Stable Diffusion 提示词语法(Prompt)

在这里插入图片描述

本文收录于《AI绘画从入门到精通》专栏,专栏总目录:点这里。

大家好,我是水滴~~

本篇文章主要讲述 Stable Diffusion 提示词语法,主要包括:提示词的概念、提示词的长度、权重、分步绘制、交替绘制、组合绘制等,希望能对你有所帮助。

文章目录

  • 提示词的概念
  • 提示词的语法
    • 英文单词或句子
    • 逗号分隔
    • 提示词的长度
    • 关键词权重
      • 括号()示例:
      • 中括号[]示例:
    • 关键词分步绘制
      • 示例:
    • 关键词交替绘制
      • 示例:
    • 关键词组合绘制
      • 示例:


提示词的概念

在 Stable Diffusion 中,提示词(Prompt)是指对 AI 模型提出的指令或描述,用于引导其生成精美的图像。提示词可以是一种创作的灵感,是与机器沟通时的一种模糊的指令输入。通过输入和调整提示词,用户可以生成符合自己想象的画面。

提示词又叫关键词咒语,它分为正向提示词(Positive Prompt)和反向提示词(Negative Prompt)。正向提示词是我们希望画面中出现的画面,它可以提高图像质量,如加入对应类型画家的风格、最佳质量、极其详细的面容、完美的光线等;而反向提示词则可以根据画面产出避免不想出现的画面。

在 Stable Diffusion WebUI 中,下面是提示词的输入位置:

在这里插入图片描述

那么提示词我们该怎么书写?它有哪些语法呢?下面我们看详细介绍。

提示词的语法

英文单词或句子

提示词使用英文书写,它可以是一个英文单词,也可以是一句话。

例如:

  • a girl(一个女孩)

在这里插入图片描述

  • a girl in a green hat(一个戴着绿色帽子的女孩)

在这里插入图片描述

逗号分隔

多个提示词之间使用英文半角的逗号隔开。

例如:

  • a girl, green hat, black sunglasses(一个女孩,绿色帽子,黑色墨镜)

在这里插入图片描述

提示词的长度

可以看到,提示词输入框的右上角有个75的标记,这不是表示只能输入75个字符。

在这里插入图片描述

当输入超过75个字符时,会自动再扩充75个,达到了150个字符。

在这里插入图片描述

也就是说,Stable Diffusion 的提示词是没有长度限制的。它会将75个字符划分成一个块,当超过一个块的长度,会自动再扩充一个块。

关键词权重

可以控制关键词的权重,以调整其重视程度。

语法:

  • (关键词)- 关键词的权重提高 1.1 倍

  • ((关键词))- 关键词的权重提高 1.21 倍 (= 1.1 * 1.1)

  • (关键词:1.5)- 关键词的权重提高 1.5 倍

  • (关键词:0.25)- 关键词的权重减少 4 倍 (= 1 / 0.25)

  • [关键词]- 关键词的权重减少 1.1 倍

  • [[关键词]]- 关键词的权重减少 1.21 倍 (= 1.1 * 1.1)

括号()示例:

原始图:a girl, front, prairie, butterflies, flower, tree, river(一个女孩,正面,草原,蝴蝶,花,树,河流)

在这里插入图片描述

蝴蝶使用括号增加权重:a girl, front, (prairie), butterflies, flower, tree, river

在这里插入图片描述

蝴蝶变大了,我们继续增加权重:a girl, front, ((prairie)), butterflies, flower, tree, river

在这里插入图片描述

蝴蝶的权重直接增加1.3倍:a girl, front, (prairie:1.3), butterflies, flower, tree, river

在这里插入图片描述

中括号[]示例:

在原始图基础上,使用中括号让树的权重减少一点:a girl, front, prairie, butterflies, flower, [tree], river

在这里插入图片描述

让树再减少一点:a girl, front, prairie, butterflies, flower, [[tree]], river

在这里插入图片描述

让树直接减少1.3倍:a girl, front, prairie, butterflies, flower, [tree:1.3], river

在这里插入图片描述

关键词分步绘制

可以分步绘制两个关键词,使他们融合在一起。它还有一个专业术语:prompt scheduling(提示词调度)

语法:[关键词1: 关键词2: 因素]

因素用于控制关键词1切换到关键词2是从哪一步开始的。它是 0 到 1 之间的数字,即一个百分比。

示例:

下面四张图提示词分别为:[man:woman:0.1][man:woman:0.3][man:woman:0.7][man:woman:0.9]

在这里插入图片描述

可以看出,因素越大,越像woman

关键词交替绘制

可以交替绘制多个关键词,将其特征融合。

语法:[关键词1|关键词2|...]

示例:

下面将马和牛进行交替绘制:[horse|cow]

在这里插入图片描述

关键词组合绘制

可以将多个关键词组合在一起,使用大写的 AND 组合多个关键词。

语法:关键词1 AND 关键词2...

示例:

下面将猫和狗组合在一起:a cat AND a dog

在这里插入图片描述

还可以调整权重,默认权限是1。

减少猫的权重,使其更像狗:a cat:0.3 AND a dog

在这里插入图片描述

增加猫的权重,使其更像猫:a cat:1.8 AND a dog

在这里插入图片描述

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.hqwc.cn/news/518575.html

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

相关文章

LeetCode每日一题 相同的树(二叉树)

题目描述 给你两棵二叉树的根节点 p 和 q ,编写一个函数来检验这两棵树是否相同。如果两个树在结构上相同,并且节点具有相同的值,则认为它们是相同的。 示例 1: 输入:p [1,2,3], q [1,2,3] 输出:true 示…

ChatGPT/GPT4科研技术应用与AI绘图(包含Claude3、Gemini、Sora、GPTs中大模型的最新技术)

2023年随着OpenAI开发者大会的召开,最重磅更新当属GPTs,多模态API,未来自定义专属的GPT。微软创始人比尔盖茨称ChatGPT的出现有着重大历史意义,不亚于互联网和个人电脑的问世。360创始人周鸿祎认为未来各行各业如果不能搭上这班车…

springboot使用异步多线程

shigen坚持更新文章的博客写手,擅长Java、python、vue、shell等编程语言和各种应用程序、脚本的开发。记录成长,分享认知,留住感动。 个人IP:shigen 在shigen之前的很多文章中,提到了线程池: 高性能API设计…

二叉搜索树题目:二叉搜索树迭代器

文章目录 题目标题和出处难度题目描述要求示例数据范围进阶 解法一思路和算法代码复杂度分析 解法二思路和算法代码复杂度分析 解法三思路和算法代码复杂度分析 题目 标题和出处 标题:二叉搜索树迭代器 出处:173. 二叉搜索树迭代器 难度 4 级 题目…

文物藏品信息管理系统的优势

本系统支持一普标准所有管理信息,包括保管信息、基本情况、鉴定信息、考古发掘信息、来源信息、流传经历、损坏记录、移动记录、修复记录、展览信息、著录信息、收藏单位信息等的管理和维护。 能够实现对藏品信息进行动态管理,提供藏品信息管理指标的维护…

力扣--动态规划516.最长回文子序列

思路分析: 创建一个二维动态规划表dp,其中dp[i][j]表示在子串s[i...j]中的最长回文子序列的长度。初始化基本情况:对角线上的元素dp[i][i]都为1,因为单个字符本身就是长度为1的回文子序列。从字符串末尾向前遍历,填充…

Flink ExecuteGraph构建源码解析

文章目录 前言ExecutionGraph中的主要抽象概念源码核心代码入口源码核心流程: 前言 在JobGraph构建过程中分析了JobGraph的构建过程,本文分析ExecutionGraph的构建过程。JobManager(JobMaster) 根据 JobGraph 生成 ExecutionGraph。ExecutionGraph是JobG…

Seata 2.x 系列【4】产品简介

有道无术,术尚可求,有术无道,止于术。 本系列Spring Boot 版本 3.1.0 本系列Seata 版本 2.0.0 源码地址:https://gitee.com/pearl-organization/study-seata-demo 文章目录 1. 概述2. 发展历史3. 核心术语3.1 TC3.2 TM3.3 RM 4.…

47、WEB攻防——通用漏洞Java反序列化EXP生成数据提取组件安全

文章目录 序列化和反序列化的概念: 序列化:把java对象转换成字节流的过程;反序列化:把字节流恢复为java对象的过程。 对象的序列化主要有两种用途: 把对象的字节流永久的保存在硬盘上,通常存放在一个文件…

Observer 模式

文章目录 💡问题引入💡概念💡例子💡总结 💡问题引入 假设有一个在线商店系统,用户可以订阅商品的库存通知。当某个商品的库存数量发生变化时,系统会自动发送通知给所有订阅了该商品的用户。设计…

实现大华摄像头的抓图-使用HTTP方式

实现抓图,网上大部分都是使用SDK二次开发的,HTTP接口实现的基本没有介绍,好像官方叫CUI接口,但是找官方要文档,基本要不到,我自己下载了一份以前的文档,可以做大部分操作,这里免费分…

redis 性能优化二

前言 性能优化的第二篇文章,将重点讲一下Redis 的响应延迟,响应延迟如何对redis 进行优化。这个延迟不是说一个命令或者几个命令变慢了,延迟了几秒,就说Redis 变慢了。在不同的软硬件环境下,Redis 本身的绝对性能并不…