三个月没更新了，V5.1带来了非常多的功能，主要是ControlNet 1.1作画、腾讯T2I-Adapter作画、清华大学类chatgpt项目、抠图、视频补帧、数字人、界面功能整合与优化等。

V5.1版本：2023-5-18（V5.1版本开始不支持win7，仅支持win10、win11）

1、支持ControlNet 1.1作画、腾讯T2I-Adapter作画两种作画功能；

2、支持LORA（包括Lycoris类的lora模型）、众多VAE类模型加载；

3、所有作画功能支持参考图选择视频参考，自动逐帧参考，自动生成视频；

4、音视频转文字的最大模型后端改为faster_whisper，速度提升4倍，显存占用3-5G左右（int8和fp16模式），且不会出现繁体中文了； 

5、加入清华大学的类chatgpt项目chatglm，6G显存就能用； 

6、加入rembg抠图和SAM抠图（facebook的seg anything）功能； 

7、图片说话加入音频驱动功能（包括维持原图，不仅仅是人脸视频了），图片说话参数设置里设置即可； 

8、支持视频补帧，最高16倍补帧；

9、图片高清放大支持半精度模型，显存占用减小一倍，且支持高清放大视频了； 

10、图片转3D支持选择几个模式输出以及视频码率设置； 

11、主界面众多功能菜单化、作画参数设置界面分离化，参数分类不拥挤；

12、软件报错后不需要重开软件了，按钮仍可以点击。

01 软件概览

软件名字叫做：AI作画离线版V5.1，基于GitHub上的开源项目Disco Diffusion与Stable Diffusion以及众多开源项目。如下，软件主界面，还是以操作简单为主：

02 软件安装

软件非常大，因为有很多离线模型（模型按照功能划分，可按需下载），下载完成后，按照网盘里的pdf教程即可进行体验。

软件界面如下所示：

03 软件功能

介绍功能一：DD(Disco Diffusion)作画

1、描述词设定：如下默认的描述，每段（回车换行算一段）都是同一描述的不同权重关键词。

队列模式下的描述词设定：当如下勾选了队列模式后，通过固定的句式，可以生成大量的配置文件，也就可以实现生成多套参数的图。

比如我的文字描述这样描述：a beautiful girl by {400|1|艺术家}，当点击保存设置后就会生成400个艺术家的不同配置文件。注意这个格式{400|1|艺术家}中的{}、|这些不能缺少，完全按照固定格式来，400代表生成400个配置文件，1代表by一个艺术家名字（如果设置成2就代表by两个艺术家名字混搭），艺术家代表的是软件目录下【描述风格库】文件夹下的艺术家.csv文件，而艺术家.csv文件如下所示，两列数据：

软件支持各位自建这种语料库，大家可以复制csv建立副本，然后在副本里修改，注意也是按照两列格式来，第一列是描述，第二列是解释。比如下面我建的颜色.csv文件，简单写了一下，也是一定严格两列来哈，且都放在软件目录下的【描述风格库】文件夹。

2、帮助相关：对于大多数参数，都加入了帮助按钮，鼠标划到对应帮助图标，驻留即可显示参数含义，如下所示，当然大多数都是翻译的官方文档，加入自己的一点注解。

3、参考图：参考图也人性化了，直接点击按钮选择图片即可，注意看参数旁边的问号，一般加入参考图时，skip_steps这个参数需要设置大一些。

4、AI作画模型选择：参数设置里提供两种绘图Diffusion模型引擎选择，原版DD、像素版DD以及其他自定义的PT格式模型，如下图设置：

如下演示的是国画模型：

5、AI图片描述解析：如下按钮点击，选择图片，稍等片刻即可显示出描述，当然这个描述有所出入，但当作描述来用画出的图也确实不错。

下面演示几张图，解析出来的描述：a couple of people riding bikes down a road, a matte painting by Makoto Shinkai, featured on pixiv, rayonism, official art, anamorphic lens flare, matte painting

a group of iron man standing next to each other in the ocean, a comic book panel by Paul Pelletier, featured on deviantart, antipodeans, marvel comics, reimagined by industrial light and magic, imax

a painting of a landscape with mountains and trees, a detailed matte painting by Katsukawa Shunsen, pixiv, shin hanga, ukiyo-e, matte painting, detailed painting

功能二：SD(Stable Diffusion)作画

SD作画功能和DD功能基本一致，同样支持队列模式、参考图等功能，SD作画速度更快，且画得更加具象，下面主要介绍SD的参数设置。同样SD也是具有文字描述和参考图功能，还有一些其他参数，大家可以鼠标悬停到参数旁边的问号就会有说明。

1、描述词设定：描述词句式基本和DD一样，但SD作画多了个负描述，负描述默认可以不写，负描述如果写，就代表不想让绘画结果出现的元素。

支持写个开头，然后如下点击AI生成描述进行续写描述，目前有两种自动写描述引擎了：

2、绘图参数：图片尺寸和DD一样，需要64的倍数，当然随便填写尺寸也行，软件会自动转换；绘图步数和DD类似，不过SD步数20就够了；绘制图片轮数代表每次画几张图；描述相关度默认数值就可以，当然可以尝试10以上数值；随机种子默认0，代表每次种子随机，设置大于零的固定值，如果其他参数一样，则SD出图完全一样，这点和DD不一样哈。

3、显存占用模式选择：软件提供不同显存占用模式：超级低、非常低、高、极高，以及带着xformers加速模块模式，加速模块效果拔群，速度很快，显存占用也低了很多。

4、16代黑图问题：针对GTX 16系列，诸如1660等显卡，SD作画会黑图，需要勾选如下选项，可以正常出画。

5、参考图：和DD一样，SD也支持参考图，不过参数比较简单，基本上就是导入原图，修改描述，设置图片差异度参数即可，注意差异度参数范围0-1，1代表与参考图差异最大哈。另外，自适应尺寸比较人性化，比如参考图尺寸宽高为1024x512，绘图参数尺寸设置512×512,默认无，代表不自适应，最终出的图尺寸为512×512，固定宽代表，以绘图参数尺寸设置的宽512为准，参考图宽高比2比1，高自动修改为256，最终输出512x256的图。

如下，试试SD参考图，实现真人二次元效果或者其他的一些效果：

6、动画：SD动画选择2D，即可开启动画模式，动画也可以设置参考图，支持动画变化角度、缩放大小、xyz轴移位等。

文字描述需要如下格式，每一次换行都是一个过渡描述，每个过渡描述末尾三个冒号后面跟着的数字，代表动画帧数。

7、SD、LORA、VAE模型选择：支持选择第三方ckpt、safetensors格式的SD模型、VAE模型以及LORA模型（还支持Lycoris类的LORA模型），如下所示：

8、局部修改：如下点击局部修改按钮，可以实现涂鸦部分区域实现局部修改功能，此功能效果也比较有限，换脸什么的还可以，如下演示：

9、模型融合：点击SD模型融合按钮，如下支持不同ckpt或者safetensors格式的SD模型按照比例融合，融合后的模型兼具两个模型的特点。

10、DeepDanbooru二次元TAG解析：如下点击按钮，支持二次元图片的TAG解析，诸如NovelAI等模型比较有需求：

功能三：CN作画

CN就是目前大名鼎鼎的ControlNet，目前软件同步到CN 1.1版本，总体使用方式和SD差别不大。CN的精髓在于下图，不同的这些模型：

这些模型的作用就是针对不同的参考图进行创作，诸如Lineart模型就是针对线稿参考图，然后实现线稿上色或者二次创作的目的，如下演示，选择Lineart_Anime这个二次元线稿的CN模型配上二次元SD模型和描述：

如下选择openpose这个人体姿势的CN模型，左图为原图，中间为识别原图的骨骼图，右图为生成的图。

如下SEG语义分割的CN模型效果：

如下MLSD这种识别建筑线稿的CN模型效果：

如下为超分辨率的Tile的CN模型，真的是模糊图重绘神器：

功能四：T2I作画

T2I作画和ControlNet实现的结果基本相似，套路也是一样，如下也是提供众多模型：

在这里就不做重复演示了，如下官方的介绍图：

功能五：图片/视频AI高清放大

设置不同的放大模型和图片放大倍数，高清放大图片输出目录为软件目录images_outAI_ultra_HD，当输入的图片尺寸很大时，容易超显存，这时我们修改拼图大小这个参数即可，比如设置拼图大小512时，6G显存选择realesrgan_x4plus模型对1920*1080图片进行4倍放大测试不超显存。支持2-10倍放大。

AI高清放大是一个独立功能，软件主界面图片处理菜单选择图片/视频高清放大选项，选择图片或者视频（支持批量），即可高清放大图片或者视频。如下，小图经过高清放大的对比效果，二次元和三次元都能胜任。

功能六：老照片修复

软件主界面图片处理菜单选择老照片修复选项，选择图片（支持批量），即可高清修复老照片，仅对人像进行高清修复。如下，经过高清人脸修复对比效果动图演示：

功能七：图片/视频上色

软件主界面图片处理菜单选择图片/视频上色，选择黑白视频或者图片即可实现上色，支持批量。如下参数设置里，可以选择不同上色模型，二次元模型专注二次元线稿上色：

如下动图演示，上色前后的效果：

功能八：图片说话

图片说话功能，可以实现导入的图转换成说话人视频的形式，支持音频和视频驱动，默认音频驱动说话。

软件主界面点击图片处理菜单选择图片说话，选择图片（支持批量），转换图片成如下的视频形式。

功能九：AI图片转3D

AI图片转3D输出视频目录：软件目录video；AI图片转3D也是一个独立免费功能，如下参数设置可以设置生成视频时长和摄像头位置（位置一般不改）：

软件主界面图片处理菜单选择图片转3D，选择图片（支持批量），转换图片成视频形式，这个转换速度较慢，5到30分钟一张图。基本上就是原作项目介绍的这种效果，一张精图转换成3D的效果，不过相比原作我做了改进，支持原图尺寸大小的视频。

功能十：抠图

软件主界面图片处理菜单选择抠图，选择图片（支持批量），即可进行背景和人物分割，如下演示：

功能十一：二次元生成

软件主界面图片处理菜单选择二次元生成，即可绘制上百张二次元图片：

如下可在参数设置里，设置各种参数以生成不同类型的二次元小姐姐：

功能十二：三次元生成

软件主界面图片处理菜单选择三次元生成，即可绘制上百张三次元图片：

如下可在参数设置里，设置各种参数以生成不同类型的三次元图片：

功能十三：AI写小说

软件主界面小说聊天菜单选择AI写小说|聊天界面，如下点击AI写小说按钮，设置开头，即可续写不同轮数的文字：

点击训练小说，如下可以选择自己的小说语料txt，训练自己的模型：

还支持清华大学Chatglm，注意这个至少需要6G显存，且加载模型较慢，请耐心等待，可以实现类似Chatgpt的形式：

功能十四：伴奏人声分离

软件主界面音视频处理选择伴奏人声分离，选择歌曲（支持批量），即可自动分离人声、伴奏、鼓点和低音，效果很厉害。若显存4G及以下，可以如下参数设置勾选低显存占用模式即可：

功能十五：音视频转文字

软件主界面音视频处理选择音视频转文字，选择音频或者视频，即可进行语音识别，输出字幕和文字版txt文件。音视频转文字功能，支持100多个国家语言，若选择汉语，则不过什么语言的音视频，最终都会自动翻译成中文字幕和txt文件，方便快捷，不过翻译效果有限，最好还是选择原视频语言进行识别。5.1版本大模型(int8)模式仅需要4-5G显存，速度快4倍，效果也很好。

如下，选取的日文视频演讲识别字幕效果，红框为软件识别自动翻译的字幕：

功能十六：视频补帧

软件支持视频2-16倍补帧，这个效果也是很不错的，如下参数设置进行设置参数即可：

点击音视频处理菜单的视频补帧选项，选择要补帧的视频即可，补帧效果就是如下这种效果，原理是AI计算相邻两帧，然后脑补出中间大量帧：

04 显卡要求

需要至少2GB显存，且必须是英伟达显卡，AMD、intel等不支持。

05 小结

这个项目确实很有意思，需要英伟达2G及以上显存，AMD等其他显卡不支持，感兴趣的可以体验一下5.1版本了，更详细的作图参数、教程多刷刷B站相关视频即可。

06 本期内容获取

方式一：百度网盘https://pan.baidu.com/s/1B0g4MPFe_drP_hRjgEnKGg 提取码：95kh

方式二：天翼网盘https://cloud.189.cn/t/ZZ7vuyZrMvmm (访问码:7dn8)  

    以上就是本篇文章【AI作画离线版V5.1，ControlNet、清华类ChatGPT、抠图、补帧、数字人，一堆功能来啦！】的全部内容了，欢迎阅览 ！ 文章地址：http://sicmodule.glev.cn/quote/10694.html 
     行业      资讯      企业新闻      行情      企业黄页      同类资讯      网站地图      返回首页 歌乐夫资讯移动站 http://sicmodule.glev.cn/mobile/ , 查看更多