让 ChatGPT 扮演一个艺术家,协助我们生成绘图 prompt

news2024/11/26 4:30:27

stable-diffusion Prompt 生成

直接生成

按照惯用的扮演思路,我们可以让 ChatGPT 扮演一个艺术家,协助我们生成绘图 prompt。考虑到 ChatGPT 和 DallE 同为 openai 公司产品,且 stable-diffusion 开源模型出现较晚,ChatGPT 训练数据中没有 stable-diffusion 相关内容,我们的扮演角色只能是 DallE。

Pretend you are an advanced AI, optimized for dialogue and for generating helpful Dall-E 2 prompts. Please give me a numbered list of five prompts that I could provide Dall-E 2 that would result in an accurate representation of how you, Assistant, would look if you had a physical body.

然后以"冬天奔跑的小女孩"为题,要求生成 prompt:

将 ChatGPT 提供的内容复制粘贴到 stable-diffusion 上得到效果如下:

稍微有点 stable-diffusion 知识的用户都知道,AI 画图的 prompt 中,除了核心要素,还需要加一些风格描述,但是直接使用自己心仪的艺术家或者公众人物名字,又有侵权的危险。因此,我们可以让 ChatGPT 帮我们转写艺术家的风格或者公众人物的特征。比如,我们借鉴新垣结衣的长相时,可以让 ChatGPT 帮我们提取她长相的核心元素:

现在,我们复制这段ChatGPT 回答中的纯描述部分,合并到原始 prompt 里,得到这么一段:

illustration of a young japanese girl running through a wintery landscape. She has a heart-shaped face with soft, delicate features. Her eyes are large and almond-shaped, with long eyelashes and a slight upward slant at the outer corners. Her eyebrows are thin and arched, giving her a slightly quizzical expression. Her nose is small and straight, and her lips are full and pouty. She has a clear, porcelain complexion and a gentle smile that lights up her entire face. Her hair is long and typically styled in loose waves or a simple, elegant updo. Overall, she has a classic beauty that is both timeless and modern.

因为 stable-diffusion prompt 的关键字不一定非得是自然语言顺序,所以我们可以要求 ChatGPT 做一定的简化"please using short sentences and keywords":

得到的效果如下:

思维链生成

绘图 AI 的 prompt 相对 ChatGPT 的 prompt 来说,还是有些不够自然语言。prompt 中标点符号的不同,句子次序的先后,甚至括号的数量,都对结果有明显的影响。因此,直接通过文本生成得到的 prompt 语句,最终画图效果可能未必如愿。

我们可以通过思维链方式,引导 ChatGPT 学会 prompt 中的规则,输出更好的结果。

第一步,给出一个包含各种复杂格式的 prompt 示例。为了让我们的示例一开始就有个较高的起点,可以选择上 https://prompthero.com/stable-diffusion-prompts 官网,选择 stable-diffusion 标签后,按照 Hot、Top 排序,找到一些效果较好的效果图,点击查看对应的 prompt,复制过来待用。作为示例,我们选择 3 月 3 日当天,首屏出现的若干图片的 prompt。先拿一张图片的 prompt 作为示例,让 ChatGPT 自行理解:

甚至可以像给小学生上课一样,让 ChatGPT 自己复述一下理解:

第二步,调整 ChatGPT 的理解,指出正确的规则。stable-diffusion 的 prompt 有些特殊用法,比如括号、加减号、冒号等。我们需要单独给 ChatGPT 强调一下:

第三步,给出多个包含各种复杂格式的 prompt 示例,加强理解。把挑好待用的另几个 prompt 这时候都可以贴过来,然后让 ChatGPT 照着随意仿写:

第四步,仿写完毕,可以正式出题,检验 ChatGPT 的学习结果了。让他依然以冬天奔跑的小女孩为题,生成一份 prompt 吧:

放到 stable-diffusion-webui,或者 blue willow 频道等地方,实际运行,挑出自己满意的效果:

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/459753.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

Linux云服务器的使用,以及运行Python程序

目录 1、使用Linux云服务器的软件 2、Linux系统运行Python程序 3、Linux系统查看包、虚拟环境、安装包等 以下几个深度学习服务器都不错:智星云、AutoDL、恒源云 1、使用Linux云服务器的软件 MobaXterm_Personal 推荐MobaXterm_Personal mobaxterm是一款方便网站…

目标追踪deepsort ByteTrack

多目标跟踪算法:DeepSort https://arxiv.org/pdf/1703.07402.pdf https://github.com/ZQPei/deep_sort_pytorch DeepSORT(Deep Learning-based SORT)是一种基于深度学习的多目标跟踪算法,用于在视频序列中跟踪多个目标并进行身份…

[pgrx开发postgresql数据库扩展]4.基本计算函数的编写与性能对比

前言 再次声明: 并不是所有场景都需要(或者适合)用rust来写的,绝大部分操作数据库的功能和计算,用SQL就已经足够了! 本系列中,所有的案例,仅用于说明pgrx的能力,而并非…

Spring依赖注入(DI配置)

Spring依赖注入 1. 依赖注入方式【重点】1.1 依赖注入的两种方式1.2 setter方式注入问题导入引用类型简单类型 1.3 构造方式注入问题导入引用类型简单类型参数适配【了解】 1.4 依赖注入方式选择 2. 依赖自动装配【理解】问题导入2.1 自动装配概念2.2 自动装配类型依赖自动装配…

ThinkPHP模型操作上

ThinkPHP模型操作上 前言模型一、创建模型二、模型操作 总结 前言 在mvc架构中,模型的解释是写逻辑代码的地方,其实还可以这样理解,就是一串操作写在一个模型类中,就是你要完成某一项功能,将这个功能的代码写在一个mod…

chatgpt能做本地化部署,训练私有化学科领域数据吗?-----模型只在工具之上,想法只在算力范围之内

GPTGLM-6B场景应用: 最近,ChatGPT已经火出圈了,一般OpenAI需要梯子,然后需要花钱,导致很多限制,用的很不方便(很希望大厂努力,有国人自己的大语言模型),目前…

Bean 作⽤域和⽣命周期

目录 1.lombok 1.1 1.添加依赖:(pom.xml) 1.2 在实体类上使用lombok提供的注解 1.3 安装插件 2. Bean 的 6 种作⽤域(Scope) 2.1 singleton(默认模式) 2.2 prototype(原型模式…

【EasyPoi实战系列】Spring Boot使用EasyPoi的注解让表格更漂亮以及图片的导出 - 第468篇

历史文章(文章累计460) 《国内最全的Spring Boot系列之一》 《国内最全的Spring Boot系列之二》 《国内最全的Spring Boot系列之三》 《国内最全的Spring Boot系列之四》 《国内最全的Spring Boot系列之五》 《国内最全的Spring Boot系列之六》 【…

利用电脑和手机MT4平台软件设置报警功能的方法及步骤

使用MT4(MetaTrader 4)的报警功能,就可以在汇率达到指定数值,或者是在EA进场买进或结束交易的时候在手机接受推播通知。即使正在外出,也不会因此而错失机会,也可以借此确认进场交易内容,是相当便…

部署CDN的网站如何找真实IP

部署CDN的网站找真实IP 1.概述 目前很多网站使用了cdn服务,用了此服务 可以隐藏服务器的真实IP,加速网站静态文件的访问,而且你请求网站服务时,cdn服务会根据你所在的地区,选择合适的线路给予你访问,由此达…

黑盒测试过程中【测试方法】详解2-正交实验

在黑盒测试过程中,有9种常用的方法:1.等价类划分 2.边界值分析 3.判定表法 4.正交实验法 5.流程图分析 6.因果图法 7.输入域覆盖法 8.输出域覆盖法 9.猜错法 前面我们已经讲解过了等价类划分、边界值、判定表。 可以参考我之前的文章&#xff…

k8s部署Pyroscope并分析golang性能瓶颈

Pyroscope是什么 Pyroscope是一种开源的应用程序性能分析工具,它可以帮助我们发现和解决应用中的性能问题。Pyroscope支持多种编程语言并提供了丰富的性能数据,可以帮助我们跟踪应用程序的执行情况,并根据收集到的数据来识别性能瓶颈。 Pyros…

什么是VBST和PVST?两者有啥区别?

在计算机网络中,VLAN(Virtual Local Area Network,虚拟局域网)是一种将局域网划分为多个逻辑上独立的子网的技术,它可以帮助网络管理员更好地管理网络资源。 在VLAN技术中,STP(Spanning Tree P…

Git 如何修改历史的 Commit message

目录 修改最近一条Commit 修改过去若干条 Commit 场景:当分批次多次提交时,突然发现提交的message不符合规范,想要修改,这时就可以使用了 修改最近一条Commit 如果只是想修最近一条 Commit, 直接使用命令: git commit --amen…

基于DistFlow方程求解给定的通用径向单相配电网络的配电功率流方程(Matlab代码实现)

目录 💥1 概述 📚2 运行结果 🎉3 参考文献 👨‍💻4 Matlab代码 💥1 概述 本文介绍了基于DistFlow方程求解给定的通用径向单相配电网络的配电功率流方程及结果展示。 📚2 运行结果 主函数部…

JVM垃圾回收机制和常见算法

GC回收垃圾流程第一步是定位内存空间中没有引用到的对象,然后才能进行回收。那么GC是如何定位这些内存中没有用到的对象呢? 一、引用计数器算法(废弃) 引用计数器算法是给每一个对象设置一个计数器,当有地方引用这个对…

Linux入门操作

pwd 查看当前目录 与 自动补全 文件详情 drwxrwxr-x d代表文件夹 -代表文件 其中rwx rwx r-x r是可读 w是可写 x 执行 第一组(前三个)指文件拥有者的权限 第二组(中三个)代表文件拥有的组的权限 第三组(后三个&am…

5.2.1二叉树的定义和基本术语

二叉树的基本概念: 二叉树是递归定义的二叉树 下面我们来看几个特殊的二叉树: 特点: 1)只有最后一层有叶子节点 2)不存在度为1的结点 3)按层序从1开始编号,结点i的左孩子为2i,右孩…

three.js地图可视化项目-广州模型

概述 如有不明白的可以加QQ:2354528292;wx: aichitudousien 更多教学视频请访问:https://space.bilibili.com/236087412 详细教学请到上方视频链接访问,总共3个多小时的教学~ three.js地图可视化项目-广州模型 搭建开发环境 使用…

Tomcat的概念、部署、及优化

一、Tomcat概述 1、Tomcat的概念 Tomcat是Java语言开发的,服务器是一个免费的开放源代码的Web应用服务器,属于轻量级应用服务器,在中小型系统和并发访问用户不是很多的场合下被普遍使用,是开发和调试JSP程序的首选。一般来说&am…