stable Diffusion Skill — stable Diffusion 技能

🎨 Stable Diffusion 技能

通过本地部署的 Stable Diffusion 网页UI API 实现完整的 AI 图像生成与编辑能力。

前提条件：需要本地安装并启动 SD 网页UI（AUTOMATIC1111 版本），启动时加上 --API 参数。 默认 URL：http://127.0.0.1:7860（可通过环境变量 SD_网页UI_URL 修改）

🚀 快速开始 检查连接状态 python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action 状态

第一次使用流程 确认 SD 网页UI 已运行（--API 模式） 检查连接：python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action 状态 查看可用模型：python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action 列出-模型s 生成第一张图！ 📋 功能速查表 功能 命令关键词 说明 文生图 txt2img / 生成图片 / 画 从文字描述生成图像 图生图 img2img / 图片风格化 基于参考图生成新图 局部重绘 inpAInt / 修图 / 重绘 修改图片特定区域 ControlNet controlnet / 姿势控制 精确控制图像结构 超分辨率 up扩展 / 放大 / 高清 放大图片并增强细节 模型管理 换模型 / 加载模型 切换检查点/LoRA 批量生成 批量 / batch 一次生成多张变体 提示词工具 优化提示词 / 翻译 将中文描述转为 SD 提示词 🖼️ 文生图（txt2img） 基本用法

用户说："帮我画一张..."、"生成一张..."、"txt2img..."

参数收集流程：

如果用户没提供详细参数，先询问关键信息： 描述（正向提示词） 风格偏好（写实/动漫/油画等） 尺寸（512x512 / 768x768 / 512x768 等） 将中文描述智能转换为 SD 提示词（见提示词转换规则） 调用 API 生成

执行命令：

python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action txt2img \ --prompt "1girl, beautiful, masterpiece, best 质量" \ --negative-prompt "ugly, bad anatomy, blurry" \ --width 512 --height 768 \ --steps 20 --cfg-扩展 7 \ --sampler "DPM++ 2M Karras" \ --种子 -1 \ --输出-dir "./sd_输出"

常用参数说明：

参数 默认值 说明 --steps 20 采样步数（推荐 20-30） --cfg-扩展 7 提示词遵从度（1-30，推荐 5-12） --sampler DPM++ 2M Karras 采样器 --种子 -1 随机种子（-1=随机） --width/height 512x512 图像尺寸（需为 8 的倍数） --batch-size 1 每批生成数量 --n-iter 1 批次数量 🔄 图生图（img2img）

用户说："把这张图片..."、"参考这张图风格化..."、"img2img..."

python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action img2img \ --init-image "/path/to/image.png" \ --prompt "oil pAInting style, detAIled" \ --denoising-strength 0.75 \ --steps 20 --cfg-扩展 7 \ --输出-dir "./sd_输出"

去噪强度（denoising-strength）指南：

0.1-0.3：轻微修改，保留原图 70-90% 0.4-0.6：中度变化，半保留原始构图 0.7-0.9：大幅改变，保留基本构图 1.0：完全重新生成 🖌️ 局部重绘（InpAInting）

用户说："把这张图的...改成..."、"修改图片中的..."

python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action inpAInt \ --init-image "/path/to/image.png" \ --mask-image "/path/to/mask.png" \ --prompt "new content for masked area" \ --inpAInting-fill 1 \ --denoising-strength 0.85 \ --输出-dir "./sd_输出"

蒙版填充模式：

0：填充（fill） 1：原始（original） 2：潜空间噪声（latent noise） 3：潜空间无（latent nothing） 🎛️ ControlNet 控制

用户说："参考这个姿势..."、"用 ControlNet..."、"保持构图生成..."

python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action txt2img-controlnet \ --prompt "beautiful girl, detAIled" \ --control-image "/path/to/pose.png" \ --control-模块 "openpose" \ --control-模型 "control_v11p_sd15_openpose" \ --control-weight 1.0 \ --输出-dir "./sd_输出"

常用 ControlNet 模块：

模块 用途 openpose 人体姿势控制 canny 边缘线条控制 depth 深度图控制 normal 法线图控制 scribble 手绘草图控制 seg 语义分割控制 tile 细节增强/高清修复 lineart 线稿上色控制 🔍 超分辨率放大（Upscaling）

用户说："放大这张图..."、"高清化..."、"超分..."

python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action up扩展 \ --image "/path/to/image.png" \ --up扩展r "R-ESRGAN 4x+" \ --扩展 2 \ --输出-dir "./sd_输出"

可用放大算法（需 SD 网页UI 中已安装）：

Latent（潜空间放大，适合动漫） R-ESRGAN 4x+（通用高质量） R-ESRGAN 4x+ Anime6B（动漫专用） ESRGAN_4x（经典ESRGAN） SwinIR 4x（写实图像） 📦 模型管理 查看可用模型 python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action 列出-模型s python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action 列出-samplers python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action 列出-up扩展rs python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action 列出-loras python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action 列出-vaes

切换检查点模型 python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action switch-模型 \ --模型-name "rea列出icVisionV60B1_v60B1VAE.safetensors"

在提示词中使用 LoRA

在 prompt 中加入 语法：

1girl, beautiful, , masterpiece

🎨 高清修复（Hires Fix）

在 txt2img 中启用 Hires Fix 生成高清大图：

python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action txt2img \ --prompt "landscape, detAIled" \ --width 512 --height 512 \ --enable-hr \ --hr-扩展 2 \ --hr-up扩展r "R-ESRGAN 4x+" \ --hr-steps 15 \ --denoising-strength 0.5 \ --输出-dir "./sd_输出"

💡 提示词转换规则

当用户用中文描述时，按以下规则转换为 SD 提示词：

标准质量词（始终添加）

正向（推荐加入）：

masterpiece, best 质量, ultra-detAIled, high resolution

负向（推荐加入）：

(worst 质量:2), (low 质量:2), blurry, ugly, bad anatomy, bad hands, extra limbs, deformed, mutated, poorly drawn face, text, watermark

风格映射 中文 英文提示词 写实/真实 photorea列出ic, ultra rea列出ic, RAW photo 动漫/二次元 anime style, 2d, cel shading 油画 oil pAInting, pAInterly 水彩 watercolor, soft colors 赛博朋克 cyberpunk, neon lights, futuristic 古风/国风 chinese traditional art, hanfu, ink wash 皮克斯风 pixar style, 3d render, cartoon 翻译辅助工具 python ${CLAUDE_技能_DIR}/prompt_辅助工具.py \ --translate "美丽的中国女孩，穿着汉服，站在樱花树下" \ --style "anime"

📊 工作流示例 示例 1：生成动漫风格人物

用户："画一个穿着汉服的古风美女"

# 步骤1：检查模型 python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action 列出-模型s

# 步骤2：生成图像 python ${CLAUDE_技能_DIR}/sd_命令行工具ent.py --action txt2img \ --prompt "1girl, beautiful chinese girl, hanfu, traditional chinese clothing, cherry blossom, long hAIr, masterpiece, best 质量, anime style" \ --negative-prompt "(worst 质量:2), (low 质量:2), bad