🎨 新手必看！SD最佳采样器选择指南！

🌟 在Stable Diffusion的采样器选择中，我们需要先淘汰一些老派采样器。DDIM和PLMS虽然伴随第

一版诞生，但现已过时，可以直接淘汰。这两个采样器在效率和效果上已经无法满足我们当前的需

求。🌟

🌀 Euler a和Euler是经典的ODM求解器，但效果与后续的HEUN、LMS等相差不大。HEUN是Euler的

改进算法，画面效果更好但速度慢一倍；LMS是线性多步法，速度与Euler相当，但理论上稍优。因

此，为了保证效率和效果，我们最稳妥的选择是保留Euler a和Euler。🌀

💡 很多采样器中的“a”代表“祖先采样器”，这意味着画面不能收敛，即在每一步采样过程中都会增加

一些随机噪点，从而增加画面随机性和细节。而不带“a”的采样器则趋于稳定，画面效果更一致。总

结来说，收敛采样器画面更稳定，非收敛采样器画面更具随机性和细节。💡

🚀 接下来我们来看DPM采样器。DPM算法是2022年发布的，Stable Diffusion大部分采样器都基于此

算法。我们首先可以砍掉一些不需要的渲染器：DPM fast控制效果差，DPM adaptive虽然效果好但

时间不可控，这两个都可以淘汰。🚀

✨ DPM2代算法虽然效果更佳，但时间也翻倍。因此，推荐使用一代算法并增加采样步数来替代二代

算法，例如DPM++2S a Karras和DPM++2M Karras。这些加了Karras的算法在减少噪点方面表现优

异，能在更少的采样步数下获得更优质的画面。✨

🌈 我们建议保留的主要有以下几种：DPM++2M Karras是速度快、收敛效果好、质量优秀的首选；

DPM++SDE Karras适合生成高逼真的图，因为SDE代表随机微分方程，生成的画面细节丰富且真

实；DPM++2M SDE Karras是2M和SDE的折中算法，兼具速度和效果；DPM++2M SDE Exponential则能生成画面柔和、干净的图像。🌈

🔧 版本新增的DPM++3M SDE Karras和DPM++3M SDE Exponential需要更高的步数和调低CFG（提

示词引导），在采样步数30步以上时效果最佳。这些算法在图像生成质量和细节方面都有显著提升。

🔧

🌟 DPM++2M Karras是目前最推荐的算法。它兼具速度、收敛性和质量，适用于大多数绘图需求。对

于高逼真的图像，可以选择DPM++SDE Karras，这种算法生成的图像细节丰富且真实。DPM++2M

SDE Karras是速度和效果的折中选择，适合需要快速生成高质量图像的场景。DPM++2M SDE

Exponential虽然细节有所丢失，但画面更加柔和干净，适合追求这种风格的绘图。🌟

✨ 2023年新推出的采样器中，Unipc表现出色，兼容性好，在10步采样步数下就能生成高质量的画

面。Restart是1.6版本新增的采样器，潜力巨大，能够用更少的采样步数生成高质量图像，适合快速

生成需求。✨

🛠️ 为了方便大家更快调取这些优质的采样器，我们可以在Web UI界面中找到设置—采样方法参数，

然后勾选不需要的采样器，保存设置并重载UI即可隐藏不需要的采样器。这样，我们在使用时可以更

加高效地选择最优采样器，提高绘图效率和质量。🛠️