当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > SDTextualInversion使用方法详解

SDTextualInversion使用方法详解

2025-12-19 17:57:29 0浏览 收藏

本篇文章向大家介绍《SD嵌入式模型Textual Inversion使用教程》,主要包括,具有一定的参考价值,需要的朋友可以参考一下。

Embedding文件需放入Web UI的embeddings文件夹并刷新加载,调用时须用指定触发词(如)而非文件名,权重可用(:1.3)调节,最后通过图像特征对比验证生效。

Stable Diffusion Embedding怎么用 SD嵌入式模型Textual Inversion用法【教程】

如果您已下载了 Stable Diffusion 的 Embedding(即 Textual Inversion)模型文件,但无法在 Web UI 中正确调用或生成预期效果,则可能是由于存放路径错误、未刷新加载、或触发词使用不当。以下是具体操作步骤:

一、确认 Embedding 文件存放路径

Embedding 模型必须放置在 Stable Diffusion Web UI 的固定目录下,系统才能识别并加载。该路径需严格匹配当前 Web UI 版本的约定结构。

1、打开 Stable Diffusion Web UI 安装根目录,定位到 embeddings 文件夹。

2、若该文件夹不存在,请手动创建一个名为 embeddings 的空文件夹。

3、将下载得到的 .pt 或 .bin 格式 Embedding 文件(如 easynegative.pt 或 marc_allante.bin)直接复制进该文件夹内,不建议嵌套子文件夹。

二、刷新并启用 Embedding

Web UI 默认不会自动扫描新加入的 Embedding 文件,需手动触发刷新机制,使其出现在提示词输入区域的可选列表中。

1、启动 Web UI,在绘图界面右下方找到 Show/hide extra networks 按钮并点击展开。

2、在展开区域中,找到 Textual Inversion 标签页。

3、点击该标签页右上角的 Refresh 按钮(图标为循环箭头),等待几秒直至列表更新完成。

4、刷新后,您应能在列表中看到刚放入的 Embedding 文件名,说明已成功加载。

三、在提示词中正确调用 Embedding

Embedding 本质是将一组复杂提示词压缩为一个“伪装词”,其生效依赖于准确输入作者指定的触发词(trigger word),而非文件名本身。

1、查看 Embedding 文件附带的说明文档(如 README.md 或 token_identifier.txt),提取其中明确标注的 触发词,例如 或 。

2、在正向提示词(Prompt)输入框中,将该触发词像普通关键词一样写入,例如:masterpiece, best quality, , 1girl。

3、注意:负向提示词(Negative Prompt)中仅应使用专为负面优化设计的 Embedding(如 EasyNegative),不可将正向 Embedding 错误填入负向框。

四、调整 Embedding 权重以控制强度

Embedding 的影响强度可通过括号语法调节,避免过强导致画面崩坏或过弱失去作用,尤其适用于风格类或特征类嵌入。

1、基础写法为:,表示默认权重(1.0)。

2、增强强度:写成 (:1.3),数值范围建议控制在 1.1–1.5 之间。

3、减弱强度:写成 (:0.7),适用于轻微修正或叠加多个 Embedding 时平衡权重。

4、禁止使用多层嵌套括号或非标准符号(如 []、{}),否则 Web UI 将忽略该 Embedding。

五、验证 Embedding 是否生效

仅靠列表显示不能完全确认 Embedding 正常工作,必须通过实际图像输出验证其语义表达是否符合预期。

1、使用最简 Prompt 测试:例如仅输入 加基础质量词,不添加其他风格描述。

2、对比生成结果与作者示例图的关键特征,如线条质感、阴影倾向、人物比例等是否一致。

3、若输出无明显变化,检查是否遗漏触发词尖括号()、大小写是否与原始文件说明完全一致、或是否存在同名冲突的其他 Embedding。

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《SDTextualInversion使用方法详解》文章吧,也可关注golang学习网公众号了解相关技术文章。

智学网成绩登录方法与使用教程智学网成绩登录方法与使用教程
上一篇
智学网成绩登录方法与使用教程
微信拍一拍设置方法详解
下一篇
微信拍一拍设置方法详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    485次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    541次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    563次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    517次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    332次使用