Stable Diffusion WebUI｜EasyPhoto｜妙鸭相机平替

Stable Diffusion WebUI扩展插件EasyPhoto，翻译中文为简单照片。最近通过AI生成照片的一个APP很火，叫做妙鸭相机，通过上传几张你的个人照片就可以训练出角色模型，然后用户可以自由生成各种照片。可这有两个缺点，毕竟要上传个人照片到别人的服务器，而且妙鸭相机官方对于用户安全隐私的协议定义模糊，已经导致很多用户不满，上传后的照片使用权居然归官方所有。其二就是需要收费，对于量大的用户来说也是一个痛点。而站长在体验了EasyPhoto之后认为，这真的可以完美取代妙鸭相机，有过之而无不及，大部分参数都可以自定义，可用性极强，训练也极其简单。

项目仓库

GitHub：aigc-apps/sd-webui-EasyPhoto: 📷 EasyPhoto

网络问题

在安装过程中，你可能即便开启了魔法上网也无法下载一些编程依赖库，关于魔法上网的相关配置问题不方便在站内讲解，请自行查看【魔法上网】的教程内容。

安装教程

快捷安装

这种方式最为简单，下载后直接解压该文件，你将会得到一个名为sd-webui-EasyPhoto的文件夹，将其移动至.\stable-diffusion-webui\extensions目录内即可完成安装。

本站已经将需要用到的相关模型放置于该插件内，安装后可以免去自行下载相关模型的繁琐步骤。

在线安装

此方法适用于魔法环境没有问题的朋友，可以通过在线安装的方式一键安装，非常方便。

打开Stable Diffusion的扩展界面后，点击从网址安装按钮，然后在扩展的git仓库网址输入框中粘贴如下网址，最后点击安装按钮即可，然后等待安装脚本自动执行。

https://github.com/aigc-apps/sd-webui-EasyPhoto.git

这可能需要等待几分钟，不要刷新或关闭网页。安装完成后点击页面最下方的重载UI按钮，UI重新启动后就可以在主菜单中看到EasyPhoto选项卡。

其它依赖

本插件还依赖于阿里的魔塔和huggingface的一些模型，如果你的魔法网络环境没有问题，那么你可以直接正常使用，该插件会自动下载相关内容。

但如果你的魔法网络存在问题，可以使用本站所提供的环境依赖包，关于该依赖的详细安装方式如下。

---

该插件的辅助模型默认路径为%USERPROFILE%\.cache，如果你是初次使用，可能不存在此路径，可以在CMD中执行如下代码判断该路径是否存在，如果不存在则自动创建。

if not exist %USERPROFILE%\.cache mkdir %USERPROFILE%\.cache

执行完上面的代码之后，我们可以通过在CMD中执行下面的代码，自动打开模型目录。

start %USERPROFILE%\.cache

将我们下载完成的模型文件解压缩，你将会得到两个文件夹，名称分别为huggingface和modelscope，移动至刚刚打开的文件夹（.cache）下即可。

使用教程

基础设置

在使用此插件功能之前，我们还需要设置一下Controlnet。

我们至少需要三个Controlnets用于推理。因此，您需要设置Multi ControlNet: Max models amount (requires restart)。

模型训练

以下是程序的主界面，站长来讲解一下基础功能。

在开始即用之前，我们需要训练一个自己的角色模型，方便以后生成的图像都使用该模型，来确定角色的形象可以与所需要的人物一致。

我们点击Upload Photos按钮，上传5张至20张之间的同一个角色照片，比如站长本次使用的是樱景宁宁写真图，共计20张图片。

在右侧The base checkpoint you use.选择基础模型，也就是你希望训练模型时使用哪个模型做为训练时的基础Base，这很重要，这关乎于以后的出图风格。

如果要设置参数，以下是每个参数的解析：

参数名	含义
resolution	训练时喂入网络的图片大小，默认值为512。
validation & save steps	验证图片与保存中间权重的steps数，默认值为100，代表每100步验证一次图片并保存权重。
max train steps	最大训练步数，默认值为800。
max steps per photos	每张图片的最大训练次数，默认为200。
train batch size	训练的批次大小，默认值为1。
gradient accumulationsteps	是否进行梯度累计，默认值为4，结合train batch size来看，每个Step相当于喂入四张图片。
dataloader num workers	数据加载的works数量，windows下不生效，因为设置了会报错，Linux正常设置。
learning rate	训练Lora的学习率，默认为1e-4。
rank Lora	权重的特征长度，默认为128。
network alpha	Lora训练的正则化参数，一般为rank的二分之一，默认为64。

在你设置完所有参数后，点击Start Training按钮，即可开始训练。此时网页会自动弹出一个窗口，让你输入一个名字，也就是角色的ID，方便让你知道以后应该选用哪个模型做为你的角色。随便输入，只要你能记得这是谁就好。

训练期间你可以多次点击Refresh Log按钮，来查看训练的进度。默认设置的最大部署为800，也就是当训练步数达到800时就会完成模型训练，

其实全部保持默认，训练后的效果也还不错。站长2080TI的显卡，20张超大原图分辨率图像的训练时间为5个小时左右，如果你的图像并不大，经过裁切之后可以大幅缩短训练时间。

图像生成

模型训练完成之后，我们可以来到Inference选项卡，里面内置了一些模板，你可以直接点击一张照片模板，然后在下面选择对应的基础模型和你训练的模型ID，比如本站设置训练樱景宁宁的角色ID为NN，那么在User id (The User id you provide while training)内你就可以选择为NN的模型，如果你没有看到该模型，可以点击🔄按钮刷新模型列表，这将会自动查找最新模型。

如果你需要高级编辑设置，那么可以打开高级选项卡，设置Prompt提示词和种子之类的内容，非常方便。

下面是生成后的效果图，个人认识还是挺好的，最起码训练过程非常简单，人人都可以上手，比LoRA训练快多了。

注意：第一次生成会比较慢，后面速度就会变快啦。

效果展示

为了方便大家对比，知道原角色长什么样子，这里放几张宁宁的训练图像。

下面是模板图与二次生成的图像对比，左面是模板，右面是二创。

效果真的很赞，如果你觉得不够像，也可以在高级选项卡内，调节面部融合的比例，这可以让你自由控制角色相似度！

多人模板

如果你希望一次生成多张人脸的内容，那么也可以通过如下设置进行生成。

• 步骤1：转到EasyPhoto的设置页面，设置num_of_Faceid大于1。
• 步骤2：应用设置。
• 步骤3：重新启动webui的ui界面。
• 步骤4：返回EasyPhoto并上传多人模板。
• 步骤5：选择两个人的用户ID。
• 步骤6：单击“生成”按钮。执行图像生成。

算法相关

1. 架构概述

在人工智能肖像领域，我们希望模型生成的图像逼真且与用户相似，而传统方法会引入不真实的光照（如人脸融合或roop）。为了解决这种不真实的问题，我们引入了稳定扩散模型的图像到图像功能。生成完美的个人肖像需要考虑所需的生成场景和用户的数字二重身。我们使用一个预先准备好的模板作为所需的生成场景，并使用一个在线训练的人脸 LoRA 模型作为用户的数字二重身，这是一种流行的稳定扩散微调模型。我们使用少量用户图像来训练用户的稳定数字二重身，并在推理过程中根据人脸 LoRA 模型和预期生成场景生成个人肖像图像。

2. 训练细节

首先，我们对输入的用户图像进行人脸检测，确定人脸位置后，按照一定比例截取输入图像。然后，我们使用显著性检测模型和皮肤美化模型获得干净的人脸训练图像，该图像基本上只包含人脸。然后，我们为每张图像贴上一个固定标签。这里不需要使用标签器，而且效果很好。最后，我们对稳定扩散模型进行微调，得到用户的数字二重身。

在训练过程中，我们会利用模板图像进行实时验证，在训练结束后，我们会计算验证图像与用户图像之间的人脸 ID 差距，从而实现 Lora 融合，确保我们的 Lora 是用户的完美数字二重身。

此外，我们将选择验证中与用户最相似的图像作为 face_id 图像，用于推理。

3. 推理细节

a. 第一次扩散：

首先，我们将对接收到的模板图像进行人脸检测，以确定为实现稳定扩散而需要涂抹的遮罩。然后，我们将使用模板图像与最佳用户图像进行人脸融合。人脸融合完成后，我们将使用上述遮罩对融合后的人脸图像进行内绘（fusion_image）。此外，我们还将通过仿射变换（replace_image）把训练中获得的最佳 face_id 图像贴到模板图像上。然后，我们将对其应用 Controlnets，在融合图像中使用带有颜色的 canny 提取特征，在替换图像中使用 openpose 提取特征，以确保图像的相似性和稳定性。然后，我们将使用稳定扩散（Stable Diffusion）结合用户的数字分割进行生成。

b. 第二次扩散：

在得到第一次扩散的结果后，我们将把该结果与最佳用户图像进行人脸融合，然后再次使用稳定扩散与用户的数字二重身进行生成。第二次生成将使用更高的分辨率。

总结

对于动手能力较差的人来说，这个插件真的很好用了，毕竟效果真的很顶，而且可自定义的参数也比较多。