一.Checkpoint / VAE / Clip Skip
Checkpoint 為主模型，會決定產出的風格及內容
類別有：
SD1.5 – 1.5版本的模型，目前最普遍的格式，可產出512×512的圖片。
SD LCM – SD潛在一致性模型(Latent Consistency Models)，快速出圖，可4-8步完成生成，相對犧牲一些出圖質量。
SDXL – 1.0版本大模型，新出的格式，可產出1024×1024的圖片，產圖速度上比SD1.5要慢許多，外掛功能及外掛模型和SD1.5是不同的，都要用SDXL專用的版本。
SVD – Stable Video Diffusion的縮寫，用來產出短影片。
其他類別較少用，有興趣再研究即可
SD VAE
VAE(Variable Auto Encoder)，用於改善 Checkpoint Model 生成出的圖像，顏色及修復面部或手部。
通常Checkpoint就會內建VAE，SDXL則要指定專用VAE。
Clip Skip
模型在訓練時會有其偏見度，設定Clip Skip可避免一致性太高，通常會跟著模型建議設定
以下是麥橘模型的建議參數
CLIP Skip這個參數只對1.5版的衍生模組有用，到了2.1版之後的模組是無效的(產出結構已不同)
二.正向提示詞及負向提示詞
在正向提示詞中填寫圖片的特徵，通常會加上masterpiece,best quality,beauty detailed face,8K,highres來提升品質
在負向提示詞中填寫圖片不要出現的特徵，通常會加上watermark,text,logo,signature,usename,monochrome,title,nsfw
三.取樣方法Sampling method + 計畫類型Schedule type
模型的取樣方法，來逼近結果，不同的取樣會有時間及圖片細節上的差異，可以多試不同的取樣方法，以下為常用的取樣方法
DPM++ 2M：預設方法，速度品質平衡
Eular a：取樣最快
DPM++SDE Karras：會添加一些元素或細節，速度較慢
UniPC：新版取樣方法，效果不錯
LCM：用LCM模型跑圖使用
DDIM、LMS、PLMS：舊版的方法，不要再用了
每個方法產出的結果差異其實不大，依模型給的建議設定即可
四.取樣步驟Sampling step
將潛空間用多少步去除雜訊產生圖片，數字越大細節越多，但數字太大反而有反效果
步驟大於10的圖片就無缺陷，預設20已有不錯表現，可照模型建議設定
五.高解析度修正（Hires. fix）
SD出的圖片大小有其限制，設定這個就是放大輸出圖片，用演算法放大輸出圖片，其設定相對容易理解，不另行說明
要花費相當長時間運算，建議初期不要開啟其功能，跑圖抽卡滿意後再開啟
六.Refiner精修模型
可選擇另一個精修模型+切換於Switch at數字，比如設定0.8，代表在SamplingStep 20 x Swith at 0.8 = 16步時，使用精修模型跑圖
蠻花時間跑圖的，通常不使用
七.寬高 + 產生批次 + 產生數量
寬高要為8的倍數，依模型大小或參照圖片設定，SD最低為512×512，SDXL最低為1024×1024
太小會超出圖片，太大會生出多頭怪圖
人像習慣為512×768或768×512
產生批次為：一次計算要跑多少張圖
產生數量為：要跑多少次計算
通常產生批次設為1，由產生數量來設定要幾張圖
八.提示詞相關性（CFG）及 隨機種子Seed
CFG Scale代表產出的圖跟提示詞的相關性，數字小代表不相關，數字大代表完全照提示詞產圖，一般為數字7，數字太大會讓品質銳減。
Seed是初期產生潛空間的雜訊分佈，相同的Seed值可產出近乎相同的圖片，-1代表隨機數字，通常用在產圖抽卡滿意後，固定Seed再來調整細節參數。
