OneButtonPrompt 使用指南:从安装到生成的完整流程
2026-02-06 05:14:18作者:郦嵘贵Just
概述
OneButtonPrompt 是一个专为 Stable Diffusion 设计的 AI 提示词生成工具,旨在通过自动化流程简化高质量图像生成过程。本教程将从项目结构解析开始,逐步引导您完成环境配置、启动流程及核心功能使用,帮助您快速掌握这款工具的全部潜力。
项目结构解析
核心目录组织
OneButtonPrompt 采用模块化设计,主要目录结构如下:
OneButtonPrompt/
├── 核心脚本/ # 主功能实现
├── csvfiles/ # 提示词组件数据库
├── automated_outputs/ # 自动生成文件存储
├── userfiles/ # 用户自定义资源
├── scripts/ # API 及扩展脚本
└── user_guides/ # 使用文档
关键文件功能
- 主程序入口:
main.py提供图像生成的完整工作流控制 - 提示词生成:
build_dynamic_prompt.py实现核心的动态提示词构建逻辑 - 预设管理:
one_button_presets.py处理用户预设的加载与保存 - API 接口:
scripts/api.py提供外部调用的接口服务
核心功能模块
通过分析代码结构,可识别出以下关键功能模块:
- 动态提示词构建:
build_dynamic_prompt()函数支持多维度参数控制,生成高度定制化的提示词 - 图像生成控制:
call_txt2img()和call_img2img()分别处理文本转图像和图像转图像功能 - 提示词增强:
enhance_positive()和artify_prompt()提供提示词优化和艺术化处理 - 批量处理:
generateimages()支持多参数控制的批量生成任务
环境准备与安装
系统要求
- Python 3.8 或更高版本
- 符合 Stable Diffusion 运行要求的硬件配置
- 已安装 Stable Diffusion WebUI 及其 API 服务
安装步骤
-
获取项目代码库:
git clone https://gitcode.com/gh_mirrors/on/OneButtonPrompt cd OneButtonPrompt -
安装依赖包:
pip install -r requirements.txt -
配置模型(可选):
python superprompter/download_models.py
快速启动指南
基本启动方式
在项目根目录执行以下命令启动基本功能:
python main.py
命令行参数说明
常用参数示例:
# 生成 5 张图像,中等复杂度提示词
python main.py --amount 5 --insanitylevel 5
# 使用特定模型和采样方法
python main.py --model "SDXL 1.0" --samplingmethod "DPM++ 2M Karras"
# 启用高质量修复和放大
python main.py --hiresfix True --upscaler "R-ESRGAN 4x+"
配置文件详解
项目使用 pyproject.toml 管理依赖和项目信息:
[tool.poetry]
name = "OneButtonPrompt"
version = "0.1.0"
description = "A full AI prompt generator for Stable Diffusion"
authors = ["AIrjen <airjen@example.com>"]
license = "GPL-3.0"
[tool.poetry.dependencies]
python = "^3.8"
numpy = "^1.21.0"
# 其他依赖项...
核心功能使用
提示词生成
使用 build_dynamic_prompt.py 生成提示词:
from build_dynamic_prompt import build_dynamic_prompt
prompt = build_dynamic_prompt(
insanitylevel=7,
forcesubject="human",
artists="Van Gogh, Picasso",
imagetype="oil painting",
prefixprompt="masterpiece, best quality",
suffixprompt="intricate details, 8k resolution"
)
print(prompt)
图像生成工作流
-
文本转图像基础流程:
from main import generateimages generateimages( amount=3, model="SDXL 1.0", insanitylevel=6, subject="portrait", imagetype="photorealistic" ) -
图像转图像高级应用:
from call_img2img import call_img2img call_img2img( imagelocation="input.jpg", prompt="remaster, enhance details", denoising_strength=0.4, scale=2 )
预设管理
-
保存自定义预设:
from one_button_presets import OneButtonPresets presets = OneButtonPresets() presets.save_obp_preset({ "name": "my_portrait_preset", "insanitylevel": 7, "artists": "Greg Rutkowski, Artgerm", "imagetype": "digital art" }) -
加载预设进行生成:
generateimages( amount=5, OBP_preset="my_portrait_preset", subject="female elf" )
高级功能指南
提示词增强技术
OneButtonPrompt 提供多种提示词增强方法:
-
艺术化处理:
from build_dynamic_prompt import artify_prompt enhanced_prompt = artify_prompt(prompt="a beautiful landscape", artists="J.M.W. Turner", amountofartists=2) -
细节扩充:
from build_dynamic_prompt import flufferizer detailed_prompt = flufferizer(prompt="a cat", amountoffluff="high")
API 接口使用
通过 scripts/api.py 可以将功能集成到其他应用:
import requests
# 获取随机提示词
response = requests.post(
"http://localhost:5000/api/random_prompts",
json={"numberofprompts": 3, "insanitylevel": 5}
)
prompts = response.json()
自定义资源管理
用户可通过 userfiles/ 目录扩展工具功能:
- 添加自定义 CSV 提示词组件
- 创建个人艺术家风格列表
- 定义专属预设模板
常见问题解决
性能优化建议
- 对于低配置系统,降低
insanitylevel可减少提示词复杂度 - 使用
qualitygate参数控制输出质量与生成速度平衡 - 预加载常用模型可显著减少生成延迟
错误排查指南
- API 连接问题:确保 Stable Diffusion WebUI 已启用 API 并检查端口配置
- 提示词生成失败:检查 CSV 文件格式及完整性,特别是自定义资源
- 图像质量不佳:调整
cfg参数(建议 7-10)和采样步数(建议 30+)
总结
OneButtonPrompt 通过模块化设计和灵活的参数控制,为 Stable Diffusion 用户提供了强大的提示词生成和图像创建工具。无论是初学者还是高级用户,都能通过本教程掌握从基础安装到高级功能应用的完整流程。通过合理利用预设系统和自定义资源,可大幅提升 AI 图像生成的效率和质量。
如需进一步学习,可参考 user_guides/ 目录下的专项文档,深入了解各功能模块的详细使用方法。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust050
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
682
4.37 K
Ascend Extension for PyTorch
Python
526
638
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
254
50
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
952
903
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
403
308
暂无简介
Dart
931
229
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.58 K
913
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
215
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
560
Oohos_react_native
React Native鸿蒙化仓库
C++
336
383