Stable Diffusion 的提示词使用技巧

推荐Stable Diffusion自动纹理工具: DreamTexture.js自动纹理化开发包

什么是提示语?

提示语是人工智能中的一个重要组成部分,尤其是自然语言处理 (NLP)。在AI自人工智能中,想要获得好的效果,简洁、准确的提示语尤为重要。比如,使用DreamTexture.js自动纹理化开发包 为模型生成纹理,不同的提示语获取的最终效果也是不一样,如下是一个泵机模型,我想要为这个泵机贴上纹理让模型看起来更加真实,我采用两种提示词,效果如下:

Stable Diffusion 的提示词使用技巧_第1张图片

提示词:Realistic,cinematic, 8k,Front view

第一张图中只是用了很常规的提示词:Realistic, cinematic ,8k,Front view,所有模型只是简单的生成了一张金属效果的贴图,而没有其他细节的体现。

再看第二张效果图:

Stable Diffusion 的提示词使用技巧_第2张图片

提示词:Pump machine,red, Realistic, cinematic ,8k,Front view。

第一张图中添加模型名称说明和颜色描述,效果截然不同。以上只是简单的介绍下提示词在人工智能语言提示中的重要作用,下面我们来具体讲述下如何正确的给出提示词,以获得不同的效果。

1、什么是原始提示词?

原始提示是对要生成的内容的非常基本的描述。 大多数人一开始只使用原始提示。这是一个常见的错误,因为 这些图像往往会变得随机和混乱。结果还可以,但我们可以做得更好:) 例如,我生成了一只老虎、一座摩天大楼和一块具有稳定扩散的手表。

如您所见,这些图像并没有什么特别之处,也可能是谷歌图像搜索:)

2、为提示词添加样式

提示的样式非常重要。如果 AI 缺少特定样式, 它通常会选择在类似图像中看到最多的一个。 拥有精心选择的样式和原始提示有时就足够了,因为该样式在原始提示之后对图像的影响最大。

最常用的样式包括:

  1. 现实
  2. 油画
  3. 铅笔画
  4. 概念图
  5. 数字艺术
  6. 卡通
  7. 动漫
  8. 漫画
  9. 素描
  10. 水彩
  11. 抽象
  12. 超现实主义
  13. 波普艺术
  14. 未来主义

Stable Diffusion 的提示词使用技巧_第3张图片

我们可以看到,随着样式的增加,结果越来越好,Tiger 作为铅笔画就是一个很好的例子。

对于逼真的图像,有多种方法可以使其达到最佳状态。以下是一些使图像逼真的常用技术:

  1. 的照片 + RAW Prompt
  2. 照片 + RAW 提示
  3. 原始提示,超现实
  4. 原始提示,逼真

如果您希望您的提示生成一幅油画,您可以在提示中添加“一幅油画”。这有时可能会导致图像在框架中显示油画。如果发生这种情况,您可以重新运行提示或使用原始提示 + “油画”。

要创建铅笔画,请在原始提示中添加“铅笔画”,或将提示设置为原始提示 + “铅笔画”。

3、将艺术家添加到提示中

为了使您的风格更具体,您可以在提示中使用艺术家的名字。 例如,如果你想要一个非常抽象的图像,你可以添加“由巴勃罗·毕加索制作”,或者简单地说,“毕加索”。 以下是您可以使用的不同风格的艺术家列表, 但我总是鼓励你寻找不同的艺术家,因为这是发现新艺术的一种很酷的方式。

肖像

约翰·辛格·萨金特, 埃德加·德加, 保罗·塞尚, 扬·凡·艾克

油画

莱昂纳多·达芬奇, 文森特·梵高, 约翰内斯·维米尔(Johannes Vermeer), 伦勃朗

铅笔/钢笔画

阿尔布雷希特·丢勒, 列奥纳多·达·芬奇, 米开朗基罗 让-奥古斯特-多米尼克·安格尔

景观艺术

托马斯·莫兰, 克劳德·莫奈, 阿尔弗雷德·比尔施塔特, 弗雷德里克·埃德温·丘奇

Stable Diffusion 的提示词使用技巧_第4张图片

巴勃罗·毕加索(Pablo Picasso)制作的老虎油画

结束语

最后,您可以添加到提示中,使其看起来更像您想要的内容,包括添加 “Trending on ArtStation”以获得更具艺术性的图像,或“虚幻引擎”以获得更逼真的光照。 您可以添加任何您想要的内容,但这些是一些示例: 高度细节,超现实主义,艺术站趋势,三元配色方案,平滑,清晰对焦,哑光, 优雅,有史以来最美丽的图像,插图,数字绘画,黑暗,阴郁,辛烷值渲染,8K, 4K、水洗颜色、锐利、戏剧性的照明、美丽、后期处理、当天的图片、环境照明、 史诗般的构图,散景,15mm广角镜头,35mm广角镜头,85mm广角镜头。

转载:Stable Diffusion 的提示词使用技巧 (mvrlink.com)

你可能感兴趣的:(stable,diffusion)