SDXL 1.0出图效果直逼Midjourney！手把手教你快速体验！

介绍

最近，Stability AI正式推出了全新的SDXL 1.0版本。经过我的实际测试，与之前的1.5版本相比，XL的效果有了巨大的提升，可以说是全方位的超越。不仅在理解提示词方面表现出色，而且图片的构图、颜色渲染和画面细腻程度都有了很大的进步，实际出图效果堪比Midjourney。此外，该版本还继续采用开源的形式发布，对于喜欢自定义生成图片的用户来说是一个极大的福音。

在 SD WebUI上 运行时还有一个额外的惊喜，就是它直接支持绘制不同风格的图片，如下图所示：

图片来源：https://stable-diffusion-art.com/sdxl-model/#Using_SDXL_style_selector

看到这里，我想一些大模型、Lora模型确实可以进入回收站了。

那么XL现在是怎么做的呢？相比之前的出图方式，SDXL采用了两步走的方法，先使用基本模型生成有噪声的潜在图，然后再使用精修模型进行降噪优化，官方给的处理示意图如下：

不过基本模型也是可以独立使用的。所以实际出图时也可以采用另一种方法，首先，使用基本模型生成所需输出大小的潜在图；然后通过图生图的方式，使用精修模型和相同的提示词，重绘第一步生成的潜在图，以优化出图效果。这种方法稍微慢一些，因为它要执行更多的处理。

实际使用时，需要注意以下几点：

• 负面提示：与1.5、2.0版本相比，负面提示不再像之前那么必要了。许多常见的负面词汇是无用的，比如“Extra fingers”。
• 关键词权重：对于SDXL模型来说，1.5版本的权重很高。如果你要复用1.5模型的提示，可能需要降低权重。减少权重的效果比增加权重更好。
• 安全扩散：一定要使用safetensor版本的模型，它更安全，不会在你的机器上执行代码。
• 精修强度：为了获得最佳输出效果，请使用低强度的refiner。
• Refiner：为了得到更好的效果，请使用一张有噪声的图片来使用refiner。
• 图像大小：SDXL模型的原生大小是1024×1024像素。虽然SDXL支持不同的宽高比，但图像质量对大小很敏感。以下是Stability AI官方图像生成器的尺寸，建议采用，如果需要更大尺寸的照片，可以再使用高清化放大。

• 21:9 – 1536 x 640
• 16:9 – 1344 x 768
• 3:2 – 1216 x 832
• 5:4 – 1152 x 896
• 1:1 – 1024 x 1024

• ControlNet：ControlNet现在只能在V1模型上工作，SDXL的支持还在开发中。

免安装体验

不用安装，还有N多的模型可以直接使用，不仅能使用SD XL，也可以继续使用SD 1.5；缺点是不能安装插件。

访问地址：https://www.liblibai.com/

进入后，点击页面右上角的“在线Stable Diffusion”即可进入。

按照下边的步骤操作即可。

注意第3步和第4步，这是和之前不一样的地方。

• 需要勾选XL Refiner才有精修，大家可以对比下勾和不勾的效果。
• 选择SDXL的模型后，宽度和高度默认变成 1024*1024。

分享下提示词：

提示词：street fashion photography, young female, pale skin, (look at viewer), sexy pose,(pink hair, white hair, blonde hair, long hair), ((high ponytail)),detailed skin, (detailed eyes:1.3), skin pores, (grin:1.1), skin texture, (Hunter green uniform, black skirt:1.4), long green sleeves,8k, real picture, intricate details, ultra-detailed,(photorealistic),film action shot, full body shot, in a shopping mall,realistic, extremely high quality RAW photograph, detailed background, intricate, warm lighting, high resolution,uhd, film grain, Fujifilm XT3

反向提示词：text, watermark, disfigured, kitsch, ugly, oversaturated, low-res, blurred, painting, illustration, drawing, sketch, low quality, long exposure, (cape:1.4), cartoon, 3d character

然后大家就可以愉快的生图了，每天300张。不过因为是共享的服务，高峰期可能等待的时间比较长。

云服务器体验

以 AutoDL 为例，我已经发布了一个支持 SDXL 的 Stable Diffusion WebUI 镜像，租用实例时选择“社区镜像”，输入：yinghuoai，就可以选择到这个镜像了。

没有AutoDL经验的同学，可以先看我这篇入门教程：https://mp.weixin.qq.com/s/dhklIMvkdtJygvlzUvU3xw

注意SDXL目前需要的内存资源比较高（可能是SD WebUI在内存缓存了很多数据的原因，单独跑SDXL Demo的时候没有消耗这么多的内存），建议选择内存在80G的主机，当然单价也会更高一些。后续我也会继续了解下如何降低它的内存和显存使用，如有兴趣请保持关注。

目前 SD WebUI 发布版本使用的是前文介绍的先“文生图”、再“图生图”的方法，虽然操作上啰嗦了一些，但测试出图比较稳定。操作方法如下图所示：

1、基础模型选择这个：sd_xl_base_1.0.safetensors

2、提示词随便写点就行。

3、宽度和高度注意手动调整到 1024*1024，实测512出图是卡通图，效果也不怎么样。

这个镜像自带了一个风格插件，用于实现 Stability AI 官方绘图产品中的绘图风格功能，使用这个插件，可以绘制不同风格的照片，看下边的选项很多，有3D、动漫、照片、数字、线画、插画、像素等很多风格。有了这个确实可以抛弃很多大模型和Lora模型了，所以说SDXL确实进步很大，建议大家试试。

出图之后我们可以在这里把图片发送到“图生图”：

提示词都会带过去，注意这里的基础模型要换成：“sd_xl_refiner_1.0.safetensors”。

重绘强度建议控制在：0.1-0.3，小了没效果，大了图片会变化过大。

别的参数不用动，然后就可以精修生图了。

不成熟的方法

大家也可以感受到上边的步骤比较啰嗦，所以 SD WebUI 也在开发一个新的方案，类似哩布哩布上的体验，不过目前还是开发版，我这里测试经常出现崩溃的问题，但是有人能够正常运行，所以这里简单给大家说下使用方法，有能力的可以去研究下。

1、下载这个开发版本：https://github.com/AUTOMATIC1111/stable-diffusion-webui/tree/refiner_alt

2、启动后在“设置”-“用户界面”中配置 refiner，如下图所示：

3、进入“文生图”或者“图生图”，在页面顶部可以看到多了两个选项：

Refiner checkpoint ：选择SDXL的精修模型。

Refiner switch at：从采样步骤的第几步开始使用精修模型，这是个百分比。比如采样步数是30，这里选择0.8，那就是从 30*0.8=24 开始使用精修模型，在这之前的采样使用基础模型。

可以看到这个方案方便了不少，后续如果我测试没问题了，会将镜像升级到这个新版本。

本地部署体验

我这里没有合适的机器环境，所以没有实际部署，大家可以看这个项目：

https://github.com/vladmandic/automatic

它是从 AUTOMATIC1111/stable-diffusion-webui Fork 过来的，但是针对各种平台做了优化。

具体安装步骤可以参考这篇文章：https://stable-diffusion-art.com/sdxl-model/#Run_SDXL_model_with_SDNext

其它体验方式

Google Colab

这是 Github 上开源的一个 Stable Diffusion XL 1.0 的演示项目，可以在Google Colab上免费运行。如果只是想简单的体验下，访问外网也没有问题，可以试试。

大家打开我分享的这个链接就可以运行。

https://colab.research.google.com/drive/1bBD9VaSTuuw7Xkuw3FRkYCneTDxbnGar?usp=sharing

这里没有启用 Refiner，因为会消耗大量内存，免费规格根本跑不起来。

当出现下面这段文字的时候，就说明启动成功了。

点击上图中的这个 public URL，就可以在浏览器中操作了。

不过在使用免费规格时，出过一张图之后，再出图时会出现程序退出的问题，目测也是显存和内存不足导致的，XL需要的资源比较多。

此时可以重启程序，然后再跑下一张，不过也是挺麻烦的。

Kaggle

除了白嫖 Google Colab，我们还可以免费使用 Kaggle，Kaggle 比 Colab 好的是可以使用两个T4，一定程度上可以缓解内存不足的问题。Kaggle 每周可以免费使用30小时，不用的时候停机，停机不会计时。

具体使用方法不说了，网上已经有很多人介绍。

还是上边的 XL Demo 项目，我在Kaggle上也做了一个分享，大家打开下边这个链接：

https://www.kaggle.com/bosimabosima/stable-diffusion-x-1-0-demo

按照下边的步骤操作即可。

注意这里添加了一个参数：MULTI_GPU=true ，意思就是要使用多个CPU。实测确实可以降低系统内存的压力，连续生成多张图片也没有出现系统崩溃的问题，因为显存够用了就不会去占用系统内存，就不会因为内存无法分配而崩溃。

不过启用 Refiner 还是会导致无法分配的问题，这里 T4 GPU 的内存是 15G，两个就是30G，如果要想流畅的运行SD XL，需要更多内存或显存，这是免费规格提供不了的。

以上就是本文的主要内容了，如有问题欢迎沟通交流。