说起 AUTOMATIC1111 的 Stable diffusion-wbui 这个项目，使用过Stable diffusion的人应该无人不知吧，网络上基本一边倒的在使用他家的项目，而且fork量和star量还不小：
(资料图片)
但是AUTOMATIC1111 这个名字总给我一些不靠谱的感觉，虽然它的项目还不错，如果你进他这个账号下面，会发现，他还有很多项目，但是都没有这个项目火。
我在部署stable diffusion的过程中，尝试了很多项目，也踩了不少坑，最后找到了这个非常令我心仪的项目：。这里我要隆重地介绍给大家，相信看完我的文章，你会马上丢掉AUTOMATIC1111 的webui，为什么这么说呢？
跟 AUTOMATIC1111 WebUI的fork 数量持平了，而且发展势头更强劲。
来源于AUTOMATIC1111 webui，但是提供一些高级特征，
这个项目的github名字叫automatic，而这个名字却是前面那个项目的账号名字。听起来要靠谱一点，而应该可以叫automatic的别名。。。开个玩笑。
我们直接看他有啥不一般，这里是介绍：
它的界面是这个样子：
作者整理了13个特征，因为他觉得TOP10 表达不尽兴，大家对照着看看就好了，我提几个我认为不错的亮点：
UI界面更漂亮，默认是黑色主题，不同于前者的灰白色主题。Ui界面下面有滚动日志输出，更方便调试。提交任务支持加入队列按钮操作等。
支持多个backend，在前者的基础上增加了diffusers。diffusers是一个开源的Python代码库，为使用扩散模型进行图像生成提供了一致的接口。最流行的扩散模型是Stable Diffusion。当前唯一支持Stable diffusion xl的就是diffusers，所以大家知道支持diffusers意味着什么了吧。
支持多种扩散模型，除了支持Stable Diffusion，还支持SD-XL, Kandinsky, DeepFloyd IF，而 DeepFloyd IF这个扩散模型在图像中精确生成文字方面有着重要地位。关于这个模型的详细信息，后续我会另外介绍。Stable Diffusion 包括 v1，v2都支持的，也就是继承了 stable diffusion webui已有的功能。
跨平台支持，包括Windows / Linux / MacOS with CPU / nVidia / AMD / IntelArc / DirectM。
其他系统优化，比如提示词解析能力，队列管理，Lora等模型训练增强，企业级的日志和接口增强，系统自更新和依赖管理，生态兼容等
关于这个项目的目标，作者也说了：为了跟进最新的文生图方面的技术，同时提供跨平台能力，保证在不同平台上的性能、直观易用和一致性的体验。
为追求技术，跟易用性往往不容易那么兼顾，如果你不像我这样在意这些特征，也可以看看InvokeAI 这个项目，她部署更自动化和易用。当然如果你已经习惯了 stable duffusion ui，那么你上手 一点儿问题也没有。
如果你想尝试 InvokeAI ，欢迎留言和支持，我接下来看反馈情况，决定要不要写这方面的文章。
的界面，前面大家也看了，她内置了这些功能，比如常用的文生图，图生图，图像处理，扩展管理，openpose，模型。训练等：
接下来，我们来看怎么部署和使用吧。
首先，你得先准备好git和Python的安装环境。
然后：下载源代码到本地目录。
git clone /vladmandic/automatic
再然后：进入代码目录，运行：
--debug (Windows) 或者 --debug (Linux/Mac) t
最后，在启动过程中，询问是否下载默认model，选择N。如果一切运行正常，浏览器输入：
Enjoy yourselves！
简单输入 a cat，测试下系统运行情况，如果能够正常生成图像，说明系统安装没问题。
但是系统默认使用的是的某模型，如果要使用最新的SDXL模型（SDXL模型包括：base和refiner），你需要手动去下载它。这里有点儿让人不爽，SDXL 大模型本来跟其他Sd模型一样，直接丢进 Stable diffusion models文件夹就能用的，但是不行，加载会报错，所以还不能这么用。它需要这么干：
在 Web-UI 页面上，导航到Models page 和 Huggingface tab，在 Select model框中输入：
stabilityai/
点击搜索，然后在下面表格中会出现搜索结果：
鼠标点击搜索结果，会自动回填上文的其他空白框，确认没有问题之后，点击 download model 按钮， 就会自动下载模型到本地。同样的操作来下载，输入
stabilityai/
等两个模型都下载好了，在Diffusers 文件夹中会发现多了两个目录：
，每个目录都存储了不少内容，这个下载的模型跟我们在Stable diffusion Ui中丢进 Stable diffussion models目录中的完全版不一样：
SDXL下载好了，你还不能马上去用它，你还需要做一件事：切换 backend 引擎，前文我提到支持多backend，默认backend是原来的，不是新增的diffusers。此时需要切换到新的backend 才能使用SDXL。方法很简单，在启动命令中增加一个参数，完整命令类似这种：
cd automatic; .\ --backend diffusers
其他平台也一样，都是增加 --backend diffusers 这样的一个参数。跟前面有一个空格隔开。
执行上述命令，重启服务，刷新页面你发现上面的模型下拉列表中多了SDXL 的base模型：
因为SDXL的base 模型可以独立使用，没有refiner也没关系，测试生成一张图看看：
图片还算清晰，如果某些图不清晰，可以再搭配refiner模型来优化：进入 Settings page, 在 QuickSettings list (search quick to find it), 添加
sd_model_refiner
如果你想要在下来框中有更多的联动选项，还可以增加更多参数：
然后保存设置并重启Server:
重新加载web Ui后会发现，两个模型都出来了：
重新再生成一下刚才的图片，注意图像大小都设置为1024：
两张图都很清晰，通常使用了精修后的图像效果会更好一些，但是也不绝对。在这个场景中，用不用refiner都一样，反正肉眼看不出区别。也可能是我瞅电脑太久了，现在我感觉眼睛发胀。。。
如果你想切换到原来的sd 或者，可以在Settings中勾选original，重启Server即可：
好了，到此关于新的web ui的部署和使用，我已经介绍完了，作为阅读这篇文章的你，有没有感觉比stable diffusion ui 更好啊？如果是我，果断去rm 它，如果上述理由还不够强的话，可以再回去试验下，前者是如何使用SDXL的两阶段模型的，而在新的ui中，两阶段模型是如此丝滑地集成到一起，方便得让人欲罢不能。如果有任何问题欢迎评论和加群交流。
公开微信交流群：
私密知识星球群：