Stable Diffusion中的embedding是什么？什么是文本嵌入？

在使用Stable Diffusion进行生图的时候，我们常常会用到embedding模型，这个embedding模型是什么呢？在中文中通常被翻译为“文本嵌入”，其实也就是我们之前介绍的Textual Inversion。

什么是embedding（文本嵌入）？

embedding也就是“Textual Inversion”，它允许用户通过少量的图像和自然语言描述来创建新的“伪词”（pseudo-words），这些伪词代表了特定的概念，并且可以被用来指导图像生成过程。具体可查看：文本反转Textual Inversion

embedding模型是如何工作的？

举例说明，在超市中，每个商品都有一个独特的条形码，当收银员扫描条形码时，系统会检索到与该商品相关的所有信息，如名称、价格、库存等。

在SD绘画中，embedding模型就类似于条形码，可以帮助大模型（SD模型）理解提示词（如“猫”）的复杂含义，并生成相应的图像。

在使用SD模型进行AI绘画时，正面提示词（Positive Prompts）和负面提示词（Negative Prompts）中的Embeddin模型都是为了引导AI生成符合用户期望的图像。不过，它们在应用和功能上有所不同：

正面提示词（Positive Prompts）：

正面提示词用于告诉AI模型你想要在图像中看到的内容。这些提示词可以是描述性的，如“高清的肖像”、“印象派风格”或“温暖的色调”等。

正面提示词的Embedding模型会指导模型生成与这些描述相匹配的视觉特征。例如，如果你使用了“猫”的Embedding模型，模型就会在图像中尝试生成猫的特征。

正面提示词的Embedding模型通常用于强化特定的视觉元素或风格，确保生成的图像尽可能接近用户的期望。

负面提示词（Negative Prompts）：

负面提示词用于告诉AI模型你不想在图像中看到的内容。这些提示词可以是避免某些风格、元素或错误的描述，如“无光晕”、“不真实的人脸”或“过多的细节”等。

负面提示词的Embedding模型会指导模型避免生成与这些描述相匹配的视觉特征。例如，如果你使用了“模糊”的Embedding模型作为负面提示，模型就会尽量避免生成模糊的图像。

负面提示词的Embedding模型通常用于减少或消除不希望出现的图像特征，帮助提高生成图像的质量和准确性。

在哪里可以找到embedding模型？

下载embedding模型首选Civitai，在 Civitai 上找到各种各样的 Embedding 模型，SDWeb UI则是放置在stable-diffusion-webui/embeddings目录下，ComfyUI则是放在models/embeddings 文件夹下，embedding模型通常比较小，只有几十KB大小。具体使用方法在Stable Diffusion web UI和ComfyUI会提到。