【SD教程】全网最详细的AI绘画提示词语法讲解!(附提示词插件包)

news2024/9/17 7:37:17

AI绘画提示词如何写?对于入门的小伙伴来说这是一个大问题,提示词写的好,才能有高质量的作品,那今天给大家详细讲解一下,建议点赞收藏!

文末附提示词插件

一、SD提示词基础

图片

AI绘画提示词基本规则

1、提示词(prompt)由多个词缀构成。

提示词分为正向提示词(positive prompt)和反向提示词(negative prompt),用来告诉AI哪些需要,哪些不需要。

图片

2、词缀的权重默认值都是1,从左到右依次减弱,权重会影响画面生成结果。

比如景色Tag在前,人物就会小:

图片

相反的人物提示词在前景物在后人物会变大或半身:

图片

选择正确的顺序、语法来使用提示词,将更好、更快、更有效率地展现所想所愿的画面。

所以SD提示词撰写的大体逻辑是这样的:

首先我们要保证画面中质量,因此在最前面的永远是强调画面质量的提示词,之后我们要考虑我们的画面风格,你想要什么画风,接着就是我们画面需要体现的主要元素,最后是增添的细节。

若是想明确某主体,应当使其生成步骤向前,生成步骤数加大,词缀排序向前,权重提高:

画面质量 → 主要元素 → 细节

若是想明确风格,则风格词缀应当优于内容词缀:

画面质量 → 风格 → 元素 → 细节

举例:一串长的提示词可以拆分为如下:

· 画面质量:

best quality,masterpiece,HDR,UHD,8K,best quality,oil_painting,

· 主要元素:

princess,oval face,dancing,smile,bright pupils,

· 细节:

Movie light, elves, floating light points, dreams, magic

· 画风lora:

如果有的话写在这里

图片

best quality,masterpiece,HDR,UHD,8K,best quality,((oil_painting)),

princess,oval face,dancing,bright pupils,twintails,smile,

Movie light,elves,floating light points,dreams,magic,panoramic,grand scenes,(Bokeh:1.4),

3、AI 会依照概率来选择性执行提示词。

如提示词之间有冲突,AI 会根据权重确定的概率来随机选择执行哪个提示词。

生成图片的大小会影响 Prompt 的效果,图片越大需要的 Prompt 越多,不然 Prompt 会相互污染。

4、Prompt 支持使用 emoji,可通过添加 emoji 图来达到效果。

图片

图片

图片

AI认知的提示词撰写基本语法

1、提示词与提示词之间用英文逗号分隔,同时词之间要用空格隔开。

大家在撰写提示词的时候一定要注意,用英文输入法

例如:1girl, long hair, smile

主要元素+细节

图片

2、提示词之间是可以换行的

我们可以利用这一特性让提示词看起来更清楚,但换行时记得加上逗号这样AI才知道你换行了。

例如:画面质量+主要元素+细节

best quality, masterpiece,

1girl,

long hair, smile,

图片

3、每个提示词默认权重为1,越靠前权重越高。

图片

Girl, books, library,

图片

library, books, Girl,

图片

books, library, Girl,

4、提示词词数量并不是越多越好

如果你想可控生图提示词数量控制在75个单词以内,关键词超过这个数量对整体画面影响比较少了,但可以增加一些点缀要素。

例如:这个是75个词的提示词

((ultra-detailed)), ((illustration)),((solo)),((((a girl)))),(beautiful detailed girl),(((cheongsam))),((((((arms_behind_back)))))) ,red eyes,((((beautiful detailed eyes)))),white hair,spring festival,(((chinese new year))),(((snow))),((lunar new year)),firecracker,Temple Fair,(detailed fireworks), (firecracker),((the best building)),(((best shadow))),many people,(Flying snowflakes),

超细节,插图,独奏,一个女孩,美丽的细节女孩,春装,手臂,红眼睛,美丽的详细眼睛,白发,春节,中国新年,雪,农历新年,爆竹,庙会,详细的烟花,爆竹,最好的建筑,最好的阴影,很多人,雪花飞溅

图片

将提示词增加到100+个,注意我们在后面加上了一些无关紧要的词意图干扰AI

((ultra-detailed)), ((illustration)),((solo)),((((a girl)))),(beautiful detailed girl),(((cheongsam))),((((((arms_behind_back)))))) ,red eyes,((((beautiful detailed eyes)))),white hair,spring festival,(((chinese new year))),(((snow))),((lunar new year)),firecracker,Temple Fair,(detailed fireworks), (firecracker),((the best building)),(((best shadow))),many people,(Flying snowflakes),

ocean,beach,lake,starry_sky,park,Trapeze,city,cityscape,downtown,Tokyo_Tower,snowy mountain,cliff,claw pose,Swinging,long hair,blouse,collared_shirt,sailor_shirt,t-shirt,

超细节,插图,独奏,一个女孩,美丽的细节女孩,春装,手臂s_behind_back,红眼睛,美丽的详细眼睛,白发,春节,中国新年,雪,农历新年,爆竹,庙会,详细的烟花,爆竹,最好的建筑,最好的阴影,很多人,雪花飞溅

海洋,海滩,湖泊,星空,公园,吊架,城市,城市景观,市中心,东京,雪山,悬崖,爪式,摇摆,长发,衬衫,领衬衫,水手衬衫,t恤,

图片

二、提示词符号解析

小括号、中括号、大括号

小括号、中括号、大括号的含义:微调关键词权重

1、小括号 ( )

一个小括号增加1.1倍权重,最多套三层小括号也就是1.331倍权重

大家可以观察下面的图片,我不断用小括号强调黄色花朵的权重

图片

图片

Garden,

red flower,

blue flower,

yellow flower,

Garden,

red flower,

blue flower,

(yellow flower)

图片

图片

Garden,

red flower,

blue flower,

((yellow flower))

Garden,

red flower,

blue flower,

(((yellow flower)))

2、大括号 { }

大括号也是增加权重的,但相比小括号更轻微,是增加1.05倍,三层大括号权重为1.15倍

3、中括号 [ ]

这个是减小权重值的,它会把权重变为原来的0.9倍,三层就是0.729倍

案例:同样是花园使用中括号减重红色花朵:

图片

best quality, masterpiece,

Garden, red flower, blue flower, yellow flower

图片

best quality, masterpiece,

Garden,[[[ red flower]]], blue flower, yellow flower

4、自定义权重

自定义权重只可使用小括号控制,格式为(x:0.5)

0.5为权重值,权重取值范围 0.4-1.6,权重太小容易被忽视,太大容易拟合图像出错

案例:使用自定义权重蓝色花朵对比:

图片

best quality, masterpiece,

Garden, red flower,

(blue flower:0.4), yellow flower

图片

best quality, masterpiece,

Garden, red flower,

(blue flower:1.6), yellow flower

5、使用尖括号<>调用lora

lora简单来说就是风格化模型,可以生成我们想要的特定风格或者人物。

图片

我们可以在提示词中使用 lora:lora名称:权重来调用lora

例如:

图片

样例:使用lora让图片特定风格

图片

使用lora前

图片

使用lora后

样例:你可以通过权重来调整lora对画面的影响(0.1-1)

图片

best quality, masterpiece,

Garden, red flower, blue flower, yellow flower

lora:万能插画-超强故事感-99二创艺术_v1.0:0.5

图片

best quality, masterpiece,

Garden, red flower, blue flower, yellow flower

lora:万能插画-超强故事感-99二创艺术_v1.0:0.3

6、使用下划线和and连接提示词

下划线_起到连接的作用,让词与词更紧密连接到一起/防止歧义。

例如我想让AI生成一个咖啡蛋糕,如果不加下划线它很可能理解不了会出现单独的咖啡喝蛋糕,但是加了下划线后它就理解的更好了。

图片

masterpiece,best quality,

coffee cake,

图片

masterpiece,best quality,

coffee_cake,

AND:将多个词缀聚合在一个提示词顺序位置中,其初始权重一致

例如我们可以用这个技巧生成多色的头发

图片

best quality, masterpiece,

a girl,

green hair:1.3 and red hari:1.5 and yellow hair:1.2

三、提示词进阶语法

1、控制提示词的生效时间

[提示词:0-1数值]:意思是采样值达到X(数值)以后才开始计算这个提示词的采样

例如:

图片

Forests, trees,weeds, [flowers:0.7], 采样值达到70%以后才开始计算花的采样

[提示词::0-1数值]:意思是一开始参加采样的词整体到X(数值)以后退出采样

例如:

图片

Forests, trees,weeds, [flowers::0.7],花一开始参加采样整体到70%以后退出采样

[提示词1:提示词2:0-1数值]:前X(数值)采样提示词1后1-X采样提示词2

例如:

图片

best quality, masterpiece,forest, [stone:flower:0.7],前70%石头采样生效,后30%花朵采样生效

图片

best quality, masterpiece,forest, [flower:stone:0.7],反过来前面花先采样后面采样石头

2、交替采样

交替采样的写法:[提示词1|提示词2]

例如:1girl, [red|blue]hair,(括号外加词缀意味着两个颜色的共享元素),一步红头发,一步蓝头发这样不断循环

图片

1girl, [red|blue]hair,

假如不加词缀:[cow | horse] 可以生成牛和马的混合体

图片

[cow | horse]

举例:[bird|airplane] in sky 天空中一只飞机鸟

图片

[bird|airplane] in sky

四、提示词插件推荐

给大家打包整理好了,扫描下方,即可免费获取

在这里插入图片描述

1、One Button Prompt

只需一个主题生成一系列不同风格类型图片,自动丰富关键词

安装方法:在线安装或者下载后拖到\Extensions\ 文件夹中

图片

使用方法:

在框框内填写提示词然后直接生成

图片

图片

一个白头发女孩拓展生成效果

图片

一个白头发女孩拓展生成效果

2、sd-dynamic-prompts

动态提示词插件方便生成组合式图片

安装方法:跟上面的一样

使用方法:

勾选启用

图片

**最大生成数:**0就是所有的方式都生成一次

**组合批次:**就是每一个类型生成几张

自动批次组合生成

开启动态提示词插件后可以使用全新语法进行提示词搭配:

A {boy | girl} in {school | street | forest},

上面这串语法的意思是:生成一个老师或者学生分别在学校、街道和森林的6种组合:

图片

生成组合的效果

丰富提示词功能

图片

打开魔法提示词功能可以丰富提示词,例如我们输入一个提示词:a girl 长度就是词的数量创意越高AI发挥的越多

推荐使用模型:succinctly/text2image-prompt-generator

这是一个在简洁/中途提示数据集上微调的 GPT-2 模型,其中包含用户在一个月内向 Midjourney 文本到图像服务发出的 250k 文本提示。有关如何抓取此数据集的更多详细信息,请参阅中途用户提示和生成的图像 (250k)。

该提示生成器可用于自动完成任何文本到图像模型的提示(包括 DALL·E家族)。

强力推荐,各种扩展都好用,词穷抽卡必备。

AUTOMATIC/promptgen-lexart

这个模型是从 lexica.art 艺术网站上 进行训练的抓取的134819提示微调了 100 个 epoch,这个模型适合艺术风格画的魔法扩展,推荐画艺术风格提示词魔法扩展。

Gustavosta/MagicPrompt-Stable-Diffusion

魔法提示词第一个模型,这是 MagicPrompt 系列模型中的一个模型,这些模型是 GPT-2 模型,旨在生成用于成像 AI 的提示文本。该模型经过 150,000 个步骤和一组大约 80,000 个数据进行训练,这些数据从图像查找器中过滤并提取出来,以实现稳定扩散:“Lexica.art”。提取数据有点困难,因为搜索引擎仍然没有公共API,这个特别通用、实用,适用各种场景提示词扩展,效果卓越。

模型安装:

注意:需要科学上网,第一次使用模型会自动下载需要等待一下,并且关闭启动器的国内Pipy镜像、Git镜像、链接等。否则下载失败,会报错误:Error while generating prompt: ‘NoneType’ object cannot be interpreted as an integer。

图片

动态提示词效果

图片

A girl拓展为:a girl, read book, wearing green balenciaga top, anime style, artstation, muted colors, cool colors, by Ashley Wood. --ar 2:3 --stop 80 --uplight

3、Prompt-all-in-one

插件功能:

(1)一键翻译提示词、中文直接生成英文提示词。

(2)直接调用预设好的提示词、便捷添加提示词权重

(3)其它按钮功能讲解。

(4)和ChatGPT对接。

插件安装地址:
参考文末
图片

4、oldsix-prompt

插件功能:

(1)预设丰富的起手式和提示词

(2)可以随机生成提示词的预设

图片

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!

对于0基础小白入门:

如果你是零基础小白,想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括:stable diffusion安装包、stable diffusion0基础入门全套PDF,视频学习教程。带你从零基础系统性的学好AI绘画!

零基础AI绘画学习资源介绍

👉stable diffusion新手0基础入门PDF👈

(全套教程文末领取哈)
在这里插入图片描述

👉AI绘画必备工具👈

在这里插入图片描述

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉AI绘画基础+速成+进阶使用教程👈

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉12000+AI关键词大合集👈

在这里插入图片描述

这份完整版的AI绘画全套学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

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.coloradmin.cn/o/1917376.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

文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《计及负荷时空特性的高速公路链式微网光-储-充容量优化配置方法》

本专栏栏目提供文章与程序复现思路&#xff0c;具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》 论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html 电网论文源程序-CSDN博客电网论文源…

政企单位光纤资源高效管理与优化策略

引言 随着信息技术的飞速发展&#xff0c;政企单位对于通信基础设施的管理要求日益提高。然而&#xff0c;传统的管理模式&#xff0c;如Excel表格记录和纸质审批流程&#xff0c;已难以满足当前复杂多变的业务需求。在此背景下&#xff0c;我们实施了光纤管理的数字化转型项目…

仕考网:公务员如何备考申论

在备战公务员考试的申论部分时&#xff0c;掌握一定的技巧&#xff0c;遵循特定的步骤是至关重要的。以下是一些备考策略&#xff0c;希望能帮助到大家&#xff1a; 1. 掌握考试大纲和命题趋势 在考试大纲中明确了题目的类型和可能涉及的主题范围&#xff0c;考生可以聚焦到关…

免费录制视频的软件,推荐3款,总有一款适合你!

在数字化时代&#xff0c;视频录制与分享已成为日常生活和工作中的重要组成部分。无论是录制游戏过程、教程讲解还是网络会议&#xff0c;一款好用的录制视频软件能够帮助我们更便捷地实现这个目标。然而&#xff0c;许多录制视频的软件都是收费的&#xff0c;这对于很多人来说…

【操作系统】手把手带你搭建DNS服务器!

DNS服务器 DNS服务器指域名系统或者域名服务。域名系统为Internet上的主机分配域名地址和IP地址&#xff0c;用户使用域名地址&#xff0c;该系统就会自动把域名地址转为IP地址。域名服务是运行域名系统的Internet工具。执行域名服务的服务器称之为DNS服务器&#xff0c;通过DN…

在创建jsp项目中解决无法连接数据库以及junit问题

&#x1f4bb;博主现有专栏&#xff1a; C51单片机&#xff08;STC89C516&#xff09;&#xff0c;c语言&#xff0c;c&#xff0c;离散数学&#xff0c;算法设计与分析&#xff0c;数据结构&#xff0c;Python&#xff0c;Java基础&#xff0c;MySQL&#xff0c;linux&#xf…

入驻长沙!全球数据资产理事会长江中游中心挂牌成立

在全球数据资产化浪潮的推动下&#xff0c;长江中游地区迎来了其在数字经济领域的重要里程碑。 近日&#xff0c;《数据资产长江中游生态论坛暨数据资产入表和价值转化研讨会》于长沙圆满落幕&#xff0c;会上各产业专家、企业高管&#xff0c;围绕数据产品开发、数据资产融资…

小程序复制功能不可用 setClipboardData:fail no permission

先上图 用户协议剪切板也更新但是依旧报错了 最后在公众平台通知里发现是用户之前小程序有规格被封禁了该功能

IP地址SSL证书的申请流程-五大步骤教你如何申请

网站需要申请SSL证书&#xff0c;没有域名或者不方便提供域名&#xff0c;只有IP地址也可以申请SSL证书。特别需要注意的是&#xff0c;为IP地址申请ssl证书是需要开放443或者80端口&#xff0c;一般开放几分钟用来验证IP管理权即可&#xff01; 申请IP地址的SSL证书&#xff…

13--memcache与redis

前言&#xff1a;数据库读取速度较慢一直是无法解决的问题&#xff0c;大型网站应对的方式主要是使用缓存服务器来缓解这种情况&#xff0c;减少数据库访问次数&#xff0c;以提高动态Web等应用的速度、提高可扩展性。 1、简介 Memcached/redis是高性能的分布式内存缓存服务器…

阿里面试:canal+MQ,会有乱序的问题吗?

阿里面试&#xff1a;canalMQ&#xff0c;会有乱序的问题吗&#xff1f; 尼恩说在前面 在40岁老架构师 尼恩的读者交流群(50)中&#xff0c;最近有小伙伴拿到了一线互联网企业如阿里、滴滴、极兔、有赞、希音、百度、网易、美团的面试资格&#xff0c;遇到很多很重要的面试题…

一个 Docker 搭建的自动化电视剧下载和管理工具

大家好,我是CodeQi! 一个标准的“追剧狂人”。每周都有新剧上线,每天都要时刻关注各大影视平台的更新,这无疑是一项体力与脑力并存的艰巨任务。 于是,我决定为自己打造一个自动化的电视剧下载和管理工具。作为一个程序员,用 Docker 搭建这种自动化工具简直是小菜一碟。…

Vue组件通信props和$emit用法

父传子&#xff0c;通过props 子传父&#xff0c;通过$emit App.vue <template><div class"app" style"border: 3px solid #000; margin: 10px">我是APP组件<!-- 1.给组件标签&#xff0c;添加属性方式 赋值 --><!-- 添加属性传值 …

PointCloudLib GridMinimum获取栅格最低点 C++版本

测试效果 简介 在点云库(Point Cloud Library, PCL)中,如果你想要获取一个栅格(Grid)内的最低点,这通常意味着你需要先对点云数据进行某种形式的栅格化处理,然后在每个栅格内寻找最低的点。 测试代码 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointC…

2024透明加密软件最新推荐丨11款好用的透明加密软件

在数字化时代&#xff0c;文件与数据安全愈发重要&#xff0c;保护信息安全刻不容缓。文件加密软件应运而生&#xff0c;成为了信息安全的重要帮手。透明加密技术凭借众多的优点备受青睐。那么&#xff0c;什么是透明加密技术呢&#xff1f; 透明加密技术是一种在不影响用户正…

旷野之间11 - 开源 SORA 已问世!训练您自己的 SORA 模型!

​​​​​ 目前最接近 SORA 的开源模型是 Latte,它采用了与 SORA 相同的 Vision Transformer 架构。Vision Transformer 究竟有何独特之处?它与之前的方法有何不同? Latte 尚未开源其文本转视频训练代码。我们复制了论文中的文本转视频训练代码,并将其提供给任何人使用,…

帕金森小伙伴必看!这些维生素让你的生活更“稳“定!

&#x1f308; 嗨&#xff0c;亲爱的小伙伴们&#xff01;今天来跟大家聊聊帕金森病患者应该补充哪些维生素的小知识&#xff0c;让我们的身体更健康&#xff0c;生活更美好哦&#xff01;&#x1f609; &#x1f34e; 维生素C 你知道吗&#xff1f;维生素C不仅能让我们的皮肤…

【Linux】内核文件系统系统调用流程摸索

内核层可以看到当前调用文件处理的进程ID 这个数据结构是非常大的&#xff1a; 我们打印的pid,tgid就是从这里来的&#xff0c;然后只需要找到pid_t的数据类型就好了。 下图这是运行的日志信息&#xff1a; 从上述日志&#xff0c;其实我也把write的系统调用加了入口的打印信…

ADS基础教程24 - Gerber文件的导入

EM介绍 一、引言二、基本概念1.仿真文件下载2.仿真文件介绍 二、导入步骤1.新建workspace2.选择Layout结构3.导入设计4.选择文件类型5.导入文件6.预览文件内容7.铜皮离散问题 四、总结 一、引言 本章节开始介绍在ADS中进行PCB仿真&#xff0c;首先讲解如何将Gerber文件导入到A…

Spark RDD优化

Spark RDD优化 一、分区优化二、持久化优化三、依赖优化四、共享变量优化五、提交模式与运行模式优化六、其他优化 一、分区优化 分区数调整&#xff1a;RDD的分区数可以通过repartition和coalesce方法进行调整。合理的分区数可以提高并行度&#xff0c;但过多的分区会增加管…