今天给大家介绍一款智能标签提示词插件sd-danbooru-tags-upsampler。该智能提示词插件是今年2月23号才发布的第一版V0.1.0，算是比较新的智能提示词插件。
它是通过使用轻量级LLM完成对danbooru标签采样生成提示词。因此生成的提示词大部分都是通过简单的单词组成。对于那些不想编写长提示词或想不假思索地看到多样化、自然和高质量图像的人来说，该插件就非常有用。
插件地址：https://github.com/p1atdev/sd-danbooru-tags-upsampler
一. sd-danbooru-tags-upsampler插件使用介绍
使用上面的插件地址，安装完成插件后，会出现一个Danbooru Tags Upsampler插件面板。
相关参数说明
（1）Enabled: 插件启用标签。
（2）**Total tag length：**标签总长度。该参数用于指定生成正向提示词的总标签数量。有4个值可以选择，推荐值是long。
very short：少于 10个标签
short：少于 20个标签
long: 少于 40个标签
very long：多于上面的参数设置的标签数量
（3）**Ban tags：**禁止标签。该参数中设置的所有标签都不会出现在正向提示词中。当您不想提示词中包含某些特定标签时，该参数非常有用。可以使用 * 匹配任何字符，例如* background匹配simple background、white background、…。
（4）Seed for upsampling tags：如果这个数字和正向提示词是固定的，那么生成的正向提示词也是固定的。-1 表示“每次使用随机种子生成标签”。
（5）Upsampling timing：标签采样的时机，在应用其他提示词插件处理（例如 sd-dynamic-prompts 或 webui 的样式功能）之前或之后。
（6）**Variety level：**种类等级，这个参数是 Generation config 的预设。用于改变采样标签的种类。有5个等级。
Very unvaried：非常不变
Unvaried：不变
Normal：普通
Varied：多变
Very varied：非常多样化
（7）**Generation config：**生成配置。LLM生成标签的参数。如果不熟悉语言模型的生成参数，建议直接使用 Variety level 选项设置即可。
二. Variety level 等级参数
Very unvaried 和 Unvaried等级表示标签种类较少，但同时匹配输入提示词并生成相对可接受的标签。Very varied 和 Varied等级意味着更多的变化，但往往会忽略输入提示词并经常生成奇怪的标签。
三. sd-danbooru-tags-upsampler插件官方案例
上面生成图片使用的参数设置
大模型: AnimagineXL 3.0
反向提示词：nsfw, lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry, artist name
sd-danbooru-tags-upsampler插件参数设置
total tag length: long
Ban tags: none
Seed: -1
When to perform the process: Before applying styles
四. sd-danbooru-tags-upsampler插件Demo体验
官网也提供了可以不用在SD WebUI上安装此扩展插件直接体验该功能的操作界面。
Demo体验地址：https://huggingface.co/spaces/p1atdev/danbooru-tags-transformer
在【Generate】按钮下方也可以进行一些高级参数的设置，一般我们使用默认即可。
下面我们来实际体验一下。
在General tags 框中输入简短的关键词：1 girl,flower。其他的参数保持不变即可。
生成的完整提示词有3种格式，核心关键词都是一样的。我们结合自己需要选择文本框中的一组即可。（对于Animagine XL V3提供了单独的样例）
1girl, :<, blue eyes, brown hair, cape, collarbone, dress, flower, hair flower, hair ornament, holding, holding flower, long hair, pink flower, red flower, rose, solo, sunflower, vase, white flower, yellow flower, yellow rose
我们发现生成的提示词，都是一个一个简单的单词组成的，可见和danbooru标签库关键词展示方式是一样的。
将生成的提示词在SD Web UI上面生成看一下效果。
大模型：Animagine XL 3.1
采样器：Eular a
采样迭代步数：25
CFG：6
我们再来尝试几组体验一下效果。
（1）示例1
Tags输入 ：1girl, park
生成的提示词：1girl, bag, beret, black ribbon, blue eyes, boots, braid, brown footwear, brown hair, building, capelet, character name, cloud, french braid, grey headwear, grey skirt, hat, long hair, looking at viewer, outdoors, park, plaid, plaid skirt, pleated skirt, red neckerchief, ribbon, shirt, skirt, sky, solo, tree, white shirt
生成图片
(2) 示例2
Tags输入 : 1girl, smile
生成的提示词：1girl, :d, breasts, dress, hair between eyes, halterneck, hand up, jewelry, long hair, looking at viewer, red eyes, smile, solo, strapless, strapless dress, upper body, white dress, white hair
生成图片：
（3）示例3
Tags输入 :dog,cat
生成的提示词：1girl, dog, cat, animal, animal focus, blue eyes, blue sky, brown hair, cloud, cloudy sky, day, dress, flower, full body, hair between eyes, long hair, looking at viewer, outdoors, plant, red flower, shirt, short sleeves, sky, solo, white shirt,
生成的图片
（4）示例4
Tags输入 : no humans, mountain, tree, river
生成的提示词：cloud, day, grass, mountain, nature, no humans, railroad tracks, river, scenery, snowscape, tree, wading, water
生成图片
五. sd-danbooru-tags-upsampler使用体验
我尝试使用这个插件在输入不同的Tag关键词时，在某些场景下效果并不是特别满意，主要体现在以下几个方面。
（1）输入的Tag关键词，在生成的提示词中并没有包含。
（2）对于一些特殊的人物角色关键词，生成的提示词中虽然包含有关键词，但是生成的总提示词中包含了太多与输入Tag无关的提示词，可见，根据Tag关键词并不能完全理解真正的语义，在这种情况下，生成的提示词其实并没有什么作用。
（3） 有时候生成的完整提示词质量并不是很高，我们可以多生成几次看看效果。
不过，该插件推出来不久，应该还有很多提升优化的空间，不过作为提示词编写辅助的智能化工具，特别对于提示词编写要求高的大模型来说，该工具还是很有用的。
好了，今天的分享就到这里了，希望今天分享的内容对大家有所帮助。
AI绘画SD整合包、各种模型插件、GPT人工智能学习资料都已经打包好放在网盘中了，有需要的小伙伴文末扫码自行获取。
写在最后
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。