企业官网建设流程全解析

Stable Diffusion WebUI Forge 图像序列生成：批量帧 + 种子递增 + ControlNet，合成 12fps 短视频

【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge

想在 Stable Diffusion WebUI Forge 里做出一段"猫慢慢变成狗"或"人物轻轻挥手"的动画吗？不需要装任何视频插件：用 txt2img 标签页一次性批量出一组连续静帧，再用一条 ffmpeg 命令把它们拼成 mp4。照下面的 5 步走，10 分钟内你能拿到第一段 1 秒的短视频。

整个做法只依赖三样东西：批量生成、种子递增、姿态控制。目标也拆成三个可单独验证的小点——① 一键出一批连续帧；② 控制相邻帧之间的变化量；③ 锁住主体姿态不让画面崩掉。跑完每个小点都有一个明确的"做对了"标志。

实际体验大概是这样：种子填 42，Batch count 填 12，点生成，outputs/txt2img-images/目录里立刻多出 12 张种子为 42~53 的图，按 12fps 播放就是 1 秒的"呼吸感"短片。

先懂原理：为什么"相邻种子 = 相邻帧"

每张图由"提示词 + 噪声种子"共同决定。种子只差 1，就像把一副牌只换了一小张——画面只会微微变化。批量生成时 Forge 会自动给每张图分配递增的种子（逻辑在 modules/processing.py），所以 12 张批量图天然就是 12 个连续种子，天然是一组"帧"。

想要更明显的变化，有两条路：提示词调度语法[a:b:0.5]会在采样进行到一半时把 a 换成 b（解析实现在 modules/prompt_parser.py）；ControlNet 则用一张骨架图给每一帧"定轨"。另外噪声源可以固定到 CPU，这样同一颗种子在不同显卡上出完全一样的图（见 modules/rng.py）。

动手实操

第 1 步：5 分钟把环境跑起来

git clone https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge cd stable-diffusion-webui-forge && bash webui.sh

Windows 用户把最后一行换成webui.bat。把你的 checkpoint 放进models/Stable-diffusion/目录。

成功标志：浏览器自动打开 WebUI，模型下拉框里能选到你的模型。

第 2 步：一键批量出帧

在 txt2img 标签页操作（界面由 modules/ui.py 定义）：

• 提示词写一个静态画面描述，比如 "a cat sitting by a window, soft light"
• Seed 固定为一个数字，如 42
• Batch count 拉到 12，分辨率 512x512

点 Generate。

成功标志：outputs/txt2img-images/里多出 12 张图，文件名里种子依次是 42、43……53。相邻两张对比，主体一致，只有背景细节、光影在动。

第 3 步：跨帧形变，用提示词调度语法

把提示词写成[cat:dog:0.5]：采样进行到 50% 时从 cat 切换到 dog，成图以后者为主、前者为辅。注意这个 0.5 是采样步数的进度，不是帧序号。

生成 5 次，每次只改尾部的数字：0.2、0.4、0.6、0.8、1.0。

成功标志：0.2 那张基本是猫，0.8 那张基本是狗，中间帧两种元素混在一起——这就是一条 5 帧的形变序列。

第 4 步：ControlNet 锁住姿态，防画面崩

仓库内置了 ControlNet 扩展（extensions-builtin/sd_forge_controlnet/）。把 OpenPose 模型放进models/ControlNet/目录，在 txt2img 右侧展开 ControlNet 面板：

• 模型选 openpose，上传一张骨架图
• 权重（weight）设 0.7

成功标志：12 帧里主体姿势几乎不动，只有细节在变。权重越大越"听话"，超过 1 画面会发死。

第 5 步：ffmpeg 合成视频

把 12 张图按顺序重命名为frame_001.png到frame_012.png，然后：

ffmpeg -framerate 12 -i frame_%03d.png -c:v libx264 -pix_fmt yuv420p frames.mp4

成功标志：frames.mp4 时长 1 秒、12fps，播放时画面连续不跳帧。

效果进阶

技巧 1：把"帧间变化量"调到合适 🔧

• 细微动效：种子递增已是最小变化量。想要更"呼吸感"，把分辨率降到 512、步数降到 20。
• 明显形变：改用 img2img，上一帧作为输入图，重绘幅度（Denoising strength）设 0.2~0.35 逐帧生成，每帧继承前一帧，变化更连贯。
• 不适用：只靠种子递增做大幅度位移，结果会是闪烁而不是运动——位移必须靠 ControlNet 轨迹。

技巧 2：换台电脑也能复现同一组帧

设置页把 RNG source 改为 CPU（对应 modules/shared_options.py 里的randn_source选项）。

• 适用：和朋友协作、换机器续做同一批帧。
• 不适用：单人开发且只认本机结果，保持 GPU 即可，速度略快。

技巧 3：批量时稳住显存

Forge 在 torch 2 下会自动启用 cudaMallocAsync 后端（modules_forge/cuda_malloc.py），终端打出Using cudaMallocAsync backend.就说明生效，批量连出时显存尖峰会被削平。如果仍然 OOM，把 Batch count 降到 4~6，或换更小的模型。

排错速查

验证标准：frames.mp4 播放时 12 帧连续、主体不跳变、总时长 1 秒——做到即成功。想再进一步，试试[a|b]交替语法做频闪效果，或叠两层 ControlNet 让两个人物同时动。

【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge