ADetailer扩展安装失败问题分析与解决方案
问题现象
在使用Stable Diffusion WebUI时,用户尝试安装ADetailer扩展后遇到无法加载的问题。终端显示错误信息表明安装过程中出现了权限拒绝的情况,同时提示"Disable all extensions"选项被设置导致所有扩展未被加载。
错误分析
从错误日志中可以识别出两个关键问题:
-
权限问题:系统在尝试安装必要的Python包(ultralytics、mediapipe和rich)时,对cv2.pyd文件的访问被拒绝,错误代码为WinError 5。
-
扩展禁用:WebUI配置中设置了"Disable all extensions"选项,这会导致所有扩展(包括ADetailer)都不会被加载,无论安装是否成功。
解决方案
解决权限问题
-
以管理员身份运行: 右键点击命令行终端或WebUI启动程序,选择"以管理员身份运行",这将赋予程序更高的文件系统访问权限。
-
修改目录权限: 手动为安装目录设置正确的访问权限:
icacls "C:\Users\larsl\Desktop\stablediffsuion\system\python\Lib\site-packages\cv2" /grant Everyone:F -
使用用户级安装: 在安装命令中添加
--user参数,将包安装在用户目录而非系统目录:python -m pip install --user ultralytics>=8.2.0 mediapipe>=0.10.13 rich>=13.0.0
解决扩展禁用问题
-
检查WebUI配置: 在WebUI的根目录中找到
config.json文件,确保其中没有包含"disable_all_extensions": true的设置。 -
命令行参数检查: 如果通过命令行启动WebUI,检查是否包含
--disable-all-extensions参数,如有则移除。 -
重新启用扩展: 在WebUI界面中,转到"Settings" > "Extensions",确保"Disable all extensions"选项未被勾选。
预防措施
-
安装前准备:
- 确保Python环境版本为3.10.11或更高
- 关闭所有可能占用Python环境的程序
- 临时禁用杀毒软件(安装完成后重新启用)
-
安装后验证:
- 检查
extensions/adetailer目录是否完整 - 确认
models/adetailer目录已创建 - 验证Python包是否成功安装
- 检查
技术背景
ADetailer是一个基于深度学习的自动面部和手部细节增强工具,它依赖于几个关键的Python库:
- ultralytics:提供YOLO模型支持,用于对象检测
- mediapipe:Google开发的媒体处理库,提供面部和手部关键点检测
- rich:终端格式化工具,用于美化输出
这些依赖项的安装失败会导致ADetailer无法正常工作。Windows系统的权限管理机制较为严格,特别是在Program Files等受保护目录下,容易出现安装权限问题。
通过以上解决方案,用户应该能够成功安装并启用ADetailer扩展,享受其提供的自动细节增强功能。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00