孟德轩
（轩轩老师）
德普道信息技术有限公司CEO，阿里巴巴Design认证AIGC培训讲师，十方教育AI绘画项目负责人，国际云计算平台AI顾问，B站AI领域头部UP主。
AI教育先行者，累计培训3万名学员，同时是多家大型公司的AI商业落地方案策划人，主导过千万级别营收的AI绘画实战项目。

丁博生
AIGC技术专家和布道者，南洋理工大学博士，专业方向是深度学习和自然语言处理，对Stable Diffusion和ChatGPT等有较深的理解，使用经验丰富。为招商银行总部、上海交大新加坡校友会、思否编程、阿里云印度尼西亚和越南BD团队、广东番禺职业技术学院做了ChatGPT的报告和培训，深受欢迎。
曾在新加坡普华永道咨询担任咨询师，服务客户包括新加坡、泰国、菲律宾、马来西亚、南非、澳大利亚等多国大型金融机构。新加坡社科大学数字营销客座讲师。在顶级人工智能会议上发表多篇论文，并曾多次担任过各种人工智能会议的评审员，包括EMNLP、ACL和WSDM。

张似衡
本科就读于清华大学自动化系，博士毕业于中科院自动化所，研究方向包括深度学习和自然语言处理。目前在广州视源电子科技股份有限公司从事NLP算法研发工作，负责大语言模型和知识工程。
海南三亚学院计算机学院客座讲师。参与过若干国家重点课题研发，主持国家自然科学青年基金一项，研究论文发表在SCI期刊Knowledge and Information Systems、Neural Processing Letters和顶级人工智能会议Interspeech等。

卢森煌
毕业于北京邮电大学自动化专业，曾就职于阿里巴巴，现为啊喔科技CEO，公司18个月完成3轮融资，公司旗下有基于ChatGPT的应用“万能AI助手”“天天口语”。
三节课、量子教育、起点学院、逆行求职、爱思益、圣商商学院、实践家总裁班等机构受欢迎的导师或讲师，为超过65家企业提供过互联网化转型方面的服务。合著有畅销书《产品经理面试攻略》（机械工业出版社出版）。

《AI绘画大师：Stable Diffusion快速入门与实战技巧 》
本书共9章，利用易学易用的Stable Diffusion为绘画设计从业者和爱好者提高生产力。一方面，提供350幅实操图解，一步步拆解，让读者掌握接到不同需求时如何使用Stable Diffusion出图。另一方面，提供游戏、电商、插画、建筑行业和头像设计等副业领域的实操案例与技巧，满足游戏角色、原画、图标、商品展示图、插画、室内设计和建筑设计的出图需求。结合18个主业和副业场景，提高生产力，实现AI商业化。

《Prompt魔法：提示词工程与ChatGPT行业应用》
这是一本能指引我们每个人赢在AI时代的著作，它将教会我们在各种场景中熟练使用ChatGPT等AI工具和编写提示词，大幅提升我们的工作效率，让我们实现AI普惠，成为AI高手。
本书的几位作者都是AI领域的技术专家和应用布道者，本书是他们丰富实践经验的总结。阅读本书，你将获得以下知识和技能：
认识AIGC将给社会和个体带来的深刻影响及其背后的本质，包括AIGC如何引发生产效率革命、如何重新定义脑力劳动、如何调整社会分工、如何重新分配社会价值等；
ChatGPT/GPT-4、文心一言、Midjourney、Stable Diffusion、DALL·E3等主流AIGC工具的配置、使用和选型；
提示词（Prompt）编写的入门指南、基本原则、黄金公式和进阶技巧；
AIGC辅助文案写作、文稿翻译、数据分析、邮件撰写、PPT制作、工作总结、知识整理、图片生成等；
程序设计、艺术设计、游戏开发与设计、自媒体、市场营销、产品和运营、金融、教育、科研、咨询、学习等10余个行业和领域的AIGC应用场景和提示词写作技巧；
用好AI工具，成为AI时代的超级个体。
全书有200余个案例，200余个提示词模板，人人一看就懂，一学就会。

《AI绘画大师：Stable Diffusion快速入门与实战技巧 》
目　　录
前言
第1章　认识Stable Diffusion　1
1.1　主流AI绘画工具　1
1.2　Stable Diffusion的独特优势　2
1.2.1　开源免费　2
1.2.2　本地部署　2
1.2.3　高度拓展性　3
1.2.4　内容无限制　3
1.3　Stable Diffusion的安装　3
1.3.1　本地安装　3
1.3.2　云端安装　4
第2章　Stable Diffusion
　的基础模型及原理　8
2.1　三大生成模型　8
2.1.1　CLIP模型　8
2.1.2　扩散模型　9
2.1.3　VAE模型　10
2.2　5类特定模型　10
2.2.1　Checkpoint大模型　10
2.2.2　Embedding模型　12
2.2.3　Hypernetwork模型　14
2.2.4　LoRA模型　16
2.2.5　VAE模型　18
第3章　Stable Diffusion
　文生图　21
3.1　提示词　21
3.1.1　提示词功能　23
3.1.2　常用提示词　23
3.1.3　提示词语法　30
3.1.4　提示词相关性　34
3.2　图片采样　35
3.2.1　采样的基础原理　35
3.2.2　采样方法的比较与
　选择　36
3.2.3　采样迭代步数　37
3.3　面部修复与高清修复功能　38
3.3.1　面部修复功能原理　38
3.3.2　面部修复效果对比　38
3.3.3　高清修复功能原理　39
3.3.4　高清修复效果对比　40
3.3.5　高清修复功能的
　放大算法选择　41
3.4　分辨率　41
3.5　生成批次与每批数量　41
3.6　随机种子　42
3.7　差异随机种子　45
第4章　Stable Diffusion
　图生图　47
4.1　图生图　47
4.1.1　缩放模式　48
4.1.2　重绘幅度　53
4.2　绘图　53
4.3　局部重绘　56
4.3.1　局部重绘实操　56
4.3.2　蒙版边缘模糊度　59
4.3.3　蒙版模式　59
4.3.4　蒙版区域内容处理　60
4.3.5　重绘区域　62
4.4　局部重绘（手涂蒙版）　63
4.4.1　局部重绘（手涂蒙版）
　实操　63
4.4.2　蒙版透明度　66
4.5　局部重绘（上传蒙版）　66
4.6　批量处理　72
第5章　脚本　75
5.1　X/Y/Z plot　75
5.1.1　轴类型和值　76
5.1.2　参数设置　80
5.2　提示词矩阵　81
5.2.1　语法　81
5.2.2　参数设置　81
5.3　批量载入提示词　82
第6章　附加功能　85
6.1　单张图像　86
6.1.1　缩放模式　87
6.1.2　放大算法　87
6.2　批量处理　89
6.3　从目录进行批量处理　90
6.4　面部马赛克修复还原　91
6.4.1　GFPGAN算法　92
6.4.2　CodeFormer算法　93
6.5　图片信息提取　93
6.6　提示词反推　94
第7章　常用插件扩展　96
7.1　ControlNet　96
7.1.1　ControlNet的安装　97
7.1.2　参数设置　98
7.2　线条约束　102
7.2.1　Canny：硬边缘
　检测　102
7.2.2　SoftEdge：软边缘
　检测　105
7.2.3　MLSD：直线检测　107
7.2.4　Lineart：线稿提取　109
7.2.5　Scribble：涂鸦提取　112
7.3　深度约束　115
7.4　法线约束　119
7.5　色彩分布约束　119
7.6　姿势约束　122
7.6.1　openpose：姿势检测
　预处理器　122
7.6.2　openpose_hand：
　姿势和手势检测
　预处理器　124
7.6.3　openpose_faceonly：
　脸部特征检测
　预处理器　124
7.6.4　openpose_face：
　姿势和脸部特征
　检测预处理器　125
7.6.5　openpose_full：姿势、
　手势和脸部特征检测
　预处理器　126
7.6.6　直接上传姿势图　127
7.6.7　自主生成姿势　128
7.7　内容约束　131
7.8　物品类型约束　135
7.9　分块重采样　136
7.10　局部重绘　138
7.11　指令修改　139
7.12　参数模式　141
7.13　Tag自动填充　142
第8章　Stable Diffusion的
　商业化应用　146
8.1　游戏行业的应用　146
8.1.1　写实角色的
　多视图设计　146
8.1.2　二次元角色的
　多视图设计　149
8.1.3　游戏原画生成　151
8.1.4　游戏图标设计　153
8.2　电商行业的应用　154
8.2.1　模特形象生成　154
8.2.2　指定模特面部特征　155
8.2.3　AI图片高清放大　156
8.3　插画行业的应用　158
8.3.1　线稿生成　159
8.3.2　线稿上色　160
8.3.3　图书插图生成　163
8.3.4　图画扩充　163
8.4　建筑行业的应用　168
8.4.1　无线稿的室内设计　169
8.4.2　室内设计线稿生成　169
8.4.3　室内设计线稿上色　171
8.4.4　建筑线稿生成　173
8.4.5　建筑线稿上色　174
8.5　其他领域的应用　176
8.5.1　旧照片修复　177
8.5.2　图片风格转换　178