刺鸟图文助手
i p adapt是腾讯ai实验室发布的一款新的stable diffusion适配器。i p adept将输入的图像作为图像提示词，类似于你的journey跟阿里的电图，可以用于复制参考图像的风格、构图或者人物特征，也可以通过指令修改参考图的局部。另外i p adapt adapt apt做做做动作人物一致性的关键工具。这不一直看完这个视频，你将会全面了解i p adapt的用法和区别。
这个视频将分成四个部分，第一部分，众多的i p adapt的区别分类以及使用方法。第二部分不同情况下怎么去调整权重达到最好的效果。第三部分i p adopt制作人物一致性动画案例。好嘞，我们马上开始这些i p adapt的模型加加买买总共有十几二十个，它甚至还有十来个域处理器。
面对这么多的模型我们应该怎么去选择，怎么去区分呢？首先i p adapt作为一种图案提示是为了。弥补文字提示的不足，或者是取代文字提示的。也就是说图像提示跟文字提示之间既有合作关系也有对抗关系。所谓合作关系，那么就是文字提示跟图像提示之间没有矛盾。
而所谓的对抗关系就是文字提示跟图像提示词不匹配的时候。例如说你给出的参考图是一个红色头发，而你的提示词写着蓝色头发，那就是有矛盾不匹配。而我们要考究的就是这两种关系下各个模型表现上的区别。所以我们先把s d叉l的i p adapt先给弄开先研究清楚s d一点五所有的适配器。
那么s d叉l也自然而然的我们就清楚了s d一点五的i p适配器总共能分成三种。第一种i p adapt s d一点五，一点五plus一点五line，这三个都是v的h一四图形编码器全图嵌入捕捉的是整体的特征，最基础的一个是s d一点五。当提示词跟图像匹配的时候，它表现非常的不错。除了它手上的。
动作和脸部有点不像之外，其他都没有什么问题。但是提示词跟图像不一致的时候，比如说我这里把它改成蓝色的头发跟跑步，那么权重等于零点五的时候，图像提示词的特征就会被忽略，深层的图就会变成蓝色的头发，但是你依然没有看到跑步的动作，所以整体结构还是保留了参考图的结构。而s d一点五light更适合文本提示，它对于使用文本作为提示的创作更加灵活。我们从这三个图就可以看得出来，图像提示甚至对整个结构都没有办法固定它，只有人像的大特征被保留了下来。
当你换到蓝色头发跟跑步的提示词的时候，权重低的几乎完全倾向于提示词了，参考图的特征几乎没有了。而s d一点五plus生成的图是最接近原始参考图的当采用plus的时候呢权重稍高一点，除了脸部不太像之外，人物的大特征结构几乎是一模一样的。我们换到蓝色头发跟跑步，我们的结构依然非常的稳定，动作也是追随参考图的，仅仅在权重比较低的时候出现了一些蓝色的头发。所以总结下来呢，对于提示值的强度来说，plus大于s d一点五大于light，plus更适合偏向参考图的要求，light更适合偏向提示词的需求，而是s d一点五适合在偏向参考图的基础上做一些细微的变化，前提是你需要调整一下权重。
第二种类型，s d一点五plus face和s d一点五for face。这两个呢也是weed h实时图形编码器。但是呢模型的权重是经过微调的，它是用裁剪后的脸部作为参考，因此深深的人物脸部会更加的像参考图。但是从效果来说，plus face和full face可以说是是分别的，都不算特别好。
所以在face i d面试之后，这两个模型就变得非常之鸡肋。那么第三种就是我们所说的face i d i p p adapt face i d使用的是人脸识别。模型中的人脸i d嵌入，并且使用nova模型来提高脸部的一致性。nova的权重大概是零点五到一点零都可以的。
那么呢基础的face i d效果是可以的，但是总体来说不算特别稳定，因为face i d缺少脸部结构的支持，我们更加常用的人脸识别版本是face i d plus。face i d plus呢是face i d的升级版。face i d plus模型除了采用face i d嵌入用于人脸i d识别之外，还用了clip图像嵌入用于人脸结构。所以你可以清楚的看到，face i d plus的人脸复刻比face i d要高一个水准。
而face i d plus v s plus的进化版除了改进的模型之外，还face脸调整和face i d的图重，也就是脸部结构的权重，但只能在face i d上面使用。另外face i d还有一个图像的模型，它跟face adapt face i d相同，但是它不需要使用va可以接受的一个s s s s s face i d s s s。事实上face i d跟face i d plus等。都可以不用rava，只不过使用rava会让它的效果更加的好。
那么总结下来呢，我们就有了这个表格，这个表格里面的模型下载地址我都会放在简介。当然这些信息量可能有点多，你一时半会可能记不住。没有关系，我准备了一份详细的笔记，今天的视频的内容都会整理在里面。那么三连加关注找我拿笔记。
那么接下来我们就可以讲一点有趣的应用。首先是权重的影响，不同的权重将引导至不同的结果。在没有其他提示词的情况下，权重可以直接取个一，权重越大越倾向于参考图片。当然我们可以补充文字提示，在图像提示的基础上增加元素或者替换元素。
比如说这里我想给他戴个帽子，补充提示词wearing ahead。当然如果你想要提示词真正发挥作用，零点五到零点八的权重是比较理想的。选择权重大了帽子就没了。权重小了跟参考图就不像了。
这里的权重跟你的动作有很大的关系，你的动作大一点，那你的i p adapter的权重。就要小一点，如果你的动作小一点，i p adapter就可以大一点。而且i p adapter通常不会单独使用，一般都跟其他的control t共同引导。比如说跟soft edge模型共同引导，或者跟oper模型共同引导，或者跟open pose共同引导。
那么看到这里，既然i p adapt可以将图片的人物绑定到open pose上面，那么视频是不是也可以呢？操作十分简单，我们只不过是将预处理图的序列帧做成视频。先来到element def，我们选择v三模型，勾选m p四格式闭环，选择n在n m def加载视频之后，开启一个control net模型，选择open pose预处理器，选择无不插入任何图像。再打开一个control net导入白底的人像的这张图，选择i p adapt模型，选择plus版本，权重零点六到一点零就可以制作一次性人物动画了。选择i p adapt就暂时讲到了这里了。
那么如果。你想了解更加具体的操作，以及如何去更换它的背景，如何做高清修复的话，你可以去看这一期视频。本来按照计划呢，i p adapt我是打算跟reference一起讲的，但是因为i p adapt出现之后呢，reference变得稍微有点鸡肋，所以呢reference我就不打算在视频上面讲了。我会把它整理进笔记，你在笔记就可以看到十分之详细的内容。
另外的话从今天开始呢，我只发放最新视频的笔记了，实在是发不过来了。旧的视频的笔记我会陆续直接发布在专属动态里面。上一期视频的m a d f的笔记，由于视频发出之后，第二天那个软件就直接更新了个新的版本。没有关系，评论区留过言了，我很快会发给大家。
