sygil-webui

sygil-webui

基于Stable Diffusion的开源图像生成界面

sygil-webui是基于Stable Diffusion的开源Web界面,集成了文本生成图像、图像编辑等功能。项目支持GFPGAN和RealESRGAN图像增强,提供生成预览和CPU运行选项。适用于Windows和Linux系统,界面友好,可自定义程度高。

Stable DiffusionAI绘图图像生成WebUI机器学习Github开源项目

<center>Stable Diffusion的网页用户界面</center>

Sygil.Dev创建

加入Sygil.Dev的Discord服务器 通用徽章

安装说明:

想要提问或请求新功能?

来我们的Discord服务器或使用讨论区

文档

文档位于此处

想要贡献?

查看贡献指南

Sygil-Dev主要开发者:

项目特点:

  • 内置图像增强器和放大器,包括GFPGAN和realESRGAN

  • 生成预览:查看图像生成过程

  • 在CPU上运行额外的放大模型以节省VRAM

  • 文本反转:研究论文

  • K-Diffusion采样器:丰富的采样器集合,包括:

    • k_euler
    • k_lms
    • k_euler_a
    • k_dpm_2
    • k_dpm_2_a
    • k_heun
    • PLMS
    • DDIM
  • 回环:自动将最后生成的样本反馈到img2img

  • 提示词权重和负面提示:更好地控制你的创作

  • 从设置选项卡选择GPU使用情况

  • 单词种子:使用单词而不是种子数字

  • 自动启动器:一键激活conda并运行Stable Diffusion

  • 更低的VRAM占用:512x512的文本到图像和图像到图像在4GB显存上测试可用(启用设置中的优化模式)

  • 提示词验证:如果你的提示词太长,你会在文本输出字段收到警告

  • 批次的顺序种子:如果你使用种子1000生成两批两张图像,四张生成的图像将有种子:1000, 1001, 1002, 1003

  • 提示词矩阵:使用|字符分隔多个提示词,系统将为每种组合生成一张图像

  • [Gradio] 高级img2img编辑器,具有遮罩和裁剪功能

  • [Gradio] 遮罩绘制🖌️:强大的工具,用于重新生成你想要更改的图像特定部分(目前仅限Gradio)

SD WebUI

直接从浏览器使用Stable Diffusion的简便方法。

Streamlit

特点:

  • 干净的UI,设计易于使用,支持宽屏显示器
  • 生成过程的动态实时预览
  • 从WebUI的设置选项卡轻松自定义默认值
  • 集成的图库展示提示词的生成结果
  • 优化的VRAM使用,适用于更大的生成或在低端GPU上使用
  • *文本到视频:*直接从WebUI生成文本提示的视频剪辑(开发中)
  • 图像到文本:使用CLIP Interrogator分析图像并获取提示词,用于使用Stable Diffusion生成类似图像
  • *概念库:*运行他人通过文本反转创建的自定义嵌入
  • 文本反转训练:对任何你想要的照片训练自己的嵌入,并在你的提示词中使用
  • **目前正在开发:Stable Horde集成;来自Gradio的ImgLab、批量输入和遮罩编辑器

提示词权重和负面提示:

要给一个标记(AI识别的标签)特定或增加权重(强调),在提示词中添加:0.##,其中0.##是一个小数,指定冒号前所有标记的权重。 例:cat:0.30, dog:0.70guy riding a bicycle :0.7, incoming car :0.30

负面提示可以通过使用###添加,之后的任何标记都将被视为负面。 例:cat playing with string ### yarn将在生成的图像中否定yarn

负面提示是一个非常强大的工具,可以去除上下文相似或相关的主题,但添加时要小心,因为AI可能会看到你看不到的联系,最终输出无意义的内容。

**提示:*尝试使用相同的种子配合不同的提示词配置或权重值,看看AI如何理解它们,这可能会导致更好调整和更不容易出错的提示词。

请查看Streamlit文档了解更多信息。

Gradio [旧版]

特点:

  • 较旧的UI,功能齐全且特性完整。
  • 可以访问所有放大模型,包括LSDR。
  • 动态提示词输入根据提示词中的--params自动更改生成设置。
  • 包括快速简便的方法将生成结果发送到Image2Image或Image Lab进行放大。

注意:Gradio界面不再由Sygil.Dev积极开发,只接收错误修复。

请查看Gradio文档了解更多信息。

图像放大器


GFPGAN

允许你使用GFPGAN模型改善图片中的面部。每个选项卡都有一个复选框,可以100%使用GFPGAN,还有一个单独的选项卡,只允许你在任何图片上使用GFPGAN,有一个滑块控制效果的强度。 如果你想使用GFPGAN来改善生成的面部,你需要单独安装它。 下载GFPGANv1.4.pth并将其放入/sygil-webui/models/gfpgan目录。

RealESRGAN

让你能将生成的图像分辨率提高一倍。每个标签页都有一个使用RealESRGAN的复选框,你可以选择普通的放大器或动漫版本。 还有一个单独的标签页用于对任何图片使用RealESRGAN。

下载RealESRGAN_x4plus.pthRealESRGAN_x4plus_anime_6B.pth。 将它们放入sygil-webui/models/realesrgan目录。

LSDR

下载LDSRproject.yamlmodel last.cpkt。将last.ckpt重命名为model.ckpt,并将两个文件都放在sygil-webui/models/ldsr/下。

GoBig和GoLatent(目前仅适用于Gradio版本)

更强大的放大器,使用单独的潜在扩散模型来更清晰地放大图像。

请查看后处理文档以了解更多信息。


来自Stable Diffusion仓库的原始信息:

Stable Diffusion

Stable Diffusion的实现得益于与Stability AIRunway的合作,并建立在我们之前的工作基础之上:

使用潜在扩散模型的高分辨率图像合成 Robin Rombach*, Andreas Blattmann*, Dominik Lorenz, Patrick Esser, Björn Ommer

CVPR '22 口头报告

该项目可在GitHub上获取。PDF版本在arXiv上。请同时访问我们的项目页面

Stable Diffusion是一个潜在的文本到图像扩散模型。 感谢Stability AI慷慨提供的计算资源和LAION的支持,我们能够在LAION-5B数据库的一个子集中的512x512图像上训练一个潜在扩散模型。 与Google的Imagen类似,这个模型使用一个冻结的CLIP ViT-L/14文本编码器来基于文本提示进行条件设置。 凭借其860M UNet和123M文本编码器,该模型相对轻量,可以在至少10GB VRAM的GPU上运行。 请参阅下面的这一部分模型卡片

Stable Diffusion v1

Stable Diffusion v1指的是模型架构的一个特定配置,它使用一个下采样因子为8的自编码器,配有860M UNet和CLIP ViT-L/14文本编码器作为扩散模型。该模型在256x256图像上进行了预训练,然后在512x512图像上进行了微调。

*注意:Stable Diffusion v1是一个通用的文本到图像扩散模型,因此反映了其训练数据中存在的偏见和(错误)概念。 有关训练程序和数据的详细信息,以及模型的预期用途,可以在相应的模型卡片中找到。

评论

BibTeX

@misc{rombach2021highresolution,
      title={High-Resolution Image Synthesis with Latent Diffusion Models},
      author={Robin Rombach and Andreas Blattmann and Dominik Lorenz and Patrick Esser and Björn Ommer},
      year={2021},
      eprint={2112.10752},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

编辑推荐精选

商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI助手AI工具AI写作工具AI辅助写作蛙蛙写作学术助手办公助手营销助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
下拉加载更多