系列文章目录

本文专门开一节写图生图相关的内容，在看之前，可以同步关注：
stable diffusion实践操作

文章目录

系列文章目录
前言
- 1、embeddding的功能
- 2、如何去下载(https://civitai.com/models)
- - [2.1 筛选 TEXTUAL INVERSION](#2.1 筛选 TEXTUAL INVERSION)
  - [2.2 筛选出来](#2.2 筛选出来)
  - [2.3 下载保存](#2.3 下载保存)
  - [2.4 如何使用](#2.4 如何使用)
- [3、embedding 收集的模型](#3、embedding 收集的模型)
- - [3.1 badhandv4 - AnimeIllustDiffusion](#3.1 badhandv4 - AnimeIllustDiffusion)
  - [3.2 bad_prompt Negative Embedding](#3.2 bad_prompt Negative Embedding)
  - [3.3 人物形象类的（Corneos D.va）](#3.3 人物形象类的（Corneos D.va）)
  - [3.6 ng_deepnegative_v1_75t](#3.6 ng_deepnegative_v1_75t)
  - [3.7 DeepNegativeV1.x](#3.7 DeepNegativeV1.x)
总结

前言

textualinversion 中文名为文本反转，可以理解为提示词的集合，提示词打包，可以省略大量的提示词。后缀safetensors，大小几十kb

本文根据B站A_Eye视频而来，需要看原视频的，可以进入：
Stable diffusion喂饭级基础教程第九期什么是embedding

1、embeddding的功能

可以理解为提示词的集合，可以省略大量的提示词。

下面是一篇关于embeddding的权威论文，感兴趣的小伙伴可以自己去看

我总结一下，举个例子，希望左图生成右图，那么对于左面的模型来说，右边的图是个新的概念，然而在一个大模型中，引入新的概念是很困难的，如果为了这个新的图片而重新训练模型，成本就太高了。

所以论文作者提出了一个新的想法，就是在文本编码器的嵌入空间中，找到新的伪装词，通过这个伪装词，去捕获高级语义和精细的视觉细节

换句话说，就是采用少量有图的文本，训练出一个新的反转文本，这个反转文本可以在生成图片的时候，可以嵌入到大模型的词汇库中，让左边模型学习到了右边图片的概念，从而生成带有右边特征的图片。

这样就可以使用语言文本，将新的特征注入到模型当中，训练成本低，使用方便，并且体积很小，唯一缺点是很难进行精确学习，但是对于普通人来说已经足够了。

2、如何去下载(https://civitai.com/models)

2.1 筛选 TEXTUAL INVERSION

2.2 筛选出来

2.3 下载保存

在C站可以下载：https://civitai.com

下载后存放地址：sd-webui-aki-v4.2\embeddings

2.4 如何使用

没有触发词，直接使用名称就可以了。注意得到是不要把负向embedding放到正向提示词中去了。

3、embedding 收集的模型

3.1 badhandv4 - AnimeIllustDiffusion

此文本嵌入为负面文本嵌入。它能够在对画风影响较小的前提下改善AI生成图片的手部细节。如果它让你的模型表现得比以前更糟，请勿使用它。您可与其他负面文本嵌入一同使用。

如果你想使用效果更强的版本，请移步：NegativeEmbedding - AnimeIllustDiffusion | Stable Diffusion TextualInversion | Civitai。这是一个用于修理各种各样画质和畸形问题的负面pt。他效果强劲，但更可能会破坏您原本的风格，且占用大量词元数（使用它时，其实您也不需要再使用很多负面提示词）。

虽然它是为 AnimeIllustDiffusion 模型设计的，但您也可以在其他模型上使用。

另外，我发现它在较高的提示词相关性下（>=11）表现的更好。

使用方法

您应该将下载得到的负面文本嵌入文件，即 badhandv4.pt 文件放置在您 stable diffusion 目录下的 embeddings 文件夹内。之后，您只需要在填写负面提示词处输入 badhandv4 即可。

3.2 bad_prompt Negative Embedding

使用同上。

3.3 人物形象类的（Corneos D.va）

### 3.4 特定动作(AwaitingTongue Embedding) ### 3.5 Winter Style 冬日画风

stable diffusion实践操作-embedding（TEXTUAL INVERSION）