欢迎各位同学们来到小江老师康复UI的第二期的教学视频哈，本期视频呢，我将教大家如何在康复UI里面去创建非常基础的纹身图，以及图身图的一个工作流，呃，那么首先的话呢，大家看到的这个就是一个纹身图的完整的工作流流程，它有几个部分来组成的，首先呢，第一个部分就是我们的checkpoint的加载器，这个的话呢，是专门用来我们选择大模型的，那么分别对应着stable division啊，我们左上角的这个选项。
好。就比如说我们做图的流程呢，就是先选择好大模型，然后怎么样呢，我们接下来要填写提示词，那么在CFUI里面也是一样的啊，这里的话呢，在这个clip啊，我们要连接到两个文本编码器，那么这个文本编。码器的话呢，一个对应着是正向提示词，另外这个对应着是反向提示词啊大家可以看到这个编码器两个都是一样的，只不过呢，最后它输出的过程呢，就是条件正向提示词你就连到正面条件这一栏，如果是反向提示词呢，我们就把它连到负面提示词这一栏，那么在提示词连接过之后呢，大家可以看一下我们这个采样器，它对应的其实就是stable division下面的这一块的各种各样的一个参数，好，我们首先的话呢，给大家说一下这个随机种的话呢，就是我们之前给大家说的种子值，也是C的值，对应着随机数种子，比如说呢，在SD里面啊，我们去随便填写一个123456的种子，然后呢，生成了一张这样的图片，再将种子固定下来之后呢，我们同样的再点击生成。
那么它生成出来的结果是不会有任何变化的，那么在康复UI当中呢，也是同样的一个道理，但是复UI呢，它有不同的地方是它不仅你可以手动的输入这个数字，而且的话呢，运行后操作这一栏，我们可以选择固定种子数，或者说呢随机种子数，或者你在填写随机种的时候呢，呃，去每一次生成增加1或者减少1，不过这个增加和减少的话呢，嗯，没有太大的应用场景，就平时我们一般是固定，要么是随机啊，在经过了我们的一个采样器之后，大家可以看到步数，也就是我们常说的迭代步数，CFG就是提示词相关数采样器，比如说我们的OLAA啊，调度器就是采样器的一个版本啊，大家比较熟悉的courses以及的话呢，还有它的一个降噪，降噪呢，这里就除非一些呃，特殊的场景吧，我们。
我们都是默认1的，之后呢，可能会在讲某些工作流的时候，会给大家着重的讲一下这个降噪，那么你可以看到哈。呃，这里的话呢，我们还连接了一个latent啊，这个latent的话呢，大家一眼就能够看得出来，就是我们即将生成出来的图片，它的宽度和高度我们就在这儿调节，呃，批次大小就是你想要一口气帮你生成几张图片，我们可以在这里去调节数量啊，那么我们将这些集合起来之后呢，再通过这个latent啊，我们连接到这个va ae解码啊，Va ae大家应该都还记得对不对，在stable divisionion的这个位置叫做外挂VAE模型啊，那么通过这个va ae解码之后呢，可以将它，呃，原本是在前空间里面的图像还原到像素的这个层面当中来，那么最终的话呢，通过图像啊，预览图像，那么就产生出我们最后肉眼能够看得到的啊，那么这里的话呢，我们就用一个默认的一个提示词，然后呢，啊，切换一个大模型。
然后提示词的话呢，我们就玩个啊，然后这里啊，直接点击生成，大家记得哈，这个点击生成的话呢，是在右边，它叫做添加提示词队列。啊。点击之后大家可以看到这个绿色的框呢，就是它运行到哪一步，然后一步的话呢，它就会啊有一个绿色的框，那么等到哎，大家可以看到出图速度非踌哈来生成完成之后呢，就是这样的一个效果好，那么在介绍完基本原理之后呢，啊，我们现在带着大家从零开始去搭建这个工作流啊，首先呢，我们将这一些所有的东西点击右边的这个清除啊给它删除掉，直接点击空白的地方右键新建节点，然后呢，我们可以找到这个采样。
一般来说呢，我们用的是这个K采样器，或者是K采样器高级这里呢，我就选择这个普通的，那么我们在创建好了K采样器之后呢，是不是就得要去满足它的这几个前置条件，你可以直接右键新建节点，然后呢，加载器，然后checkpoint加载器，就是我们就是专门用来加载大模型的，OK, 那么我们把它连接过来，那么同样的呢，对不对，在连接过来之后，大家可以看到这里的话呢，就需要连接两个刚才给大家讲过的，我们在选择好模型之后呢，Clip就是我们的一个文本，我们要连接正向皮日词和反向皮日词。
好。这里给它拖出来。拖出来之后啊，我们就可以看到这个clip，然后后面有个PMP的这个选项，好点击它文本编码器就出来了，那么同样的呢，我们有了正向提示词之后啊，我们还要有反向提示词啊，再把它拉过来左键，然后再找到这个clip prompt, 好像这样呢，我们就有正反向提示词了，那么在这个啊，我们分别去连接一个正面条件，一个负面条件啊这里的话呢，我们就可以写这个提示词了哈，比如王杆儿呀等等等等啊。接着呢，还差，还差什么呢？
还差的就是我们图片的框和高，可以看到在这个采样器里面，它可以调节的是种子数啊，以及是否固定种子迭代步数，以及提示词相关性，还有我们的一个采样方法啊，采样方法的一个版本以及降噪，接着呢，我们还有一个就是这个latent的一个条件没有满足这个latent大家可以直接哈，把它左键拖到这个空空白的地方来，然后呢，我们找到com latent的一个选项，另外呢，你还可以直接右键点击空白的地方新建节点，然后呢，找到这个latent哈，对应的，然后呢，我们可以看到这里有一个空latent哈。
我们呢，同样的可以把它呢进行到这个连接，那么这个LA的呢，就是专门我们去调节宽度和高度的，接着呢，我们就需要去连接到一个va ae, 因为我们前置的这些条件，它处理出来的图片还是在一个前空间当中的一个像素，那么我们要把它还原到我们人类肉眼能够分辨得出来的一个图像，好那么latent的啊，同样的左键点击往空白的地方去拖，然后呢，就可以找到这个va ae扣的了啊，那么va ae code的我们点开之后呢，来late的连接了之后还有什么呢？
诶大家可以看到这里哈，有一个红点对不对，那么对应的呢，肯定就是我们一开始创建的这个check portt啊，连接我们的大模型，好，那么这里我们将它连接过来。那么下面的话呢，啊，就是我们就要产生图像了啊，图像拖过来大家可以看到哈，分别有两个，一个是保存图像，一个下面的这个它是预览图像，保存图像的话呢，就等于说是我们生成的每一张图片，它都会自动的保存到根目录的文件夹当中，你随时要的话呢，都能够找得到，那么这个预览图片的话呢，就比如说哈，我们呃，创建了之后。
来，我们先生成一张。点击右边的添加提示词队列。啊，可以看到哈，就到达采样器的一个时候呢，它还是处在一个浅空间里面的一个图片，那么我们通过这个va ae解码呢，才能够把它还原到我们正常的这个像素空间当中啊，那么这个预览图像的话呢，我们就需要这个点击右键，然后呢点击这个保存图像，如果我们选择的是保存图像的话呢，啊，我们添加提示词到队列，它生成出来的图片就会自动的保存到我们的一个根目录文件夹当中，如果你想找到这些保存好的图片，那么我们可以来到启动器的一个界面，会是启动器，大家可以看到这里有一个输出图片的选项output啊，那么我们点开之后的话呢，就可以看到刚刚啊生成的这张照片哈，它已经保存下来了，那么大概就是这个样子哈，那么这个就是一个啊，我们完整的一个纹身图的一个工作流，当然如果说一开始哈。
啊，有的小伙伴哈，可能看到这些名字啊，比如说这个K采样器呀，Clip文本编码器啊，Checkpoint的加载器，我们其实是可以自己为这些节点去命名的，比如说呢啊，我们找到这个。啊，Stable diffusion模型啊，我们可以就是啊在前期的话呢，你先将它名字复制下来，然后来到这儿啊，我们左键先点击选择它，然后呢，选择右键啊这里有一个标题哈，好，我们点击标题之后呢，就CTRL+V啊，我们给它命名诶是不是这样看起来就顺眼多了，Stable division模型，同样的clip文本编码器，我们上面的话呢，是连接到的这个正向提示词啊，那么我们也是标题。
啊，输入一个。真像提示词。OK, 然后呢，同样的标题。反向。提示词。啊。OK了是不是，当然不仅这样哈，我们还可以去给他去染一个颜色哈，有了颜色的话呢，更好去区分，比如说我正向提示词就绿，然后呢，反向提示词右键，然后呢，颜色啊，这儿我们点开之后呢，我来一个红，哎像这样的话呢，就明朗很多，然后当然其他的就是同样的啊，我们啊，比如说这个啊框高。是不是图片框高，然后的话呢，这个是呃标题啊参数啊。对，好，那么这样的话呢，就会显得非常非常直观，然后给大家说一下哈，在我们使用的过程当中的话呢，也是会有这个快捷键的，比如说我们的一个复制粘贴啊，你可以选中哈某一某一栏，然后啊CTRL+C啊，然后到空白的地方CTRL+V，我们就可以去创建一个新的节点，当然的话呢，你也可以直接哈啊点击它，然后呢，按住我们的一个晃挡键，空格左右两边的这个键啊，我们直接往下拖啊，也可以直接去复制，这个方法的话呢，啊会要便捷很多吧，大家可以把它学起来，好那么这个呢，就是一个完整的纹身图的工作流，下面我们来讲一下这个图身图哦，刚才忘了给大家说哈，这个采样器的话呢，我们还是先给大家去讲一下这个采样器和调度器，就是分别是对应着我们的这个，呃，SDYVUI当中的采样方法。
以及调度类型哈，啊，大家是能够看得到的，那么不过的话呢，在康复UI当中的话呢，它对这些采样器的命名可能会有一些区别，呃，当然的话呢，这个欧LA它是就是就同样的都是默认的一个呃采样器吧啊对欧LA这边也有，是不是欧LA，不过欧LA的话呢，是可以说是最开始的一个采样的一个版本了啊，现在基本上用的比较多的都是这个欧LAA啊，那么当然对应的话呢，这边也有，不过的话呢，这个OLAA的话呢，它是把它这个，嗯，怎么说呢，在SDYVUI当中呢，它是一个简化的，只有一个an，但是它的一个全称的话呢，在康复UI当中呢，就显示啊这个欧LA anctral啊，我们选择之后的话呢，就是切换到这个OLAA。
呃，那么当然的话呢，还有一些比如说呢，我们啊比较熟悉的哈，就是DPM啊，我们经常去用的呢，是stable当中的这个DPM加加2M啊。在。DPM加加对，DPM加加2M，那么这个的话呢，在康复UI当中的命名的话呢，也有啊，DPMPP2M啊，那么这个P加加的话呢，就变成了PP啊，我们同样的是可以去选择的，然后呢，当然它的一个调度器啊，我们都是选择这个卡A啊。在这个sta diffusion当中的话呢，这个其实是一样的，呃，它的一个采样方法的话呢，其实没有呃，一个固定的选项吧，就因为他们的一个采样的模式的话呢，会有所不同，我的建议还是大家在使用相关模型的时候啊，都会有作者呃去推荐大家去使用哪个采样器，我们是可以灵活去运用的，当然大家需要通用的话呢，就DPMPPRM，然后配合上这个卡A的一个调度器，或者说呢，我们就简单粗暴一点哈，我们直接用这个OLAA啊，这些的话呢，都是非常稳定的哈，那么接着我们来讲这个图身图哈，其实呢，不管是图生图还是纹身图哈，它们都是由这三个部分来组成的，不管你之后是选择用这个controltra net呀，IP adapter呀，Anim diff呀，其实我们都是要在这三个环节。
餐中去给它添加进去的，那么首先我们第一个环节的话呢，肯定就是staabilityification的一个模型，对不对，我们要通过模型的一个加载，以及我们自己去书写的这个提示词呢，去告诉到AI啊，就我们想要的图片是什么样子的，是什么风格的，那么接着呢，我们就要通过这个采样器啊，采样器我们去进行到这个，呃，图片的前空间当中的一个绘制，那么在前空间绘制过之后呢啊，我们最后的一个部分就是通过这个va ae解码，把图片呢，变成哈，我们三维空间当中哈，我们人类人眼能够去识别的一个图片，效果好，那么我们的图生图呢，肯定就是在这里面啊，去做文章了，就只能在这个latent的这里面啊，我们给它去加进去。
好。就这里呢，原本是调节图片的框高的，对不对，现在的话呢，我们把它改成通过这个。图片的一个上传，然后呢，让他去参考图片的一些这个呃，框高笔吧，可以像这样去说哈，好，那么我们这边先把这个框高给它删除掉，然后呢啊，我们这个啊去需要加载一张图片啊，这里大家直接点击空白的地方新建节点。图像啊图像，然后这里的话呢，有一个加载图像，因为我们需要加载一张我们保存在电脑里面的图片啊，这个的话呢，是原作者自带的啊，我们选择一个我们自己喜欢的啊，直接点击这个啊，我们下方的这个按钮即可。
啊。这里呢，我选择这一张。好。那么这个时候大家会发现这个图像啊，我们是不能直接连接到这个latent当中来的，为什么呢？因为这张图像我们上传的它已经存在在一个像素的一个世界当中了哈，它不是机器能够看得懂的前空间的一个图片，那么要怎么办呢？我们就只能哈，点击这个图像的一个蓝点，拖到这个空白的地方啊，我们去干嘛加载一个VAE嘛，对不对啊，那么图像和图像相连，然后呢，这个VAE啊，和我们这个大模型的va ae相连，然后呢，再接着呢，我们才可以把这个雷NT的啊给它连接过来，好，那么在做完这些之后啊，我们就可以出一张图来看一看了，哈哈，这边我们直接啊把这个提示词给它删掉。
好，看一看SD啊，它有没有去参考我们的这个图片去生成图片啊，点击添加提示词队列啊，这里生成出来的图片有点奇怪啊，因为的话呢，我们选择上传的这张图片，它是一个动漫风格的，然后我们选择的模型呢，它是这个呃，真实风格的大模型，所以说呢，这里我们把它切换成一个呃，动漫风格的一个大模型，好这里呢，我们再重新生成，好那么这里在生成完成之后呢，大家可以看一下哈，呃，这个是我们生成的图片，然后的话呢，这个是原图的一个对比，大家可以看到就是风格的话呢，是一样的，但是我们右边这个生成出来，为什么它这个比较崩坏呢？
啊，其实也是因为我们这个呃，在填写提示词这一栏哈，我们并没有去做那个，呃，负面提示词的一个约束啊，以及质质量词的一个书写好，然后呢，当然大家比较。关心的就是那个呃，重绘幅度对不对啊，在stableffion里面哈，在我们的一个图生图当中啊，这个重绘幅度的话呢，是一个非常重要的一个参数，那么当然在康复UI当中也有的，只不过呢，它的一个重绘幅度啊，变成了这个降噪啊，这个1的话呢，就等于说是stable当中重会幅度拉到了百分百，那么当然呢，我们平时的话呢，也就0.50.6左右哈，这里我们去给到一个0.5吧，接着我们再去生成一张，看一看这一次会不会呃，好一些，这个康复UI对比SDYVUI来说的话呢，它的一个呃，生成的一个速度是肯定要快上不少的，好，那么我们这边来看一下这个对比哈。
来可以看到吧，它的一个长相啊，以及这个服装哈，这些地方有一个变化，但是不太明显。这里我改成0.7吧，给到一个0.7，我们再来看一看啊。这个左边是原图，右边的话呢，是我们生成的图片。诶可以看一下啊，像这样的话呢，就有一定的变化了，那么关于从位幅度来讲的话呢，大家可以多试一试，出不同风格的图片的话呢，我们可能需要的是不一样的啊，那么今天的话呢，就是这么多啊，就是我给大家说了这个纹身图啊，以及图身图的一个呃，简单的一个工作流的一个搭建好的，那么同学们就话不多说，有任何问题呢，都可以在啊小江老师视频下方留言，然后呢，有这个相关的文件的需要的哈，大家可以在我们呃视频下方置顶评论区领取，好，就这么多，我们下节课再见。