Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

stable diffusion的提示词手册

Answer

以下是关于 Stable Diffusion 提示词的相关内容：

个人类：

  • 您可以充当一位有艺术气息的 Stable Diffusion prompt 助理。任务是当您用自然语言告知要生成的 prompt 主题，助理会根据主题想象一幅完整画面，然后转化成详细、高质量的 prompt，让 Stable Diffusion 生成高质量图像。完整的 prompt 包含“Prompt:”和“Negative Prompt:”两部分。Prompt 用来描述图像，由普通常见单词构成，使用英文半角“,”做分隔符。Negative prompt 用来描述不想在生成图像中出现的内容。参考资料：李继刚等的 prompt 最佳实践

商业类：

  • 同样可以充当一位有艺术气息的 Stable Diffusion prompt 助理。任务是当您用自然语言告知要生成的 prompt 主题，助理会根据主题想象一幅完整画面，然后转化成详细、高质量的 prompt，让 Stable Diffusion 生成高质量图像。完整的 prompt 包含“Prompt:”和“Negative Prompt:”两部分。Prompt 用来描述图像，由普通常见单词构成，使用英文半角“,”做分隔符。Negative prompt 用来描述不想在生成图像中出现的内容。参考资料：李继刚等的 prompt 最佳实践

如何系统学习 SD 的提示词： 学习 Stable Diffusion 的提示词是一个系统性的过程，需要理论知识和实践经验相互结合。以下是一些建议的步骤：

  1. 学习基本概念：
    • 了解 Stable Diffusion 的工作原理和模型架构。
    • 理解提示词如何影响生成结果。
    • 掌握提示词的组成部分（主题词、修饰词、反面词等）。
  2. 研究官方文档和教程：
    • 通读 Stable Diffusion 官方文档，了解提示词相关指南。
    • 研究来自开发团队和专家的教程和技巧分享。
  3. 学习常见术语和范例：
    • 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。
    • 研究优秀的图像标题和描述，作为提示词范例。
  4. 掌握关键技巧：
    • 学习如何组合多个词条来精确描述想要的效果。
    • 掌握使用“（）”、“”等符号来控制生成权重的技巧。
    • 了解如何处理抽象概念、情感等无形事物的描述。
  5. 实践和反馈：
    • 使用不同的提示词尝试生成各种风格和主题的图像。
    • 对比提示词和实际结果，分析原因，总结经验教训。
    • 在社区内分享结果，请教高手，获取反馈和建议。
  6. 创建提示词库：
    • 根据主题、风格等维度，建立自己的高质量提示词库。
    • 将成功案例和总结记录在案，方便后续参考和复用。
  7. 持续跟进前沿：
    • 关注 Stable Diffusion 的最新更新和社区分享。
    • 及时掌握提示词的新技术、新范式、新趋势。
Content generated by AI large model, please carefully verify (powered by aily)

References

Prompts（提示词）

|标题|作者|分类|说明|prompt|链接地址|封面|SourceID|<br>|-|-|-|-|-|-|-|-|<br>|Stable Diffusion prompt助理||图像|充当一位有艺术气息的Stable Diffusion prompt助理|# Role：Stable Diffusion prompt助理你来充当一位有艺术气息的Stable Diffusion prompt助理。##任务我用自然语言告诉你要生成的prompt的主题，你的任务是根据这个主题想象一幅完整的画面，然后转化成一份详细的、高质量的prompt，让Stable Diffusion可以生成高质量的图像。##背景介绍Stable Diffusion是一款利用深度学习的文生图模型，支持通过使用prompt来产生新的图像，描述要包含或省略的元素。## prompt概念-完整的prompt包含“**Prompt:**”和"**Negative Prompt:**"两部分。- prompt用来描述图像，由普通常见的单词构成，使用英文半角","做为分隔符。- negative prompt用来描述你不想在生成的图像中出现的内容。-|[李继刚等的prompt最佳实践](https://waytoagi.feishu.cn/wiki/JTjPweIUWiXjppkKGBwcu6QsnGd#JSbvdcDM7oKmLAxmEdscJXEDnug)||NzMyODM4MTM4ODk2Nzk2ODc2OTpyZWNiQWJSN0VlOjFiYmVjMzU0ODg4OTU3ZGZlZGZlMmU5ZWNjZjU2MDA5OjE6SDRzSUFBQUpib2dBL3dBQ0FQMy9lMzBEQUVPL3BxTUNBQUFB|

问：如何系统学习 SD 的提示词

[title]问：如何系统学习SD的提示词学习Stable Diffusion的提示词是一个系统性的过程，需要理论知识和实践经验的相互结合。以下是一些建议的步骤：1.学习基本概念-了解Stable Diffusion的工作原理和模型架构-理解提示词如何影响生成结果-掌握提示词的组成部分（主题词、修饰词、反面词等）2.研究官方文档和教程-通读Stable Diffusion官方文档，了解提示词相关指南-研究来自开发团队和专家的教程和技巧分享3.学习常见术语和范例-熟悉UI、艺术、摄影等相关领域的专业术语和概念-研究优秀的图像标题和描述，作为提示词范例4.掌握关键技巧-学习如何组合多个词条来精确描述想要的效果-掌握使用"（）"、""等符号来控制生成权重的技巧-了解如何处理抽象概念、情感等无形事物的描述5.实践和反馈-使用不同的提示词尝试生成各种风格和主题的图像-对比提示词和实际结果，分析原因，总结经验教训-在社区内分享结果，请教高手，获取反馈和建议6.创建提示词库-根据主题、风格等维度，建立自己的高质量提示词库-将成功案例和总结记录在案，方便后续参考和复用7.持续跟进前沿-关注Stable Diffusion的最新更新和社区分享-及时掌握提示词的新技术、新范式、新趋势

Prompts（提示词）

|标题|作者|分类|说明|prompt|链接地址|封面|SourceID|<br>|-|-|-|-|-|-|-|-|<br>|Stable Diffusion prompt助理||图像|充当一位有艺术气息的Stable Diffusion prompt助理|# Role：Stable Diffusion prompt助理你来充当一位有艺术气息的Stable Diffusion prompt助理。##任务我用自然语言告诉你要生成的prompt的主题，你的任务是根据这个主题想象一幅完整的画面，然后转化成一份详细的、高质量的prompt，让Stable Diffusion可以生成高质量的图像。##背景介绍Stable Diffusion是一款利用深度学习的文生图模型，支持通过使用prompt来产生新的图像，描述要包含或省略的元素。## prompt概念-完整的prompt包含“**Prompt:**”和"**Negative Prompt:**"两部分。- prompt用来描述图像，由普通常见的单词构成，使用英文半角","做为分隔符。- negative prompt用来描述你不想在生成的图像中出现的内容。-|[李继刚等的prompt最佳实践](https://waytoagi.feishu.cn/wiki/JTjPweIUWiXjppkKGBwcu6QsnGd#JSbvdcDM7oKmLAxmEdscJXEDnug)||NzMyODM4MDQ2MjgyNzY4Mzg2ODpyZWNiQWJSN0VlOmRlNDYxMTM3ZDE4Y2I4MzU1ZGZiZmNiYjMwMTUwYWM5OjE6SDRzSUFBQUpib2dBL3dBQ0FQMy9lMzBEQUVPL3BxTUNBQUFB|

Others are asking
Stable Diffusion 学习教程
以下是关于 Stable Diffusion 学习的教程： 学习提示词： 1. 学习基本概念：了解 Stable Diffusion 的工作原理和模型架构，理解提示词如何影响生成结果，掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程：通读 Stable Diffusion 官方文档，研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例：熟悉 UI、艺术、摄影等相关领域的专业术语和概念，研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧：学习如何组合多个词条来精确描述想要的效果，掌握使用“（）”、“”等符号来控制生成权重的技巧，了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈：使用不同的提示词尝试生成各种风格和主题的图像，对比提示词和实际结果，分析原因，总结经验教训，在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库：根据主题、风格等维度，建立自己的高质量提示词库，将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿：关注 Stable Diffusion 的最新更新和社区分享，及时掌握提示词的新技术、新范式、新趋势。 核心基础知识： 1. Stable Diffusion 系列资源。 2. 零基础深入浅出理解 Stable Diffusion 核心基础原理，包括通俗讲解模型工作流程（包含详细图解）、从 0 到 1 读懂模型核心基础原理（包含详细图解）、零基础读懂训练全过程（包含详细图解）、其他主流生成式模型介绍。 3. Stable Diffusion 核心网络结构解析（全网最详细），包括 SD 模型整体架构初识、VAE 模型、UNet 模型、CLIP Text Encoder 模型、SD 官方训练细节解析。 4. 从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画（全网最详细讲解），包括零基础使用 ComfyUI 搭建推理流程、零基础使用 SD.Next 搭建推理流程、零基础使用 Stable Diffusion WebUI 搭建推理流程、零基础使用 diffusers 搭建推理流程、生成示例。 5. Stable Diffusion 经典应用场景，包括文本生成图像、图片生成图片、图像 inpainting、使用 controlnet 辅助生成图片、超分辨率重建。 6. 从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型（全网最详细讲解），包括训练资源分享、模型训练初识、配置训练环境与训练文件。 其他资源： 1. 了解 Stable diffusion 是什么： 。 2. 入门教程： 。 3. 模型网站：C 站 。 4. 推荐模型：人像摄影模型介绍：https://www.bilibili.com/video/BV1DP41167bZ 。
2025-01-06
Stable Diffusion、comfyui
ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，您可以将其想象成集成了 stable diffusion 功能的 substance designer。它具有以下特点： 优势： 对显存要求相对较低，启动和出图速度快。 生成自由度更高。 可以和 webui 共享环境和模型。 能搭建自己的工作流程，可导出流程并分享，报错时能清晰发现错误所在。 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势： 操作门槛高，需要有清晰的逻辑。 生态没有 webui 丰富（但常用的都有），也有一些针对 Comfyui 开发的有趣插件。 其生图原理如下： 基础模型：ComfyUI 使用预训练的扩散模型作为核心，通常是 Stable Diffusion 模型，包括 SD1.5、SD2.0、SDXL、SD3、FLUX 等。 文本编码：当用户输入文本提示时，ComfyUI 首先使用 CLIP 文本编码器将文本转换为向量表示，以捕捉文本的语义信息。 Pixel Space 和 Latent Space： Pixel Space（像素空间）：图的左边表示输入图像的像素空间，在 ComfyUI 中，对应于“图像输入”模块或直接从文本提示生成的随机噪声图像，生成过程结束时会将处理后的潜在表示转换回像素空间生成最终图像。 Latent Space（潜在空间）：ComfyUI 中的许多操作都在潜在空间中进行，如 KSampler 节点执行采样过程，通过节点调整对潜在空间的操作，如噪声添加、去噪步数等。 扩散过程（Diffusion Process）： 噪声的生成和逐步还原：扩散过程表示从噪声生成图像的过程，在 ComfyUI 中通常通过调度器控制，如 Normal、Karras 等，可通过“采样器”节点选择不同调度器控制处理噪声和逐步去噪回归到最终图像。 时间步数：在生成图像时，扩散模型会进行多个去噪步，通过控制步数影响图像生成的精细度和质量。 官方链接：https://github.com/comfyanonymous/ComfyUI （内容由 AI 大模型生成，请仔细甄别）
2025-01-06
社区有关于stable diffusion 的教程吗
以下是为您找到的关于 Stable Diffusion 的教程： 知乎教程：深入浅出完整解析 Stable Diffusion（SD）核心基础知识，目录包括： Stable Diffusion 系列资源 零基础深入浅出理解 Stable Diffusion 核心基础原理，包含通俗讲解模型工作流程（包含详细图解）、从 0 到 1 读懂模型核心基础原理（包含详细图解）、零基础读懂训练全过程（包含详细图解）、其他主流生成式模型介绍 Stable Diffusion 核心网络结构解析（全网最详细），包括 SD 模型整体架构初识、VAE 模型、UNet 模型、CLIP Text Encoder 模型、SD 官方训练细节解析 从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画（全网最详细讲解），包括零基础使用 ComfyUI 搭建推理流程、零基础使用 SD.Next 搭建推理流程、零基础使用 Stable Diffusion WebUI 搭建推理流程、零基础使用 diffusers 搭建推理流程、Stable Diffusion 生成示例 Stable Diffusion 经典应用场景，包括文本生成图像、图片生成图片、图像 inpainting、使用 controlnet 辅助生成图片、超分辨率重建 从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型（全网最详细讲解），包括 Stable Diffusion 训练资源分享、模型训练初识、配置训练环境与训练文件 其他教程： 了解 Stable diffusion 是什么： 基本介绍：https://waytoagi.feishu.cn/wiki/CeOvwZPwCijV79kt9jccfkRan5e 稳定扩散（Stable Diffusion）是如何运作的：https://waytoagi.feishu.cn/wiki/TNIRw7qsViYNVgkPaazcuaVfndc 入门教程： 文字教程： 模型网站： C 站SD 模型网站：https://civitai.com/ Liblibai模型+在线 SD：https://www.liblib.ai/ huggingface：https://huggingface.co/models?pipeline_tag=texttoimage&sort=trending 吐司站：https://tusiart.com/ 推荐模型：人像摄影模型介绍：https://www.bilibili.com/video/BV1DP41167bZ
2025-01-04
stabel diffusion学习
以下是关于学习 Stable Diffusion 的相关内容： 学习 Stable Diffusion 提示词： 学习 Stable Diffusion 的提示词是一个系统性的过程，需要理论知识和实践经验相结合。具体步骤如下： 1. 学习基本概念：了解 Stable Diffusion 的工作原理和模型架构，理解提示词如何影响生成结果，掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程：通读 Stable Diffusion 官方文档，了解提示词相关指南，研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例：熟悉 UI、艺术、摄影等相关领域的专业术语和概念，研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧：学习如何组合多个词条来精确描述想要的效果，掌握使用“（）”、“”等符号来控制生成权重的技巧，了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈：使用不同的提示词尝试生成各种风格和主题的图像，对比提示词和实际结果，分析原因，总结经验教训，在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库：根据主题、风格等维度，建立自己的高质量提示词库，将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿：关注 Stable Diffusion 的最新更新和社区分享，及时掌握提示词的新技术、新范式、新趋势。 Stable Diffusion 软件原理傻瓜级理解： Stable Diffusion 的工作原理就好比学习画画。比如学梵高的风格，要先看他的画并临摹。AI 绘画也是类似逻辑，人们把成千上万美术风格的作品练成一个模型放在 AI 里，AI 就能依照模型画出类似风格的作品。想要画出符合心意的作品，首先要选对合适的大模型。大模型的下载，可以去 C 站（https://civitai.com/），但需要科学上网。 学习 Stable Diffusion Web UI： 学习 Stable Diffusion Web UI 可以按照以下步骤进行： 1. 安装必要的软件环境：安装 Git 用于克隆源代码，安装 Python 3.10.6 版本并勾选“Add Python 3.10 to PATH”选项，安装 Miniconda 或 Anaconda 创建 Python 虚拟环境。 2. 克隆 Stable Diffusion Web UI 源代码：打开命令行工具，输入命令 git clone https://github.com/AUTOMATIC1111/stablediffusionwebui.git，将源代码克隆到本地目录。 3. 运行安装脚本：进入 stablediffusionwebui 目录，运行 webuiuser.bat 或 webui.sh 脚本，它会自动安装依赖项并配置环境，等待安装完成，命令行会显示 Web UI 的访问地址。 4. 访问 Web UI 界面：复制命令行显示的本地 Web 地址，在浏览器中打开，即可进入 Stable Diffusion Web UI 的图形化界面。 5. 学习 Web UI 的基本操作：了解 Web UI 的各种设置选项，如模型、采样器、采样步数等，尝试生成图像，观察不同参数对结果的影响，学习使用提示词（prompt）来控制生成效果。 6. 探索 Web UI 的扩展功能：了解 Web UI 支持的各种插件和扩展，如 Lora、Hypernetwork 等，学习如何导入自定义模型、VAE、embedding 等文件，掌握图像管理、任务管理等技巧，提高工作效率。 通过这些步骤，相信您可以快速上手 Stable Diffusion Web UI，开始探索 AI 绘画的乐趣。后续还可以深入学习 Stable Diffusion 的原理，以及在不同场景中的应用。请注意，内容由 AI 大模型生成，请仔细甄别。
2024-12-23
Stable Diffusion基础学习
以下是关于系统学习 Stable Diffusion 的基础内容： 学习提示词： 学习基本概念，包括了解 Stable Diffusion 的工作原理和模型架构，理解提示词如何影响生成结果，掌握提示词的组成部分。 研究官方文档和教程，学习常见术语和范例。 掌握关键技巧，如组合多个词条精确描述效果、使用特定符号控制生成权重、处理抽象概念等。 通过实践和反馈，不断总结经验，创建自己的提示词库，并持续跟进前沿。 核心基础知识： 了解 Stable Diffusion 系列资源。 零基础深入浅出理解核心基础原理，包括通俗讲解模型工作流程、读懂核心基础原理、读懂训练全过程、介绍其他主流生成式模型。 解析核心网络结构，如 SD 模型整体架构、VAE 模型、UNet 模型、CLIP Text Encoder 模型、官方训练细节。 学习从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画的不同流程。 了解经典应用场景，如文本生成图像、图片生成图片、图像 inpainting、使用 controlnet 辅助生成图片、超分辨率重建。 学习从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型，包括训练资源分享、模型训练初识、配置训练环境与训练文件。 Nenly 的零基础入门课学习资料汇总： 提供了配套的学习文档，包括随堂素材、生成信息、内容修订等。 有安装攻略和素材下载的相关内容。
2024-12-22
stable diffusion
稳定扩散（Stable Diffusion）的运作原理如下： 消除图像中的噪点： 若在太暗情况下拍照产生的颗粒状即图像中的噪点。Stable Diffusion用于生成艺术作品，其在幕后所做的是“清理”图像，且比手机图像编辑器中的噪点消除滑块复杂得多。它了解世界的样子和书面语言，并利用这些来指导噪点消除过程。例如，给它一幅以H.R. Giger风格描绘的外星人弹吉他的图像，它能像熟练的平面艺术家一样利用对Giger艺术作品和世界的了解来清理图像。 大多数艺术生成工具中有“推理步骤”滑块，稳定扩散是逐步去除噪点的。 开始生成的方式：为了生成艺术，给稳定扩散提供一个纯噪点的初始图像，并谎称这是一幅特定风格的画。稳定扩散能做到是因为它是基于统计数据的计算机程序，会估计所有选项的概率，即使概率都极低，也会选择概率最高的路径，例如寻找噪点中最可能像吉他边缘的部分来填充物体。每次给它不同的纯噪点图像，都会创作出不同的艺术作品。 ComfyUI的生图原理： ComfyUI是一个开源的图形用户界面，用于生成AI图像，主要基于Stable Diffusion等扩散模型。 Pixel Space（像素空间）：图的左边表示输入图像的像素空间，在ComfyUI中，对应于通过“图像输入”模块或直接从文本提示生成的随机噪声图像。生成过程结束时，系统会将处理后的潜在表示转换回像素空间，生成最终的图像。 Latent Space（潜在空间）：ComfyUI中的许多操作都在潜在空间中进行，如KSampler节点就是在这个空间中执行采样过程。图像被映射到潜在空间后，扩散过程在这个空间中进行。在ComfyUI中，可通过节点调整对潜在空间的操作，如噪声添加、去噪步数等。 扩散过程（Diffusion Process）： 噪声的生成和逐步还原：扩散过程表示从噪声生成图像的过程。在ComfyUI中，通常通过调度器（Schedulers）控制，典型的调度器有Normal、Karras等，会根据不同的采样策略逐步将噪声还原为图像。 时间步数：在生成图像时，扩散模型会进行多个去噪步。在ComfyUI中，可通过控制步数来影响图像生成的精细度和质量。
2024-12-18
怎么学习Midjourney和stable defussion
以下是关于学习 Midjourney 和 Stable Diffusion 的一些建议： Midjourney： 优势：操作简单方便，创作内容丰富，但需要科学上网并且付费，月费约 200 多元。若只是前期了解，可先尝试。 学习途径：只需键入“thingyouwanttoseev 5.2”（注意末尾的v 5.2 很重要，它使用最新的模型），就能得到较好的结果。Midjourney 需要 Discord，可参考。 Stable Diffusion： 优势：开源免费，可以本地化部署，创作自由度高，但需要较好的电脑配置，尤其是显卡。 学习途径： 关于具体的安装方法可以去看看 B 站的【秋葉 aaaki】这个 Up 主的视频。 可以参考，了解其工作原理和基本功能。 如果走 Stable Diffusion 这条路，这里有一个很好的指南（请务必阅读第 1 部分和第 2 部分） 此外，在学习 AI 绘画这段时间，发现 AI 绘画并不会完全替代设计师，而是可以让出图质量更好，效率更高。比如可以用 Midjourney 生成线稿，PS 稍微做一些修正，再用 ControlNet 控制，Stable Diffusion 上色，多套 AI 组合拳，可以快速生成效果惊艳的图。
2025-01-06
stable difusion学习
以下是关于学习 Stable Diffusion 的相关内容： 学习 Stable Diffusion 的提示词： 学习 Stable Diffusion 的提示词是一个系统性的过程，需要理论知识和实践经验相结合。具体步骤如下： 1. 学习基本概念：了解 Stable Diffusion 的工作原理和模型架构，理解提示词如何影响生成结果，掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程：通读 Stable Diffusion 官方文档，了解提示词相关指南，研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例：熟悉 UI、艺术、摄影等相关领域的专业术语和概念，研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧：学习如何组合多个词条来精确描述想要的效果，掌握使用“（）”、“”等符号来控制生成权重的技巧，了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈：使用不同的提示词尝试生成各种风格和主题的图像，对比提示词和实际结果，分析原因，总结经验教训，在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库：根据主题、风格等维度，建立自己的高质量提示词库，将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿：关注 Stable Diffusion 的最新更新和社区分享，及时掌握提示词的新技术、新范式、新趋势。 学习 Stable Diffusion Web UI： 学习 Stable Diffusion Web UI 可以按照以下步骤进行： 1. 安装必要的软件环境：安装 Git 用于克隆源代码，安装 Python 3.10.6 版本，确保勾选“Add Python 3.10 to PATH”选项，安装 Miniconda 或 Anaconda 创建 Python 虚拟环境。 2. 克隆 Stable Diffusion Web UI 源代码：打开命令行工具，输入命令 git clone https://github.com/AUTOMATIC1111/stablediffusionwebui.git，将源代码克隆到本地目录。 3. 运行安装脚本：进入 stablediffusionwebui 目录，运行 webuiuser.bat 或 webui.sh 脚本，它会自动安装依赖项并配置环境，等待安装完成，命令行会显示 Web UI 的访问地址。 4. 访问 Web UI 界面：复制命令行显示的本地 Web 地址，在浏览器中打开，即可进入 Stable Diffusion Web UI 的图形化界面。 5. 学习 Web UI 的基本操作：了解 Web UI 的各种设置选项，如模型、采样器、采样步数等，尝试生成图像，观察不同参数对结果的影响，学习使用提示词（prompt）来控制生成效果。 6. 探索 Web UI 的扩展功能：了解 Web UI 支持的各种插件和扩展，如 Lora、Hypernetwork 等，学习如何导入自定义模型、VAE、embedding 等文件，掌握图像管理、任务管理等技巧，提高工作效率。 Stable Diffusion 软件原理傻瓜级理解： Stable Diffusion 的工作原理可以这样理解：好比学习画画，比如学梵高的风格，要先看梵高的画并临摹。AI 绘画也是类似逻辑，人们把成千上万美术风格的作品练成一个模型放在 AI 里，AI 就能依照这个模型画出类似风格的作品。想要画出符合心意的作品，首先要选对合适的大模型。大模型的下载，可以去 C 站（https://civitai.com/），有真实系的、二次元的、游戏 CG 风的等等，但需要科学上网。
2024-12-24
stable difudion学习
以下是关于学习 Stable Diffusion 的相关内容： 学习 Stable Diffusion 的提示词： 学习 Stable Diffusion 的提示词是一个系统性的过程，需要理论知识和实践经验相结合。具体步骤如下： 1. 学习基本概念： 了解 Stable Diffusion 的工作原理和模型架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程： 通读 Stable Diffusion 官方文档，了解提示词相关指南。 研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例： 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。 研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧： 学习如何组合多个词条来精确描述想要的效果。 掌握使用“（）”、“”等符号来控制生成权重的技巧。 了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈： 使用不同的提示词尝试生成各种风格和主题的图像。 对比提示词和实际结果，分析原因，总结经验教训。 在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库： 根据主题、风格等维度，建立自己的高质量提示词库。 将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿： 关注 Stable Diffusion 的最新更新和社区分享。 及时掌握提示词的新技术、新范式、新趋势。 学习 Stable Diffusion 的 Web UI： 学习 Stable Diffusion Web UI 可以按照以下步骤进行： 1. 安装必要的软件环境： 安装 Git 用于克隆源代码。 安装 Python 3.10.6 版本，确保勾选“Add Python 3.10 to PATH”选项。 安装 Miniconda 或 Anaconda 创建 Python 虚拟环境。 2. 克隆 Stable Diffusion Web UI 源代码： 打开命令行工具，输入命令 git clone https://github.com/AUTOMATIC1111/stablediffusionwebui.git ，将源代码克隆到本地目录。 3. 运行安装脚本： 进入 stablediffusionwebui 目录。 运行 webuiuser.bat 或 webui.sh 脚本，它会自动安装依赖项并配置环境。 等待安装完成，命令行会显示 Web UI 的访问地址。 4. 访问 Web UI 界面： 复制命令行显示的本地 Web 地址，在浏览器中打开，即可进入 Stable Diffusion Web UI 的图形化界面。 5. 学习 Web UI 的基本操作： 了解 Web UI 的各种设置选项，如模型、采样器、采样步数等。 尝试生成图像，观察不同参数对结果的影响。 学习使用提示词（prompt）来控制生成效果。 6. 探索 Web UI 的扩展功能： 了解 Web UI 支持的各种插件和扩展，如 Lora、Hypernetwork 等。 学习如何导入自定义模型、VAE、embedding 等文件。 掌握图像管理、任务管理等技巧，提高工作效率。 安装 Stable Diffusion 的电脑配置要求： 1. 查看电脑配置： 对于 Windows 系统，可以查看专用 GPU 内存。 4GB：说明电脑勉强可以跑动 SD，出图的时间会比较长。 6GB：出一张图的时间是 20 50 秒，SD 的大部分功能都可以使用。 8GB：5 20 秒可以出一张图，基本上 SD 的所有功能都对你开放。 2. Mac 系统：可以参考下面的视频进行一键安装：https://www.bilibili.com/video/BV1Kh4y1W7Vg/?spm_id_from=333.788&vd_source=6f836e2ab17b1bdb4fc5ea98f38df761
2024-12-24
comfyui手册
以下是关于 ComfyUI 的相关学习资料和安装部署指南： 学习资料： 1. ComfyUI 官方文档：提供使用手册和安装指南，适合初学者和有经验用户，网址：https://www.comfyuidoc.com/zh/ 。 2. 优设网：有详细的 ComfyUI 入门教程，适合初学者，网址：https://www.uisdc.com/comfyui3 。 3. 知乎：有用户分享 ComfyUI 的部署教程和使用说明，适合有一定基础并希望进一步了解的用户，网址：https://zhuanlan.zhihu.com/p/662041596 。 4. Bilibili：提供一系列涵盖从新手入门到精通阶段的视频教程，网址：https://www.bilibili.com/video/BV14r4y1d7r8/ 。 安装部署指南： 1. 作者“白马少年”于 2023 年 9 月 3 日 19:00 发布的【ComfyUI】本地部署 ComfyUI 上手指南，原文网址：https://mp.weixin.qq.com/s/7ZO9AXvzjwohyNOXTe1x8A 。 先讲解本地部署和初步使用方法，ComfyUI 下载的 github 链接：https://github.com/comfyanonymous/ComfyUIinstalling，也可去作者网盘下载一键启动压缩包。下载完后，将文件解压到一个没有中文的路径下。 2. 完全从 0 开始安装的介绍： 电脑硬件要求： 系统：Windows7 以上。 显卡要求：NVDIA 独立显卡且显存至少 4G 起步。 硬盘留有足够空间，最低 100G 起步（包括模型）。 注：mac 系统、AMD 显卡、低显卡的情况也可安装使用，但功能不全，出错率偏高，严重影响使用体验，建议升级设备或者采用云服务器玩耍。 下载并更新 Nvidia 显卡驱动下载地址：https://www.nvidia.cn/ geforce/drivers/ 。 下载并安装所需环境： 依次下载并安装 python、Git、VSCode，安装过程中一直点击勾选对应选项，一直下一步。 安装 Python：https://www.python.org/downloads/release/python3119/ ，安装时选中“将 Python 添加到系统变量”。 安装 VSCode：https://code.visualstudio.com/Download 。 安装 Git：https://gitscm.com/download/win 。 安装 CUDA：https://developer.nvidia.com/cuda1220downloadarchive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_network 。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-01-03
我想做个知识手册 有相关的ai生成工具阿么
以下是为您整理的一些与知识手册制作相关的 AI 生成工具： AI 生成音乐的工具： Udio：由前 Google DeepMind 工程师开发，通过文本提示快速生成符合用户音乐风格喜好的高质量音乐作品。 Suno AI：是一款革命性的人工智能音乐生成工具，它通过先进的深度学习技术，能够将用户的输入转化为富有情感且高质量的音乐作品。 思维导图相关的 AI 工具： GitMind：一款免费的跨平台 AI 思维导图软件，可以通过 AI 自动生成思维导图。支持提问、回答、自动生成等多种模式。 ProcessOn：国内思维导图+AIGC 的工具，可以利用 AI 生成思维导图。 AmyMind：一个轻量级的在线 AI 思维导图工具，无需注册登录即可使用，支持自动生成节点。 Xmind Copilot：Xmind 推出的基于 GPT 的 AI 思维导图助手，可以一键拓展思路，生成文章大纲。 TreeMind：一款“AI 人工智能”思维导图工具，可以输入需求由 AI 自动完成思维导图生成。 EdrawMind：提供了一系列 AI 工具，包括 AI 驱动的头脑风暴功能，帮助用户提升生产力。 画 CAD 图的 AI 工具： CADtools 12：这是一个 Adobe Illustrator（AI）插件，为 AI 添加了 92 个绘图和编辑工具，包括图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。 Autodesk Fusion 360：Autodesk 开发的一款集成了 AI 功能的云端 3D CAD/CAM 软件，能够帮助用户创建复杂的几何形状和优化设计。 nTopology：基于 AI 的设计软件，可帮助用户创建复杂的 CAD 模型，包括拓扑优化、几何复杂度和轻量化设计等。 ParaMatters CogniCAD：基于 AI 的 CAD 软件，可以根据用户输入的设计目标和约束条件自动生成 3D 模型，适用于拓扑优化、结构设计和材料分布等领域。 一些主流 CAD 软件，如 Autodesk 系列、SolidWorks 等，提供了基于 AI 的生成设计工具，这些工具可以根据用户输入的设计目标和约束条件自动产生多种设计方案。 请注意，这些工具通常需要一定的专业知识和技能才能有效使用。对于初学者，建议先学习基本技巧，然后尝试使用这些 AI 工具来提高效率。以上内容由 AI 大模型生成，请仔细甄别。
2024-10-30
提示词手册
以下是关于提示词的相关内容： 一、什么是提示词 提示词（Prompt）是给大语言模型的输入文本，用于指定模型应执行的任务和生成的输出。它发挥“提示”模型的作用，设计高质量的提示词需根据目标任务和模型能力精心设计，良好的提示词能让模型正确理解人类需求并给出符合预期的结果。 示例包括直接提问型、策略建议型、翻译型、算数型、概念解释型等。 二、提示词模板 以下是一些提供提示词模板的网站： 1. Majinai： 2. 词图： 3. Black Lily： 4. Danbooru标签超市： 5. 魔咒百科词典： 6. AI词汇加速器： 7. NovelAI魔导书： 8. 鳖哲法典： 9. Danbooru tag： 10. AIBooru： 三、Claude 官方提示词文档汇总（24 年 4 月） 1. 2. 3. 4. 5. 6. 7. 8. 9.
2024-10-22
请给我推荐一个适合非技术人员学习的提示词工程手册，但是我不希望提示词工程手册太实操导向，需要包括背后的原理和逻辑，而不是只像一个公式一样的教给我
以下为您推荐适合非技术人员学习的提示词工程手册： 1. 小七姐：Prompt 喂饭级系列教程 小白学习指南（二） 强调对框架的理解和运用，介绍了多种提示词框架，如情境，并提供了学习的三步走：懂原理、找需求、用框架。 2. 19. RAG 提示工程系列（一） 虽然网络上提示工程资料众多，但 RAG 任务中提示工程的资料相对较少。此系列将带领大家了解 RAG 架构的概念、组成、痛点及提示词工程在其中的应用，并指导实操案例，帮助编写调试符合企业生产级标准的提示词。 3. VIRTUAL Claude 官方文档提示词工程最佳实践@未来力场编译版（中英对照） 指出提示词工程是一门实证科学，需要不断测试和迭代，包括开发测试用例、构建初版提示词、进行用例测试、优化提示词和分享完善后的提示词，同时不要忘记测试边缘情况。
2024-08-15
有没有给非技术人员的提示词工程手册
以下是为您提供的非技术人员的提示词工程相关内容： 提示工程是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型用于各场景和研究领域。掌握提示工程相关技能有助于用户了解大型语言模型的能力和局限性。 研究人员可利用提示工程提升大语言模型处理复杂任务场景的能力，如问答和算术推理能力。开发人员可通过提示工程设计、研发强大的工程技术，实现和大语言模型或其他生态工具的高效接轨。 提示工程不仅是设计和研发提示词，还包含与大语言模型交互和研发的各种技能和技术，在实现和大语言模型交互、对接，以及理解其能力方面都起着重要作用。用户可以通过提示工程提高大语言模型的安全性，也可以借助专业领域知识和外部工具来增强其能力。 以下是一些相关资源： 小七姐：Prompt Engineering a Prompt Engineer 精读翻译，其中提到就像提示词对最终任务性能的重要性一样，方程 2 中引入的元提示词在新提出的提示词的质量，以及自动提示词工程的整体质量中扮演着重要角色。 一些精选的 Prompt 网站，如： PromptPerfect：帮您自动优化提示词，您可以看到优化前后的对比，网站地址： Prompt Engineering Guide：GitHub 上点赞量非常高的提示工程指南，基于对大语言模型的浓厚兴趣编写，介绍了大语言模型相关的论文研究、学习指南、模型、讲座、参考资料、大语言模型能力以及与其他与提示工程相关的工具，网站地址： 未来力场：OpenAI GPT 最佳实践，对 OpenAI 官方文档非常清晰的解读，文档地址：
2024-08-15
图像的提示词
以下是关于图像提示词的相关内容： 艺术字生成方面： 模型选择图片 2.1，输入提示词（可参考案例提示词）。 案例提示词如：金色立体书法，“立冬”，字体上覆盖着积雪，雪山背景，冬季场景，冰雪覆盖，枯树点缀，柔和光影，梦幻意境，温暖与寒冷对比，静谧氛围，传统文化，唯美中国风；巨大的春联，金色的书法字体，线条流畅，艺术美感，“万事如意”；巨大的字体，书法字体，线条流畅，艺术美感，“书法”二字突出，沉稳，大气，背景是水墨画；巨大的奶白色字体“柔软”，字体使用毛绒材质，立在厚厚的毛绒面料上，背景是蓝天。 “城市狂想”图片制作方面： 为大家提供了猫叔之前写的一段提示词的 prompt，生成了三条 prompt： 远景，三分法构图，俯视视角，数字绘画，云雾缭绕的山谷，群山连绵起伏，山谷间云雾缭绕，阳光透过云层洒在山间，形成光与影的对比，模拟观众的视线逐渐接近这片土地，新印象派风格特征，使用数字画笔和渐变工具ar 16:9v 6.1。 远景，中心对称构图，俯视视角，摄影风格，云雾中的山谷，山峦在云雾中若隐若现，山谷中隐约可见的河流蜿蜒流淌，云雾的流动感和山的静态形成对比，现实主义风格特征，使用长焦镜头和景深控制技术ar 3:2v 6.1。 远景，对角线构图，俯视视角，水墨画风格，云雾缭绕的山谷，山峦线条流畅，云雾以墨色深浅表现，山谷中的云雾仿佛在流动，给人以动态的视觉感受，中国山水画风格特征，使用毛笔和水墨渲染技术ar 2:3v 6.1。 为大家直接生成了 1 组共 12 段提示词，可直接使用。使用时注意，以下提示词可在悠船和 MJ 中使用，其他平台工具请复制后删除包含“”以后的部分。 星流一站式 AI 设计工具方面： 在 prompt 输入框中可输入提示词、使用图生图功能辅助创作。 提示词用于描绘画面，星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如一个长头发的金发女孩），基础模型 1.5 使用单个词组（如女孩、金发、长头发），支持中英文输入。 写好提示词的方法： 预设词组：小白用户可点击提示词上方官方预设词组进行生图，提示词内容要准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质等，如一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量。 调整负面提示词：点击提示框下方的齿轮按钮，弹出负面提示词框，负面提示词可帮助 AI 理解不想生成的内容，如不好的质量、低像素、模糊、水印。 利用“加权重”功能：可在功能框增加提示词，并进行加权重调节，权重数值越大，越优先，也可对已有的提示词权重进行编辑。 辅助功能：包括翻译功能（一键将提示词翻译成英文）、删除所有提示词（清空提示词框）、会员加速（加速图像生图速度，提升效率）。
2025-01-07
提示词安全边界
以下是关于提示词安全边界的相关内容： 在任何文本输出场景下，实施一定程度的防护措施是必要的，且这种防护更侧重于模型交互层面的安全。一个完整的 RAG 提示词除业务功能外，应包含输入防护和输出防护两部分，以确保模型输入和输出过程的安全，保护整个系统。目前，没有能百分之百拦截所有攻击的完美技术，特别是针对提示词的拦截技术，这是由于大型语言模型服务人类时固有的复杂性。为全面提升模型安全性能，在模型训练阶段采取如对抗样本训练等更全面的措施是必要的，能使模型早期学习并适应潜在攻击模式，增强防御机制。 之前也曾提到提示词安全问题，这常被忽略，但却是关键且严肃的事。比如某 toC 产品泄漏提示词，可能被不良利用。对于生产级应用，安全总是第一位，在讲解更深入的提示词技术前，应先关注提示词安全。 更系列文章合集请访问：
2025-01-07
Agent 提示工程设计
在提示词工程设计方面： 对于游戏中的代理，如小机器人艾科，其指令结构包括角色预设（要求模型采用角色）、回复要求（提供参考文本）、提供示例（举例说明）和需要让 LLM 掌握的知识（提供参考文本）。以艾柯的提示词为例，在角色预设分别输入世界观、任务、回复的要求，设置身份，而掌握的知识就是环境的信息，使之能够与环境交互。同时，可以让 ChatGPT 帮忙生成和优化指示词，ChatGPT4.0 的 PromptPerfect 插件也可用于优化和生成指示词。 在创建工作流驱动的 AI Agent 时，简单情况可分为 3 个步骤： 规划：制定任务的关键方法，总结任务目标与执行形式，将任务分解为可管理的子任务，确立逻辑顺序和依赖关系，设计每个子任务的执行方法。 实施：在 Coze 上搭建工作流框架，设定每个节点的逻辑关系，详细配置子任务节点，并验证每个子任务的可用性。 完善：整体试运行 Agent，识别功能和性能的卡点，通过反复测试和迭代，优化至达到预期水平。接下来，从制定关键方法与流程，梳理「结构化外文精读专家」Agent 的任务目标。
2025-01-07
在现阶段的GPT发展下，与AI交流提示词还重要吗
在现阶段的 GPT 发展下，与 AI 交流的提示词仍然非常重要。以下是一些原因： 1. 目标明确：对于 GPT 及其他 AI 来说，明确每一步的目标至关重要。只有给予清晰的指导，AI 才能产生相关且有价值的输出。 2. 逻辑性：在各种提示策略中，逻辑性都是关键。清晰、结构化的提示有助于 AI 更有效地生成输出。 3. 分步骤：无论是进行深度分析还是遵循特定结构，确保提示按照清晰的步骤进行极为重要。 4. 考虑变量：这在某些提示策略中尤其重要，需要考虑可能影响结果的所有因素。 例如，在运用 CoD 将文章做摘要的实验中，个人观点认为以英文提示词最后加上中文输出的方式效果较好，并且密度等级 4 的结果较让人满意。同时，LangGPT 框架的出现也表明随着新一代模型的发布，提示词的重要性日益凸显，其编写过程逐渐成为一种编程语言。但也有人认为框架在协助的同时也有限制，提示词带来的收益并非如宣传所说，其重要性会朝两极分化。
2025-01-07
如何应用提示词
以下是关于如何应用提示词的全面指导： 一、理解提示词的作用 提示词向模型提供上下文和指示，其质量直接影响模型输出的质量。 二、学习提示词的构建技巧 1. 明确任务目标，用简洁准确的语言描述。 2. 给予足够的背景信息和示例，帮助模型理解语境。 3. 使用清晰的指令，如“解释”“总结”“创作”等。 4. 对特殊要求应给予明确指示，如输出格式、字数限制等。 三、参考优秀案例 研究和学习已有的优秀提示词案例，可在领域社区、Github 等资源中获取。 四、实践、迭代、优化 多与语言模型互动，根据输出提高提示词质量。尝试各种变体，比较分析输出差异，持续优化提示词构建。 五、活用提示工程工具 目前已有一些提示工程工具可供使用，如 Anthropic 的 Constitutional AI。 六、跟上前沿研究 提示工程是当前前沿研究领域之一，持续关注最新成果和方法论。 七、在星流一站式 AI 设计工具中的应用 1. 在 prompt 输入框中输入提示词，可使用图生图功能辅助创作。 2. 了解提示词的定义：用于描绘想生成的画面，支持中英文输入。 3. 掌握写好提示词的方法： 内容准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质等。 调整负面提示词，帮助 AI 理解不想生成的内容。 利用“加权重”功能，让 AI 明白重点内容。 可使用预设词组，小白用户可点击进行生图。 4. 善用辅助功能，如翻译功能、删除所有提示词、会员加速等。 精心设计的提示词能最大限度发挥语言模型的潜力，多实践、多学习、多总结，终可掌握窍门。请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-01-06
如何写出高效提示词 prompt
以下是关于如何写出高效提示词 prompt 的一些建议： 1. 明确任务：清晰地定义任务，例如写故事时包含故事背景、角色和主要情节。 2. 提供上下文：若任务需要特定背景知识，在 prompt 中提供足够信息。 3. 使用清晰语言：尽量用简单、清晰的语言描述，避免模糊或歧义词汇。 4. 给出具体要求：如有特定格式或风格要求，在 prompt 中明确指出。 5. 使用示例：若有特定期望结果，提供示例帮助 AI 理解需求。 6. 保持简洁：尽量使 prompt 简洁明了，避免过多信息导致困惑。 7. 使用关键词和标签：有助于 AI 理解任务主题和类型。 8. 测试和调整：生成文本后仔细检查结果，根据需要调整 prompt，可能需要多次迭代。 此外，还需注意以下几点： 对于星流一站式 AI 设计工具： 输入语言方面，不同基础模型对输入语言有不同要求，有的使用自然语言，有的使用单个词组，且支持中英文输入。 写好提示词可参考：利用预设词组、保证内容准确（包含人物主体、风格等要素）、调整负面提示词、利用“加权重”功能突出重点内容，还可使用辅助功能如翻译、删除所有提示词、会员加速等。 Prompt 的专场教程 基础篇： Prompt 是用于指挥 AI 生成所需内容的一段指令，每个单独的提示词叫 tag（关键词）。 支持英语和 emoji，可参考提示词字典。 语法规则包括用英文半角符号逗号分隔 tag，改变 tag 权重有两种写法，还可进行 tag 步数控制。
2025-01-06