黏土画风太火了！以至于我打开社交媒体平台大家都在晒，我自助用Stable Diffusion也做了几个好有趣的黏土风格，快来看看吧！

我用AI生成的帅哥来试试，丑萌丑萌的挺好玩的，再看看穿旗袍的美女！

用户只需上传一张个人照片，即可借助AI技术变成有趣的黏土动画风格图像，这种风格的反差感迅速吸引了大家的注意。

在社交媒体如小红书、微博、抖音及朋友圈中，这个应用的黏土风格作品风靡一时，各种吃瓜群众的评价是“丑得迷人”，“超级可爱”，相关帖子热的发烫。

怎么做自己的黏土动画风格图像？今天我介绍一个StableDiffusionXL粘土风格图生图案例，欢迎大家来ModelArts体验

1   实验介绍

本实验基于云原生Notebook，使用Stable Diffusion作为基础模型，并结合Lora、ControlNet等模型，让开发者可以基于自己的图片快速生成粘土风格的图片。Stable diffusion是一个基于Latent Diffusion Models（潜在扩散模型，LDMs）的文图生成模型，可以根据输入文字图片等条件，快速生成新的图片。ControlNet是一个控制预训练图像扩散模型（例如 Stable Diffusion）的神经网络。它允许输入调节图像，然后使用该调节图像来操控图像生成。Lora是一种用于微调大模型的技术，可以用于控制图片生成的风格。Stable Diffusion与Lora、ControlNet相结合，就可以基于原始的图片，生成和原始图片背景人物相似的粘土风格图片

2   实验目的

本实验所有操作都基于华为云 ModelArts平台CodeLab，通过本实验，用户能够掌握在ModelArts云上开发环境中进行代码开发与调测。

实验资源一旦购买就开始计费，请合理安排时间进行实验，并注意以下几点：

• 本实验预计 30 分钟完成，实验结束后请一定释放资源；
• 若实验中途离开或中断，建议释放实验资源，否则将会按照购买的资源继续计费；
• 资源释放步骤请根据实验指导进行。

3   前提条件

本实验需在华为云上进行，所以用户需要使用华为云账号进行登录；没有华为云账号的用户请先注册华为云账号并完成实名认证，实验过程中请使用 Chrome浏览器完成相关操作。

华为云账号注册步骤请参考：

https://support.huaweicloud.cn/intl/zh-cn/usermanual-account/account_id_001.html

实名认证操作步骤请参考：

https://support.huaweicloud.cn/intl/zh-cn/usermanual-account/zh-cn_topic_0119621533.html

4   操作指导

4.1   案例说明

1.本案例使用环境: Python 3.9.15

2.本案例使用硬件: [限时免费]GPU:1*P100|CPU:8核64GB （新版本界面显示为[限时免费]GPU: 1*Pnt1|CPU: 8核 64GB）

3.运行代码方法: 点击代码块之前的三角形运行按钮、本页面顶部菜单栏的三角形运行按钮或按Ctrl+Enter键 运行每个方块中的代码

4.JupyterLab的详细用法:请参考《ModelAtrs JupyterLab使用指导》

5.碰到问题的解决办法: 请参考《ModelAtrs JupyterLab常见问题解决办法》

4.2   进入开发环境

打开StableDiffusionXL粘土风格图生图案例，网址如下：https://pangu.huaweicloud.cn/gallery/asset-detail.html?id=f35e04de-997a-43dc-81ff-4c8219318b60，点击页面右侧按钮ModelArts中运行，进入开发环境。

4.3   连接资源

跳转到Notebook开发环境，需要等待一会儿，如果出现弹窗点击确定，等待右上角连接中倒计时结束并初始化完成，提示剩余时间即可。

4.4   切换资源规格

进入notebook页面，默认是CPU规格资源，需要手动将资源切换为【限时免费】的GPU规格资源

注：如若免费的GPU规格资源售罄，您可以等待，或使用收费的GPU规格资源。

4.5   环境准备

步骤1 下载模型权重和代码

鼠标往下滚动页面到步骤1 下载模型权重和代码，开始运行代码，运行需要一段时间；

首先确认使用的镜像为python-3.7.10（右上角所示），如不是，可以点击此处切换为python-3.7.10。

再依次运行步骤1、步骤2的每个cell，点击每处代码左侧三角形逐个运行即可。

import os
import moxing as mox

def remove_clay_files():
    work_dir = "/home/ma-user/work/ma_share/clay_style_demo"
    exclude_file = "clay_style_demo.ipynb"
    os.system(command=f"cd {work_dir} && rm -rf $(ls {work_dir} | grep -v {exclude_file})")

if os.path.exists(".clay_file_download_finished"):
    print("Files Already Downloaded.")
    print("You can run `rm -f .clay_file_download_finished`, then redownload files.")
else:
    remove_clay_files()
    for f in [
        "LEOSAM_HelloWorld_SDXL_v7.0.safetensors",
        "convert_original_stable_diffusion_to_diffusers.py",
        "sd_xl_base.yaml", "laion", "openai",
        "ReminiClay_LoRA_Dim128",
        "controlnet-canny-sdxl-1.0",
        "man.jpg", "frpc_linux_amd64",
        "opus-mt-zh-en"
    ]:
        mox.file.copy_parallel(f"obs://modelarts-labs-bj4-v2/case_zoo/clay_style_demo/{f}", f)
    os.system(command="touch .clay_file_download_finished")

注：此处出现红色不用关心，属于提示信息。

步骤2 准备推理环境

1. conda虚拟环境

• 本案例需要Python3.9以上版本，因此需要先创建conda虚拟环境，然后将notebook的kernel切换为Python3.9，再执行后续代码

• 运行如下代码，将创建名为python-3.9.15的虚拟环境，并为其安装ipykernel：

  !/home/ma-user/anaconda3/bin/conda clean -i
  !/home/ma-user/anaconda3/bin/conda create -n python-3.9.15 python=3.9.15 -y --override-channels --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  !/home/ma-user/anaconda3/envs/python-3.9.15/bin/pip install ipykernel

  import json
  import os
  
  PYTHON_VERSION="3.9.15"
  PATH=os.environ.get("PATH")
  data = {
     "display_name": f"python-{PYTHON_VERSION}",
     "env": {
        "PATH": f"/home/ma-user/anaconda3/envs/python-{PYTHON_VERSION}/bin:/home/ma-user/anaconda3/envs/python-3.7.10/bin:/home/ma-user/anaconda3/envs/PyTorch-1.8/bin:/usr/local/openmpi/bin:/usr/local/nvidia/bin:/usr/local/cuda/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/modelarts/authoring/notebook-conda/bin:/home/ma-user/modelarts-dev/ma-cli/bin:/modelarts/authoring/script/entrypoint/deps/ssh/bin"
     },
     "language": "python",
     "argv": [
        f"/home/ma-user/anaconda3/envs/python-{PYTHON_VERSION}/bin/python",
        "-m",
        "ipykernel",
        "-f",
        "{connection_file}"
     ]
  }
  
  jupyter_kernel_dir = f"/home/ma-user/anaconda3/share/jupyter/kernels/python-{PYTHON_VERSION}"
  if not os.path.exists(jupyter_kernel_dir):
      os.mkdir(jupyter_kernel_dir)
  with open(os.path.join(jupyter_kernel_dir, "kernel.json"), "w") as f:
      json.dump(data, f, indent=4)

通过环境准备，我们安装了本次案例所需要依赖库，并下载案例所需文件到“/home/ma-user/work/ma_share/clay_style_demo”目录中，即当前目录，可以点击界面左侧的文件夹按钮查看。

4.6   切换镜像

完成上述步骤后，稍等片刻，或刷新页面，点击右上角kernel选择python-3.9.15（有时候会出现在左上角，同样操作即可）。

切换完成后，可以继续运行下方代码，查看切换后的Python版本

!python -V

Python 3.9.15

4.7   安装依赖库

运行2章节安装运行依赖环境，并拷贝gradio共享链接的配置文件。

!cp ./frpc_linux_amd64 /home/ma-user/anaconda3/envs/python-3.9.15/lib/python3.9/site-packages/gradio/frpc_linux_amd64_v0.2
!chmod +x /home/ma-user/anaconda3/envs/python-3.9.15/lib/python3.9/site-packages/gradio/frpc_linux_amd64_v0.2

4.8   功能测试

4.8.1  模型权重转换

继续步骤3代码，进行模型权重转换，用于后续模型加载。

!python convert_original_stable_diffusion_to_diffusers.py \
    --checkpoint_path LEOSAM_HelloWorld_SDXL_v7.0.safetensors \
    --original_config_file sd_xl_base.yaml \
    --dump_path LEOSAM_HelloWorld_SDXL_v7.0 \
    --from_safetensors \
    --to_safetensors
!echo "Convert Success!"

4.8.2  本地测试

继续运行下方代码，本地测试粘土风格图片的生成

from PIL import Image
import torch
from diffusers import StableDiffusionXLImg2ImgPipeline
import matplotlib.pyplot as plt
%matplotlib inline

model_id = "LEOSAM_HelloWorld_SDXL_v7.0"
pipe = StableDiffusionXLImg2ImgPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
device = "cuda"
pipe = pipe.to(device)
pipe.load_lora_weights("ReminiClay_LoRA_Dim128",
                        weight_name="ReminiClay_SDXL_LoRA_Dim128.safetensors",
                        adapter_name="clay")

init_image = Image.open('man.jpg').convert("RGB")
prompt = "Clay World,best quality,masterpiece,real"
negative_prompt = "bad hand,bad anatomy,worst quality,ai generated images,low quality,average quality,bad eye"
generator = torch.Generator(device=device).manual_seed(0)

image = pipe(prompt=prompt,
             image=init_image,
             negative_prompt=negative_prompt,
             generator=generator,
             num_inference_steps=20,
             strength=0.5, guidance_scale=7,
            ).images[0]

plt.axis("off")
plt.imshow(image)
image.save("demo.jpg")
# free GPU for running gradio_demo.py
del pipe
torch.cuda.empty_cache()

生成的图片，位于左侧文件夹内，可以双击打开查看：

4.8.3  gradio测试

继续运行下方代码，先生成gradio交互代码文件

%%writefile gradio_demo.py

import random
import re

import gradio as gr
import numpy as np
import torch
from controlnet_aux import CannyDetector
from PIL import Image

from diffusers import (ControlNetModel,
                       StableDiffusionXLControlNetImg2ImgPipeline,
                       UniPCMultistepScheduler)


def preprocess_images(input_image: Image, resolution: int=512) -> Image:
    H = input_image.height
    W = input_image.width
    ratio = float(resolution) / min(H, W)
    H_resize = int(round(H * ratio / 64)) * 64
    W_resize = int(round(W * ratio / 64)) * 64
    image = input_image.resize((W_resize, H_resize), Image.LANCZOS)
    return image


@torch.inference_mode()
def sample(init_image: Image,
           prompt: str, negative_prompt: str,
           seed: int, strength: float, guidance_scale: float, num_inference_steps: int,
           lora_scale: float, controlnet_scale: float, controlnet_start: float, controlnet_end: float,
):
    global MAX_SEED, DEVICE, PIPELINE
    if seed == -1:
        seed = random.randint(0, MAX_SEED)
    generator = torch.Generator(device=DEVICE).manual_seed(seed)
    init_image = preprocess_images(init_image)
    canny_image = CannyDetector()(init_image)
    if 0.0 < lora_scale <= 1.0:
        PIPELINE.enable_lora()
        cross_attention_kwargs = {"scale": lora_scale}
    else:
        PIPELINE.disable_lora()
        cross_attention_kwargs = {}     # scale does not work, after `disable_lora`

    image = PIPELINE(image=init_image,
                     prompt=prompt, negative_prompt=negative_prompt,
                     control_image=canny_image,
                     controlnet_conditioning_scale=controlnet_scale,
                     control_guidance_start=controlnet_start,
                     control_guidance_end=controlnet_end,
                     generator=generator,
                     strength=strength,
                     guidance_scale=guidance_scale,
                     num_inference_steps=num_inference_steps,
                     cross_attention_kwargs=cross_attention_kwargs,
                    ).images[0]
    # torch.cuda.empty_cache()    # IMPORTANT for OOM
    return image, seed


@torch.inference_mode()
def translate_zh2en(source: str):
    if not source: return ""
    global TRANSLATOR, DEVICE
    if "TRANSLATOR" not in globals():
        import transformers
        TRANSLATOR = transformers.pipeline(task="translation", model="opus-mt-zh-en",
                                           device=DEVICE)

    regex_content = re.compile(r'([\u4e00-\u9fa5，？！。]+)(.*)')
    match_results_list = []     # [(english, chinese), (...)]
    current_source = source
    while True:
        match = regex_content.search(current_source)
        if not match:   # current_source = "" or "only_english_words"
            if current_source:
                match_results_list.append([current_source, ""])
            break
        if match.start() > 0:
            english_words = "".join(list(current_source)[:match.start()])
        else:
            english_words = ""
        match_results_list.append([english_words, match.group(1)])
        current_source = match.group(2)

    translate_results = []
    for english_words, chinese_words in match_results_list:
        if english_words != "":
            translate_results.append(english_words.strip(','))
        if chinese_words == "" or chinese_words == "，":
            continue
        target = TRANSLATOR(chinese_words)[0].get("translation_text")
        translate_results.append(target.rstrip("."))
    return ",".join(translate_results) + "."


MAX_SEED = np.iinfo(np.int32).max
IMAGE_HEIGHT = 512

with gr.Blocks() as gui_demo:
    gr.HTML("""<h1 align="center">粘土风格图生图</h1>""")
    with gr.Accordion("帮助文档", open=False):
        gr.Markdown(
        """
        # 模型信息
        - 基础模型：LEOSAM_HelloWorld_SDXL_v7.0
        - Lora模型：ReminiClay_LoRA_Dim128
        - controlnet模型：controlnet-canny-sdxl-1.0
        # 功能说明
        - 输入图片，支持上传/摄像头拍照
        - 正/负面提示词支持中英文混用，并返回提示词的翻译结果
        - 注意：在当前英文提示词后面，直接添加中文即可，否则中英混翻不准确
        # 参数说明
        1. prompt：建议给短语而非长句，negative-prompt同理，可参考默认值
        2. negative-prompt：如果生成的图片中有您看到不想要的内容，请将其置于负提示词中
        3. seed：值为-1表示随机生成，并返回当前随机种子，方便复现结果
        4. strength：表示降噪强度，值越大生成图片与输入图片关联性越弱
        5. guidance-scale：生成的图像与提示词的紧密程度，值越大与提示词关联性越强
        6. inference-steps：扩散步数，值越大耗时越久图片越精细，反之越粗糙
        7. lora-scale：控制LoRA模型对生成图片的影响程度，值为0表示不使用Lora模型
        8. 注意：controlnet参数，controlnet-end不得小于或等于controlnet-start
        """)

    with gr.Tab("upload"):
        with gr.Row():
            init_image_upload = gr.Image(source="upload", type="pil", image_mode="RGB", height=IMAGE_HEIGHT)
            result_upload = gr.Image(label="result", show_label=True, height=IMAGE_HEIGHT)
            run_button_upload = gr.Button("生成", scale=0, size="lg")

    with gr.Tab("camera"):
        with gr.Row():
            init_image_camera = gr.Image(source="webcam", type="pil", image_mode="RGB", height=IMAGE_HEIGHT)
            result_camera = gr.Image(label="result", show_label=True, height=IMAGE_HEIGHT)
            run_button_camera = gr.Button("生成", scale=0, size="lg")

    with gr.Accordion("更多参数", open=True):
        with gr.Row():
            prompt = gr.Textbox(label="prompt", max_lines=1,
                                value="Clay World,best quality,masterpiece,real")
            translate_button_prompt = gr.Button("翻译", scale=0, size="lg")
        with gr.Row():
            # negative_prompt reference: https://www.liblib.art/modelinfo/506c46c91b294710940bd4b183f3ecd7
            negative_prompt = gr.Textbox(label="negative prompt", max_lines=1,
                                        value="bad hand,bad anatomy,worst quality,ai generated images,low quality,average quality,bad eye")
            translate_button_neg_prompt = gr.Button("翻译", scale=0, size="lg")

        with gr.Row():
            seed = gr.Slider(
                label="seed",
                minimum=-1, maximum=MAX_SEED, step=1, value=0,
            )
            strength = gr.Slider(
                label="strength",
                minimum=0.0, maximum=1.0, step=0.01, value=0.45,
            )
            guidance_scale = gr.Slider(
                label="guidance scale",
                minimum=0.0, maximum=10.0, step=0.1, value=7,
            )
            num_inference_steps = gr.Slider(
                label="inference steps",
                minimum=1, maximum=50, step=1, value=20,
            )

        with gr.Row():
            lora_scale = gr.Slider(
                label="lora scale",
                minimum=0.0, maximum=1.0, step=0.01, value=1.0,
            )
            controlnet_scale = gr.Slider(
                label="controlnet scale",
                minimum=0.01, maximum=1.0, step=0.01, value=0.5,
            )
            controlnet_start = gr.Slider(
                label="controlnet start",
                minimum=0.0, maximum=1.0, step=0.01, value=0.0,
            )
            controlnet_end = gr.Slider(
                label="controlnet end",
                minimum=0.01, maximum=1.0, step=0.01, value=0.8,
            )

    run_button_upload.click(
        fn=sample,
        inputs=[init_image_upload, prompt, negative_prompt, seed, strength, guidance_scale, num_inference_steps, lora_scale, controlnet_scale, controlnet_start, controlnet_end],
        outputs=[result_upload, seed],
        queue=False
    )
    run_button_camera.click(
        fn=sample,
        inputs=[init_image_camera, prompt, negative_prompt, seed, strength, guidance_scale, num_inference_steps, lora_scale, controlnet_scale, controlnet_start, controlnet_end],
        outputs=[result_camera, seed],
        queue=False
    )
    translate_button_prompt.click(fn=translate_zh2en, inputs=[prompt], outputs=[prompt], queue=False)
    translate_button_neg_prompt.click(fn=translate_zh2en, inputs=[negative_prompt], outputs=[negative_prompt], queue=False)


def memory_efficient_pipeline():
    global PIPELINE
    # PIPELINE.enable_vae_slicing()  # batch
    # PIPELINE.enable_vae_tiling()
    PIPELINE.enable_xformers_memory_efficient_attention()
    # PIPELINE.enable_model_cpu_offload()   # 2G, inference-slow


if __name__ == "__main__":
    DEVICE = "cuda"
    model_id = "LEOSAM_HelloWorld_SDXL_v7.0"
    PIPELINE = StableDiffusionXLControlNetImg2ImgPipeline.from_pretrained(
        model_id, torch_dtype=torch.float16,
        controlnet=ControlNetModel.from_pretrained(
            "controlnet-canny-sdxl-1.0", torch_dtype=torch.float16)
    )
    PIPELINE.scheduler = UniPCMultistepScheduler.from_config(PIPELINE.scheduler.config)
    PIPELINE = PIPELINE.to(DEVICE)
    PIPELINE.load_lora_weights("ReminiClay_LoRA_Dim128",
                            weight_name="ReminiClay_SDXL_LoRA_Dim128.safetensors",
                            adapter_name="clay")
    memory_efficient_pipeline()
    gui_demo.launch(share=True)

接着继续往下运行，点击Running on public URL后面的链接，即可打开gradio交互界面

!python gradio_demo.py

具体gradio交互界面如何使用，可以查看界面的帮助文档，同时案例的最后也给出了相关的示例。

🧨使用示例参考🧨

粘土风格生成提示

	相关参数	描述
LoRA模型	lora scale	使得生成的人物更贴近粘土风格
ControlNet模型	controlnet scale	使得生成的人物衣物、动作更贴合输入图片
基础模型	strength	值越接近1，生成的人物更贴合提示词，而远离输入图片
正/负提示词	prompt、negative_prompt	推荐使用英文提示词，推荐使用短语而非长句
随机种子	seed	当生成图片不符合预期可以调整参数或改变随机种子

❗❗❗ 推荐使用默认参数直接生成，不符合预期可以优先改变随机种子，然后再调整参数

❗❗❗ 下面我们将以三张不同的输入图片为例，展示如何使用粘土风格生成，并分别给出原图（左）、默认参数下（中）和修改参数后（右）的生成图片对比。

示例一

• 输入一个粘土风格的人物照片，帅气男孩。，点击翻译，得到提示词翻译结果A clay-style photo of people, handsome boy.，点击生成。

• 注意：可以在英文提示词基础上，追加中文提示词，再点击翻译。

原图

默认参数

修改参数后

示例二

• 在英文提示词基础上，追加提示词粘土风格的美女，点击翻译，得到提示词翻译结果Clay World,best quality,masterpiece,real,It's a clay-like beauty.。并调整controlnet scale值为0.8，点击生成。

原图

默认参数

修改参数后

• 可以看到，在增强ControlNet作用后，衣服纹理与原图更接近且额头没有多余的头发。

示例三

• 在默认参数下，生成的人物牙齿有点异常且眼睛是蓝色，如果这时我不希望人物是蓝色眼睛，该怎么解决呢？把“蓝色眼睛”加入负提示词！！

• 在负提示词后追加坏牙和蓝色的眼睛，点击翻译，得到提示词翻译结果bad hand,bad anatomy,worst quality,ai generated images,low quality,average quality,Bad teeth and blue eyes.，点击生成。

原图

默认参数

修改参数后

• 可以看到，生成的人物更自然且眼睛不再是蓝色

😉按照示例修改参数，定制你的粘土风照片吧😉

4.9   释放资源

实验完成后，点击右上角停止Notebook实例按钮，选择停止，释放资源。

5   常见问题FAQ

1．出现 File Save Error fatigue_driving.ipynb,为内网问题，点击 Dismiss 即可。不用关心。

2．案例运行出现异常，无法往下执行，可以重启kernel，再重新依次运行案例解决。

重启Kernel方式：点击左上工具栏中的Kernel->Restart Kernel，如下图所示