AI 作图神器 Stable Diffusion 有哪些强大功能？

1.前言

最近文本生成图像AI太过于火爆，导致频频上热搜。

游戏设计师利用AI工具作画拿到一等奖：说的是美国的一位画师利用AI工具进行作画，并拿到了一等奖，从而惹来了大量的争议

由于AI图像生成软件Midjorunery的爆火，导致大量的日本画师纷纷进行抵制

而且我之前也写过很多类似的文本生成图像模型，像Imagen和Dall.E2，都是我之前介绍过的作品：

算法一只狗：文本图像生成：谷歌Imagen硬杠OpenAI的DALL.E 24 赞同 · 2 评论文章

那作为一个成功的“调包侠”，当然是要寻找有没有现成的工具包，可以让我们直接在本地电脑进行图像生成。这恰好Huggingface推出了这个扩散模型包“Diffusers”。

2.Diffusers

这个包有以下具体功能：

• 只需要几行代码，就能够利用扩散diffusion模型生成图像，简直是广大手残党的福音
• 可以使用不同的“噪声调节器”，来平衡模型生成速度和质量之间的关系
• 更有多种不同类型的模型，能够端到端的构建diffusion模型

要利用文本生成图片，主要有以下几个步骤：

• 安装对应的功能包
• 登陆huggingface网站，获取token
• 输入代码，下载模型，等待生成结构

1.1 功能包安装 + 获取Token

除了需要安装”Diffusers”之外：

pip install --upgrade diffusers

还需要安装“pytorch”，“transformers ”等

pip install transformers

其中pytorch安装方法，可以去官网根据自己的环境进行获取： https://pytorch.org/get-started/locally/

除了安装python包之外，还需要去huggingface获取对应的token。

• 登陆官网，注册相应的账号，进行settings

• 新增自己token：

• 在自己的命令行上，输入“huggingface-cli login”，出现successful说明成功

1.2文本生成图像

这里直接调用最近很火的文本图像生成模型“Stable Diffusion”

# make sure you're logged in with `huggingface-cli login`
from torch import autocast
from diffusers import StableDiffusionPipeline

pipe = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4", use_auth_token=True)
pipe = pipe.to("cuda")

prompt = "a photo of an astronaut riding a horse on mars"
with autocast("cuda"):
    image = pipe(prompt).images[0]

如果你想提前下载模型，然后进行加载，可以先执行下面命令：

git lfs install
git clone https://huggingface.co/CompVis/stable-diffusion-v1-4

然后重新执行代码：

pipe = StableDiffusionPipeline.from_pretrained("./stable-diffusion-v1-4")
pipe = pipe.to("cuda")

prompt = "a photo of an astronaut riding a horse on mars"
with autocast("cuda"):
    image = pipe(prompt).images[0]

1.3 指导图像生成

不仅仅可以从0开始生成一张图片，Diffusers可以利用现有的一张图片，加入自己的语言进行指导，然后重新生成一张图片。

比如原始图片：

加入语言进行指导，让它生成更加艺术性

A fantasy landscape, trending on artstation

最后生成图片如下：

那这种可玩性就更高了，由此扩展，是不是给定一张有水印的图片，就可以生成无水印的呢？或者更进一步（自行脑补三千字），咳咳~。再说下去，可能就要被封了，哈哈哈。