Stable Diffusion AI算圖使用手冊（4-2）：透過Textual Inversion、Hypernetwork調整風格

上篇文章中，我們示範了在Stable Diffusion WebUI進行算圖時，如何透過LoRA小模型收束角色特性，在這篇教學文章中，我們繼續瞭解如何透過透過Textual Inversion、Hypernetwork等小模型，調整生成圖片的風格。

文章目錄

小模型功能說明與安裝

在看完前篇的LoRA小模型教學後，我們可以瞭解如何透過小模型去影響AI推論的結果，達到控制生成畫面內容的效果。在這邊我們繼續介紹Textual Inversion（文字倒轉）、Hypernetwork（超網路）等2種小模型，它的運作原理與LoRA不盡相同，具有相近的功能與效果。

Textual Inversion除了可以用來控制畫面風格外，也有如Easy Negative、Bad Hand等用於做為負面提示詞以提升生成圖像品質的小模型，可以簡化輸入提示詞的手續。需要注意的是，在使用這類Textual Inversion的時候，請確認它們是加入負面提示詞的欄位。

延伸閱讀：Stable Diffusion AI算圖使用手冊系列文章目錄

讀者可以至CivitAI網站尋找現成的Textual Inversion、Hypernetwork小模型檔案，前者需存放至「stable-diffusion-webui」資料夾下的「embedding」資料夾內，後者則是「\models\hypernetwork」資料夾內。

讀者同樣可以準備解析度為450 x 675的PNG格式圖檔，將圖檔名稱修改與模型相同並放在同一資料夾，如此一來就能在選擇時看到預覽圖片。

▲ 透過CivitAI網站首頁右上角區域的篩選器，可以篩選出Textual Inversion、Hypernetwork小模型。

▲ Textual Inversion小模型檔案需下載至「stable-diffusion-webui」資料夾下的「embedding」，並準備解析度為450 x 675的PNG格式圖檔放在同一資料夾。

▲ Hypernetwork小模型檔案則需下載「stable-diffusion-webui」資料夾下的「\models\hypernetwork」資料夾內。

▲ 如此一來便能在Stable Diffusion WebUI選擇Textual Inversion、Hypernetwork的介面看到預覽圖片。如果使用負面提示詞類型的Textual Inversion，請確認將其加入負面提示詞欄位（如圖中之badhandv4、easynegative）。

為圖像加入不圖同風格

在這邊筆者使用style-psycho、LuisapGlitchpixelart_v1等Textual Inversion與Hypernetwork進行示範，前者是可以為圖片加入科幻機甲風格，後者則使加入點陣圖風格。

範例使用GhostMix Checkpoint模型，搭配的基本提示詞如下，

正面提示詞：
(masterpiece, top quality, best quality, official art, beautiful and aesthetic:1.2), (1girl), extreme detailed,colorful, ((solo)),
steampunk city, riding bicycle, tank top, (small breast),
<lora:taeTakemiPersona5_v10:0.8>, (Tae Takemi), necklace, choker, <lora:personaCatherineSoejima_1:0.6>
負面提示詞：
(worst quality, low quality:1.4), [badhandv4], easynegative

並分別將「style-psycho」、「<hypernet:LuisapGlitchpixelart_v1:0.5>」加入正面提示詞，看看它們的效果如何。

▲ 算圖使用的參數請參考圖中設定。

▲ 這是沒有使用Textual Inversion與Hypernetwork所生成的基本圖像。

▲ 加入style-psycho的Textual Inversion小模型之後，人物與場景變的較有未來科技感。

▲ 加入LuisapGlitchpixelart的LuisapGlitchpixelart小模型之後（給予0.5的權重），畫風與顏色有了明顯的改變。

▲ 同時使用style-psycho與LuisapGlitchpixelart，感覺居然不錯！

▲ 由於LuisapGlitchpixelart的風格太過強烈，所以容易造成畫面崩壞，將權重調高至0.7時已經達到崩壞邊緣。有興趣的讀者可以自行嘗試更高的權重，看畫面會發生什麼變化。

需要注意的是，當使用更多組LoRA、Textual Inversion、Hypernetwork等小模型之後，它們可能彼此發生「化學反應」，而造成生成的圖像崩壞，這時候可以嘗試降低權重，看看圖像是否恢復正常。

（回到Stable Diffusion AI算圖系列文章目錄）