Stable Diffusion Web UIで画像生成する場合の各項目の設定について簡単に説明しています。モデルごとで設定の受ける影響が違うので、モデルごとに設定値を決めるのがおすすめです。
モデルによっては、推奨設定を記述している場合があるのでダウンロードページを確認してください。
checkpoint（モデル）
どのような画像を学習したモデルかで生成される画像の特徴が大きく変わります。また、チェックポイントのベースはおもにSD 1.5とSDXLがあります。SDXLの方が高品質の画像が生成しやすいですがPCの要求スペックが高くなります。環境スペックが低くSDXLが重い方はFooocusがおすすめです。
以下のサイトからイメージするモデルを探してください。Civitaiの方がサムネイル表示やフィルター機能があり検索しやすいです。
拡張子は、ckptとsafetensorsがあります。どちらも利用できますがSafetensorsの方が安全なようです。
ダウンロードしたモデルはこちらの階層に保存してください。
📁webui\models\Stable-diffusion
プロンプト (Prompt, Negative Prompt)
指示を出す一種のコマンドです。生成したい画像の内容を文章やキーワードにしてカンマで区切って記述します。プロンプト（ポジティブプロンプト）には描いてほしい要素を、ネガティブプロンプトには描いてほしくない要素を記述します。
SD VAE
ピクセル空間（画像）と潜在空間の変換をおこないます。VAEの違いで色見などが若干変化します。
初期の生成画面には設定項目が表示されてないので以下の手順で表示します。
SettingsタブのUser interfaceをクリックしてください。
Quicksettings listに追加した設定項目をページの上部に表示できます。
SD_VAEをクリックして追加してください。
Apply settingsで保存してReload UIで再起動してください。
おすすめのVAEは、Stability AI社が公開しているvae-ft-mse-840000-ema-prunedです。
SDXLモデルは、VAEもSDXL用になります。
モデルによっては専用のVAEやcheckpointに含まれている場合もあるのでダウンロードページ確認してください。
ダウンロードしたVAEはこちらの階層に保存してください。
📁webui\models\VAE
Clip skip
Stable Diffusionでは、CLIPのテキストエンコーダーを利用してプロンプトの指示をいくつものレイヤーに分けて処理します。Clip skipは、最後のレイヤーから何層で止めるかの値で小さいほどプロンプトの情報を細かく反映します。基本的には１か２を試してください。
初期の生成画面に設定項目がないのでVAEと同じ手順で表示してください。追加する設定項目はCLIP_stop_at_last_layersになります。
サイズ (Width Height)
モデルが学習したサイズと大きく違う設定だと破綻した画像が生成されやすいです。以下を目安に生成するといい結果が得られやすいです。その後、アップスケーリングするのがおすすめです。
| Base Model | サイズ |
|---|---|
| SD 1.x | 512×512 |
| SD 2.x | 768×768 |
| SDXL | 1024×1024 |
Sampling method
Stable Diffusionはノイズだらけの画像からノイズを除去しながら画像を生成していきます（データからノイズへの変換の逆プロセス）
サンプリングメゾットはこのプロセスの方式になります。いろいろな種類があり品質や速度に変化があります。
Sampling steps
Sampling stepsは、サンプリングの回数になります。Sampling stepsの数が多いほど質の高い画像を生成することができますが、step数に応じて作業時間がかかります。
イラスト系モデルは20あたり、写真系モデルは30～40がおすすめです。
Seed
生成で割り当てられる固有番号のようなものでSeed値で画像出力結果を制御することができます。Seed値とその他の設定も同じ場合は毎回同じ生成画像になります。
サイコロのアイコンでランダム (-1)
リサイクルマークのアイコンでSeed値を固定
Batch count
連続して生成する枚数になります。
Batch size
最大8枚まで同時（並列）に生成できます。通常生成よりも早く生成することができますが、VRAM容量の少ないグラフィックボードなどでは逆に遅くなることもあります。タスクマネージャーでVRAMの使用量を確認しながら設定するといいでしょう。
CFG Scale
ノイズ除去時に影響するものでその割合を決めるパラメーターです。プロンプトの効きを調整するときに設定を変更するとよいですが特に指定がなければデフォルトの7でよいかと思います。