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

通过图反向退出提示词

Answer

在 Stable Diffusion(SD)中,通过图反向退出提示词有以下几种情况:

  1. 图生图功能除了文本提词框外还有图片框输入口,可通过图片给与 AI 创作灵感。随便照一张照片拖入,文本输入框旁有两个反推提示词的按钮,CLIP 可通过图片反推出完整含义的句子,DeepBooru 可反推出关键词组。例如一张图通过两种反推方式得到的提示词分别为:CLIP——“a young boy sitting on a bench with a toy train and a lego train set on the floor next to him,Adam Rex,detailed product photo,a stock photo,lyco art”;DeepBooru——“shoes,solo,hat,orange_background,yellow_background,smile,socks,black_hair,sitting,sneakers”。但两种方式生成的提示词可能有瑕疵,需要手动补充信息,调整宽度和高度,使红框匹配图片,还要注意提示词相关性和重绘幅度这两个参数。
  2. 去除图像人物时,将图放入 WD 1.4 标签器中裁剪只保留背景部分,然后反推提示词,如“outdoors,no humans,tree,scenery,grass,sky,cloud,day,blue sky,mountain,road,house,path,building,nature,cloudy sky”,检查无误后发送到文生图中,开启 ControlNet,使用 inpaint 模型涂抹人物部分生成。可调整控制权重和控制模式来优化效果。
  3. 进行角色设计时,设置文生图提示词,如大模型“majicmixRealistic_v6.safetensors”,正向提示词“(a character sheet of a woman from different angles with a grey background:1.4),auburn hair,eyes open,cinematic lighting,Hyperrealism,depth of field,photography,ultra highres,photorealistic,8k,hyperrealism,studio lighting,photography”,负向提示词“EasyNegative,canvasframe,canvas frame,eyes shut,wink,blurry,hands,closed eyes,(easynegative),((((ugly)))),(((duplicate))),((morbid)),((mutilated)),out of frame,extra fingers,mutated hands,((poorly drawn hands)),((poorly drawn face)),((bad art)),blurry,(((mutation))),(((deformed))),blurry,((bad anatomy)),(((bad proportions))),((extra limbs)),cloned face,(((disfigured))),gross proportions,(malformed limbs),((missing arms)),((missing legs)),((floating limbs)),((disconnected limbs)),((malformed hands)),((missing fingers)),worst quality,((disappearing arms)),((disappearing legs)),(((extra arms))),(((extra legs))),(fused fingers),(too many fingers),(((long neck))),canvas frame,((worst quality)),((low quality)),lowres,sig,signature,watermark,username,bad,immature,cartoon,anime,3d,painting,b&w”,设置参数如迭代步数 50、采样方法 DPM++ 2M Karras、尺寸 1328×800px 后出图,可得到 15 个不同角度的人物图片。
Content generated by AI large model, please carefully verify (powered by aily)

References

【SD】真人转二次元?图生图如此强大

作者:白马少年介绍:SD实践派,出品精细教程发布时间:2023-05-02 20:00原文网址:https://mp.weixin.qq.com/s/l-O9vT9-_xzy0uvxnkjV-w相比于文生图,图生图功能除了文本提词框以外还多了一个图片框的输入口,因此,我们还可以通过图片来给与AI创作的灵感。我们随便照一张照片,直接拖入进来。然后可以看到,在文本输入框的旁边有两个反推提示词的按钮:CLIP是可以通过图片反推出完整含义的句子;DeepBooru是可以反推出关键词组。上面的那一张图,我们通过两种反推方式得到的提示词分别为:CLIP——a young boy sitting on a bench with a toy train and a lego train set on the floor next to him,Adam Rex,detailed product photo,a stock photo,lyco art。(一个小男孩坐在长凳上,旁边的地板上放着一辆玩具火车和一辆乐高火车,亚当·雷克斯,详细的产品照片,一张库存照片,莱科艺术,)DeepBooru——shoes,solo,hat,orange_background,yellow_background,smile,socks,black_hair,sitting,sneakers。(鞋子,独奏,帽子,橙色背景,黄色背景,微笑,袜子,黑发,坐着,运动鞋)可以看到两种方式生成的提示词都有些瑕疵,比如第一组里面没有描述小孩的穿着,第二组里面没有描述小孩的性别和周围的物品,所以我们需要手动来补充提示词的信息。写好提示词之后,我们再调整一下宽度和高度,让这个红框刚好匹配我们的图片即可。接下来,最重要的是这两个参数:提示词相关性和重绘幅度。

【SD】最强控制插件ControlNet(6)全局重绘inpaint

有时候,我们需要去掉画面中的主体形象,填补上相对复杂的背景,这个需求可以使用inpaint重绘功能来实现。我们首先将这张图放入WD 1.4标签器(Tagger)中,对图像进行裁剪,只保留背景的部分,然后进行反推提示词。这张图片的反推提示词如下:outdoors,no humans,tree,scenery,grass,sky,cloud,day,blue sky,mountain,road,house,path,building,nature,cloudy sky。检查一下,如果问题不大就可以发送到文生图中。开启ControlNet,使用inpaint模型,涂抹人物的部分,点击生成。修补完之后,人物的部分确实已经去掉了,草地、桥梁、山也填补得比较完美,但是画面风格好像有点不太一样。我尝试将控制权重提高到2,来尽可能保留原图的风格,控制模式改为更注重提示词。这样,除了颜色饱和度比较明亮以外,整体修补得还是不错的,颜色方面可以通过后期的PS去调整。我们再试试图生图中的“局部重绘”功能,同样的方法,涂抹掉人物的部分。可以看到,虽然风格保持了一致,但是填补得并不好看,在原本人物的部位,生成了一些奇怪的东西。

【SD】角色设计的福音!绘制一致性多角度头像

设置文生图提示词:大模型:majicmixRealistic_v6.safetensors正向提示词:(a character sheet of a woman from different angles with a grey background:1.4),auburn hair,eyes open,cinematic lighting,Hyperrealism,depth of field,photography,ultra highres,photorealistic,8k,hyperrealism,studio lighting,photography,负向提示词:EasyNegative,canvasframe,canvas frame,eyes shut,wink,blurry,hands,closed eyes,(easynegative),((((ugly)))),(((duplicate))),((morbid)),((mutilated)),out of frame,extra fingers,mutated hands,((poorly drawn hands)),((poorly drawn face)),((bad art)),blurry,(((mutation))),(((deformed))),blurry,((bad anatomy)),(((bad proportions))),((extra limbs)),cloned face,(((disfigured))),gross proportions,(malformed limbs),((missing arms)),((missing legs)),((floating limbs)),((disconnected limbs)),((malformed hands)),((missing fingers)),worst quality,((disappearing arms)),((disappearing legs)),(((extra arms))),(((extra legs))),(fused fingers),(too many fingers),(((long neck))),canvas frame,((worst quality)),((low quality)),lowres,sig,signature,watermark,username,bad,immature,cartoon,anime,3d,painting,b&w,设置一下参数:迭代步数:50采样方法:DPM++ 2M Karras尺寸:1328×800px出图!15个不同角度的人物图片,大概看下来基本就是同一个人,没毛病。

Others are asking
如何获取视频反向提示词
以下是获取视频反向提示词的一些方法: 1. 在 Stable Diffusion 中,Embedding 相当于提示词打包功能,可将大量固定不变且文本量较大的负向提示词汇总到一个文件里。常见的负向起手式能排除一些低质量、坏手、姿态错误等情况。若不想使提示词复杂,可使用打包好的负向提示词 Embedding,达到一词顶一百词的效果。例如 EasyNegative,官方推荐其搭配二次元模型使用。 2. 对于某些视频生成工具,如云端 Comfyui 出图结合 AI 视频软件的方法: 打开相关工作流链接,如 https://www.esheep.com/app/5977 ,注册或登录。 步骤 1:红色框选择生成图片的大模型,绿色框添加提示词,蓝色框填写反向提示词。 步骤 2:红色框设置大小确保是 16:9 的比例,绿色框修改参数,不理解时可保持默认。 步骤 3:红色框上传深度图。 步骤 4:点击立即生成,在生成历史中下载图片。
2025-01-23
文生图反向推出提示词
在文生图中,反向推出提示词的方式主要有以下几种: 1. 在图生图功能中,除了文本提词框外,还有图片框输入口。随便照一张照片拖入后,文本输入框旁边有两个反推提示词的按钮:CLIP 可以通过图片反推出完整含义的句子;DeepBooru 可以反推出关键词组。例如一张小男孩坐在长凳上的图片,通过 CLIP 反推得到的提示词为“a young boy sitting on a bench with a toy train and a lego train set on the floor next to him,Adam Rex,detailed product photo,a stock photo,lyco art”,通过 DeepBooru 反推得到的提示词为“shoes,solo,hat,orange_background,yellow_background,smile,socks,black_hair,sitting,sneakers”。但这两种方式生成的提示词可能存在瑕疵,需要手动补充信息。补充好提示词后,调整宽度和高度,使红框刚好匹配图片,同时注意两个重要参数:提示词相关性和重绘幅度。 2. 利用上一期活动图片反推工作流,使用唯美港风图片进行反推提示词,在大模型后接一个相关模型。上一期活动链接:。 3. 利用抱脸的 joycaption 图片反推提示词,然后在哩布上跑 flux 文生图工作流。joycaption 链接(需要魔法):https://huggingface.co/spaces/fancyfeast/joycaptionprealpha 。文生图工作流: 。在哩布上跑文生图:https://www.liblib.art/modelinfo/e16a07d8be544e82b1cd14c37e217119?from=personal_page 。 在写文生图的提示词时,例如“”。
2024-11-22
有什么根据图片反向输出 Prompt的工具么
以下是一些根据图片反向输出 Prompt 的工具: prompter: IMI Prompt:支持多种风格和形式的详细的 MJ 关键词生成器, Prompt Hero:好用的 Prompt 搜索,Search prompts for Stable Diffusion, ChatGPT & Midjourney, OpenArt:AI 人工智能图像生成器, img2prompt:根据图片提取 Prompt, MidJourney 提示词工具:专门为 MidJourney 做的提示词工具,界面直观易用, PromptBase:Prompt 交易市场,可以购买、使用、销售各种对话、设计 Prompt 模板, AiTuts Prompt:精心策划的高质量 Midjourney 提示数据库,提供了广泛的不同风格供选择,
2024-08-17
在sd中防止多人出现的反向提示词
我总结了以下几点在 Stable Diffusion 中防止多人出现的反向提示词: 1. 使用"solo"、"single figure"等关键词 在提示词中加入"solo"、"single figure"等词语,可以指示生成单个人物,而不是多人场景。这有助于避免生成包含多个人物的图像。 2. 限制人物数量 在提示词中明确指定生成单个人物,例如"a person", "a woman"等,而不是使用诸如"people"、"group"等词语。这可以有效限制生成的人物数量。 3. 避免使用集体词汇 在提示词中尽量避免使用"crowd"、"group"、"team"等集体性词汇,这些词容易引导生成包含多个人物的图像。 4. 使用负面提示词 在提示词中加入"no multiple people"、"avoid group shots"等负面提示词,明确告知模型不要生成包含多人的图像。这可以有效抑制多人出现的情况。 5. 结合其他限制条件 除了人物数量限制,还可以在提示词中加入其他限制条件,如特定的背景、场景、服饰等,进一步缩小生成范围,避免出现多人的情况。 总的来说,在 Stable Diffusion 中防止多人出现,需要在提示词中采取明确的限制措施,包括使用特定关键词、限制人物数量、避免集体词汇以及加入负面提示等方式。通过这些手段,可以更好地控制生成结果,避免出现不符合需求的多人图像。
2024-05-01
论文撰写的提示词
以下是关于论文撰写提示词的相关内容: 1. 通用原则: 目标明确:确保每一步的目标清晰,AI 需要明确指导以产生相关和有价值的输出。 逻辑性:在所有提示策略中,逻辑性是关键,清晰、结构化的提示有助于 AI 更有效地生成输出。 分步骤:无论是进行深度分析还是遵循特定结构,确保提示按清晰步骤进行至关重要。 考虑变量:在某些情境中尤为重要,需考虑可能影响结果的所有因素。 2. 实验示例: 运用 CoD 将文章做摘要的实验,通过 GPT 的五轮输出,以中英文两种方式撰写提示词,个人观点认为英文提示词加上中文输出的方式效果较好,密度等级 4 的结果较让人满意。 3. 学术场景数据处理: 论文内容总结:大模型结合有效的提示词可迅速总结概括文档,节省时间,如 GLM4Plus 结合良好的提示词能帮助学生快速总结论文内容。 论文内容翻译:大模型可弥补翻译软件的不足,帮助学生快速翻译论文内容,如 GLM 结合良好的提示词能提高论文阅读效率。 论文内容扩写润色:可将论文内容转化为社交媒体的科普内容,精心设计的润色提示词能根据特定场景调整,生成多样化润色结果,如针对小红书使用场景调整提示词。 4. PromptAgent 相关: 通过将 PromptAgent 应用于涵盖三个实用且不同领域的 12 个任务,能够发现有生产力的专家级提示词。PromptAgent 从初始人工编写的提示词和小组训练样本开始,不仅提高了初始人类提示词的性能,还超越了强大的 ChainofThought 和近期的提示词优化基线。大量定性结果突显了优化提示词的专家级方面,随着更强大 LLM 的出现,专家级的提示词引导将引领提示词工程的下一个时代,PromptAgent 站在了开创性的步骤上。
2025-02-21
如何修改提示词
以下是关于修改提示词的一些方法和要点: 在 Midjourney 官方用户端: 点击提示栏右端的设置图标,可以更改提示词的固定设置,包括图像大小(通过移动光标调整横竖屏和常见比例)、模式(在标准模式和原始模式之间切换)、版本(选择使用的 MidJourney 版本)、个性化(开启后自动应用最新代码设置)、美学(如风格化、奇异度、多样性的数值调整)以及更多选项(如速度选择放松、快速或极速模式)。 对于 Claude2: 优化提示词类似于进行一系列实验。进行测试,解释结果,然后根据结果调整变量(提示词或输入)。 当 Claude2 测试失败,尝试确定失败原因,调整提示词,例如更明确地编写规则或添加新规则,通过添加示例和规范输出展示如何正确处理,在某一类型输入表现良好时尝试其他输入类型,确保尝试极端情况,添加规则和示例直至在代表性输入集合上取得良好表现,建议进行“保留测试”。 在 SD 新手入门中: 根据想画的内容写出提示词,多个提示词之间使用英文半角逗号“,”分隔。 一般而言,概念性、大范围、风格化的关键词写在前面,叙述画面内容的其次,描述细节的最后,大致顺序为:(画面质量提示词)、(画面主题内容)(风格)、(相关艺术家)、(其他细节)。 每个词语在模型中的自带权重可能不同,训练集中较多出现的关键词输入一个就能极大影响画面,反之输入多个相关词汇可能影响有限。提示词顺序很重要,越靠后权重越低。 关键词应具有特异性,措辞越具体越好,避免抽象和有解释空间的措辞。 可以使用括号人工修改提示词的权重,例如“”在提示词中使用字面意义上的括号字符。
2025-02-21
提示词
提示词相关知识如下: 1. 什么是提示词: 用于描绘您想生成的画面。 输入语言方面,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。 启用提示词优化后,能帮您扩展提示词,更生动地描述画面内容。 2. 如何写好提示词: 可以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,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。 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。 利用“加权重”功能,让 AI 明白重点内容,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)。 3. 提示词要素: 提示词可以包含指令(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)。 4. 提示工程与提示词的区别: 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,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。 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。提示工程的目标是最大化 AI 模型的效用和性能,而提示词是实现这一目标的手段之一。在实际应用中,提示工程可能包括对 AI 模型的深入分析、用户研究、以及对特定任务的定制化提示设计。
2025-02-21
deekseek生成助手提示词的指令
以下是关于 DeepSeek 生成助手提示词的相关内容: 一、核心原理认知 1. AI 特性定位 多模态理解:支持文本/代码/数学公式混合输入 动态上下文:对话式连续记忆(约 4K tokens 上下文窗口,换算成汉字是 8000 字左右) 任务适应性:可切换创意生成/逻辑推理/数据分析模式 2. 系统响应机制 采用意图识别+内容生成双通道 自动检测 prompt 中的:任务类型/输出格式/知识范围 反馈敏感度:对位置权重(开头/结尾)、符号强调敏感 二、基础指令框架 如果不知道如何表达,还是可以套用框架指令 1. 四要素模板 2. 格式控制语法 强制结构:使用```包裹格式要求 占位符标记:用{{}}标注需填充内容 优先级符号:>表示关键要求,!表示禁止项 三、进阶控制技巧 1. 思维链引导 分步标记法:请逐步思考:1.问题分析→2.方案设计→3.风险评估 苏格拉底式追问:在得出最终结论前,请先列举三个可能存在的认知偏差 2. 知识库调用 领域限定指令:基于 2023 版中国药典,说明头孢类药物的配伍禁忌 文献引用模式:以 Nature 2022 年发表的论文为参考,解释 CRISPRCas9 最新突破 3. 多模态输出 四、高级调试策略 1. 模糊指令优化 问题类型 修正方案 示例对比 宽泛需求:添加维度约束,原句:“写小说”→修正:“创作以 AI 觉醒为背景的悬疑短篇,采用多视角叙事结构” 主观表述:量化标准,原句:“写得专业些”→修正:“符合 IEEE 论文格式,包含 5 项以上行业数据引用” 2. 迭代优化法 首轮生成:获取基础内容 特征强化:请加强第三段的技术细节描述 风格调整:改用学术会议报告语气,添加结论部分 最终校验:检查时间逻辑一致性,列出可能的事实性错误 五、行业应用案例 1. 技术开发场景 2. 商业分析场景 六、异常处理方案 1. 信息幻觉:追加请标注所有不确定陈述,并提供验证方法 2. 格式偏离:使用严格遵循以下模板:第一行...第二行... 3. 深度不足:触发请继续扩展第三章节内容,添加案例佐证 七、效能监测指标 1. 首次响应准确率:目标>75% 2. 多轮对话效率:问题解决平均轮次<3 3. 复杂任务分解:支持 5 级子任务嵌套 此外,还有关于利用 DeepSeek 生成小红书爆款单词视频的相关内容: 1. 生成单词 开始:输入单词主题、图片风格、单词数量。 生成单词数组:选择 deepseekr1 模型,输入单词主题、单词数量,这样 deepseek 就可以为用户输出指定数量的几个单词,以数组方式输出。 2. 角色:您是一个专业的单词生成助手,擅长围绕各种主题挖掘相关英语单词,为用户提供精准且实用的单词、中文、美式音标内容。 3. 技能:输出关联英语单词,当用户输入主题时,分析主题内涵,运用专业知识,输出指定数量个与该主题紧密关联的英语单词、中文翻译、美式音标,将该单词用于一句英文中(不超过 15 个单词),并将这句英文句子翻译成中文句子,并以数组形式呈现。 4. 限制:仅围绕用户输入主题输出相关英语单词、中文翻译、美式音标,不涉及其他领域内容。输出必须为符合要求的数组形式,英文单词对应变量 yingwen,中文翻译对应变量 zhongwen,美式音标对应变量 yinbiao,英文句子对应变量 juzi_yingwen,中文句子翻译对应变量 juzi_zhongwen,不得有其他格式偏差。
2025-02-21
如何使用ai提示词
以下是关于如何使用 AI 提示词的详细介绍: 1. 提示词的定义和输入语言: 提示词用于描绘您想要的画面。 不同模型对输入语言有不同要求,如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”),且支持中英文输入。 2. 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。 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,例如“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,输入不想生成的内容,如“不好的质量、低像素、模糊、水印”。 利用“加权重”功能: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。还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)。 3. 对使用提示词的认识: 不能期待设计一个完美的提示词就得到完美答案,提示词实际上是一个相对完善的“谈话方案”,成果在与 AI 的对话中产生,需要在对话中限缩自己思维中的模糊地带。 要接受 AI 的“不稳定性”,对其进行教育、监督和鞭策。
2025-02-21
Prompt 提示词
以下是关于 Prompt 提示词的全面介绍: 一、如何编写提示词 1. 明确任务:清晰定义任务,如写故事时包含背景、角色和主要情节。 2. 提供上下文:若任务需特定背景知识,提供足够信息。 3. 使用清晰语言: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:明确格式、风格等要求。 5. 使用示例:提供期望结果的示例。 6. 保持简洁:避免过多信息导致困惑。 7. 使用关键词和标签:帮助模型理解任务主题和类型。 8. 测试和调整:根据生成结果检查并调整。 二、如何润色或优化 Prompt 1. 明确具体描述:使用更具体、细节的词语和短语。 2. 添加视觉参考:插入相关图片参考。 3. 注意语气和情感:用合适的形容词、语气词调整整体语气和情感色彩。 4. 优化关键词组合:尝试不同搭配和语序。 5. 增加约束条件:添加限制性条件,如分辨率、比例等。 6. 分步骤构建 Prompt:将复杂需求拆解为逐步的子 Prompt。 7. 参考优秀案例:研究有效的 Prompt 范例,借鉴写作技巧和模式。 8. 反复试验、迭代优化:多次尝试不同写法并根据效果反馈优化。 三、星流一站式 AI 设计工具中的 Prompt 输入框 1. 提示词用于描绘画面。 2. 输入语言: 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。 3. 提示词优化:启用后可扩展提示词,更生动描述画面内容。 4. 写好提示词的方法: 预设词组:小白用户可点击官方预设词组生图。 提示词内容准确: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:点击齿轮按钮弹出负面提示词框,帮助 AI 理解不想生成的内容。 利用“加权重”功能:在功能框增加提示词并调节权重,数值越大越优先,也可编辑已有提示词权重。 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)。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-02-21