StableDiffusion XL 1.0 (SDXL) 使用指南

随着人工智能技术的不断发展，图像生成技术也取得了显著的进步。StableDiffusion XL 1.0（简称SDXL）作为一种先进的图像生成模型，凭借其强大的性能和灵活性，受到了广大用户的青睐。本文将为读者提供一份简明的SDXL使用指南，帮助大家更好地掌握其使用方法。

一、硬件要求

首先，使用SDXL需要较高的硬件配置，特别是显卡VRAM的需求较高。推荐使用至少12GB的VRAM，以确保模型能够顺利运行。如果显卡VRAM较低，可以在启动参数中加上—medvram来尝试运行，但性能可能会有所下降。

二、模型文件放置

在使用SDXL之前，需要将所需的模型文件放置在正确的目录下。具体来说，需要将“sd_xl_refiner_1.0_0.9vae.safetensors”文件放入models目录下的Stable-diffusion目录中，将“sdxl_vae.safetensors”文件放入models目录下的vae目录中。

三、分辨率选择

SDXL模型是使用1024x1024的样本进行训练的，因此建议在生成图像时从1024x1024的分辨率起步。这样可以更好地利用模型的性能，获得更高质量的图像。

四、采样迭代步数

在生成图像时，需要设置采样迭代步数。对于Euler a采样器，建议使用base模型10步，refiner模型20步。这样可以确保模型充分收敛，获得更好的生成效果。

五、图片生成过程

1. 文生图状态下，直接使用base模型生成图像。在这个阶段，可以根据需要调整不同的参数和设置，以获得满意的生成效果。

2. 可以加入vae生成图像。如果在这个阶段觉得满意了，后面的步骤可以忽略。加入vae可以进一步增加图像的多样性和丰富性。

3. 文生图完成后（可以不加vae），直接转到图生图。在这个阶段，可以根据已有的图像进行进一步的修改和优化，以获得更符合需求的生成结果。

4. 改图生图的模型为refine。通过使用refiner模型，可以对已有的图像进行进一步的细化和提升，以获得更高质量的生成效果。

六、注意事项

1. 由于SDXL需要较高的VRAM，如果在使用过程中出现显存不足的情况，可以尝试减小batch size或者降低分辨率来减轻显存压力。

2. 以前的各种扩展插件或模型可能与SDXL不兼容，需要重新炼制或是等待作者更新版本。在使用新的扩展插件或模型时，需要注意其兼容性和稳定性。

3. SDXL可以更加理解prompt，乱画的机率稍低一些。但这并不意味着可以完全依赖模型自动生成完美的图像，用户仍然需要根据自己的需求进行调整和优化。

4. 在使用SDXL时，不需要在prompt中添加无意义的词如“master pieces”、“best quality”等，因为这些词对于模型的生成效果并没有实质性的帮助。同样地，负面提示（negative prompt）对于SDXL来说也不是那么必要。

5. SDXL在绘制大图时效果较佳，以1024x1024为基础值。如果需要生成更小的图像，虽然也可以使用SDXL，但品质可能会受到一定的影响。

通过以上步骤和注意事项的介绍，相信读者已经对StableDiffusion XL 1.0（SDXL）的使用方法有了更加清晰的认识。在实际应用中，还需要结合具体的需求和场景进行调整和优化，以获得最佳的生成效果。希望本文能对大家在使用SDXL时提供有益的参考和帮助。