Midjourney教程(三)——Prompt常用参数

news2024/11/18 8:47:48

Midjourney教程——Prompt常用参数

为了提升prompt的准确度与输入效率,让midjourney能够生成我们理想中的图片,我们需要学习一下prompt的常用参数

Version

version版本号,midjourney支持多种模型,我们可以通过version参数来选择需要使用的模型。目前midjourney最新的是V5模型,默认使用的是V4模型。需要注意,并不是模型越先进越厉害,而是不同模型擅长的东西不太一样。各个模型的区别后续有机会再讨论一下

调用方法使用案例可选版本
在Text prompt后加上版本参数,版本号与参数之间用空格隔开:
—v 或者—version(注意这里是两个中划线)hangzhou,dawn,mist,street —v 5V5
V4(默认)
V3
V2
V1
niji(擅长动漫风格)

一般来说V4/V5/niji三个模型就能满足绝大部分的需求

除了可以通过参数指定版本号外,还可以在设置中更改默认的版本。在聊天窗口中输入/setting 即可设置相关参数
在这里插入图片描述

ok,我们分别来看下用相同的prompt不同的版本会生成什么样的图片吧

hangzhou,dawn,mist,street

v5

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yt2zmNEf-1682301636719)(Midjourney%E6%95%99%E7%A8%8B%E2%80%94%E2%80%94Prompt%E5%B8%B8%E7%94%A8%E5%8F%82%E6%95%B0%200d0783a2737a4945a6a61dc64b45e860/Untitled%201.png)]

v4

在这里插入图片描述

niji

在这里插入图片描述

Aspect Ratios

Aspect Ratios参数用于控制图片的长宽比。

调用方法使用案例注意事项
在Text prompt后加上长宽比参数:
—ar 或者—aspect(注意这里是两个中划线)hangzhou,dawn,mist,street —ar 16:91. 默认生成的图片是1:1
  1. 图片比例需要是整数,如用139:100代替1.39:1
  2. 长宽比会影响图像的形状和接口。最终生成的图片可能会发生轻微的改变。比如指定的比例是16:9,最终生成的可能是7:4 |

各个版本支持的长宽比设置

Version 5Version 4niji
Ratios任意比例1:2到2:13:2到2:3

一些最佳实践

  1. 5:4多用于传统打印
  2. 3:2多用于照片打印
  3. 7:4多用于电视或者手机
  4. 16:9多用于电脑

效果如下图

hangzhou,dawn,mist,street --ar 16:9 --niji 5

在这里插入图片描述

No

该参数用于控制你不想要在图片中出现什么

调用方法使用案例注意事项
在Text prompt后no参数:
—nohangzhou,dawn,mist,street —no building

效果如下图(可以看到图中的建筑物少了不少)

 hangzhou,dawn,mist,street --no building --niji 5

在这里插入图片描述

Chaos

Chaos用于设置生成图像的随机性,数字越高越有可能产生一些意想不到的结果,数字越低一致性会越高。

调用方法使用案例注意事项
在Text prompt后chaos参数:
—c或者—chaoshangzhou,dawn,mist,street —chaos 10默认是0,参数范围是0-100

效果如下图(可以看到生成的图像完全不一样了)

hangzhou,dawn,mist,street --c 100 --niji 5

在这里插入图片描述

Stylize

Stylize参数用于控制图片的风格化程度。简单来说这个值越低生成的图片就越符prompt的描述,数值越高图片的艺术性就越高(狗头)。

调用方法使用案例注意事项
在Text prompt后stylize参数:
—s或者—stylizehangzhou,dawn,mist,street —s默认值是100
Version 5Version 4Version 3niji
Stylize default1001002500
Stylize Range0–10000–1000625–60000

效果如下图

hangzhou,dawn,mist,street --s 1000 --niji 5

在这里插入图片描述

ok,一些常用参数先介绍到这里,后续如果可能会介绍到其他参数,等用到时再跟大家分享相关用法。需要注意的是midjourney正在快速迭代,所以相关参数的使用细节可能会发生一些变化,具体的还需要多关注官方动态

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/455396.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

字典树(Trie/前缀树)

目录 字典树的概念 字典树的逻辑 字典树的实现 字典树小结 例题强化 字典树的概念 字典树(Trie)是一种空间换时间的数据结构,是一棵关于“字典”的树,主要用于统计、排序和保存大量的字符串。字典树是通过利用字符串的公共前…

广域通信网 - 流量控制(停等协议、滑动窗口协议)

文章目录 1 概述2 流量控制协议2.1 停等协议2.2 滑动窗口协议 1 概述 #mermaid-svg-c9cNIYsOvLpoO4AV {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-c9cNIYsOvLpoO4AV .error-icon{fill:#552222;}#mermaid-svg-c9c…

[MLIR] CodeGen Pipeline总结

参考资料: [MLIR] CodeGen Pipeline总结 - 知乎 (zhihu.com) 本文主要以 tensorflow 为例,介绍了其接入 MLIR 后的 CodeGen 过程,以及简要分析了一些现在常用的 CodeGen pipeline。本文是本人在结合博客(Codegen Dialect Overview - MLIR - L…

隐私计算,联邦学习

隐私计算(“隐私保护计算” Privacy-Preserving Computation) 隐私计算是一类技术方案,在处理和分析计算数据的过程中能保持数据不透明、不泄露、无法被计算方法以及其他非授权方获取。 数据方是指为执行隐私保护计算过程提供数据的组织或个…

泰国五一游玩儿攻略

泰国五一游玩儿攻略 2023年4月27日1. 机场2. 酒店和夜市 2023年4月28日2023年4月29日2023年4月30日2023年5月1日2023年5月2日2023年5月3日 2023年4月27日 1. 机场 1.1 海关资料准备: 往返机票(去程返程都得有,每人单独打印自己的&#xff0…

多维时序 | MATLAB实现BO-CNN-GRU贝叶斯优化卷积门控循环单元多变量时间序列预测

多维时序 | MATLAB实现BO-CNN-GRU贝叶斯优化卷积门控循环单元多变量时间序列预测 目录 多维时序 | MATLAB实现BO-CNN-GRU贝叶斯优化卷积门控循环单元多变量时间序列预测效果一览基本介绍模型描述程序设计参考资料 效果一览 基本介绍 基于贝叶斯(bayes)优化卷积神经网络-门控循环…

开放式耳机有什么好处,分享几款高畅销的开放式耳机

开放式耳机是一种声音传导方式,主要通过颅骨、骨骼把声波传递到内耳,属于非入耳式的佩戴方式。相比传统入耳式耳机,开放式耳机不会堵塞耳道,使用时可以开放双耳,不影响与他人的正常交流。开放式耳机不会对耳朵产生任何…

RocketMQ整合代码

RocketMQ整合代码 一 构建Java基础环境 在maven项⽬中构建出RocketMQ消息示例的基础环境&#xff0c;即创建⽣产者程序和消费者程序。通过⽣产者和消费者了解RocketMQ操作消息的原⽣API 引⼊依赖 <dependencies><dependency><groupId>org.apache.rocketmq&…

HCIP——交换(更新中)

园区网架构 交换机实现了以下功能 无限的传输距离——识别&#xff0c;重写电信号&#xff08;帧&#xff09;保证信息完整彻底解决了冲突二层单播——MAC地址表提高端口密度 MAC 单播地址&#xff1a;MAC地址第一个字节第8位为0 组播地址&#xff1a;MAC地址第一个字节第8位…

我完全手写的Resnet50网络,终于把猫识别出来了

大家好啊&#xff0c;我是董董灿。 经常看我文章的同学&#xff0c;可能知道最近我在做一个小项目——《从零手写Resnet50实战》。 从零开始&#xff0c;用最简单的程序语言&#xff0c;不借用任何第三方库&#xff0c;完成Resnet50的所有算法实现和网络结构搭建&#xff0c;…

SOS大规模敏捷开发项目管理完整版(Scrum of Scrums)

Scrum of Scrums是轻量化的规模化敏捷管理模式&#xff0c;Leangoo领歌可以完美支持Scrum of Scrums多团队敏捷管理。 Scrum of Scrums的场景 Scrum of Scrums是指多个敏捷团队共同开发一个大型产品、项目或解决方案。Leangoo提供了多团队场景下的产品路线图规划、需求管理、…

2023首场亚马逊云科技行业峰会,医疗与生命科学年度盛会精彩先行

从实验室扩展到真实世界&#xff0c;从前沿技术探索到医疗生命科学行业的快速创新实践&#xff0c;亚马逊云科技不断地通过数字化助力医疗和生命科学的行业创新。由上海徐汇区科委指导&#xff0c;上海枫林集团作为支持单位&#xff0c;亚马逊云科技主办的2023亚马逊云科技医疗…

如何评估小程序开发费用:从项目规模到技术需求

作为一种越来越受欢迎的移动应用&#xff0c;小程序的开发费用是许多企业和个人考虑的重要因素之一。但是&#xff0c;要确定小程序开发费用并不是一件容易的事情&#xff0c;因为它涉及到多个因素&#xff0c;从项目规模到技术需求。 项目规模 小程序开发的费用通常与项目规…

docker-Dockerfile文件使用配置、自定义构建镜像、docker build

Dockerfile使用 docker build构建新的镜像参数解释 Dockerfile格式基础格式FROMCOPYADDRUNCMDENTRYPOINTENVARGVOLUMEEXPOSEWORKDIRUSERHEALTHCHECKONBUILDLABEL 命令摘要 docker build构建新的镜像 命令&#xff1a;docker build -t some-content-nginx . 参数解释 docker …

2023团体程序设计天梯赛--正式赛

L1-1 最好的文档 有一位软件工程师说过一句很有道理的话&#xff1a;“Good code is its own best documentation.”&#xff08;好代码本身就是最好的文档&#xff09;。本题就请你直接在屏幕上输出这句话。 输入格式&#xff1a; 本题没有输入。 输出格式&#xff1a; 在…

Pytorch的几种常用优化器

文章目录 AdagradSGDRMSpropAdamAdamW Adagrad Adagrad是一种可以自动调节每个参数更新的梯度的优化器&#xff0c;也可以做到在梯度平缓时走的步长大&#xff0c;在梯度小时走的步长小&#xff0c;从而防止loss出现剧烈震荡的情况。这里默认你已知道了他的原理了&#xff0c;…

SpringBoot自动配置原理详解

1 前言 之前也写过一篇类似的文章&#xff0c;但是当时理解的并不是很深入&#xff0c;所以一直想重新写&#xff0c;但是一直没有时间&#xff0c;就拖到了现在。这篇文章可能会很长&#xff0c;因为在讲解自动配置的过程中还会衍生出其他一些重要的知识点&#xff0c;我也会…

2023文本定位模型选型调研

背景 时间点&#xff1a;2023年03月 场景&#xff1a;做一个通用型的多种证件解析服务 需求&#xff1a;调研一种又新又快的定位模型。要求&#xff1a;1&#xff09;支持倾斜的文字&#xff0c;可以是4点定位或分割法后获取box&#xff0c;但不能是2点的定位&#xff1b;2&…

2023.4.23第五十次周报

目录 前言 文献阅读&#xff1a;基于ARIMA-WOA-LSTM模型的空气污染物预测 背景 ARIMA-WOA-LSTM模型 思路 主要贡献 积分移动平均自回归 &#xff08;ARIMA&#xff09; 鲸鱼优化算法 搜索超参数 CEEMDAN 结论 LSTM-Kriging 主要目标 理论猜想 问1&#xff1a…

如何申请百度地图开发者AK和基本使用,并解决Uncaught ReferenceError: BMapGL is not defined的错误

文章目录 1. 文章引言2. 申请AK3. 使用AK4. 解决BMapGL is not defined的错误5. 文末总结 1. 文章引言 今天在学习amis框架中的地理位置(LocationPicker)的组件&#xff0c;如下图所示&#xff1a; 关于amis的更多了解&#xff0c;可以参考博文&#xff1a;百度低代码amis框架的…