Om Stable Diffusion lokaal op uw pc uit te voeren, downloadt u Stable Diffusion van GitHub en de nieuwste checkpoints van HuggingFace.co en installeert u ze. Voer vervolgens Stable Diffusion uit in een speciale python-omgeving met behulp van Miniconda.
Kunstmatige intelligentie (AI) is momenteel een rage, maar de meeste AI-beeldgeneratoren draaien in de cloud. Stabiele diffusie is anders — je kunt het op je eigen pc uitvoeren en genereer zoveel afbeeldingen als u wilt. Hier leest u hoe u Stable Diffusion kunt installeren en gebruiken Windows.
Wat is stabiele diffusie?
Stable Diffusion is een open-source machine learning-model die afbeeldingen kan genereren uit tekst, afbeeldingen kan wijzigen op basis van tekst of details kan invullen op afbeeldingen met een lage resolutie of weinig details. Het is getraind op miljarden afbeeldingen en kan resultaten opleveren die vergelijkbaar zijn met die van DALL-E 2 en Halverwege de reis. Het is ontwikkeld door Stabiliteit AI en was de eerste publiekelijk vrijgegeven op augustus 22, 2022.
Stable Diffusion heeft (nog) geen opgeruimde gebruikersinterface zoals sommige AI-beeldgeneratoren, maar het heeft een extreem tolerante licentie en - het beste van alles - het is volledig gratis te gebruiken op je eigen pc (of Mac).
Laat u niet intimideren door het feit dat Stable Diffusion momenteel wordt uitgevoerd in een opdrachtregelinterface (CLI). Het aan de praat krijgen is vrij eenvoudig. Als u op een uitvoerbaar bestand kunt dubbelklikken en in een vak kunt typen, kunt u het binnen een paar minuten laten werken.
Wat heb je nodig om stabiele diffusie op je pc uit te voeren?
Stable Diffusion werkt niet op je telefoon of de meeste laptops, maar in 2022 wel op de gemiddelde gaming-pc. Dit zijn de vereisten:
- Een GPU met at minst 6 gigabyte (GB) van VRAM
- Dit omvat de meeste moderne NVIDIA GPU's
- 10 GB (ish) opslagruimte op uw harde schijf or SSD schijf
- Het Miniconda3-installatieprogramma
- De stabiele diffusiebestanden van GitHub
- De nieuwste controlepunten (versie 1.4, op het moment van schrijven, maar 1.5 zou binnenkort moeten worden vrijgegeven)
- Het Git-installatieprogramma
- Windows 8, 10 of 11
- Stable Diffusion kan ook worden uitgevoerd op Linux en macOS
Als u niet over de hardware beschikt, overweeg dan met behulp van een webgebaseerde AI-beeldgenerator. Je kunt zelfs rennen een demo van Stable Diffusion op internet.
Hoe Stable Diffusion te installeren en uit te voeren Windows
Er zijn twee stukjes software die je nodig hebt: Git en Miniconda3.
Opmerking: Git en Miniconda3 zijn beide veilige programma's geproduceerd door gerenommeerde organisaties. U hoeft zich bij hen geen zorgen te maken over malware, op voorwaarde dat u ze downloadt van de officiële bronnen waarnaar in dit artikel wordt verwezen.
Git installeren
Git is een tool waarmee ontwikkelaars verschillende versies van de software die ze ontwikkelen kunnen beheren. Ze kunnen meerdere versies van de software waaraan ze werken tegelijkertijd in een centrale repository onderhouden en andere ontwikkelaars toestaan om bij te dragen aan het project.
Als u geen ontwikkelaar bent, Git biedt een handige manier om deze projecten te openen en te downloaden, en dat is hoe we het in dit geval zullen gebruiken. Download de Windows x64 installatieprogramma van de Git-website en voer het vervolgens uit naar Git . installeren.
Er zijn verschillende opties die u wordt gevraagd te selecteren terwijl het installatieprogramma wordt uitgevoerd - laat ze op hun standaardinstellingen staan. Eén optiepagina, "Uw PATH-omgeving aanpassen", is bijzonder belangrijk. Het moet zijn ingesteld op "Git vanaf de opdrachtregel en ook vanaf software van derden".
Miniconda3 installeren
Stable Diffusion is gebaseerd op een paar verschillende Python-bibliotheken. Als u niet veel weet over Python, hoeft u zich hier geen zorgen over te maken - het volstaat te zeggen dat de bibliotheken slechts softwarepakketten zijn die uw computer kan gebruiken om specifieke functies uit te voeren, zoals het transformeren van een afbeelding of het uitvoeren van complexe wiskunde.
Miniconda3 is in feite een gemakstool. Hiermee kunt u alle bibliotheken downloaden, installeren en beheren die nodig zijn om Stable Diffusion te laten functioneren zonder al te veel handmatige tussenkomst. Het zal ook zijn hoe we Stable Diffusion daadwerkelijk gebruiken.
Ga dan naar de Miniconda3-downloadpagina en klik op "Miniconda3 Windows 64-bit" om het nieuwste installatieprogramma te krijgen.
Dubbelklik op het uitvoerbare bestand nadat het is gedownload om de installatie te starten. Bij de installatie van Miniconda3 hoef je minder door pagina's te klikken dan bij Git, maar je moet oppassen voor deze optie:
Zorg ervoor dat u "Alle gebruikers" selecteert voordat u op Volgende klikt en de installatie voltooit.
U wordt gevraagd uw computer opnieuw op te starten na het installeren van Git en Miniconda3. We vonden het niet nodig, maar het kan geen kwaad als je het wel doet.
Download de Stable Diffusion GitHub Repository en het nieuwste Checkpoint
Nu we de vereiste software hebben geïnstalleerd, zijn we klaar om Stable Diffusion te downloaden en te installeren.
Download het nieuwste controlepunt ten eerste - versie 1.4 is bijna 5 GB, dus het kan even duren. Je moet een account aanmaken om het checkpoint te downloaden, maar ze hebben alleen een naam en e-mailadres nodig. Al het andere is optioneel.
Opmerking: Op het moment van schrijven (2 september 2022) is het laatste checkpoint versie 1.4. Als er een nieuwere versie is, download die dan.
Klik op "sd-v1-4.ckpt" om het downloaden te starten.
Opmerking: Het andere bestand, "sd-v1-4-full-ema.ckpt", macht betere resultaten opleveren, maar het is ongeveer twee keer zo groot. Je kunt beide gebruiken.
Je moet het dan doen Download stabiele verspreiding van GitHub. Klik op de groene knop "Code" en klik vervolgens op "ZIP downloaden". Als alternatief kunt u gebruiken deze directe downloadlink.
Nu moeten we een paar mappen voorbereiden waarin we alle bestanden van Stable Diffusion zullen uitpakken. Klik op de knop Start en typ "miniconda3" in de zoekbalk van het menu Start en klik vervolgens op "Openen" of druk op Enter.
We gaan een map met de naam "stable-diffusion" maken met behulp van de opdrachtregel. Kopieer en plak het onderstaande codeblok in het Miniconda3-venster en druk vervolgens op Enter.
cd C:/ mkdir stable-broadcast cd stable-broadcast
Opmerking: Bijna elke keer dat u een codeblok in een terminal plakt, zoals Miniconda3, moet u aan het einde op Enter drukken om de laatste opdracht uit te voeren.
Als alles goed is gegaan, ziet u zoiets als dit:
Houd het Miniconda3-venster open, we hebben het zo weer nodig.
Open het ZIP-bestand, "stable-diffusion-main.zip", dat u hebt gedownload van GitHub in uw favoriete programma voor het archiveren van bestanden. Alternatief, Windows kan ook zelf ZIP-bestanden openen als je er geen hebt. Houd het ZIP-bestand open in het ene venster en open vervolgens een ander file Explorer venster en navigeer naar de map "C:stable-diffusion" die we zojuist hebben gemaakt.
Sleep de map in het ZIP-bestand, "stable-diffusion-main", naar de map "stable-diffusion".
Ga terug naar Miniconda3 en kopieer en plak de volgende opdrachten in het venster:
cd C:stable-diffusionstable-diffusion-main conda env create -f environment.yaml conda activeer ldm mkdir modelsldmstable-diffusion-v1
Onderbreek dit proces niet. Sommige bestanden zijn groter dan een gigabyte, dus het downloaden kan even duren. Als u het proces per ongeluk onderbreekt, moet u de omgevingsmap verwijderen en uitvoeren conda env create -f environment.yaml opnieuw. Als dat gebeurt, navigeer dan naar "C:Users(Your User Account).condaenvs" en verwijder de map "ldm", en voer vervolgens de vorige opdracht uit.
Opmerking: Dus, wat hebben we net gedaan? Met Python kun je coderingsprojecten sorteren in 'Omgevingen'. Elke omgeving is gescheiden van andere omgevingen, dus u kunt verschillende Python-bibliotheken in verschillende omgevingen laden zonder dat u zich zorgen hoeft te maken over conflicterende versies. Het is van onschatbare waarde als u aan meerdere projecten op één pc werkt.
De regels die we uitvoerden, creëerden een nieuwe omgeving met de naam "ldm", gedownload en geïnstalleerd alle benodigde Python-bibliotheken om Stable Diffusion te laten werken, vervolgens de ldm-omgeving geactiveerd de map veranderd naar een nieuwe map.
We zijn bij de laatste stap van de installatie. Navigeer naar "C:stable-diffusionstable-diffusion-mainmodelsldmstable-diffusion-v1" in Verkenner en kopieer en plak vervolgens het checkpoint-bestand (sd-v1-4.ckpt) in de map.
Wacht tot het bestand klaar is met overbrengen, klik met de rechtermuisknop op "sd-v1-4.ckpt" en klik vervolgens op "Hernoemen". Typ "model.ckpt" in het gemarkeerde vak en druk op Enter om de bestandsnaam te wijzigen.
Opmerking: Als je hardloopt Windows 11, ziet u "hernoemen" niet in het contextmenu met de rechtermuisknop. Er is in plaats daarvan een pictogram dat eruitziet als een miniatuurtekstveld.
En dat is het - we zijn klaar. We zijn nu klaar om Stable Diffusion daadwerkelijk te gebruiken.
Hoe stabiele diffusie te gebruiken
De ldm-omgeving die we hebben gemaakt, is essentieel en u moet deze op elk moment activeren wanneer u Stable Diffusion wilt gebruiken. Binnenkomen conda activate ldm in het Miniconda3-venster en druk op "Enter". De (ldm) aan de linkerkant geeft aan dat de ldm-omgeving actief is.
Opmerking: U hoeft die opdracht alleen in te voeren wanneer u Miniconda3 opent. De ldm-omgeving blijft actief zolang u het venster niet sluit.
Dan moeten we de directory wijzigen (dus het commandocd) naar "C:stable-diffusionstable-diffusion-main" voordat we afbeeldingen kunnen genereren. Plakken cd C:stable-diffusionstable-diffusion-main in de opdrachtregel.
Hoe maak je een afbeelding met stabiele diffusie
We gaan een script noemen, txt2img.py, waarmee we tekstprompts kunnen converteren naar afbeeldingen van 512×512. Hier is een voorbeeld. Probeer dit uit om er zeker van te zijn dat alles goed werkt:
python scripts/txt2img.py --prompt "een close-up portret van een kat door pablo picasso, levendige, abstracte kunst, kleurrijk, levendig" --plms --n_iter 5 --n_samples 1
Je console geeft je een voortgangsindicator terwijl het de afbeeldingen produceert.
Die opdracht produceert vijf kattenafbeeldingen, allemaal te vinden op "C:stable-diffusionstable-diffusion-mainoutputstxt2img-samplessamples".
Het is niet perfect, maar het lijkt duidelijk op de stijl van Pablo Picasso, precies zoals we in de prompt specificeerden. Uw afbeeldingen moeten er hetzelfde uitzien, maar niet noodzakelijkerwijs identiek zijn.
Telkens wanneer u wilt wijzigen welke afbeelding wordt gegenereerd, hoeft u alleen de tekst in de volgende dubbele aanhalingstekens te wijzigen --prompt.
Tip: Herschrijf niet elke keer de hele regel. Gebruik de pijltjestoetsen om de tekstcursor te verplaatsen en vervang gewoon de prompt.
python scripts/txt2img.py --prompt"JOUW, BESCHRIJVINGEN, GA, HIER" --plms --n_iter 5 --n_samples 1
Stel dat we een realistisch ogende gopher wilden genereren in een magisch bos met een tovenaarshoed op. We zouden het commando kunnen proberen:
python scripts/txt2img.py --prompt "een foto van een gopher met een tovenaarshoed in een bos, levendig, fotorealistisch, magisch, fantasie, 8K UHD, fotografie" --plms --n_iter 5 --n_samples 1
Het is echt zo eenvoudig - beschrijf gewoon zo specifiek mogelijk wat u wilt. Als u iets fotorealistisch wilt, zorg er dan voor dat u termen opneemt die betrekking hebben op een realistische afbeelding. Als je iets wilt laten inspireren door de stijl van een specifieke artiest, specificeer dan de artiest.
Stable Diffusion beperkt zich niet alleen tot portretten en dieren, maar kan ook opvallende landschappen opleveren.
Wat betekenen de argumenten in het commando?
Stable Diffusion heeft een enorm aantal instellingen en argumenten die u kunt opgeven om uw resultaten aan te passen. De weinige die hier zijn opgenomen, zijn in principe nodig om ervoor te zorgen dat Stable Diffusion op een gemiddelde spelcomputer werkt.
- –plms — Geeft aan hoe de afbeeldingen worden gesampled. Er is een paper over, als je de wiskunde wilt bekijken.
- –n_iter — specificeert het aantal iteraties dat u voor elke prompt wilt genereren. 5 is een behoorlijk aantal om te zien wat voor soort resultaten je krijgt.
- –n_samples — specificeert het aantal samples dat zal worden gegenereerd. De standaardwaarde is 3, maar de meeste computers hebben niet genoeg VRAM om dat te ondersteunen. Blijf bij 1 tenzij je een specifieke reden hebt om het te veranderen.
Natuurlijk heeft Stable Diffusion een heleboel verschillende argumenten die je kunt gebruiken om je resultaten aan te passen. Rennen python scripts/txt2img.py --help om een volledige lijst met argumenten te krijgen die u kunt gebruiken.
Er komt veel vallen en opstaan kijken om geweldige resultaten te behalen, maar dat is minstens de helft van het plezier. Zorg ervoor dat u argumenten en beschrijvingen opschrijft of opslaat die u bevallen resultaten opleveren. Als je niet al het experimenteren zelf wilt doen, zijn er groeiende gemeenschappen op Reddit (en elders) gewijd aan het uitwisselen van foto's en de prompts die ze hebben gegenereerd.