型。模型架构和基准在《Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding》一文中发布。

• Stable Diffusion：Stable Diffusiontxt2img模型是最受欢迎的开源文本到图像模型。虽然Imagen提供了更优越的性能，但它需要高性能的计算机来运行，因为扩散过程是在像素空间中进行的。

• Midjourney：Midjourney是其母公司提供的图像生成服务的专有txt2img模型。关于模型架构没有披露太多信息。

以上是关于文本到图像（txt2img）的基本介绍和使用说明。

想深入了解DeepSeek的核心玩法 扫描下方二维码加入微信群