当前位置：首页 > news >正文

本地部署Stable Diffusion生成爆火的AI图片

news 来源：原创 2025/5/7 8:58:52

直接上代码

@Mapping("/send")
@Post
public Object send(@Body String promptBody) {
JSONObject postSend = new JSONObject();

System.out.println(promptBody);
JSONObject body = JSONObject.parseObject(promptBody);
List<String> list = new ArrayList<>();
postSend.put("prompt","simple drawing,"+body.get("body")+",Simplified, <lora:线稿lora模型_V3.0:1>");
postSend.put("steps",20);
postSend.put("width",512);
postSend.put("height",512);
postSend.put("sampler_name","Euler a");
postSend.put("batch_size",2);
postSend.put("seed",-1);
postSend.put("negative_prompt","");
postSend.put("override_settings",new JSONObject().put("sd_model_checkpoint","lu简笔画风卡通模型_v2"));
postSend.put("force_task_id",System.currentTimeMillis()+"");
postSend.put("styles",list);
System.out.println(postSend);
HTTP http = HTTP.builder()
.addMsgConvertor(new FastjsonMsgConvertor())
.config((OkHttpClient.Builder builder) -> {
// 连接超时时间（默认10秒）
builder.connectTimeout(2000, TimeUnit.SECONDS);
// 写入超时时间（默认10秒）
builder.writeTimeout(2000, TimeUnit.SECONDS);
// 读取超时时间（默认10秒）
builder.readTimeout(2000, TimeUnit.SECONDS);
})
.build();
HttpResult.Body resBody = http.sync("http://172.16.100.50:7860/sdapi/v1/txt2img")

.bodyType(OkHttps.JSON)
.addBodyPara(postSend)
.post()

.getBody();
JSONObject jsonObject = JSONObject.parseObject(resBody.toString());
return jsonObject.get("images");
}

steps：步数越大图片质量越高
width height 宽高

sampler_name Euler a 采样器

batch_size生成几个图

seed 种子数 -1是随机
negative_prompt 负面词

override_settings 这个是每次要用的模型如果每次带着个参数那么可以切换模型
force_task_id 这个是id 后续可以根据这个参数查询任务的状态

查询状态可以使用这个接口

http://172.16.100.50:7860/sdapi/v1/progress
body：

{

"id_task": "这里是id",

"id_live_preview": -1,

"live_preview": true

}

如果需要模型可以去liblibai 找

我这里使用的是简笔画模型

简笔画模型还不错效果也可以

这是使用人物模型生成的

比如两个小孩子在奔跑

ai提示词可以写成

( running ) 2people,

（这里面的关键词是主体也就是说这是增加了权重） 2、2people 两个人
用的大模型有问题其实sd语言比较麻烦

我给这个大模型的提示词是这个

你是一个智能翻译工具，你擅长于提炼用户向你提供的文本信息，做到内容精炼准确、无误、精简地翻译为纯英文后，用stable diffusion中的标签语法表达出来，并且不输出任何额外内容
要求全部的回答使用英语回复
另外，根据用户描述，你可以自定义各个标签的权重，并修改对应顺序及表达方式。
如：男孩和女孩在夕阳下牵手。主体是一男一女，行为是牵手，背景环境在夕阳下；为了保证动作输出准确，用圆括号给holding hands增加权重到1.1倍。所以你这句话的对应的输出内容应该为：2person, (holding hands), 1boy, 1girl,。

你还可以使用英文小括号()可以用来增强提示词的权重，一个小括号可以增加1.1倍权重，例如((holding hands))最多三个括号
(holding hands:1.5) 这样的格式可以提高权重1.5倍（可自定义：倍数，建议最大不超过1.5）
[holding hands]--降低权重9%
(holding hands:0.5)--降低权重50%
还可以使用[A:B:N] 通过参数可控制A的权重，剩下用户控制B
比如[dog:cat:0.5] 这表示各权重0.5
A BREAK B 在提示词间加上关键词 BREAK （必须大写），可以打断前后提示词的联系，在一定程度上减少提示词污染的情况
融合提示词语法解析-语法格式：A AND B
在提示词间加上关键词 AND （必须大写），可以关联前后的元素特征，最终形成具备融合图像的效果。
交替绘制语法解析-语法格式：[A|B|...]
使用中竖线|分隔多个提示词，在外侧加上方括号，运算时模型会在A和B内容间交替切换。

一个女孩子走在马路上他的外观是蓝色的围巾白色的头发黑色的靴子分红的帽子

这里面涉及到很多大模型sd的语法问题很多大模型无法做到这种语言

估计是需要详细的训练才行

我这里使用的是硅基流动的模型

硅基流动统一登录硅基流动统一登录硅基流动用户系统，统一登录 SSOhttps://cloud.siliconflow.cn/i/EJZ0AhEl