Stable Diffusion学习线路,提示词及资源分享

devtools/2025/1/16 1:12:59/

1. 提示词的基础概念

提示词分为正面提示词(Prompts)和反面提示词(Negative Prompts)。正面提示词代表你希望画面中出现的内容,而反面提示词代表你不希望画面中出现的内容。提示词通常是以英文书写,最小单位是单词。例如,如果你想生成一个穿着黄色衬衣的女孩的图像,你的正面提示词可以包括:“1girl, yellow shirt”。

在书写提示词时,建议使用词组而非主从式语句。这是因为AI模型通过多个标签矩阵进行绘画创作,而主从式语句段落的效果通常不如词组明确。

2. 提示词的基础格式

在使用提示词时,你可以结合角色形象、场景特点、画面视角以及画风质量等因素来描述你的创作需求。但有时候,即使按照这些要求书写提示词,结果可能仍不如你期望。这可能是因为你还没有掌握以下核心要点。

2.1 提高质量的正向提示词

HDR,UHD,8K(HDR、UHD、4K、8K和64K):使用这些质量词汇可以显著提升照片的画质。
Best quality:最佳质量。
Masterpiece:杰作。
Highly detailed:绘制更多详细的细节。
Studio lighting:添加演播室的灯光,为图像增添纹理。
Ultra-fine painting:超精细绘画。
Sharp focus:聚焦清晰。
Physically-based rendering:基于物理渲染。
Extreme detail description:极其详细的刻画。
Professional:加入该词可显著改善图像的色彩对比和细节。
Vivid colors:为图像添加鲜艳的色彩,增添活力。
Bokeh:虚化背景,突出主体,类似于iPhone的人像模式。
High resolution scan:让照片具有古老照片的年代感。
Sketch:素描。
Painting:绘画。
2.2 艺术风格代表的提示词

不仅可以调整图像质量,还可以使用提示词来实现不同的艺术风格:

肖像画(Portraits):例如Derek Gores, Miles Aldridge, Jean Baptiste-Carpeaux, Anne-Louis Girodet。
风景画(Landscape):例如Alejandro Bursido, Jacques-Laurent Agasse, Andreas Achenbach, Cuno Amiet。
恐怖画(Horror):例如H.R. Giger, Tim Burton, Andy Fairhurst, Zdzislaw Beksinski。
动漫画(Anime):例如Makoto Shinkai, Katsuhiro Otomo, Masashi Kishimoto, Kentaro Miura。
科幻画(Sci-fi):例如Chesley Bonestell, Karel Thole, Jim Burns, Enki Bilal。
摄影(Photography):例如Ansel Adams, Ray Earnes, Peter Kemp, Ruth Bernhard。
概念艺术家(视频游戏):例如Emerson Tung, Shaddy Safadi, Kentaro Miura。
2.3 常用的反向提示词

如果你不希望出现某些元素,也可以使用反向提示词:

Mutated hands and fingers:变异的手和手指。
Deformed:畸形的。
Bad anatomy:解剖不良。
Disfigured:毁容。
Poorly drawn face:脸部画得不好。
Mutated:变异的。
Extra limb:多余的肢体。
Ugly:丑陋。
Poorly drawn hands:手部画得很差。
Missing limb:缺少的肢体。
Floating limbs:漂浮的四肢。
Disconnected limbs:肢体不连贯。
Malformed hands:畸形的手。
Out of focus:脱离焦点。
Long neck:长颈。
Long body:身体长。
3. 镜头视角

你可以通过提示词来指定图像的镜头视角:

Dynamic angle:动态角度。
From above:从上方。
From below:从下面。
Wide shot:广角宽景。
Aerial view:空中俯瞰视图。
4. 主体远近

你可以通过提示词来调整主体在画面中的位置和远近程度:

Full body shot:全身。
Cowboy shot:半身。
Close-up shot:接近。
5. 光线

使用提示词来调整光线效果:

Cinematic lighting:电影光。
Dynamic lighting:动感光。
6. 主体视线

指定主体的视线方向:

Looking at viewer:画面中的物体或人物直接面对画面或观众。
Looking

下面是下载下来的效果

6.43 复制打开抖音,看看【MoroSophia的作品】@脸嘟嘟的~想捏~ 你要的学习资料 stable ... https://v.douyin.com/iYoBgfyS/ G@v.fb gOx:/ 07/28 
 

下面是下载链接

https://pan.baidu.com/s/1CpsaBqO1wFdCClDGmllcFg 
提取码:xdak 
--来自百度网盘超级会员V4的分享


http://www.ppmy.cn/devtools/19964.html

相关文章

npm install 卡在still idealTree buildDeps不动

前言 再使用npm install 安装包依赖时 发现一直卡住 停留在 观察node_cache下的_logs文件 发现一直在拉取包 37 silly idealTree buildDeps 38 silly fetch manifest riophae/vue-treeselect0.4.0尝试解决 尝试设置了taobao镜像源 依然如此 获取已经设置的镜像源 确实是ta…

VTK----VTK数据结构详解1(几何篇)

在讲VTK的数据结构之前,我们先了解可视化数据的两个特征:离散性、有规则或无规则。 离散性。当我们使用计算机去表示我们的数据时,一般都是基于有限数量的点做信息的采样(或插值),因此可视化的数据是以一种…

[Java EE] 多线程(四):线程安全问题(下)

1.5 volatile关键字 我们在了解这个关键字之前,我们首先要把产生线程安全的第4个原因补齐,我们来说说由于内存可见性引起的线程安全问题. 我们来看下面这样一段代码: import java.util.Scanner;public class Demo16 {public static int count 0;public static void main(Str…

《Vid2Seq》论文笔记

原文链接 [2302.14115] Vid2Seq: Large-Scale Pretraining of a Visual Language Model for Dense Video Captioning (arxiv.org) 原文笔记 What: 《Vid2Seq: Large-Scale Pretraining of a Visual Language Model for Dense Video Captioning》 作者提出一种多…

我与C++的爱恋:模板初阶和STL库

​ ​ 🔥个人主页:guoguoqiang. 🔥专栏:我与C的爱恋 ​朋友们大家好,本篇文章介绍一下模版和对STL进行简单的介绍,后续我们进入对STL的学习! ​ 一、模板 1.泛型模板 泛型编程:…

第10章:知识整合提示

这种技术使用模型的预先存在的知识,来整合新、旧信息,助力我们全面认知特定的主题。 与ChatGPT配合时,只需提供新信息与任务目标,加上清晰的提示词,它就能为你生成满意文本。 例 1:知识整合 任务:将新信息…

Three.js使用动画库( GSAP 一款基于 JavaScript 的 web动画库)

安装 npm install gsap使用 <template><div></div> </template><script setup> import * as THREE from three; import { OrbitControls } from three/addons/controls/OrbitControls.js; // 导入动画库 import gsap from gsap// 场景 const s…

[ESP32]:TFLite Micro推理CIFAR10模型

[ESP32]&#xff1a;TFLite Micro推理CIFAR10模型 模型训练 数据集处理 from keras.datasets import cifar10 from keras.preprocessing.image import ImageDataGenerator from keras.models import Sequential, load_model, Model from keras.layers import Input, Dense, …