Stable Diffusion 提示词攻略

一、提示词作用

提示词所做的工作是缩小模型出图的解空间,即缩小生成内容时在模型数据里的检索范围,而非直接指 定作画结果。 提示词的效果也受模型的影响,有些模型对自然语言做特化训练,有些模型对单词标签对做特化训练,那么对不同的提示词语言风格的反应就不同。

二、提示词内容

  • 自然语言,可以使用描述物体的句子作为提示词。大多数情况下英文有效,也可以使用中文。避免复 杂的语法。
  • 单词标签,可以使用逗号隔开的单词作为提示词。一般使用普通常见的单词。单词的风格要和图像的 整体风格搭配,否则会出现混杂的风格或噪点。避免出现拼写错误。 可参考 Tags | Danbooru (donmai.us)
  • Emoji、颜文字 Emoji ( ) 表情符号也是可以使用并且非常准确的。因为 Emoji 只有一个字符,所以 在语义准确度上表现良好。关于 emoji 的确切含义,可以参考 Emoji List, v15.0 (unicode.org),同 时 Emoji 在构图上有影响。

对于使用 Danbooru 数据的模型来说,可以使用西式颜文字在一定程度上控制出图的表情。如::-) 微笑 :-( 不悦 ;-) 使眼色 :-D 开心 :-P 吐舌头 :-C 很悲伤 :-O 惊讶 张大口 :-/ 怀疑 

三、提示词语法

多个提示词之间使用英文半角符号 [ , ],如:

masterpiece, best quality, ultra-detailed, illustration, close-up, straight on, face focus, 1girl, white hair, golden eyes, long hair, halo, angel wings, serene expression, looking at viewer

 一般而言,概念性的、大范围的、风格化的关键词写在前面,叙述画面内容的关键词其次,最后是描述 细节的关键词,大致顺序如:

(画面质量提示词), (画面主题内容)(风格), (相关艺术家), (其他细节)

提示词的顺序很重要,越靠后的权重越 低。关键词最好具有特异性,譬如 Anime(动漫)一词就相对泛化,而 Jojo 一词就能清晰地指向 Jojo 动漫 的画风。措辞越不抽象越好,尽可能避免留下解释空间的措辞 

提示词的权重:

  • (word) - 将权重提高 1.1 倍
  • ((word)) - 将权重提高 1.21 倍(= 1.1 * 1.1)
  • [word] - 将权重降低至原先的 90.91%
  • (word:1.5) - 将权重提高 1.5 倍
  • (word:0.25) - 将权重减少为原先的 25%

( n ) = ( n : 1.1 ) (( n )) = ( n : 1.21 ) ((( n ))) = ( n : 1.331 ) (((( n )))) = ( n : 1.4641 ) ((((( n )))) = ( n : 1.61051 ) (((((( n )))))) = ( n : 1.771561 )

请注意,权重值最好不要超过 1.5。

还可以通过 Prompt Editing 使得 AI 在不同的步数生成不一样的内容,譬如在某阶段后,绘制的主体由 男人变成女人。

语法为:

[to:when] 在指定数量的 step 后,将to处的提示词添加到提示
[from::when] 在指定数量的 step 后从提示中删除 from处的提示词
[from:to:when] 在指定数量的 step 后将 from处的提示词替换为 to处的提示词

 例如: a [fantasy:cyberpunk:16] landscape 在一开始,读入的提示词为: the model will be drawing a fantasy landscape. 在第 16 步之后,提示词将被替换为:a cyberpunk landscape, 它将 继续在之前的图像上计算 又例如,对于提示词为: fantasy landscape with a [mountain:lake:0.25] and [an oak:a christmas tree:0.75][ in foreground::0.6][ in background:0.25][shoddy:masterful:0.5],100 步 采样, 一开始。提示词为: fantasy landscape with a mountain and an oak in foreground shoddy 在第 25 步后,提示词为: fantasy landscape with a lake and an oak in foreground in background shoddy 在第 50 步后,提示词为:fantasy landscape with a lake and an oak in foreground in background masterful 在第 60 步后,提示词为:fantasy landscape with a lake and an oak in background masterful 在第 75 步后,提示词为:fantasy landscape with a lake and a christmas tree in background masterful

提示词还可以轮转,譬如:

[cow|horse] in a field

在第一步时,提示词为“cow in a field”; 在第二步时,提示词为"horse in a field."; 在第三步时,提示 词为"cow in a field" ,以此类推

四、提示词模板

可参考 Civitai | Stable Diffusion models, embeddings, hypernetworks and more中优秀作品的提示词 作为模板。

类似的网站还有:

  • Majinai: MajinAI | Home
  • 词图: 词图 PromptTool - AI 绘画资料管理网站
  • Black Lily: black_ lily Danbooru 标签超市:
  • Danbooru 标签超市 魔咒百科词典:
  • 魔咒百科词典 AI 词汇加速器:
  • AI 词汇加速器 AcceleratorI Prompt NovelAI 魔导书:
  • NovelAI 魔导书 鳖哲法典:
  • 鳖哲法典
  • Danbooru tag: Tag Groups Wiki | Danbooru (donmai.us) AIBooru:
  • AIBooru: Anime Image Board

五、提示词准则

指令的三段式表达:

第一段:画面质量:高清的、最好的质量、照片式、画面风格:如油画、写实、卡通;著名艺术家:如毕加索、达芬奇
第二段:画面主体,主体细节概括。主体可以是人、事、物、景,是画面核心内容,描述物体主要特征,主要动作,主要材质如布料、玻璃,主要景色或景色框架等
第三段:场景设定,光影、摄影机、构图与景别:如对称、特写、全景

注:表达尽可能清晰、详细,加上修饰语会

提示词基本准则:

  • 同一指令,不同的模型库、不同的参数形成的效果不一样
  • 越靠前的权重越大;比如景色在前,人物就会小,相反的人物会变大或半身。
  • 生成图片的大小会影响指令的效果,图片越大需要的指令越多,指令会相互污染。
     

可以参考着几个要素去写提示词:

性别国籍或肤色年龄景别服装 姿势表情发型环境画质
1girlRussian20 years oldupper bodycoatstandingsmilelong hairstreethigh quality

比如:1 girl waring skirt, standing, upper body, masterpiece, high quality, highres

 切断提示词污染:
有时候关键词之间会产生互相影响的问题,比如(1个女孩,红色帽子,蓝色大衣):

1 girl, red hat, blue coat
它可能会生成穿红色外套,蓝色帽子;这是可以用BREAK进行阻断
1 girl, red hat BREAK blue coat
它就能大大提高提示词的准确度

反向提示词模型:https://civitai.com/models/4629/deep-negative-v1x

mv ng_deepnegative_v1_75t.pt stable-diffusion-webui/embeddings/

 选择Textual Inversion,并且单击,则反向提示词就包含了模型的。

 六、提示词插件

https://gitee.com/physton/sd-webui-prompt-all-in-one.git
可以在这里进行安装:

 也可以直接下载下来,然后解压到extensions文件夹中

下载好后重新加载UI

重启后出现的界面

新的界面查看

选择翻译API,测试查看可用翻译API 

七、案例

通过旗袍美女大模型-Checkpoint-LiblibAI模型进行测试

7.1 指令的三段式描述

1、画面设定:画面质量、画面风格
(高清晰、写实、照片、3D、卡通)
2、画面主体,主体细节,场景布置
(人、事、物、景)
3、 艺术效果指令
(光线、景别、沟通)

7.2 风格和画质指令

modelshoot style,(best quality,masterpiece:1.1), (realistic:1.4), full shot body photo of the most beautiful artwork in the world,intricate elegant, (highly detailed),sharp focus, dramatic,photorealistic

模型拍摄风格,(最佳质量,杰作:1.1),(真实感: 1.4) ,世界上最美艺术品的全拍身体照片,复杂优雅,(高度详细),清晰聚焦,戏剧化,照片真实感

7.3 主体指令

A beautiful Miss,Chinese,(High Detail ),smile,qipao,(Fashion:1.1), Chinese traditional texture, purple,high-heeled shoes,In the lobby,Screen window, corridor,Curtains of fluttering yarn

美丽的小姐,中国, (高细节) ,微笑,旗袍, (时尚: 1.1) ,中国传统质地,紫色,高跟鞋,在大堂,纱窗,走廊,飘动的纱窗帘

7.4 艺术表达指令

(full-body picture),((Mottled light and shadow,warm light ,depth of field)),Wide angle view

(全身照片)、(斑驳的光影,暖光、景深),广角视图

7.5 通过测试下来

1、画幅大小影响画面效果
2、指令会相互污染
3、权重非常重要
4、人工智能有较强的自我学习能力

推荐:

AI模特绘画提示词表格:腾讯文档

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/51571.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

负债了,打死也别干的六件事!逾期了,六句谎言千万别信!

负债这事儿,真是一言难尽,稍不留神,就可能让情况雪上加霜。今儿咱们聊聊,负债后那几件打死也别干的几件事,尤其是针对还没有逾期的朋友们,免得后悔莫及。 首先,千万别动歪脑筋,拿公款…

【Golang 面试 - 基础题】每日 5 题(十)

✍个人博客:Pandaconda-CSDN博客 📣专栏地址:http://t.csdnimg.cn/UWz06 📚专栏简介:在这个专栏中,我将会分享 Golang 面试中常见的面试题给大家~ ❤️如果有收获的话,欢迎点赞👍收藏…

YOLOV8-人员越界识别

原文:YOLOV8-人员越界识别 - 知乎 (zhihu.com) 一、人员越界识别背景描述 实际生活中某些场景下需要配合摄像头自动识别危险区域,并在发现有人员闯入危险区域(禁止进入区域)时进行报警。翻越围墙监测预警系统对监控区域内的护栏、围墙设定警戒围墙区域,一旦有可疑人员靠…

springboot电子产品销售系统-计算机毕业设计源码80294

摘 要 电子商务行业在全球范围内迅速发展,随之而来的是电子产品销售市场的快速增长和消费者对在线购物体验的需求提升,因此,电子产品销售系统应运而生。该系统旨在满足电子产品市场的需求,提供全面的购物功能和高效的管理操作。 …

高级及架构师高频面试题-基础型

1、设计模式有哪些原则(待解释的更直白) 单一职责原则:一个类或方法应只负责一项职责,避免一个类因为多个变化原因而改变。开闭原则:软件实体应对扩展开放,对修改封闭。比如要增加用户类别的时候可以新增一…

校车购票小程序的设计

管理员账户功能包括:系统首页,个人中心,学生管理,我的乘车信息管理,车辆信息管理,座位管理,系统管理 微信端账号功能包括:系统首页,车辆信息,我的 开发系统…

【项目管理】高手项目经理都在用的6个SOP

SOP(Standard Operating Procedure)流程是一种标准化的操作指南,旨在确保组织或团队在各种情况下都能高效、一致地完成任务。SOP流程通常包括详细的步骤、关键控制点和责任分配,以确保质量和安全。SOP流程涉及从日常运营到危机管理…

28.x86游戏实战-初探XXX发包

免责声明:内容仅供学习参考,请合法利用知识,禁止进行违法犯罪活动! 本次游戏没法给 内容参考于:微尘网络安全 工具下载: 链接:https://pan.baidu.com/s/1rEEJnt85npn7N38Ai0_F2Q?pwd6tw3 提…

GPT-4o mini小型模型具备卓越的文本智能和多模态推理能力

GPT-4o mini 是首个应用OpenAI 指令层次结构方法的模型,这有助于增强模型抵抗越狱、提示注入和系统提示提取的能力。这使得模型的响应更加可靠,并有助于在大规模应用中更安全地使用。 GPT-4o mini 在学术基准测试中,无论是在文本智能还是多模…

微信小游戏之三消(二)主要游戏控制方法

设计一个 game class。负责了游戏的核心控制逻辑,包括游戏状态管理、方块和道具的生成与效果处理,以及游戏的重新开始和复活流程。通过这些方法,脚本实现了游戏的基本玩法和用户交互。 主要游戏控制方法 gameStart():开始游戏&am…

Java学习Day16:基础篇6

1.静态和非静态 2.调用静态和非静态的过程 注:在Java中,同类中,确实可以使用类的对象来调用静态方法,尽管这不是推荐的做法。静态方法属于类本身,而不是类的任何特定实例。因此,理论上讲,你应该…

【iOS】—— KVO与KVC

KVO与KVC 1. KVOKVO底层实现分析如何验证上面的说法:NSKVONotifyin_Person内部结构didChangeValueForKey:内部会调用observer的observeValueForKeyPath:ofObject:change:context:方法 回答问题: 2. KVC简介:key和keyPath的区别key&#xff1a…

探索 Electron:如何进行网址收藏并无缝收录网页图片内容?

Electron是一个开源的桌面应用程序开发框架,它允许开发者使用Web技术(如 HTML、CSS 和 JavaScript)构建跨平台的桌面应用程序,它的出现极大地简化了桌面应用程序的开发流程,让更多的开发者能够利用已有的 Web 开发技能…

EtherNet/IP转CAN协议转化网关(功能与配置)

怎么样把EtherNet/IP和CAN两个协议连接起来?有很多朋友想要了解这个问题,那么作者在这里统一说明一下。其实有一个不错的设备产品可以很轻易地解决这个问题,名为JM-EIP-ECAT网关。接下来作者就从该设备的功能及配置详细说明一下。 一,设备主…

聊聊基于Alink库的主成分分析(PCA)

概述 主成分分析(Principal Component Analysis,PCA)是一种常用的数据降维和特征提取技术,用于将高维数据转换为低维的特征空间。其目标是通过线性变换将原始特征转化为一组新的互相无关的变量,这些新变量称为主成分&…

TinyMCE一些问题

1.element 在el-dialog中使用tinymce导致富文本弹窗在el-dialog后面的问题 原因是富文本的弹窗层级太低了 在APP.vue中添加样式即可解决 /* 富文本菜单 */ .tox-tinymce-aux {z-index: 9999 !important; }2.element 在el-dialog中点击富文本的功能栏报错 由于 aria-hidden 属…

Midjourney、Sora和硅谷机密-《分析模式》漫谈15

DDD领域驱动设计批评文集 做强化自测题获得“软件方法建模师”称号 《软件方法》各章合集 “Analysis Patterns”的Preface(前言)有这么一句: Kent Beck, Ward Cunningham, and Jim Coplein encouraged me to get involved with the commu…

虚假的互联网信息?不妨从IT的角度理解【景观社会】

博主前言:“我思故我在”,笛卡尔的这一哲学命题,大抵上次还比较熟络的时光还是高中亦或复习考研政治的岁月里。这是一个光怪陆离的社会——或者说网络社会,形形色色的消息充斥在脑海之时,你是否还能认识真正的自己&…

YOLOV8-源码解读-SPP-SPPF

先给出YOLOV8中一键三连卷积模块 def autopad(k, pNone, d1): # kernel, padding, dilation"""Pad to same shape outputs."""if d > 1:k d * (k - 1) 1 if isinstance(k, int) else [d * (x - 1) 1 for x in k] # actual kernel-sizeif…