当前位置:AIGC资讯 > AIGC > 正文

【AI知识】Stable diffusion常用提示词分享

模型(Model)

majicmixRealistic_v7

majicmixRealistic(麦橘写实)是融合了多种展现日常生活人物形象的写实风格模型,人物的外观更加接近现实生活,对于光影、皮肤、人物动态均有较好的表现,非常适合出美女图片。

LoRA

(1)add_detail

   用于增强/减少细节,同时保持整体风格,它适用于所有类型的基础模型(包括动画和写实模型)/风格LoRA/角色LoRA等。

(2)GirlfriendMix2

   一个混合多个人脸的女性LoRA模型,搭配主模型对图片中的人物脸部进行美化。

(3)tianfeng_filmgirls5

   用于在majicmixRealistic(麦橘写实)主模型搭配下生成与墨幽人造人主模一样的胶片质感女孩的LoRA模型。

提示词(Prompt)

(1)画质风格提示词:highly detailed, sharp focus, extreme detail description, (vivid colors:0.6), cinematic lighting, extremely high-resolution details, photographic, realism pushed to extreme, fine texture, incredibly lifelike

含义:高度详细, 锐利对焦, 极致细节描写, (生动色彩:0.6), 电影级光影, 极高分辨率细节, 摄影感, 真实主义推至极致, 精细纹理, 非常逼真

(2)画面内容提示词:1girl, cityscape, skyscraper, sunset

含义:一个女孩, 城市景观, 摩天大楼, 夕阳

(3)艺术表现提示词:side light, bright color

含义:侧光, 明亮的色彩

反向词(Negative Prompt)

(watermark:1.4), (text:1.4), (worst quality:2), (low quality:2), (normal quality:2), lowres, ((monochrome)), ((grayscale)), skin spots, acnes, skin blemishes, age spot, (outdoor:1.4), backlight, (ugly:1.3), (duplicate:1.3), (morbid:1.2), (mutilated:1.2), mutated hands, (poorly drawn hands:1.3), blurry, (bad proportions:1.3), extra limbs, (disfigured:1.3), (missing arms:1.3), (extra legs:1.3), (fused fingers:1.6), (too many fingers:1.6), (unclear eyes:1.3), bad hands, missing fingers, bad body, (nsfw:1.4), easynegative, bad_prompt_version2-neg, bad-hands-5, ng_deepnegative_v1_75t,

含义:(水印:1.6), (文字:1.4), (最差画质:2), (低画质:2), (普通画质:2), 低分辨率, ((单色)), ((灰度)), 皮肤斑点, 粉刺, 皮肤瑕疵, 老年斑, (户外:1.6), 背光, (丑陋:1.3), (重复:1.3), (病态:1.2), (残缺:1.2), 畸变的手, (画得差的手:1.3), 模糊, (不好的比例:1.3), 多余的肢体, (畸形:1.3), (缺胳膊:1.3), (多余的腿:1.3), (融合的手指:1.4), (手指太多:1.4), (不清晰的眼睛:1.3), 不好的手部, 缺失的手指, 不好的身体, (不安全内容:1.4)

反向提示词排除了低画质、低分辨率、素描和四肢及皮肤的错误等因素,另外引入了TI(Textual Inversion)微调Embedding模型ng_deepnegative_v1_75t、bad-hands-5、bad_prompt_version2-neg、easynegative,用于对手臂(含手指)进行修正和提示词增强

采样(Sampler)

DPM++ 2M SDE Karras

DPM++ 2M SDE Karras是DPM++ 2M SDE方法的Karras改进版本,在采样效果上会有进一步的改善,而DPM++ 2M SDE是DPM++ 2M方法与稳定性差分方程(Stabilized Differential Equation)方法的结合,可提供更加准确的采样结果。

相关性(CFG scale)

7

相关性(CFG Scale)也称为提示词引导系数,较低的CFG值,可以使AI在生成内容时具有更高的创造性。在Stable Diffusion中,默认的CFG值为7,这是在创造性和严格遵循提示词之间取得最佳平衡的一个值。而太低的值也会使得提示词无法有效对生成的图像进行控制,通常情况下,一般不建议该值低于5,而过高的值也可能会导致生成的图像出现丑陋的伪影,达不到预期结果。

步数(Steps)

40

迭代步数(Steps)用于控制去噪步骤的数量,一般来说,步数越多越好。除非需要非常详细的纹理,一般建议值在30~50之间,太多的步数有时反而导致生成的图像出现不可预料的错误。

随机数(Seed)

随机数种子(Seed)表示初始随机噪声的数字,不同的值会得到不同的图像,默认值为-1。

参数设置 & 说明

(1)分辨率为720 x 960(3:4),如果有NVIDIA 3系以上的显卡,可以适当提高分辨率设置。如果需要更高分辨率图片,可以考虑使用放大算法对生成图片进行等比例放大。

(2)勾选Enable ADetailer,使用face_yolov8n_v2模型开启面部修复,可以使写实照片中的人脸更清晰、更符合预期。

(3)其他设置保持Stable Diffusion Web UI默认值即可。

案例样图

技巧分享

反向提示词都有哪些功能?

(1)提升输出质量。大多情况下会加入“最差画质”、“低画质”、“低分辨率”等词作为默认的反向提示词,来进一步提升画质,还有去除文字、水印等。

(2)排除不需要的物体或元素。

(3)控制图片的风格。加入3D、素描等,生成的图片就会倾向于写实照片风格。

(4)避免异常和错误。生成的图片经常会出现四肢异常情况,比如多手指、少手指、难看的脸部等,通常情况会加入一些错误的关键词,多出来的手指、多出来的四肢等。

(5)避免色情、暴力和版权等问题。生成的图片,偶尔会出现一些未成年人不宜的画面,因此,使用反向提示词,可以进行限制。

总结

篇幅有限,这里就不一一展示了,有需要的朋友可以点击下方的卡片进行领取!

更新时间 2024-06-24