一、SD提示词基础
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。
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:
相反的人物提示词在前景物在后人物会变大或半身:
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。
要出好一张图提示词也至关重要,在这里我分享这份提示词大全给大家!
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
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。
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
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
1girl,
long hair, smile,
3、每个提示词默认权重为1,越靠前权重越高。
Girl, books, library,
library, books, Girl,
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
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
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
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,
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
yellow flower,
(yellow flower)
((yellow 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:
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:
(blue flower:0.4), yellow 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。
我们可以在提示词中使用 [lora:lora名称:权重](lora:lora名称:权重)来调用lora
样例:使用lora让图片特定风格
使用lora前
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)
lora:万能插画-超强故事感-99二创艺术_v1.0:0.5
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。
coffee cake,
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
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
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
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
best quality, masterpiece,forest, [stone:flower:0.7],前70%石头采样生效,后30%花朵采样生效
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
1girl, [red|blue]hair,
假如不加词缀:[cow | horse] 可以生成牛和马的混合体
[cow | horse]
举例:[bird|airplane] in sky 天空中一只飞机鸟
[bird|airplane] in sky
四、提示词插件推荐
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
https://github.com/Airjen/OneButtonprompt
在框框内填写提示词然后直接生成
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
https://github.com/adieyal/sd-dynamic-prompts
勾选启用
**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:
生成组合的效果
丰富提示词功能
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。
动态提示词效果
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
(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:
https://github.com/Physton/sd-webui-prompt-all-in-one
4、oldsix-prompt
(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
Stable Diffusion 最强提示词手册
- Stable Diffusion介绍
- OpenArt介绍
- 提示词(prompt) 工程介绍
- …
第一章、提示词格式
- 提问引导
- 示例
- 单词的顺序
- …
有需要的朋友,可以点击下方卡片免费领取!
第二章、修饰词(Modifiers)
- Photography/摄影
- Art Mediums/艺术媒介
- Artists/艺术家
- Illustration/插图
- Emotions/情感
- Aesthetics/美学
- …
第三章、 Magic words(咒语)
- Highly detailed/高细节
- Professional/专业
- Vivid Colors/鲜艳的颜色
- Bokeh/背景虚化
- Sketch vs Painting/素描 vs 绘画
- …
第四章、Stable Diffusion参数
- Resolution/分辨率
- CFC/提词相关性
- Step count/步数
- Seed/种子
- Sampler/采样
- 反向提示词(prompt)
第5章 img2img(图生图),in/outpainting(扩展/重绘)
- 将草图转化为专业艺术作品
- 风格转换
- lmg2lmg 变体
- Img2lmg+多个AI问题
- lmg2lmg 低强度变体
- 重绘
- 扩展/裁剪
- …
第6章 重要提示
- 词语的顺序和词语本身一样重要
- 不要忘记常规工具
- 反向提示词(prompt)
- …
第7章 OpenArt展示
- 提示词 (prompt)
- 案例展示
- …