以下是一些可以设计和优化提示词的 AI 软件:
需要注意的是,在给定的 API 请求中处理的 Token 数量取决于输入和输出长度,文本提示词和生成的补全合起来不能超过模型的最大上下文长度(对于大多数模型,约为 2048 个 Token 或 1500 个单词)。
prompt输入框中你可以输入提示词、使用图生图功能辅助创作。[heading4]提示词[content]1.什么是提示词?1.1.内容1.1.1.提示词用于你想描绘的画面。1.2.输入语言1.2.1.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(一个长头发的金发女孩),基础模型1.5使用单个词组(女孩、金发、长头发),1.2.2.支持中英文输入。1.3.提示词优化1.3.1.启用提示词优化后,帮你扩展提示词,更生动的描述画面内容。2.如何写好提示词?2.1.预设词组2.1.1.小白用户可以点击提示词上方官方预设词组,进行生图2.1.提示词内容准确2.1.1.包含人物主体、风格、场景特点、环境光照、画面构图、画质,比如: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。2.2.调整负面提示词2.2.1.点击提示框下方的齿轮按钮,弹出负面提示词框2.2.2.负面提示词可以帮助AI理解我们不想生成的内容,比如:不好的质量、低像素、模糊、水印2.3.利用“加权重”功能,让AI明白重点内容2.3.1.可在功能框增加提示词,并进行加权重调节,权重数值越大,更优先。2.3.1.对已有的提示词权重进行编辑2.4.辅助功能2.4.1.翻译功能:一键将提示词翻译成英文2.4.2.删除所有提示词:清空提示词框2.4.3.会员加速:加速图像生图速度,提升效率
|站点名|网站介绍|地址|附件||-|-|-|-||[promptoMANIA](https://promptomania.com/generic-prompt-builder/)|AI艺术提示词生成器|[https://promptomania.com/generic-prompt-builder/](https://promptomania.com/generic-prompt-builder/)|||[pictionAIry](https://pictionairy.com/)|玩游戏也能练习Prompt书写|[https://pictionairy.com/](https://pictionairy.com/)|||NovelAI tag生成器|设计类Prompt提词生成器|[https://wolfchen.top/tag/](https://wolfchen.top/tag/)|||魔咒百科词典|魔法导论必备工具,简单易用的AI绘画tag生成器|[https://aitag.top/](https://aitag.top/)|||KREA|设计AI的Prompt集合站,create better prompts|[KREA — create better prompts.](https://search.krea.ai/)|||Public Prompts|免费的prompt合集,收集高质量的提示词|[https://publicprompts.art/](https://publicprompts.art/)|||AcceleratorI Prompt|AI词汇加速器,加速Prompt书写,通过按钮帮助优化和填充提示词|[https://ai.dawnmark.cn/](https://ai.dawnmark.cn/)||
OpenAI API可以应用于几乎所有涉及生成自然语言、代码或图像的任务。我们提供了一系列不同能力级别的[模型](https://ywh1bkansf.feishu.cn/wiki/R70MwasSpik2tgkCr7dc9eTmn0o),适用于不同任务的,并且能够[微调(Fine-tune)](https://ywh1bkansf.feishu.cn/wiki/ATYCwS5RRibGXNkvoC4ckddLnLf)您自己的自定义模型。这些模型可以用于从内容生成到语义搜索和分类的所有领域。[heading2]提示词Prompts[content]设计提示词本质上就是对模型进行“编程”,这通常是通过提供一些指令或几个示例来完成。这与大多数其他NLP服务不同,后者是为单个任务设计的,例如情绪分类或命名实体识别。相反,补全(Completions)和聊天补全(Chat Completions)几乎可用于任何任务,包括内容或代码生成、摘要、扩展、对话、创意写作、风格转换等。[heading2]标记Token[content]我们的模型通过将文本分解为标记(Token)来理解和处理文本。Token可以是单词,也可以是字符块。例如,单词“hamburger”被分解成标记“ham”、“bur”和“ger”,而很短且常见的单词像“pear”是一个Token。许多Token以空格开头,例如“ hello”和“ bye”。在给定的API请求中处理的Token数量取决于您的输入和输出长度。作为一个粗略的经验法则,对于英文文本,1个Token大约相当于4个字符或0.75个单词。要记住的一个限制是,您的文本提示词和生成的补全合起来不能超过模型的最大上下文长度(对于大多数模型,这是2048个Token,或大约1500个单词)。可以查看我们的[分词器工具](https://platform.openai.com/tokenizer)来了解有关文本如何转换为Token的更多信息。