直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

stable diffusion的提示词手册

回答

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。
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

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|

其他人在问
我有一张图像，我要如何用stable Diffusion给它添加噪音。我是一个小白，请给出详细的步骤，用webui来操作。
以下是使用 WebUI 为图像添加噪音的详细步骤： 1. 首先，了解 Stable Diffusion 的加噪原理。从数据集中选择一张干净样本，然后用 random 函数生成 0 3 共 4 种强度的噪声，在每次迭代中随机选择一种强度的噪声添加到干净图片上，完成图片的加噪流程。 2. 在训练过程中，对干净样本进行加噪处理，采用多次逐步增加噪声的方式，直至干净样本转变成为纯噪声。 3. 加噪过程中，每次增加的噪声量级可以不同，假设存在 5 种噪声量级，每次都可以选取一种量级的噪声，以增加噪声的多样性。 4. 与图片生成图片的过程相比，在预处理阶段，先把噪声添加到隐空间特征中。通过设置去噪强度（Denoising strength）控制加入噪音的量。如果去噪强度为 0 ，则不添加噪音；如果为 1 ，则添加最大数量的噪声，使潜像成为一个完整的随机张量。若将去噪强度设置为 1 ，就完全相当于文本转图像，因为初始潜像完全是随机的噪声。
2024-11-18
我有一张图像，我要如何用stable Diffusion给它添加噪音
要使用 Stable Diffusion 给一张图像添加噪音，以下是相关的原理和过程： 在 Stable Diffusion 中，与 GAN 等生成式模型一样，它学习拟合训练集分布，并能够生成与训练集分布相似的输出结果。但与 GAN 相比，SD 模型训练过程更稳定，且具备更强的泛化性能，这归功于其核心的前向扩散过程和反向扩散过程。 在前向扩散过程中，SD 模型持续对一张图像添加高斯噪声直至变成随机噪声矩阵。而在反向扩散过程中，SD 模型进行去噪声过程，将一个随机噪声矩阵逐渐去噪声直至生成一张图像。 Stable Diffusion 的整个训练过程在最高维度上可以看成是如何加噪声和如何去噪声的过程，并在针对噪声的“对抗与攻防”中学习到生成图片的能力。 其训练逻辑为： 1. 从数据集中随机选择一个训练样本。 2. 从 K 个噪声量级随机抽样一个 timestep t。 3. 将 timestep t 对应的高斯噪声添加到图片中。 4. 将加噪图片输入 UNet 中预测噪声。 5. 计算真实噪声和预测噪声的 L2 损失。 6. 计算梯度并更新 SD 模型参数。 在训练时，需要把加噪的数据集输入模型中，每一次迭代用 random 函数生成从强到弱各个强度的噪声，通常会生成 0 1000 一共 1001 种不同的噪声强度，通过 Time Embedding 嵌入到训练过程中。Time Embedding 由 Timesteps（时间步长）编码而来，引入 Timesteps 能够模拟一个随时间逐渐向图像加入噪声扰动的过程。每个 Timestep 代表一个噪声强度（较小的 Timestep 代表较弱的噪声扰动，而较大的 Timestep 代表较强的噪声扰动），通过多次增加噪声来逐渐改变干净图像的特征分布。 以下是一个简单的加噪声流程示例：首先从数据集中选择一张干净样本，然后再用 random 函数生成 0 3 一共 4 种强度的噪声，然后每次迭代中随机一种强度的噪声，增加到干净图片上，完成图片的加噪流程。 在训练过程中，首先对干净样本进行加噪处理，采用多次逐步增加噪声的方式，直至干净样本转变成为纯噪声。接着，让 SD 模型学习去噪过程，最后抽象出一个高维函数，这个函数能在纯噪声中不断“优化”噪声，得到一个干净样本。其中，将去噪过程具像化，就得到使用 UNet 预测噪声，并结合 Schedule 算法逐步去噪的过程。加噪和去噪过程都是逐步进行的，假设进行 K 步，那么每一步，SD 都要去预测噪声，从而形成“小步快跑的稳定去噪”。与此同时，在加噪过程中，每次增加的噪声量级可以不同，假设有 5 种噪声量级，那么每次都可以取一种量级的噪声，增加噪声的多样性。
2024-11-18
stable diffusion
稳定扩散（Stable Diffusion）的运作原理如下： 消除图像中的噪点： 以消除图像噪点为基础来生成艺术作品。它比手机图像编辑器中的噪点消除滑块复杂得多，不仅了解世界的样子和书面语言，还能利用这些来指导噪点消除过程。例如，就像平面艺术家利用对特定风格和事物的了解来清理图像一样，稳定扩散本质上做着类似的事情。 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。 起始方式： 为了生成艺术，给稳定扩散提供的初始图像实际上只是纯噪点，但声称这是一幅特定风格的画，让其进行清理。在最简单层面，它作为计算机程序会执行任务。更深层次，稳定扩散等 AI 模型基于统计数据，估计所有选项的概率，即使概率极低，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。每次输入不同纯噪点图像，都会创作出不同艺术作品。 ComfyUI 的生图原理： Pixel Space（像素空间）：图的左边表示输入图像的像素空间，在 ComfyUI 中，对应于可能通过“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，图像被映射到潜在空间后，扩散过程在这个空间中进行，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，通常由潜在空间操作模块实现。 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来控制如何在潜在空间中处理噪声及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，在 ComfyUI 中可通过控制步数来影响图像生成的精细度和质量。
2024-11-15
stable diffusion
稳定扩散（Stable Diffusion）的运作原理如下： 消除图像中的噪点： 如同在太暗环境拍照产生的颗粒状噪点，Stable Diffusion 用于生成艺术作品时会在幕后“清理”图像，它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，并以此指导噪点消除过程。例如，给它一幅以 H.R. Giger 风格描绘的外星人弹吉他的画，它能像熟练的平面艺术家一样进行清理。 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。 起始运作方式：为生成艺术，给稳定扩散提供纯噪点的初始图像，它基于统计数据估计所有选项的概率，即使正确概率极低，仍会选择概率最高的路径。例如，它对吉他在图像中的位置有一定理解，会寻找噪点中最可能像吉他边缘的部分进行填充，且每次给不同的纯噪点图像都会创作出不同作品。 相关组件和模型： UNET 是从噪音中生成图像的主要组件，在预测过程中通过反复调用 UNET，将其预测输出的 noise slice 从原有的噪声中去除，得到逐步去噪后的图像表示。Stable Diffusion Model 的 UNET 包含约 860M 的参数，以 float32 的精度编码大概需要 3.4G 的存储空间。 CLIP 将用户输入的 Prompt 文本转化成 text embedding，UNET 进行迭代降噪，在文本引导下进行多轮预测。 传统扩散模型在处理大尺寸图像和大量扩散步骤时存在计算效率问题，稳定扩散（最初称为潜在扩散模型）是为解决此问题提出的新方法。 存放路径和模型实例： ComfyUI 存放路径：models/checkpoints/SD 基础预训练模型，包括 SD1.5、SDXL 以及 SD 微调模型。 模型实例有【majicMIX realistic 麦橘写实 V7】（sd1.5 微调）、【LEOSAM HelloWorld 新世界】（SDXL 微调）等。 训练方法：DreamBooth（by Google） 格式：EMAonly & pruned 只画图，Full 可画图和微调训练。
2024-11-09
stable diffusion 绘画
以下是关于 Stable Diffusion 绘画的相关内容： 如果您是运营网店的女装店主，在没有资金请模特的情况下，可以用 Stable Diffusion 来制作商品展示图。具体步骤如下： 1. 真人穿衣服拍照，并获取具有真实质感的照片。若身材方面有问题，可借助美图秀秀或 PS 处理。 2. 选好底模，一定要是 realistic 的、真人照片风格的底模，如 majicmixRealistic_v7。 3. 进行换头操作，根据不同平台需求更换，如面向海外市场换白女头，面向中老妇女换妈妈头。 4. 在图生图下的局部重绘选项卡下涂抹自己替换的部分，并设置好 prompts 和 parameters，如“breathtaking cinematic photo, masterpiece, best quality, , blonde hair, silver necklace, carrying a white bag, standing, full body, detailed face, big eyes, detailed hands”。 关于 Stable Diffusion 的工作原理，就像学习画画临摹梵高的作品一样。您花四十年学习的梵高风格相当于 Stable Diffusion 的大模型——Checkpoint。人们将成千上万美术风格的作品练成模型放入 AI 中，AI 就能依照模型画出类似风格的作品。要画出符合心意的作品，首先要选对合适的大模型。大模型可在 C 站（https://civitai.com/）下载，但需要科学上网。有真实系的（Chillmixout）、二次元的（anything）、游戏 CG 风（ReV Animated）等。 用 Stable Diffusion 时，可以把自己想象成画家。在起笔前要确定照片风格，如二次元动漫、三次元现实照片或盲盒模型。确定风格后切换大模型，不同模型代表不同照片风格，即 SD 界面左上角的“Stable Diffusion 模型”。若想生成真人 AI 小姐姐，可选用 chilloutmix 的大模型。关于模型的获取和存放位置，后续会详细介绍。
2024-11-08
stable diffusion
稳定扩散（Stable Diffusion）的运作原理如下： 消除图像中的噪点： 如同在太暗环境拍照产生的颗粒状噪点，Stable Diffusion 用于生成艺术作品时会在幕后“清理”图像。它比手机图像编辑器中的噪点消除滑块复杂得多，不仅了解世界的样子和书面语言，还能利用这些来指导噪点消除过程。例如，就像平面艺术家利用对特定风格和事物的了解来清理图像一样，Stable Diffusion 本质上也在做类似的事情。 对于“推理步骤”，它是逐步去除噪点的。例如运行 25 步的例子中，起始图像可能完全无法辨认，但它实际上是从完全的噪点开始的。 开始生成的方式：为了生成艺术，给 Stable Diffusion 提供的初始图像实际上只是纯噪点，然后让其进行清理。从简单层面看，它作为计算机程序会执行任务并生成内容。更深层次来说，它基于统计数据，估计所有选项的概率，即使正确概率极低，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。 此外，UNET 是从噪音中生成图像的主要组件，通过反复调用 UNET 去除噪声得到逐步去噪后的图像表示。Stable Diffusion Model 的 UNET 包含约 860M 的参数。CLIP 将用户输入的 Prompt 文本转化成 text embedding，UNET 在文本引导下进行多轮迭代降噪预测。稳定扩散最初称为潜在扩散模型，是为解决传统扩散模型在计算效率上的挑战而提出的。ComfyUI 中存放路径为 models/checkpoints/，有 SD 基础预训练模型如 SD1.5、SDXL 以及微调模型，训练方法有 DreamBooth 等，格式包括 EMAonly & pruned 和 Full 等。
2024-11-08
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
AI提示词
以下是关于 AI 提示词的相关内容： 在舞蹈音乐方面，有 108 个用于生成 AI 舞曲的提示词，例如“Punchy 4/4 beats,electro bass,catchy synths,pop vocals,bright pads,clubready mixes,energetic drops”。其中，Punchy 4/4 beats 指节奏感强的四四拍鼓点；Electro bass 指电子低音；Catchy synths 指易于记住的合成器旋律或音效；Pop vocals 指流行音乐风格的主唱；Bright pads 指明亮的和弦音效；Clubready mixes 指适合在夜店播放的混音；Energetic drops 指高潮部分。每个提示词精心制作，以封装各种舞蹈音乐流派的特点和大气质量，适应不同聆听环境，还可用于激发对遗漏流派的描述，结合元素、流派、影响等深化舞蹈音乐的谱系。 对于 SD 新手入门的提示词，有以下相关资源： Majinai： 词图： Black Lily： Danbooru 标签超市： 魔咒百科词典： AI 词汇加速器： NovelAI 魔导书： 鳖哲法典： Danbooru tag： AIBooru：
2024-11-19
提示词模版
以下是一些提示词模板的相关资源： Majinai： 词图： Black Lily： Danbooru 标签超市： 魔咒百科词典： AI 词汇加速器： NovelAI 魔导书： 鳖哲法典： Danbooru tag： AIBooru： 您还可以参考 中优秀作品的提示词作为模板。 以下是一个简单的提示词模板示例： 其实最终目标是：把需求说清楚 GPTs 提示词模板... 往进去套就行哈哈哈 Act like a一样操作 I need a you will in the process,you should Please input the final result in a输入最终结果 here is an example: 案例： Act like a SEO Professional Writer,你是一个 SEO 专家 I need a optimized blog post,我需要一篇优化的博客文章 you will research keywords and incorporate them naturally into the content,你将研究关键字并将它们自然地融入内容中 in the process,you should focus on readability,relevance and proper keyword placement,在这个过程中，你应该关注可读性、相关性和正确的关键词位置 please avoid keyword stuffing or overoptimisation 请避免关键字堆砌或过度优化 input the final result in a well structured format,以结构良好的格式输入最终结果 here is an example:title "Top 10 Tips for Effective SEO Writing:Boost Your Content's Visibility" 这里有一个例子：标题“有效 SEO 写作的 10 大技巧：提高你的内容的知名度” 完整 prompt：Act like a SEO Professional Writer,I need a optimized blog post,you will research keywords and incorporate them naturally into the content,in the process,you should focus on readability,relevance and proper keyword placement,please avoid keyword stuffing or overoptimisation,input the final result in a well structured format,here is an example:title "Top 10 Tips for Effective SEO Writing:Boost Your Content's Visibility"
2024-11-19
提示词生成工具
以下为您介绍一些提示词生成工具： 【SD】自动写提示词脚本 One Button Prompt：在“高级”中设置提示词混合，可将主菜单中填写的前缀后缀全部混合。点击生成能得到多人的随机绘画，但可能存在生成不成功的情况。此脚本最后还有一键运行放大模块，包括完整的文生图放大和图生图放大，甚至可接入其他脚本和 controlnet。若想获取此插件，可添加公众号【白马与少年】，回复【SD】。 教育类提示词生成工具： 个人简介 Bio 生成器（互联网语言风格）：作者为李继刚，可帮助用户快速生成互联网平台上使用的 Bio。需用户输入个人基本信息，基于商业模式画布生成五行 Bio 介绍，每行有一个 Emoji 表情。 分享卡片生成器：作者为李继刚，用于市场营销，可生成美观的聊天框分享卡片，展示标题、关键词和摘要信息。能自动抽取相关信息，限制每行信息长度，用 Emoji 符号或 Unicode 符号美化排版，且关键词需以“”符号开头突出。
2024-11-18
提示词
提示词是由一些要素组成的，包括指令（想要模型执行的特定任务或指令）、上下文（包含外部信息或额外的上下文信息，引导语言模型更好地响应）、输入数据（用户输入的内容或问题）、输出指示（指定输出的类型或格式）。 提示工程是人工智能领域中，特别是在自然语言处理和大型语言模型的上下文中一个相对较新的概念，它涉及设计和优化输入提示，以引导 AI 模型生成特定类型的输出或执行特定的任务。其关键点包括精确性、创造性、迭代、上下文理解。提示词通常指的是直接输入到 AI 模型中的问题、请求或指示，是提示工程的一部分。提示工程是一个更广泛的概念，不仅包括创建提示词，还涉及理解模型的行为、优化提示以获得更好的性能、以及创造性地探索模型的潜在应用。 在 PixVerse 中，提示词在文生视频、图生视频和角色生视频中广泛使用。准确写出提示词可使 PixVerse 更容易生成想要的视频，减少试错成本。在 AI 视频生成中，Prompt 指用于指导或引导 AI 模型生成特定视频内容的描述性文本或指令，一般包含描述性文字、指令参数、情感氛围、参考风格等方面。推荐使用英文输入，PixVerse 对英文的理解能力最佳，效果最好，若对英文不熟悉，也可使用其他语言，PixVerse 的模型可以处理任何语言输入。
2024-11-16
关于kimi提问播客的提示词
以下是关于 Kimi 的相关提示词信息： 对于 Kimi Copilot 网页总结助手插件： 提示词包括：“你是一个擅长总结长文本的助手，能够总结用户给出的文本，并生成摘要。” 工作流程为：“让我们一步一步思考，阅读我提供的内容，并做出以下操作：一句话总结这篇文章，标题为‘概述’；总结文章内容并写成摘要，标题为‘摘要’；总是用中文回答；当你输出标题时，应该使用 markdown 格式。文章链接：https:// 。如果你无法访问这个链接，请根据下面的文本内容回答。” 文末的 ZIP 格式插件可能可以自定义提示词。 对于 Kimi chat： 输入 prompt 后很简洁。输入起诉状后，前面的回答温馨且专业，但存在一些问题，如主体缺少答辩人、引用废止的《合同法》等，总体能达到及格往上的成绩。输入应诉方案后，整体简洁明了但需继续细化，答辩策略对应答辩状，庭审准备和风险控制较抽象。 与智谱清言对比，智谱清言输入起诉状后的输出在主体等方面有其特点，输入“请输出应诉方案”后的输出在准备工作等方面表现良好。
2024-11-16
coze工作流中提示词优化节点有吗？
在 Coze 工作流中存在提示词优化节点。这个节点比较容易理解，如果觉得提示词需要优化，可加入该节点进行处理。其参数很简单，只有一个要优化的提示词。例如，用一开始就在用的文生图提示词“1 girl in real world”进行试用。优化后添加了很多具体信息，如在带着好奇心看书，环境中有阳光，色彩搭配的特点等。但修改后的提示词在控制图片生成真实照片的感觉方面，“in real world”控制真实图片生成的效果比“realistic”好。
2024-11-16