🐰 关注公众号「白兔AI」
扫码关注公众号，获取更多AI绘画教程和提示词
✨ 白兔去水印小程序
免费去水印工具，一键去除图片/视频水印
采样器的作用与原理
采样器（Sampler）是Stable Diffusion生成过程中最核心的算法组件。它负责从随机噪声中逐步还原图像，每一步都在向目标图像靠近。不同的采样器使用不同的数学算法来完成这个过程，因此在生成质量、速度和风格上各有特点。
理解采样器的作用原理有助于你做出更明智的选择。简单来说，采样器就像是一个画家，从一张白纸开始，每画一笔都让画面更接近你描述的目标。不同的采样器就像不同的画家，有的画得快但粗糙，有的画得慢但精细。
选择合适的采样器可以显著提升生成质量和效率。本文将全面对比各种常用采样器的特点和适用场景。
Euler系列采样器
Euler是最经典的采样器之一，以数学家Leonhard Euler命名。它使用简单的前向欧拉方法来求解扩散过程。
Euler（标准版）：速度最快，质量一般。适合快速预览和实验性生成。在20步左右就能产生可用的结果。
Euler a（带字母a的版本）：带 ancestral（祖先）特性的Euler变体。每一步都会引入少量随机噪声，使生成结果更加多样化和有创意。是动漫风格创作的热门选择。
Euler系列的优点是速度快、显存占用低。缺点是在较低步数下细节可能不够丰富，高步数下可能出现过度平滑。
DPM++系列采样器
DPM++（Denoising Probability Model++）是目前最受欢迎的采样器系列之一，以出色的质量和效率著称。
DPM++ 2M Karras：目前使用最广泛的采样器。结合了DPM++ 2M算法和Karras噪声调度，在质量和速度之间取得了最佳平衡。推荐步数20-30。
DPM++ SDE Karras：质量最高的采样器之一，使用随机微分方程（SDE）求解。生成结果细节丰富、色彩自然，但速度较慢。推荐步数25-35。
DPM++ 2M SDE Karras：结合了2M和SDE的优势，在质量和速度之间取得了更好的平衡。
DPM++系列特别适合写实风格和需要精细细节的场景。
DDIM采样器
DDIM（Denoising Diffusion Implicit Models）是Stable Diffusion最早的采样器之一，由论文原作者提出。
DDIM的特点是确定性采样——相同的参数和Seed值总是产生相同的结果。这在需要精确复现结果时非常有用。
DDIM的速度较快，但在细节表现上不如DPM++系列。适合快速预览、批量生成和需要可复现结果的场景。
DDIM也支持图像到图像（img2img）和图像修复（inpainting），在这些应用中表现稳定。
UniPC采样器
UniPC（Unified Predictor-Corrector）是较新的采样器，以其出色的效率和质量受到关注。
UniPC在较低步数下就能产生高质量的结果，通常15-20步就能达到其他采样器30步的效果。这使得它成为快速生成的优秀选择。
UniPC的特点是色彩表现自然、细节丰富、伪影较少。适合各种风格的创作，特别是需要快速出图的场景。
需要注意的是，UniPC在某些模型上的表现可能不如DPM++系列稳定，建议根据具体模型进行测试。
采样器选择速查表
快速预览/实验：Euler（15-20步）或 DDIM（20步）
动漫风格：Euler a（20-30步）或 DPM++ 2M Karras（25步）
写实风格：DPM++ 2M Karras（25-30步）或 DPM++ SDE Karras（30-35步）
高质量作品：DPM++ SDE Karras（35-50步）
快速生成：UniPC（15-20步）
img2img：DPM++ 2M Karras（20-25步）或 Euler a（20步）
Inpainting：DPM++ 2M Karras（25-30步）或 DDIM（30步）
采样器与步数的配合
不同的采样器有不同的最佳步数范围。使用低于最佳步数的设置可能导致图像质量不足，使用高于最佳步数的设置则浪费计算资源。
经验法则：Euler系列在20-30步效果最佳；DPM++系列在20-35步效果最佳；DDIM在20-40步效果最佳；UniPC在15-25步效果最佳。
超过推荐步数后，大多数采样器的质量提升会非常有限。建议在推荐范围内选择步数，而不是盲目追求高步数。
总结
采样器的选择对Stable Diffusion的生成质量和效率有直接影响。通过了解各种采样器的特点和适用场景，你可以为不同的创作需求选择最合适的采样方法。
对于新手，推荐从 DPM++ 2M Karras 开始，它在大多数场景下都能提供优秀的表现。随着经验的积累，你可以根据具体需求尝试其他采样器，找到最适合你工作流程的选择。