Hello，大家好，欢迎来到本期的 Web UI 学习内容。本节课将带大家了解 Stable Diffusion Web UI 的主界面结构及各核心参数的功能与含义。

Stable Diffusion 模型

此处显示所有已下载的大模型。在同一组提示词下，不同大模型生成的图像效果存在明显差异：有的模型侧重写实风格，有的则专精二次元风格。

工作原理简述

在输入提示词后，系统首先通过文本编码器（Text Encoder）将提示词转换为特征向量；随后，这些向量被送入潜在空间（Latent Space），在该空间中经历多次降噪处理；最后，VAE 解码器（Variational Autoencoder Decoder）将降噪后的特征向量还原为像素级图像。

用户可手动选择 VAE 编码器与解码器模型，通常使用默认模型即可。

CLIP 模型

文本编码器依赖 CLIP 模型理解提示词语义。“CLIP 停止层数”参数控制文本理解深度：数值越小，模型对提示词细节的响应越强，生成结果中提示词元素越丰富。

文生图模块

该模块支持通过文本提示生成对应图像，分为正向提示词与反向提示词两部分：

• 正向提示词：描述希望图像中出现的内容。例如输入“one girl, garden”，将生成一位女孩身处花园的图像。
• 反向提示词：指定不希望出现在图像中的元素。例如在反向提示词中添加“golden hair”，可避免生成金发人物，使发色自动调整为其他颜色（如黑色）。

若使用秋月版 Web UI 安装包，界面右侧常设提示词快捷栏。点击“青少年”可自动向正向提示词添加对应描述；点击“book”则加入书籍元素，操作便捷直观。

采样方法（Sampler）

下拉菜单中提供多种采样算法。推荐优先选用 DPM++ 系列，其中带有 “SD” 标识的变体倾向于增强图像动态表现力，而无标识版本则更注重每步迭代的稳定性。

DPM++ 2M 表示采用二阶多步法，兼顾速度与质量。实际应用中，该算法表现稳定且兼容性良好。

迭代步数（Steps）

指图像生成过程中执行降噪的总次数。步数越高，图像细节越丰富，但同时会延长生成时间，并可能因过度优化导致失真。常规建议设置为 20–30 步。

高清修复（High Resolution Fix）

在基础图像生成完成后，对该图像进行超分辨率增强处理，提升画面清晰度与细节表现力。

Refiner 模块

包含两个关键参数：“模型”与“切换时机”。

以选用 DreamShaper 模型、切换时机设为 0.8 为例：当整体迭代进度达到 80%（如总步数为 20，则在第 16 步时），系统将切换至 Refiner 模型继续完成剩余步骤（即后 4 步）。前段由基础模型（如 Anything V5）主导，后段由 Refiner 模型精细优化。

启用任一模块前，需手动勾选对应开关。

图像尺寸与 CFG（Classifier-Free Guidance Scale）

宽度与高度决定输出图像的分辨率比例，二者必须为 8 的整数倍，否则无法正常生成图像。

CFG 控制提示词对生成过程的约束强度：

• 值较低（如 1–3）时，AI 创作自由度高，提示词影响减弱；
• 值较高（如 12–20）时，输出更严格贴合提示词描述，但可能牺牲自然感；
• 常规推荐范围为 5–10。

随机种子（Seed）

每张生成图像均对应唯一随机种子，可视为该图像的“数字身份证”。在所有参数完全一致的前提下，相同种子值可在不同设备上复现完全相同的图像结果。

ADetailer 模块

专用于人脸区域精细化修复。当生成图像中人物面部结构异常（如五官错位、模糊或畸变）时，启用此模块可自动识别并修正脸部区域，显著提升人像质量。