Dokumento/sd-webui

# Stable Diffusion web UI
A browser interface based on Gradio library for Stable Diffusion.


## Features
[Detailed feature showcase with images](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features):
- Original txt2img and img2img modes
- One click install and run script (but you still must install python and git)
- Outpainting
- Inpainting
- Color Sketch
- Prompt Matrix
- Stable Diffusion Upscale
- Attention, specify parts of text that the model should pay more attention to
- a man in a `((tuxedo))` - will pay more attention to tuxedo
- a man in a `(tuxedo:1.21)` - alternative syntax
- select text and press `Ctrl+Up` or `Ctrl+Down` to automatically adjust attention to selected text (code contributed by anonymous user)
- Loopback, run img2img processing multiple times
- X/Y/Z plot, a way to draw a 3 dimensional plot of images with different parameters
- Textual Inversion
- have as many embeddings as you want and use any names you like for them
- use multiple embeddings with different numbers of vectors per token
- works with half precision floating point numbers
- train embeddings on 8GB (also reports of 6GB working)
- Extras tab with:
- GFPGAN, neural network that fixes faces
- CodeFormer, face restoration tool as an alternative to GFPGAN
- RealESRGAN, neural network upscaler
- ESRGAN, neural network upscaler with a lot of third party models
- SwinIR and Swin2SR ([see here](https://github.com/AUTOMATIC1111/stable-diffusion-webui/pull/2092)), neural network upscalers
- LDSR, Latent diffusion super resolution upscaling
- Resizing aspect ratio options
- Sampling method selection
- Adjust sampler eta values (noise multiplier)
- More advanced noise setting options
- Interrupt processing at any time
- 4GB video card support (also reports of 2GB working)
- Correct seeds for batches
- Live prompt token length validation
- Generation parameters
- parameters you used to generate images are saved with that image
- in PNG chunks for PNG, in EXIF for JPEG
- can drag the image to PNG info tab to restore generation parameters and automatically copy them into UI
- can be disabled in settings
- drag and drop an image/text-parameters to promptbox
- Read Generation Parameters Button, loads parameters in promptbox to UI
- Settings page
- Running arbitrary python code from UI (must run with `--allow-code` to enable)
- Mouseover hints for most UI elements
- Possible to change defaults/mix/max/step values for UI elements via text config
- Tiling support, a checkbox to create images that can be tiled like textures
- Progress bar and live image generation preview
- Can use a separate neural network to produce previews with almost none VRAM or compute requirement
- Negative prompt, an extra text field that allows you to list what you don't want to see in generated image
- Styles, a way to save part of prompt and easily apply them via dropdown later
- Variations, a way to generate same image but with tiny differences
- Seed resizing, a way to generate same image but at slightly different resolution
- CLIP interrogator, a button that tries to guess prompt from an image
- Prompt Editing, a way to change prompt mid-generation, say to start making a watermelon and switch to anime girl midway
- Batch Processing, process a group of files using img2img
- Img2img Alternative, reverse Euler method of cross attention control
- Highres Fix, a convenience option to produce high resolution pictures in one click without usual distortions
- Reloading checkpoints on the fly
- Checkpoint Merger, a tab that allows you to merge up to 3 checkpoints into one
- [Custom scripts](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Custom-Scripts) with many extensions from community
- [Composable-Diffusion](https://energy-based-model.github.io/Compositional-Visual-Generation-with-Composable-Diffusion-Models/), a way to use multiple prompts at once
- separate prompts using uppercase `AND`
- also supports weights for prompts: `a cat :1.2 AND a dog AND a penguin :2.2`
- No token limit for prompts (original stable diffusion lets you use up to 75 tokens)
- DeepDanbooru integration, creates danbooru style tags for anime prompts
- [xformers](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Xformers), major speed increase for select cards: (add `--xformers` to commandline args)
- via extension: [History tab](https://github.com/yfszzx/stable-diffusion-webui-images-browser): view, direct and delete images conveniently within the UI
- Generate forever option
- Training tab
- hypernetworks and embeddings options
- Preprocessing images: cropping, mirroring, autotagging using BLIP or deepdanbooru (for anime)
- Clip skip
- Hypernetworks
- Loras (same as Hypernetworks but more pretty)
- A sparate UI where you can choose, with preview, which embeddings, hypernetworks or Loras to add to your prompt
- Can select to load a different VAE from settings screen
- Estimated completion time in progress bar
- API
- Support for dedicated [inpainting model](https://github.com/runwayml/stable-diffusion#inpainting-with-stable-diffusion) by RunwayML
- via extension: [Aesthetic Gradients](https://github.com/AUTOMATIC1111/stable-diffusion-webui-aesthetic-gradients), a way to generate images with a specific aesthetic by using clip images embeds (implementation of [https://github.com/vicgalle/stable-diffusion-aesthetic-gradients](https://github.com/vicgalle/stable-diffusion-aesthetic-gradients))
- [Stable Diffusion 2.0](https://github.com/Stability-AI/stablediffusion) support - see [wiki](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features#stable-diffusion-20) for instructions
- [Alt-Diffusion](https://arxiv.org/abs/2211.06679) support - see [wiki](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features#alt-diffusion) for instructions
- Now without any bad letters!
- Load checkpoints in safetensors format
- Eased resolution restriction: generated image's domension must be a multiple of 8 rather than 64
- Now with a license!
- Reorder elements in the UI from settings screen

## Installation and Running
Make sure the required [dependencies](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Dependencies) are met and follow the instructions available for both [NVidia](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Install-and-Run-on-NVidia-GPUs) (recommended) and [AMD](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Install-and-Run-on-AMD-GPUs) GPUs.

Alternatively, use online services (like Google Colab):

- [List of Online Services](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Online-Services)

### Automatic Installation on Windows
1. Install [Python 3.10.6](https://www.python.org/downloads/release/python-3106/) (Newer version of Python does not support torch), checking "Add Python to PATH".
2. Install [git](https://git-scm.com/download/win).
3. Download the stable-diffusion-webui repository, for example by running `git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git`.
4. Run `webui-user.bat` from Windows Explorer as normal, non-administrator, user.

### Automatic Installation on Linux
1. Install the dependencies:
```bash
# Debian-based:
sudo apt install wget git python3 python3-venv
# Red Hat-based:
sudo dnf install wget git python3
# Arch-based:
sudo pacman -S wget git python3
```
2. Navigate to the directory you would like the webui to be installed and execute the following command:
```bash
bash <(wget -qO- https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh)
```
3. Run `webui.sh`.
4. Check `webui-user.sh` for options.
### Installation on Apple Silicon

Find the instructions [here](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Installation-on-Apple-Silicon).

## Contributing
Here's how to add code to this repo: [Contributing](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Contributing)

## Documentation
The documentation was moved from this README over to the project's [wiki](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki).

## Credits
Licenses for borrowed code can be found in `Settings -> Licenses` screen, and also in `html/licenses.html` file.

- Stable Diffusion - https://github.com/CompVis/stable-diffusion, https://github.com/CompVis/taming-transformers
- k-diffusion - https://github.com/crowsonkb/k-diffusion.git
- GFPGAN - https://github.com/TencentARC/GFPGAN.git
- CodeFormer - https://github.com/sczhou/CodeFormer
- ESRGAN - https://github.com/xinntao/ESRGAN
- SwinIR - https://github.com/JingyunLiang/SwinIR
- Swin2SR - https://github.com/mv-lab/swin2sr
- LDSR - https://github.com/Hafiidz/latent-diffusion
- MiDaS - https://github.com/isl-org/MiDaS
- Ideas for optimizations - https://github.com/basujindal/stable-diffusion
- Cross Attention layer optimization - Doggettx - https://github.com/Doggettx/stable-diffusion, original idea for prompt editing.
- Cross Attention layer optimization - InvokeAI, lstein - https://github.com/invoke-ai/InvokeAI (originally http://github.com/lstein/stable-diffusion)
- Sub-quadratic Cross Attention layer optimization - Alex Birch (https://github.com/Birch-san/diffusers/pull/1), Amin Rezaei (https://github.com/AminRezaei0x443/memory-efficient-attention)
- Textual Inversion - Rinon Gal - https://github.com/rinongal/textual_inversion (we're not using his code, but we are using his ideas).
- Idea for SD upscale - https://github.com/jquesnelle/txt2imghd
- Noise generation for outpainting mk2 - https://github.com/parlance-zz/g-diffuser-bot
- CLIP interrogator idea and borrowing some code - https://github.com/pharmapsychotic/clip-interrogator
- Idea for Composable Diffusion - https://github.com/energy-based-model/Compositional-Visual-Generation-with-Composable-Diffusion-Models-PyTorch
- xformers - https://github.com/facebookresearch/xformers
- DeepDanbooru - interrogator for anime diffusers https://github.com/KichangKim/DeepDanbooru
- Sampling in float32 precision from a float16 UNet - marunine for the idea, Birch-san for the example Diffusers implementation (https://github.com/Birch-san/diffusers-play/tree/92feee6)
- Instruct pix2pix - Tim Brooks (star), Aleksander Holynski (star), Alexei A. Efros (no star) - https://github.com/timothybrooks/instruct-pix2pix
- Security advice - RyotaK
- UniPC sampler - Wenliang Zhao - https://github.com/wl-zhao/UniPC
- Initial Gradio script - posted on 4chan by an Anonymous user. Thank you Anonymous user.
- (You)

# Stable Diffusion 网页界面（Stable Diffusion web UI）
一款基于Gradio库（Gradio）构建的Stable Diffusion浏览器端交互界面。

## 功能特性
[带图示的详细功能展示](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features)：
- 原生文本转图像（txt2img）与图像转图像（img2img）模式
- 一键安装与运行脚本（需提前安装Python与Git）
- 外扩作画（Outpainting）
- 内补作画（Inpainting）
- 色彩草图
- 提示词矩阵（Prompt Matrix）
- Stable Diffusion 高清放大（Stable Diffusion Upscale）
- 注意力加权：指定模型需重点关注的文本部分
- `a man in a ((tuxedo))`：将重点关注礼服（tuxedo）部分
- `a man in a (tuxedo:1.21)`：替代语法格式
- 选中文本后按下`Ctrl+上箭头`或`Ctrl+下箭头`，可自动调整所选文本的注意力权重（功能代码由匿名用户贡献）
- 循环迭代：多次运行图像转图像处理流程
- X/Y/Z 三维参数绘图：可绘制不同参数组合下的三维图像图谱
- 文本反演（Textual Inversion）
- 支持自定义任意数量的嵌入向量，且可自由命名
- 支持使用每个Token拥有不同向量数量的多嵌入向量
- 支持半精度浮点数运算
- 可在8GB显存的显卡上训练嵌入向量（也有6GB显存显卡成功运行的反馈）
- 附带扩展功能的额外标签页：
- GFPGAN：人脸修复神经网络
- CodeFormer：替代GFPGAN的人脸修复工具
- RealESRGAN：神经网络超分辨率放大器
- ESRGAN：拥有大量第三方模型的神经网络超分辨率放大器
- SwinIR与Swin2SR（[详见此处](https://github.com/AUTOMATIC1111/stable-diffusion-webui/pull/2092)）：神经网络超分辨率放大器
- LDSR：隐扩散超分辨率放大器
- 自适应尺寸调整选项
- 采样方法选择
- 调整采样器的eta值（噪声乘数）
- 更多高级噪声设置选项
- 随时中断处理流程
- 支持4GB显存显卡（也有2GB显存显卡成功运行的反馈）
- 批量生成的固定随机种子
- 实时提示词Token长度校验
- 生成参数保存
- 生成图像时所用的参数将随图像一同保存
- PNG格式图像会将参数存入PNG块，JPEG格式图像会将参数存入EXIF元数据
- 可将图像拖拽至PNG信息标签页以恢复生成参数并自动填入交互界面
- 可在设置中禁用该功能
- 支持将图像/文本格式的参数拖拽至提示词输入框
- 读取生成参数按钮：将参数加载至交互界面的提示词输入框中
- 设置页面
- 支持通过界面运行任意Python代码（需通过`--allow-code`命令行参数启用）
- 绝大多数界面元素均配有鼠标悬停提示
- 可通过文本配置文件修改界面元素的默认值、最小值、最大值与步长参数
- 平铺支持：勾选复选框即可生成可像纹理一样无缝拼接的图像
- 进度条与实时生成预览
- 可使用独立神经网络生成预览，几乎不占用显存与计算资源
- 负面提示词：额外的文本输入框，用于指定生成图像中不应出现的内容
- 样式预设：可保存部分提示词配置，并在后续通过下拉菜单快速套用
- 变体生成：可生成与原图仅有细微差异的相似图像
- 种子自适应分辨率：可生成分辨率略有差异的相同构图图像
- CLIP（CLIP）提示词反推器：可通过图像自动推测对应的提示词
- 提示词中途编辑：可在生成过程中修改提示词，例如从生成西瓜中途切换为生成动漫少女
- 批量处理：使用图像转图像模式处理一组文件
- 图像转图像替代模式：交叉注意力控制的反向欧拉方法
- 高清修复（Highres Fix）：一键生成高分辨率图像的便捷选项，避免常规生成方式的失真问题
- 随时重新加载检查点模型
- 检查点合并工具：可将最多3个检查点模型合并为一个的标签页
- [社区自定义脚本](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Custom-Scripts)：社区贡献的大量扩展功能
- [组合式扩散（Composable-Diffusion）](https://energy-based-model.github.io/Compositional-Visual-Generation-with-Composable-Diffusion-Models/)：支持同时使用多个提示词的功能
- 使用大写`AND`分隔多个提示词
- 支持为提示词设置权重：`a cat :1.2 AND a dog AND a penguin :2.2`
- 无提示词Token长度限制（原生Stable Diffusion仅支持最多75个Token）
- DeepDanbooru 集成：为动漫提示词生成Danbooru风格标签
- [xformers](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Xformers)：针对特定显卡的大幅加速功能（需在命令行参数中添加`--xformers`启用）
- 通过扩展实现的[历史记录标签页](https://github.com/yfszzx/stable-diffusion-webui-images-browser)：可在界面内便捷查看、直接打开与删除生成的图像
- 持续生成选项
- 训练标签页
- 超网络（Hypernetworks）与嵌入向量选项
- 图像预处理：裁剪、镜像翻转、使用BLIP或DeepDanbooru（针对动漫图像）自动打标签
- Clip 跳层（Clip skip）
- 超网络（Hypernetworks）
- LoRA（与超网络类似但效果更精致）
- 独立交互界面：可通过预览选择要添加至提示词的嵌入向量、超网络或LoRA
- 可通过设置页面选择加载不同的VAE（变分自编码器）
- 进度条中显示预计完成时间
- 应用程序编程接口（API）
- 支持RunwayML官方推出的专用[内补作画模型](https://github.com/runwayml/stable-diffusion#inpainting-with-stable-diffusion)
- 通过扩展实现的[美学梯度（Aesthetic Gradients）](https://github.com/AUTOMATIC1111/stable-diffusion-webui-aesthetic-gradients)：通过Clip图像嵌入生成特定美学风格图像的功能（实现自[https://github.com/vicgalle/stable-diffusion-aesthetic-gradients](https://github.com/vicgalle/stable-diffusion-aesthetic-gradients)）
- 支持[Stable Diffusion 2.0](https://github.com/Stability-AI/stablediffusion) — 详见[wiki文档](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features#stable-diffusion-20)
- 支持[Alt-Diffusion](https://arxiv.org/abs/2211.06679) — 详见[wiki文档](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features#alt-diffusion)
- 现已修复无效字符问题！
- 支持加载safetensors格式的检查点模型
- 放宽分辨率限制：生成图像的尺寸只需为8的倍数，而非此前的64的倍数
- 现已附带开源许可证！
- 可通过设置页面重新排列界面元素的布局

## 安装与运行
请确保已满足所需的[依赖项要求](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Dependencies)，并参照针对[NVIDIA显卡](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Install-and-Run-on-NVidia-GPUs)（推荐）与[AMD显卡](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Install-and-Run-on-AMD-GPUs)的官方指引进行操作。

亦可使用在线服务（如Google Colab）：

- [在线服务列表](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Online-Services)

### Windows 自动安装
1. 安装[Python 3.10.6](https://www.python.org/downloads/release/python-3106/)（更高版本的Python暂不支持Torch），勾选“Add Python to PATH”选项。
2. 安装[Git](https://git-scm.com/download/win)。
3. 克隆本项目仓库，例如执行命令：`git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git`。
4. 以普通用户身份（非管理员）在Windows资源管理器中运行`webui-user.bat`。

### Linux 自动安装
1. 安装依赖项：
bash
# Debian系发行版：
sudo apt install wget git python3 python3-venv
# Red Hat系发行版：
sudo dnf install wget git python3
# Arch系发行版：
sudo pacman -S wget git python3

2. 进入目标安装目录并执行以下命令：
bash
bash <(wget -qO- https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh)

3. 运行`webui.sh`。
4. 可通过修改`webui-user.sh`配置自定义选项。
### Apple Silicon 平台安装
安装指引详见[此处](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Installation-on-Apple-Silicon)。

## 贡献代码
如需为本项目贡献代码，请参阅[贡献指南](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Contributing)。

## 文档
项目文档已从本README迁移至项目[wiki页面](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki)。

## 鸣谢
借用代码的开源许可证可在`设置 -> 许可证`页面查看，亦可在`html/licenses.html`文件中查阅。

- Stable Diffusion - https://github.com/CompVis/stable-diffusion, https://github.com/CompVis/taming-transformers
- k-diffusion - https://github.com/crowsonkb/k-diffusion.git
- GFPGAN - https://github.com/TencentARC/GFPGAN.git
- CodeFormer - https://github.com/sczhou/CodeFormer
- ESRGAN - https://github.com/xinntao/ESRGAN
- SwinIR - https://github.com/JingyunLiang/SwinIR
- Swin2SR - https://github.com/mv-lab/swin2sr
- LDSR - https://github.com/Hafiidz/latent-diffusion
- MiDaS - https://github.com/isl-org/MiDaS
- 优化思路 - https://github.com/basujindal/stable-diffusion
- 交叉注意力层优化 - Doggettx - https://github.com/Doggettx/stable-diffusion，提示词中途编辑的原始创意
- 交叉注意力层优化 - InvokeAI, lstein - https://github.com/invoke-ai/InvokeAI（原项目地址为http://github.com/lstein/stable-diffusion）
- 亚二次交叉注意力层优化 - Alex Birch (https://github.com/Birch-san/diffusers/pull/1), Amin Rezaei (https://github.com/AminRezaei0x443/memory-efficient-attention)
- 文本反演 - Rinon Gal - https://github.com/rinongal/textual_inversion（本项目未直接使用其代码，但借鉴了其核心思路）
- 高清放大功能创意 - https://github.com/jquesnelle/txt2imghd
- 外扩作画mk2的噪声生成逻辑 - https://github.com/parlance-zz/g-diffuser-bot
- CLIP提示词反推器创意与部分代码借鉴 - https://github.com/pharmapsychotic/clip-interrogator
- 组合式扩散功能创意 - https://github.com/energy-based-model/Compositional-Visual-Generation-with-Composable-Diffusion-Models-PyTorch
- xformers - https://github.com/facebookresearch/xformers
- DeepDanbooru - 动漫扩散模型提示词反推器 https://github.com/KichangKim/DeepDanbooru
- 半精度UNet的float32采样思路 - marunine，具体实现参考Birch-san的Diffusers示例代码(https://github.com/Birch-san/diffusers-play/tree/92feee6)
- Instruct pix2pix - Tim Brooks (标星), Aleksander Holynski (标星), Alexei A. Efros (未标星) - https://github.com/timothybrooks/instruct-pix2pix
- 安全建议 - RyotaK
- UniPC 采样器 - Wenliang Zhao - https://github.com/wl-zhao/UniPC
- 初始Gradio交互脚本 - 匿名用户在4chan发布。特此致谢。
- （你）

原始信息汇总

数据集功能概述

核心功能

• txt2img和img2img模式：原始的文本到图像和图像到图像转换模式。
• 一键安装与运行：提供一键安装和运行脚本，简化操作流程。
• 图像处理技术：包括Outpainting（外绘）、Inpainting（内绘）、Color Sketch（彩色素描）、Prompt Matrix（提示矩阵）、Stable Diffusion Upscale（稳定扩散放大）等。
• 文本注意力机制：允许指定模型应重点关注的文本部分。
• 循环处理：通过Loopback功能，允许img2img处理多次。
• 参数可视化：通过X/Y/Z plot功能，可以绘制三维图像参数图。
• 文本反转：支持多嵌入和不同向量数的令牌，兼容半精度浮点数。

附加功能

• GFPGAN：用于面部修复的神经网络。
• CodeFormer：面部恢复工具，作为GFPGAN的替代品。
• RealESRGAN和ESRGAN：用于图像放大的神经网络。
• SwinIR和Swin2SR：神经网络放大器。
• LDSR：潜在扩散超分辨率放大。
• 调整采样方法：包括调整采样器eta值和更高级的噪声设置选项。
• 实时中断处理：允许在任何时间点中断图像处理。
• 支持低显存显卡：最低支持4GB显存，有报告称2GB也能工作。
• 种子和批量处理：确保批量处理的种子正确，支持实时提示令牌长度验证。
• 生成参数保存：生成图像的参数会与图像一同保存，便于后续分析和复制。
• API支持：提供API接口，便于集成到其他系统。
• 支持多种模型：包括Stable Diffusion 2.0和Alt-Diffusion等。

用户交互与体验

• 实时预览与进度条：提供图像生成实时预览和进度条显示。
• 负向提示：允许用户指定不希望在生成图像中出现的内容。
• 风格与变体：支持保存和应用特定风格，以及生成相同图像的不同变体。
• 批量处理：支持批量文件的img2img处理。
• 用户界面优化：包括鼠标悬停提示、自定义UI元素顺序等。
• 高级设置：如加载不同VAE、调整默认/最大/步长值等。

技术支持与社区贡献

• 社区扩展：支持通过Custom Scripts和Composable-Diffusion等方式扩展功能。
• 集成DeepDanbooru：为动漫提示生成Danbooru风格标签。
• xformers优化：提高特定显卡的处理速度。
• 历史记录管理：通过扩展功能，方便查看、管理和删除历史图像。
• 训练选项：包括超网络和嵌入选项，支持图像预处理和自动标记。

兼容性与性能

• 兼容多种硬件：支持NVidia和AMD GPUs，以及Apple Silicon。
• 性能优化：通过Clip skip、Hypernetworks、Loras等技术优化性能。
• 无令牌限制：相比原始Stable Diffusion，无75令牌限制。

更新与改进

• 支持新格式：如safetensors格式的检查点加载。
• 分辨率限制放宽：生成图像的尺寸要求从必须是64的倍数放宽到8的倍数。
• 引入许可证：确保项目的合法性和可追溯性。

总结

该数据集提供了一个功能丰富的浏览器界面，用于Stable Diffusion模型的交互和应用。通过集成多种图像处理技术和用户友好的交互设计，支持从简单的文本到图像转换到复杂的图像处理和风格应用。此外，社区贡献和持续的技术更新确保了数据集的活力和实用性。