Learn Prompt- Midjourney 图片生成:基本设置和预设

news2024/11/19 17:24:41

/settings指令为模型版本、样式值、质量值和升级器版本等常用选项提供切换按钮。

备注

添加到提示末尾的参数将覆盖/settings中的设置。

MJ_settings

模型版本​

  • 1️⃣ MJ Version 1
  • 2️⃣ MJ Version 2
  • 3️⃣ MJ Version 3
  • 4️⃣ MJ Version 4
  • 5️⃣ MJ Version 5
  • 🌈 Niji Mode
  • 🤖MJ Test
  • 📷 MJ Test Photo

这些按钮可用于设置使用的模型版本。MJ Version 5只适用于有Midjourney订阅的用户

Midjourney 预设默认为最新型号。切换模型的方式有两种:

  • 在提示后面添加--version [v1|v2|v3|v4|v5]。(version可以缩写成v)
  • 使用/settings指令并选择型号版本。

V5​

V5 模型是2023 年 3 月 15 日发布的最新最先进的模型。要使用此模型,将参数--v 5添加到提示末尾,或使用 /settings 指令并选择 5️⃣ MJ Version 5。该模型具有非常高的Coherency,擅长解释自然语言提示,分辨率更高。

MJ_V5_VibrantCaliforniaPoppies

vibrant California poppies --v 5

V4​

V4 模型是我们现在用的最多的版本,它拥有更多关于生物、地点、物体等的知识。它更擅长正确处理小细节,并且可以处理包含多个角色或对象的复杂提示。

MJ_V4a

vibrant California poppies

v4 风格切换 4a,4b,4c​

Midjourney Model Version 4 具有三种略有不同的“风格”,对模型的风格调整进行了细微调整。通过在 V4 提示末尾添加--style 4a、--style 4b或来试验这些版本。

  1. --v 4 --style 4c是当前默认值,不需要添加到提示末尾。
  2. --style 4a且--style 4b仅支持 1:1、2:3 和 3:2 纵横比。
  3. --style 4c支持高达 1:2 或 2:1 的纵横比。
图片提示

MJ_V4a_4

vibrant California poppies --style 4a

MJ_V4b_4

vibrant California poppies --style 4b

MJ_V4c_4

vibrant California poppies --style 4c

Niji​

该模型是 Midjourney 和 Spellbrush niji之间的合作,经过调整可以制作动画和插图风格。该模型对动漫风格和动漫美学有更多的了解。一般来说,它在动态和动作镜头以及以角色为中心的构图方面表现出色。

提示

图片提示

MJ_4c

California poppies

MJ_Niji

California poppies --niji

V5版 Niji​

Niji Version 5 模型是最新和最先进的 Niji 模型。要使用此模型,你可以将 --niji 5 参数添加到提示的末尾,或使用指令 /settings 并选择 5️🍏 Niji version 5。Niji Model Version 5 还可以通过 --style 以实现独特的外观。尝试 --style expressive 或 --style cute

图片提示

MJ_Niji5

birds perching on a twig --niji 5

MJ_Niji5_expressive

birds perching on a twig --niji 5 --style expressive

MJ_Niji5_cute

birds perching on a twig --niji 5 --style cute

图片质量​

MJ_settings

  • 🔥 Half Quality
  • 🔥 Base Quality
  • 🔥 High Quality (2x cost)

Half Quality = --q .5, Base Quality = --q 1, High Quality = --q 2.

--quality指令(可简写为--q)是用于修改生成图像所需的时间。更高质量的设置需要更长的时间来处理并产生更多的细节。质量设置不影响分辨率

图片quality

MJ_V5_Quality_025

--quality .25

MJ_V5_Quality_05

--quality .5

MJ_V5_Quality_1

--quality 1
  • --quality默认值为 1。
  • --quality接受以下值:.25、.5 和 1。较大的值将向下舍入为 1。
  • --quality仅影响初始图像生成。
  • --quality适用于模型版本1、2、3、4、5 和 niji。

更高的--quality并不总是更好。有时较低的--quality可以产生更好的结果

Remix​

使用Remix模式更改提示、参数、模型版本或变体之间的纵横比。Remix 将采用起始图像的一般构图,并将其用作新工作的一部分。

  • 使用/prefer remix指令
  • 使用/settings命令并切换按钮激活混音模式 🎛️ Remix Mode

Remix的使用主要分为三个步骤

  1. 打开Remix模式,选择图像网格或者升级后的图像来Remix
  2. 选择“Make Variations” ,在弹出窗口中修改或输入新的提示。
  3. Midjourney Bot 使用受原始图像影响的新提示生成图像。

remix

个人觉得在复杂构图上比较好用。

隐私 & 生成速度​

下面四个参数都属于订阅用户才能设置的。

🧍‍♂️Public 🕵️ Stealth

在公共模式和隐身模式之间切换。对应于/public/stealth指令。公共模型下,你生成的照片所有人可见;隐身模型则相反。

🐇 Fast 🐢 Relax

在 Fast 和 Relaxed 模式之间切换。对应于/fast和/relax命令。Fast 模式会消耗订阅用户的GPU使用时间。超过套餐内时长会自动切换成 Relax。

自定义首选项​

使用 /prefer 指令创建自定义选项,以自动将常用参数添加到提示末尾。

  • /prefer auto_dm 完成的工作会自动发送到直接消息
  • /prefer option 创建或管理自定义选项。
  • /prefer option list查看你当前的自定义选项。
  • /prefer suffix 指定要添加到每个提示末尾的后缀。

偏好选项​

/prefer option set <name> <value> 

创建可用于将多个参数快速添加到提示末尾的自定义参数。

  1. 第一步:创建自定义短语 

    PreferOptionSet

  2. 第二步:使用/imagine prompt vibrant California poppies --mine, 将会被解释为/imagine prompt vibrant California poppies --hd --ar 7:4

  3. 列出所有自定义短语 /prefer option list

列出使用创建的所有选项prefer option set. 用户最多可以有 20 个自定义选项。 

PreferOptionSet

  1. 删除自定义短语 要删除自定义短语,使用
/prefer option set <name to delete>

首选后缀​

/prefer suffix在所有提示后自动附加指定的后缀。使用不带值的命令进行复位。

添加后缀示例:/prefer suffix --uplight --video

复位示例:/prefer suffix

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.coloradmin.cn/o/1035591.html

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,一经查实,立即删除!

相关文章

虚拟机如何连接MobaXterm

MobaXterm是一款增强型远程连接工具&#xff0c;Xshell相似。可以与虚拟机连接&#xff0c;从而在Windows界面下对其进行相关操作&#xff0c;使用非常的便捷 1.下载vmware并且在上面安装虚拟机任意版本。这里我安装的是centos7&#xff08;2009&#xff09; 2.打开终端 输入命…

TIM定时器

简介 • TIM &#xff08; Timer &#xff09;定时器 • 定时器可以对输入的时钟进行计数&#xff0c;并在计数值达到设定值时触发中断 • 16 位计数器、预分频器、自动重装寄存器的时基单元&#xff0c;在 72MHz 计数时钟下可以实现最大 59.65s 的定时 • 不仅具备基本的定时中…

R语言贝叶斯非参数模型:密度估计、非参数化随机效应META分析心肌梗死数据...

全文链接&#xff1a;http://tecdat.cn/?p23785 最近&#xff0c;我们使用贝叶斯非参数&#xff08;BNP&#xff09;混合模型进行马尔科夫链蒙特卡洛&#xff08;MCMC&#xff09;推断&#xff08;点击文末“阅读原文”获取完整代码数据&#xff09;。 概述 相关视频 在这篇文…

R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化...

全文链接:https://tecdat.cn/?p33760 众所周知&#xff0c;心脏疾病是目前全球最主要的死因。开发一个能够预测患者心脏疾病存在的计算系统将显著降低死亡率并大幅降低医疗保健成本。机器学习在全球许多领域中被广泛应用&#xff0c;尤其在医疗行业中越来越受欢迎。机器学习可…

若依前后端分离如何解决匿名注解启动报错?

SpringBoot2.6.0默认是ant_path_matcher解析方式,但是2.6.0之后默认是path_pattern_parser解析方式。 所以导致读取注解类方法需要对应的调整,当前若依项目默认版本是2.5.x,如果使用大于2.6.x,需要将info.getPatternsCondition().getPatterns()修改为info.getPathPatterns…

保研CS/软件工程/通信专业问题汇总(搜集和自己遇到的)

机器学习 1.TP、TN、FP、FN、F1 2.机器学习和深度学习的区别和联系 模型复杂性&#xff1a;深度学习是机器学习的一个子领域&#xff0c;其主要区别在于使用深层的神经网络模型。深度学习模型通常包含多个隐层&#xff0c;可以学习更加复杂的特征表示&#xff0c;因此在某些任…

使用python处理MNIST数据集

文章目录 一. MNIST数据集1.1 什么是MNIST数据集1.2MNIST数据集文件格式1.3使用python访问MNIST数据集文件内容 附录程序源码 一. MNIST数据集 1.1 什么是MNIST数据集 MNIST数据集是入门机器学习/识别模式的最经典数据集之一。最早于1998年Yan Lecun在论文:[Gradient-based l…

Qt5开发及实例V2.0-第十九章-Qt.QML编程基础

Qt5开发及实例V2.0-第十九章-Qt.QML编程基础 第19章 QML编程基础19.1 QML概述19.1.1 第一个QML程序19.1.2 QML文档构成19.1.3 QML基本语法 19.2 QML可视元素19.2.1 Rectangle&#xff08;矩形&#xff09;元素19.2.2 Image&#xff08;图像&#xff09;元素19.2.3 Text&#xf…

JavaScript中的代理对象(proxy)

聚沙成塔每天进步一点点 ⭐ 专栏简介⭐ 创建代理对象⭐ 使用代理对象⭐ 写在最后 ⭐ 专栏简介 前端入门之旅&#xff1a;探索Web开发的奇妙世界 欢迎来到前端入门之旅&#xff01;感兴趣的可以订阅本专栏哦&#xff01;这个专栏是为那些对Web开发感兴趣、刚刚踏入前端领域的朋友…

Helm 的简单使用 wordpress install

概述 尝试使用Helm部署wordpress博客服务 Helm | Helm Helm命令 bash自动补全 Helm | Helm补全 - bash wordpress案例 install helm repo add bitnami https://charts.bitnami.com/bitnamihelm install wordpress bitnami/wordpress \ --namespacewordpress \ --create-…

缓存(cache)与缓冲区(buffer)的主要区别

缓存&#xff08;cache&#xff09;与缓冲区(buffer)的主要区别 1.Buffer的核心作用是用来缓冲&#xff0c;缓和冲击&#xff08;对输出设备的冲击&#xff0c;包括磁盘、打印机、显示器&#xff09;。比如你每秒要写100次硬盘&#xff0c;对系统冲击很大&#xff0c;浪费了大…

SAP PO运维(三):XML消息监控

登录到SAP ECC系统&#xff0c;输入事务码&#xff1a;SXI_MONI&#xff0c;点击“Technical Monitor for Processed XML Messages”&#xff0c;或直接输入事务码SXI_MONITOR&#xff1a; 2、在XML消息处理页面输入查询条件&#xff0c;查看接口XML报错消息&#xff1a; 3、检…

Spring Cloud Alibaba Sentinel流量防卫兵

文章目录 Spring Cloud Alibaba Sentinel流量防卫兵1. 分布式遇到的问题2.解决的方法 Sentinel: 分布式系统的流量防卫兵1. 简介和特折 Sentinel流量防卫兵的搭建1.引入依赖2.添加配置类3.运行类上添加SentinelResource&#xff0c;并配置blockHandler和fallback4. linux中放入…

手摸手图解 CodeWhisperer 的安装使用

CodeWhisperer 是亚⻢逊出品的一款基于机器学习的通用代码生成器&#xff0c;可实时提供代码建议。 亚马逊云科技开发者社区为开发者们提供全球的开发技术资源。这里有技术文档、开发案例、技术专栏、培训视频、活动与竞赛等。帮助中国开发者对接世界最前沿技术&#xff0c;观点…

KNN-K近邻算法(K-Nearest Neighbors)

k近邻算法的特点 思想极度简单应用数学知识少&#xff08;近乎为零&#xff09;效果好(缺点&#xff1f;)可以解释机器学习算法使用过程中的很多细节问题更完整的刻画机器学习应用的流程 k近邻算法 k近邻算法整体是这样的一个算法&#xff0c;我们已经知道的这些数据点其实是…

服务注册发现_Eureka概述

Spring Cloud Eureka 是Netflix 开发的注册发现组件&#xff0c;本身是一个基于 REST 的服务。提供注册与发现&#xff0c;同时还提供了负载均衡、故障转移等能力。 Eureka3个角色 服务中心服务提供者服务消费者。 注意&#xff1a; Eureka Server&#xff1a;服务器端。它提…

【Linux】系统编程线程读写者模式(C++)

目录 一、读写锁 二、读写锁接口 【2.1】设置读写优先 【2.2】初始化 【2.3】销毁 【2.4】加读锁 【2.5】加写锁 【2.6】解锁 三、读写锁实例 一、读写锁 在编写多线程的时候&#xff0c;有一种情况是十分常见的。那就是&#xff0c;有些公共数据修改的机会比较少。相…

接口自动化测试之Mock

【软件测试面试突击班】如何逼自己一周刷完软件测试八股文教程&#xff0c;刷完面试就稳了&#xff0c;你也可以当高薪软件测试工程师&#xff08;自动化测试&#xff09; 1.Mock实现原理和实现机制 在某些时候&#xff0c;后端在开发接口的时候&#xff0c;处理逻辑非常复杂&a…

基于Java+SpringBoot+Vue+Uniapp奶茶在线下单小程序设计与实现(源码+lw+部署文档+讲解等)

文章目录 前言用户微信小程序端的主要功能有&#xff1a;管理员的主要功能有&#xff1a;具体实现截图详细视频演示为什么选择我自己的网站自己的小程序&#xff08;小蔡coding&#xff09;有保障的售后福利 代码参考论文参考源码获取 前言 &#x1f497;博主介绍&#xff1a;✌…

Linux 用户 用户组管理

用户 Linux系统是一个多用户多任务的分时操作系统&#xff0c;任何要使用系统资源的用户&#xff0c;都必须首先向系统管理员申请一个账号&#xff0c;然后以这个账号的身份进入系统。每个用户账号都拥有一个唯一的用户名和各自的口令。用户在登录时键入正确的用户名和口令后&a…