当前位置: 首页 > java >正文

Stable Diffusion WebUI 插件大全:功能详解与下载地址

Stable Diffusion WebUI 的强大之处在于其丰富的插件生态,这些插件可以大幅提升 AI 绘画的效率和质量。本文将详细介绍 21 个常用插件,包括它们的功能、效果说明以及下载地址,帮助你更好地使用 Stable Diffusion WebUI。

插件的安装方式

直接下载插件包,存放安装

下载 SD-插件-extensions.zip,解压后,将各个插件文件夹直接拷贝到stable-diffusion-webui/extensions文件夹

链接安装:通过git地址安装

搜索安装:部分搜不到,需要根据链接安装

安装后重启:

1. Stable-Diffusion-Webui-Civitai-Helper

功能:方便在 WebUI 中与 Civitai 资源平台交互,快速浏览、下载 Civitai 上的模型、LoRA 等资源。

效果:在 WebUI 界面中增加便捷获取资源的入口,支持一键下载和更新模型。

下载地址

https://github.com/zixaphir/Stable-Diffusion-Webui-Civitai-Helper

2. a1111-sd-webui-tagcomplete

功能:实现标签自动补全功能,输入提示词时智能推荐相关标签。

效果:输入 cat 时,会提示 black cat、cute cat 等,提高输入效率。

下载地址

https://github.com/DominikDoom/A1111-sd-webui-tagcomplete

3. adetailer (After Detailer)

功能:专门针对人脸进行修复的插件,可解决生成全身图时人物面部扭曲、模糊问题 。自带多种修复模型,如 face_yolov8n.pt 、face_yolov8s.pt 针对 2D / 写实风脸部修复 。

效果:原本模糊的人脸变得清晰自然,支持 2D/写实风格修复。

下载地址

https://github.com/Bing-su/adetailer

4. multidiffusion-upscaler-for-automatic1111

功能:用于图像放大,采用多扩散算法,能在相对低显存下对图像进行高清放大,提升图像分辨率 。

效果:放大后的图像细节更清晰,画面更锐利。

下载地址

https://github.com/pkuliyi2015/multidiffusion-upscaler-for-automatic1111

5. sd-dynamic-thresholding

功能:动态调整 CFG Scale 阈值,优化图像生成细节。

效果:减少过曝或色彩失真,使图像更稳定。

下载地址

https://github.com/mcmonkeyprojects/sd-dynamic-thresholding

6. sd-extension-system-info

功能:显示系统信息(显存、CPU 负载等),方便排查性能问题。

效果:在 WebUI 界面显示实时资源占用情况。

下载地址

https://github.com/vladmandic/sd-extension-system-info

7. sd-webui-animatediff

功能:将静态图像转换为动画(GIF/视频)。

效果:生成角色眨眼、镜头移动等简单动画。

下载地址

https://github.com/continue-revolution/sd-webui-animatediff

8. sd-webui-controlnet

功能:通过骨骼图、深度图等控制生成图像的姿势和构图。

效果:精准复现人物姿势、建筑结构等。

下载地址

https://github.com/Mikubill/sd-webui-controlnet

9. sd-webui-infinite-image-browsing

功能:高效管理 AI 生成的图像,支持标签搜索、批量操作。

效果:类似本地版“Pinterest”,方便整理作品。

下载地址

https://github.com/zanllp/sd-webui-infinite-image-browsing

10. sd-webui-inpaint-anything

功能:结合 Meta 的 Segment Anything 模型,精准替换/修复图像内容。

效果:可用于去水印、换装、修改场景元素。

下载地址

https://github.com/Uminosachi/sd-webui-inpaint-anything

11. sd-webui-lora-block-weight

功能:调整 LoRA 模型中不同模块的权重,定制生成风格。

效果:混合多个 LoRA 时避免风格冲突。

下载地址

https://github.com/hako-mikan/sd-webui-lora-block-weight

12. sd-webui-model-converter

功能:转换模型格式(如 .ckpt → .safetensors)。

效果:安全压缩模型大小,避免脚本错误。

下载地址

https://github.com/Akegarasu/sd-webui-model-converter

13. sd-webui-openpose-editor

功能:编辑 ControlNet 骨骼图,自定义人物姿势。

效果:类似 3D 建模软件,拖动关节调整动作。

下载地址

https://github.com/huchenlei/sd-webui-openpose-editor

14. sd-webui-prompt-all-in-one

功能:提供提示词翻译、历史记录、风格模板等功能。

效果:支持中文输入,自动翻译为英文提示词。

下载地址

https://github.com/Physton/sd-webui-prompt-all-in-one

15. sd-webui-regional-prompter

功能:分区控制提示词(如左半边“星空”,右半边“森林”)。

效果:实现复杂分镜构图。

下载地址

https://github.com/hako-mikan/sd-webui-regional-prompter

16. sd-webui-segment-anything

功能:一键分割图像中的物体(类似 PS 快速选择工具)。

效果:自动生成蒙版,便于局部编辑。

下载地址

https://github.com/continue-revolution/sd-webui-segment-anything

17. sd-webui-supermerger

功能:合并多个模型(Checkpoint/LoRA),创造混合风格。常规模型融合通过简单线性加权,快速混合风格,但细节易丢失、可控性差;超级模型融合可分模块精细调整,适配复杂场景,效果更优 。

效果:融合不同画风,如“写实+动漫”。

下载地址

https://github.com/hako-mikan/sd-webui-supermerger

18. stable-diffusion-webui-localization-zh_Hans

功能:汉化 WebUI 界面,支持简体中文。

效果:所有菜单和选项显示为中文。

下载地址

https://github.com/hanamizuki-ai/stable-diffusion-webui-localization-zh_Hans

19. stable-diffusion-webui-model-toolkit

功能:模型管理工具(查重、清理、分类)。

效果:快速筛选重复或低质量模型。

下载地址

https://github.com/arenasys/stable-diffusion-webui-model-toolkit

20. stable-diffusion-webui-wd14-tagger

功能:自动为图像生成标签(反向推导提示词)。

效果:分析图片生成描述文本,便于分类检索。

下载地址

https://github.com/Delteuz/sd-webui-wd14-tagger-copyonly

21. ultimate-upscale-for-automatic1111

功能:采用高级算法放大图像,减少失真。

效果:放大后的图像细节更清晰,无明显锯齿,适合老照片修复、低分辨率素材高清化、动漫风格放大。。

下载地址

https://github.com/Coyote-A/ultimate-upscale-for-automatic1111

总结

这些插件涵盖了 模型管理、图像修复、动画生成、提示词优化、高清放大 等多个方面,能极大提升 Stable Diffusion WebUI 的使用体验。建议根据自己的需求选择性安装,避免插件过多影响性能。

如果你有特别感兴趣的插件,可以访问对应的 GitHub 页面查看详细教程和演示效果! 🚀

在这里插入图片描述

http://www.xdnf.cn/news/6004.html

相关文章:

  • 【软件测试】:推荐一些接口与自动化测试学习练习网站(API测试与自动化学习全攻略)
  • 配置Nginx解决http host头攻击漏洞【详细步骤】
  • Dockerfile实战:从零构建自定义CentOS镜像
  • Python爬虫实战:研究进制流数据,实现逆向解密
  • 【优选算法 | 字符串】字符串模拟题精选:思维+实现解析
  • 【python实用小脚本-59】连续刷题7天,手动整理编程题目效率低下,Python代码5分钟搞定,效率提升80%(附方案)
  • 力扣刷题Day 48:盛最多水的容器(283)
  • Linux操作系统中的SOCKET相关 - Socket字节序调整与网络传输
  • Kubernetes 标签和注解
  • 【软件测试】第一章·软件测试概述
  • 行动算子(知识)
  • GZip+Base64压缩字符串在ios上解压报错问题解决(安卓、PC模拟器正常)
  • 服务器中存储空间不足该怎么办?
  • IP协议的特性
  • 大白话解释联邦学习
  • skolelinux系统详解
  • Proxmox VE 8.4.0显卡直通完整指南:NVIDIA Tesla T4 实战
  • 什么是懒加载?
  • 06_java常见集合类底层实现
  • unity 制作某个旋转动画
  • 分割一切(SAM) 论文阅读:Segment Anything
  • 用vue和go实现登录加密
  • 科研领域开源情报应用:从全球信息网络到创新决策
  • 微机原理|| 流水灯实验
  • 两种常见的C语言实现64位无符号整数乘以64位无符号整数的实现方法
  • 【嵌入式】记一次解决VScode+PlatformIO安装卡死的经历
  • Apifox使用方法
  • Xianyu AutoAgent,AI闲鱼客服机器人
  • 无人机信号监测系统技术解析
  • codeforcesE. Anna and the Valentine‘s Day Gift