Prompts提示詞簡介

在Stable Diffusion中，Prompts是控制模型生成圖像的關鍵輸入?yún)?shù)。它們是一種文本提示，告訴模型應該生成什么樣的圖像。

Prompts可以是任何文本輸入，包括描述圖像的文本，如“一只橘色的短毛貓，坐在草地上，背景是藍天白云”，也可以是關鍵詞的組合，如“鳥，森林，天空”。

通過使用Prompts，我們可以控制生成圖像的樣式、主題、顏色、紋理等。同時，我們還可以通過調(diào)整Prompts的權重來控制不同要素在圖像中的突出程度。例如，如果將某個關鍵詞的權重設置得更高，那么模型在生成圖像時就會更加注重這個關鍵詞的體現(xiàn)。

除了手動編寫Prompts，我們還可以利用一些工具來生成Prompts。例如，可以使用AI繪畫工具生成一個初步的圖像，然后將其作為參考圖，通過調(diào)整參考圖的參數(shù)來生成新的Prompts。這樣可以使Prompts更加貼合我們的需求，提高生成圖像的質(zhì)量和效率。

需要注意的是，不同的模型和參數(shù)設置會對Prompts的解讀和生成結果產(chǎn)生影響。因此，在使用Prompts時需要不斷嘗試和調(diào)整，以找到最佳的組合和權重設置。

提示詞是提示而不是判定依據(jù)，比如你輸入質(zhì)量判定詞匯的時候，其實是在限制數(shù)據(jù)的范圍，而不是 “要求” AI 出一張很好的圖片。

提示詞語法

基本格式

Stable Diffusion 提示詞僅支持用英文，可以是英文句子短語，標簽詞組。例如：我們要AI畫一個女孩在森林漫步的場景圖片，我們的提示詞可以有兩種寫法

• a girl was walking in the forest
• a girl,walking,forest,

這兩種寫法的出圖效果是一樣的。一般情況下，我們都會使用第二種詞組標簽的寫法，一是能寫更少的單詞，二是后期修改提示詞的時候時候非常方便。
注意事項

• 每個標簽之間要用英文逗號分割開來。
• 不區(qū)分大小寫。Stable Diffusion都會把大寫自動轉成小寫
• 越靠前的標簽，權重越大。
• 目前Stable-Diffusion-UI最大支持的提示詞是75個。
• 提示詞越多生成的繪畫出來的內(nèi)容就越難把控，不要寫入兩個或者更多相互矛盾（意思相反的提示詞）。
• 提示詞中包含相同或者類似的提示詞越多，畫面出現(xiàn)提示詞內(nèi)容權重就越大。

權重系數(shù)

權重系數(shù)可改變提示詞特定部分的比重。

分割符

• , 逗號： 分割詞綴，有一定權重排序功能，逗號前權重高，逗號后權重低，因而建議排序：

綜述（圖像質(zhì)量+畫風+鏡頭效果+光照效果+主題+構圖）
主體（人物&對象+姿勢+服裝+道具）
細節(jié)（場景+環(huán)境+飾品+特征）

先把描述圖片質(zhì)量，分辨率、風格的放在提示詞的最前面，其次是繪畫的主題內(nèi)容的提示詞，最后是繪畫細節(jié)的提示詞。按照這里的順序書寫提示詞，繪畫的效果會更好。

組合符

• () 圓括號： 增加權重0.1,即權重標為1.1
  大部分情況用圓括號即可。

// 權重乘以1.1
(1girl) 

• {} 花括號： 增加權重0.05

// 權重乘以1.05
{1girl}

• [] 方括號： 減少權重0.1，也有說是減弱0.05的
  方括號中無法自定義權重數(shù)值，自定義權重只能使用(x:0.5)形式。

// 權重乘以0.9
[1girl] 

• (())、{{}}、[[]] 復用括號： 疊加權重

// 權重乘以1.1*1.1，即權重為1.21
((1girl))
// 權重乘以1.05*1.05，即權重為1.1025
{{1girl}} 
// 權重乘以0.9*0.9，即權重為0.81
[[1girl]]  // 權重乘以1.1*1.1*1.1，即權重為1.331
(((1girl)))
// 權重乘以1.05*1.05*1.05，即權重為1.157625
{{{1girl}}} 
// 權重乘以0.9*0.9*0.9，即權重為0.729
[[[1girl]]]   

• : 冒號： 自定義權重數(shù)值（僅支持圓括號）
  格式：左圓括號 + 詞綴 + 冒號 + 數(shù)字 + 右圓括號

// 單人女孩詞綴，權重為0.75
(1girl:0.75) 
// 單人女孩詞綴，權重為1.2
(1girl:1.2) 

連接符

• AND 和： 將多個詞綴聚合在一個提示詞順序位置中，其初始權重一致

// 三個詞綴權重一致
bird and dog and pig// 可使用冒號標記其權重
bird:1.5 and dog:1.2 and pig:0.8

• | 豎線 混合兩個描述同一對象的提示詞要素

//生成白色和黃色混合的花
white | yellow floewer, 

• _ 下劃線 加強單詞之間的聯(lián)系

在這里插入代碼片

標簽替換和標簽輪轉

標簽替換

[] 方括號中使用: | 等符號，則可實現(xiàn)較為復雜的分布與交替渲染的需求。

• [from:to:when]： 渲染元素1到多少進度后開始渲染元素2，實現(xiàn)元素1與元素2的互相疊加，可用于兩個詞條的融合。即 [元素1:元素2:迭代步數(shù)比例] 或者即 [元素1:元素2:迭代步數(shù)]

// 當圖片采樣迭代步數(shù)到達40%進度后，開始渲染紅色
[blue:red:0.4] flower// 前12步渲染藍色后，開始渲染紅色
[blue:red:12] flower

標簽輪轉

• **[A|B|C] [提示詞1|提示詞2|提示詞3]：**元素1和元素2的交替混合渲染，意思就是渲染一次A，再渲染一次B，再渲染一次A~~以此往復直至最后。

//生成的第一步將使用 blue，第二步將使用red，第三步將使用yellow，第四步將使用blue，依此類推。
[blue|red|yellow]

調(diào)取 LoRA & Hypernetworks 模型

<> 尖括號： 調(diào)取LoRA或超網(wǎng)絡模型等。
輸入：<lora:filename:multiplier> 或 <hypernet:filename:multiplier> 可調(diào)取相應模型。

//調(diào)用lora模型
<lora:cuteGirlMix4_v10>
//調(diào)用lora模型 權重為0.5
<lora:cuteGirlMix4_v10:0.5>

Emoji表情符

Emoji (💰,💶,💷,💴,💵,🎊,🪅🪄,🎀,👩?🚀) 表情符號也是可以使用并且 非常準確 的。
😃 微笑 😦 不悅 😉 使眼色 😄 開心 😛 吐舌頭 :-C 很悲傷 😮 驚訝 張大口 😕 懷疑
Emoji 因為只有一個字符，所以在語義準確度上表現(xiàn)良好。

Emoji 在構圖上有影響，比如 💐??💐。

提示詞使用技巧

Stable Diffusion是一種基于transformer的文本到圖像生成模型,可以通過文本提示生成高質(zhì)量的圖像。提示詞是給Stable Diffusion輸入的文本提示,它可以指導模型生成什么樣的圖像。選擇合適的提示詞非常重要,可以大大影響最終生成結果的質(zhì)量。下面我將詳細講解提示詞的使用技巧:

• 以英文寫提示詞。Stable Diffusion是以英文訓練的模型,使用英文提示詞可以獲得最佳效果。

• **提示詞越具體越好。**提示詞應該盡可能明確地指出你想要生成什么樣的圖像,避免模糊、籠統(tǒng)的描述。例如“一只可愛的貓咪”比“一只貓”更好,“一個穿著藍色襯衫的女孩”比“一個女孩”更好。明確的描述可以減少模型的困惑,生成更符合預期的結果。

• **使用多詞短語而不是單個詞。**使用“坐在海邊的少女”而不是簡單地用“?！焙汀芭ⅰ薄６陶Z可以更清晰地表示組合意義,單個詞往往多義,增加模型需要處理的不確定性。

• **補充修飾詞。**使用形容詞和副詞來增加描述細節(jié),例如“一只快樂地玩耍的金毛獵犬”。修飾詞可以明確對象的屬性、狀態(tài)和動作,減少生成的隨機性。

• 指定樣式和組成?？梢灾苯又付ā帮L格為糖果色調(diào)”“像漫畫一樣”來指導圖像的視覺風格。也可以指定對象“右上角有一只貓”來指導組成。明確指導可以減少需要多次嘗試的時間。

• 排除不需要的內(nèi)容。可以使用“沒有文字”“不要水印”等指示來去掉不需要的元素。特別是需要生成照片時,可以指明“無水印照片”以避免生成帶商標的圖像。

• 對 prompts進行細分?？梢园烟崾驹~分成幾部分,分別控制場景、風格、視角等不同方面。例如“一只雪白的貓,背景是藍天白云,透視角度仰視”。這可以使得提示更結構化,各個方面可以自由組合。

• **嘗試不同的提示方式。**可以用不同的語句結構、詞匯描述同一個意圖,看哪種效果更好。也可以嘗試用不同語言的提示詞。提示詞的表述方式對結果有很大影響。

• **生成時候控制參數(shù)。**除了文本提示,生成參數(shù)如steps、sampling方法等都會影響結果?？梢越Y合參數(shù)控制使結果更可控。

• 查看例圖選用已知好的提示詞。prompts-engine等網(wǎng)站收集了大量示例圖片與prompts,可以直接借鑒使用效果好的提示詞。

• 迭代優(yōu)化找到最佳提示詞。生成結果與預期不符時,可以修改提示詞重新生成,逐步逼近理想結果。保持提示詞的持續(xù)優(yōu)化非常必要。

綜上,良好的提示詞應具備明確、具體、細節(jié)豐富等特點。需要注意提示詞的表述方式,區(qū)分不同的控制因素,同時結合參數(shù)控制使生成可控。要多次迭代試驗,優(yōu)化找到最佳提示詞組合。熟練掌握提示詞的運用可以大大提高Stable Diffusion的生成能力,是使用中的關鍵技巧。