Sygil WebUI: 开源、功能丰富的Stable Diffusion网页界面

Sygil WebUI:开源友好的Stable Diffusion网页界面

Stable Diffusion作为一种强大的文本到图像生成模型,自发布以来获得了广泛关注。然而,对于普通用户来说,直接使用Stable Diffusion的命令行界面可能存在一定门槛。Sygil WebUI应运而生,它为Stable Diffusion提供了一个直观、功能丰富的网页界面,让更多人能够轻松体验AI绘画的乐趣。

Sygil WebUI的主要特点

开源友好:Sygil WebUI采用开源协议,任何人都可以自由使用和贡献代码。
多种界面选择:提供Streamlit和Gradio两种界面,用户可根据喜好选择。
丰富的图像生成功能:
- 文本到图像生成
- 图像到图像转换
- 提示词权重设置
- 负面提示词
- 批量生成
强大的采样器:支持K-Diffusion等多种采样器,如k_euler、k_lms、PLMS等。
图像后处理:
- 内置GFPGAN人脸修复
- RealESRGAN超分辨率放大
- LDSR等多种上采样器
优化的显存使用:支持在4GB显存的设备上运行512x512分辨率的生成。
概念库:可使用他人训练的文本倒置嵌入。
自定义训练:支持文本倒置训练,可创建个性化概念。

Streamlit界面

Sygil WebUI的Streamlit界面设计简洁美观,特别适合宽屏显示器。它具有以下特色功能:

Streamlit界面

动态实时预览:生成过程中可实时查看图像
集成图库:方便查看同一提示词的多次生成结果
优化的显存使用:支持在低端GPU上生成更大图像
文本到视频生成(开发中)
图像到文本:使用CLIP Interrogator分析图像,生成相似图像的提示词
概念库:使用他人训练的文本倒置嵌入
文本倒置训练:可训练自定义概念嵌入

Gradio界面

虽然Gradio界面不再积极开发新功能,但它仍然功能完善,是一个可靠的选择:

Gradio界面

支持所有上采样模型,包括LSDR
动态提示词输入:可在提示词中使用参数自动改变生成设置
便捷的图像后处理:轻松将生成结果发送到Image2Image或Image Lab进行放大

安装与使用

Sygil WebUI提供了多种安装方式,以适应不同用户的需求:

一键安装器:最简单的方法,适合新手用户。
手动安装:
- Windows:Windows安装指南
- Linux:Linux安装指南
Docker安装:适合有Docker经验的用户,提供了预构建镜像和自行构建两种方式。

对于Docker安装,可以使用以下命令拉取并运行预构建镜像:

docker pull tukirito/sygil-webui:latest
docker container run --rm -d -p 8501:8501 -e STREAMLIT_SERVER_HEADLESS=true -e "WEBUI_SCRIPT=webui_streamlit.py" -e "VALIDATE_MODELS=false" -v "${PWD}/outputs:/sd/outputs" --gpus all tukirito/sygil-webui:latest

安装完成后,可以通过浏览器访问相应地址使用Sygil WebUI:

Streamlit界面: http://localhost:8501
Gradio界面: http://localhost:7860

社区与支持

Sygil WebUI拥有活跃的社区,用户可以通过以下方式获取帮助和交流:

Discord服务器:实时讨论和支持
GitHub Discussions:问题讨论和功能请求
项目文档:详细的使用说明和API文档

未来展望

Sygil WebUI团队正在积极开发新功能,未来计划包括:

Stable Horde集成:允许用户在没有强大GPU的情况下使用分布式计算资源
改进的图像编辑工具:如ImgLab、批量输入和蒙版编辑器
更多AI模型的集成
性能优化和界面改进

结语

Sygil WebUI为Stable Diffusion提供了一个功能丰富、用户友好的界面,让AI绘画变得触手可及。无论您是AI艺术爱好者、专业创作者,还是对深度学习感兴趣的开发者,Sygil WebUI都是一个值得尝试的工具。它不仅简化了Stable Diffusion的使用流程,还通过开源社区的力量不断evolving,为AI艺术创作开辟了新的可能性。

欢迎访问Sygil WebUI的GitHub仓库了解更多信息,或加入社区参与讨论和贡献。让我们一起探索AI艺术创作的无限可能!