掌握Stable Diffusion高分辨率修复与附加网络模型
高分辨率修复是 Stable Diffusion 用户必须掌握的进阶技巧，它能让原本受限于模型最佳分辨率的图片，变得更清晰、更细致。原理上，它相当于对低分辨率成品进行一次“回炉”的图生图，通过放大算法和再次采样修复像素不足导致的模糊。课程详细解析了潜空间与非潜空间放大算法的差别，以及迭代步数与重绘幅度的设置逻辑。为了兼顾效率与质量，常见的使用方法是先在低分辨率阶段抽卡筛选满意作品，再利用高分辨率修复放大固定的结果，从而获得高质量的高清大图。
下载放大算法的途径
Section titled “下载放大算法的途径”首先，你可以访问一些专门分享放大模型的网站下载这些模型。 例如：https://openmodeldb.info/
课程里提到的**“4x_NMKD-Superscale-SP_178000_G”**，就可以在这里下载到：
https://openmodeldb.info/models/4x-NMKD-Superscale
其次，在 Huggingface / Civitai 等模型网站上按模型名字搜索，通常也可以找到用户分享的放大模型。
这是一份基于视频内容整理的 Stable Diffusion 附加网络模型（Embedding 和 LoRA）入门教程文档。
1. 什么是附加网络模型？
Section titled “1. 什么是附加网络模型？”在 Stable Diffusion (SD) 的生态中，除了作为基础底座的 Checkpoint (大模型) 之外，还存在许多轻量级的“附加网络模型”。
- 定义：它们是通过加入额外图片进行补充训练得到的微调模型 。
- 作用：可以配合大模型使用，用于改变画风、塑造特定人物、提升画质或修复手部错误等 。
- 优势：相比训练一个完整的大模型，它们的训练门槛更低，对配置要求更低，文件体积也更小 。
2. 核心模型概念解析
Section titled “2. 核心模型概念解析”2.1 Checkpoint (大模型)
Section titled “2.1 Checkpoint (大模型)”- 地位：生图过程中的主力，必须独立使用或作为底座 。
- 体积：通常在 2GB 以上 。
- 能力：能力最强，决定画面的基础质量和风格 。
2.2 Embedding (Textual Inversion / 词嵌入模型)
Section titled “2.2 Embedding (Textual Inversion / 词嵌入模型)”- 原理：将图像、文本等特征提取为数学空间中的向量，让 AI 精确定位到这些特征 。
- 体积：非常小，通常只有几十到几百 KB 。
- 特点：相当于打包了一组特定的关键词，常用于固定人物长相或特定画风，虽然小但打包效果不如 LoRA 。
2.3 LoRA (Low-Rank Adaptation / 低秩适应模型)
Section titled “2.3 LoRA (Low-Rank Adaptation / 低秩适应模型)”- 原理：提取大模型中的一小部分关键参数进行专门微调 。
- 体积：中等大小，通常在几十 MB 到几百 MB，最大不超过 1GB 。
- 特点：高效且门槛低，可以看作是主网络之外的“配件”，能实现风格转换、人物植入等 。
3. 模型的下载与安装
Section titled “3. 模型的下载与安装”3.1 下载注意事项
Section titled “3.1 下载注意事项”- 底模版本匹配：下载 LoRA 或 Embedding 时，必须确认其训练时使用的底模版本（如 SD 1.5 或 SDXL）。SD 1.5 的大模型只能搭配基于 SD 1.5 训练的 LoRA 使用，跨版本搭配可能导致报错或效果不佳 。
- 筛选方法：在模型网站（如 Civitai）搜索时，利用筛选器勾选 “LoRA” 或 “Embedding” 以及对应的底模版本（如 SD 1.5） 。
3.2 安装位置
Section titled “3.2 安装位置”将下载好的模型文件放入 SD WebUI 根目录下的指定文件夹中：
- Embedding：存放在
embeddings文件夹 。 - LoRA：存放在
models/Lora文件夹 。
小技巧：可以在这些文件夹内新建子文件夹（如按风格或用途命名），以便在 WebUI 菜单中分类管理 。
4. 如何在 WebUI 中使用
Section titled “4. 如何在 WebUI 中使用”4.1 启用模型
Section titled “4.1 启用模型”- 打开菜单：在 WebUI 生成参数旁边的标签页中，找到附加网络菜单（通常显示为红色的“花札”图标或 “Extra Networks”） 。
- 刷新列表：如果是新放入的模型，点击列表右上角的“刷新”按钮，模型才会显示出来 。
- 应用模型：点击列表中的模型卡片：
- LoRA：会自动在提示词框中添加
<lora:模型名:权重>的代码 。 - Embedding：会以关键词的形式添加到提示词中 。
- LoRA：会自动在提示词框中添加
4.2 实战案例：制作“盲盒风格”图片
Section titled “4.2 实战案例：制作“盲盒风格”图片”假设我们要生成一张 Q 版盲盒风格的图片：
- 准备工作：下载一个盲盒风格的 LoRA（如 “Blind Box”）和用于提升画质的负面 Embedding（如 “Fast Negative”, “Bad Dream”） 。
- 设置正向提示词：
- 输入基础描述词（如 2.5D 角色）。
- 在 LoRA 菜单中点击 “Blind Box” 模型，提示词框会出现类似
<lora:blindbox:1>的内容 。
- 设置负面提示词：
- 点击负面提示词框，在 Embedding 菜单中点击 “Fast Negative” 等模型，将其加入负面提示词中 。
- 生成：点击生成。你会发现画面风格变成了盲盒 Q 版，且因为加入了负面 Embedding，手指错误等瑕疵得到修复，画面更加干净精细 。
5.知识大纲
Section titled “5.知识大纲”