Hello, 大家好，我是两个儿子奶爸。今天给大家详细讲解纹身图的原理和step t fusion的掌握方法。当我们打开SD web UI的时候，左上角是ST的大模型champ d简称CKPT。大模型的作用是定义出图风格，特点是文件非常大，2GB到10GB之间，文件类型一般是safe tensor和KTPE结尾。大模型有写实类、动漫类、3D立体类等等。这个根据自己的出图风格而定下，往右侧看是VE变分自编码器，作用是增强图片饱和度，降低灰度，让图片有更多的色彩构图，可选可不选看自己的小想法。Sleep skip是语言与图片对比与训练，它是让我们的TAG与图片建立关系，数值越高TAG与图片关系就越低，数值越低TAG与图片关系就越高。下面这块是正向提示词，你想出现的元素的TAG例如你想写人物描述，内容包括主体表情、服装、场景、环境、灯光、风格、画质等等。关键词之间用英文逗号分割，靠前的关键词权重比较高。下面是反向提示词，是不想出现的元素天气。想学习提示词如何书写的小伙伴告诉我，我努力专门出一期视频讲解提示词的权重以及书写方法。下面讲一下采样步数范围是1到150，数值越高细节越多渲染越慢，数值越低细节越少渲染越快。我一般建议20到50步之间。再往下是采样器，我整理成了四个不同的类别。带A的是造点不居中，关键词识别度稍低，带carriers是去噪快，带DDIM，DLMS是最早的采样器，带DPM的是我比较建议使用的。我这里做了一张常用的对比图，就大家一看就明白该用哪个采样器了。再往下高清分辨率修复，就是把模糊图片变清晰。再往下宽度与高度，就是图片的分辨率是以像素为单位。一般1.5模型是512乘512，7叉L模型是1024乘1024起，这跟你电脑的显存有关系。下面是总批次数与单批数量，总批次数是一到110，11个生成的N张图显示低的建议用这个。下一个是每次数量是同时生成N张图，显存高的建议用这个。总体生成时间其实差不了太多。下一个是提示词引导系数，意思是文字和图片相关度。数值越高THG与图片的相关度数就越高，数值越低THG与图片的相关度就越低。建议4到9之间在下面。随机种子是产生图片的一个随机数筛子，重置种子为负一出图完全随机循环标志是复制上一张图的种子。再往下就是一些插件了，我这里就不多赘述了，后面的视频会陆续讲到，希望我的分享能对大家有所帮助，我会继续在AI创业路上拼搏，期待与大家交流进步，我们一起在A路上共同成长。
在AI绘画创作中，掌握纹身图原理和step t fusion很关键。大模型定风格，VE增强色彩。正向提示词精心构思，反向排除干扰。合理设置采样步数，选对采样器，高清修复分辨率，轻松打造满意作品。
纹身图原理,step t fusion,大模型,变分自编码器,提示词
[Q]：大模型的作用是什么？
[A]：定义出图风格。
[Q]：大模型的文件大小和类型是怎样的？
[A]：文件非常大，2GB到10GB之间，文件类型一般是safe tensor和KTPE结尾。
[Q]：VE变分自编码器有什么作用？
[A]：增强图片饱和度，降低灰度，让图片有更多的色彩构图。
[Q]：Sleep skip的作用是什么？
[A]：让TAG与图片建立关系，数值越高TAG与图片关系就越低，数值越低TAG与图片关系就越高。
[Q]：正向提示词怎么写？
[A]：写出想出现的元素的TAG，如人物描述包括主体表情、服装等，关键词用英文逗号分割，靠前的权重高。
[Q]：反向提示词是什么？
[A]：是不想出现的元素，比如天气。
[Q]：采样步数如何选择？
[A]：范围是1到150，数值越高细节越多渲染越慢，一般建议20到50步之间。
[Q]：采样器有哪些类别？
[A]：带A的造点不居中，关键词识别度稍低；带carriers去噪快；带DDIM，DLMS是最早的采样器；带DPM的比较建议使用。