懂AI

Stable Diffusion Web UI: 革命性的AI图像生成工具

RayRay
AI生图热门

Stable Diffusion Web UI是一个基于Gradio库实现的Stable Diffusion web界面,为AI图像生成提供了一个功能强大且易于使用的平台。该项目由AUTOMATIC1111在GitHub上开源,获得了广泛的关注和支持,目前已有超过13.9万星标。

Stable Diffusion Web UI的主要特点包括:

  1. 原始的文本到图像(txt2img)和图像到图像(img2img)模式
  2. 一键安装和运行脚本(但仍需安装Python和Git)
  3. 外绘(Outpainting)和内绘(Inpainting)功能
  4. 颜色素描功能
  5. 提示矩阵生成
  6. Stable Diffusion放大功能
  7. 注意力机制,可以指定模型应更关注的文本部分
  8. 循环处理,可多次运行img2img处理
  9. X/Y/Z图,可以绘制具有不同参数的3D图像图
  10. 文本反转(Textual Inversion)功能

Stable Diffusion Web UI界面

除了基本的图像生成功能外,Stable Diffusion Web UI还提供了许多高级功能和优化选项,如:

  1. 额外选项卡,包括GFPGAN(修复面部)、CodeFormer(面部修复工具)、RealESRGAN(神经网络升频器)等
  2. 纵横比调整选项
  3. 采样方法选择
  4. 4GB显卡支持(据报道2GB也可工作)
  5. 批次的正确种子
  6. 实时提示标记长度验证
  7. 生成参数保存和恢复
  8. 设置页面
  9. 从UI运行任意Python代码(需要使用--allow-code启用)
  10. 大多数UI元素的鼠标悬停提示

安装和运行Stable Diffusion Web UI相对简单。对于Windows 10/11用户,可以通过以下步骤快速开始:

  1. 下载并解压release包
  2. 运行update.bat
  3. 运行run.bat

对于其他平台,项目wiki提供了详细的安装说明。此外,该项目还支持在线服务(如Google Colab)上运行。

Stable Diffusion Web UI的开发仍在积极进行中,不断有新功能被添加。最近的更新包括支持Stable Diffusion 2.0、Alt-Diffusion和Segmind Stable Diffusion等。该项目的成功归功于其开放的开发模式和活跃的社区贡献。

总的来说,Stable Diffusion Web UI为AI图像生成提供了一个功能丰富、易于使用的平台。无论是专业艺术家还是AI爱好者,都可以利用这个工具探索AI艺术的无限可能。随着技术的不断进步和社区的持续贡献,我们可以期待Stable Diffusion Web UI在未来会变得更加强大和易用。

编辑推荐精选

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

CSM

CSM

高质量语音生成模型

CSM 是一个开源的语音生成项目，它提供了一个基于 Llama-3.2-1B 和 CSM-1B 的语音生成模型。该项目支持多语言，可生成多种声音，适用于研究和教育场景。通过使用 CSM，用户可以方便地进行语音合成，同时项目还提供了水印功能，确保生成音频的可追溯性和透明度。

下拉加载更多