网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化资料的朋友，可以戳这里获取
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
还可以加一些的提示词，更多的就是在一些具体的方面，对这个画面去做控制。
2、提示词分类和书写方式
要加些什么呢？提示词有很多不同的分类。这里，把提示词概括成如下几个大类。
(1) 人物及主题特征
- 服饰穿搭：white dress
- 发型发色：blonde hair，long hair
- 五官特点：small eyes，big mouse
- 面部表情：smiling
- 肢体动作：stretching arms
比如：女孩，白色连衣裙，金发，长发，微笑，伸展手臂，举手，美丽的，快乐的
(2) 场景特征
- 室内、室外：indoor/outdoor
- 大场景：forest, city, street
- 小细节：tree, bush, white flower
比如：树木，灌木，白色的花，（林间）小路
(3) 环境光照
- 白天、黑夜：day / night
- 特定时段：morning, sunset
- 光环境：sunlight, bright, dark
- 天空：blue sky, starry sky
比如：白天、阳光、蓝天、多云的天空
(4) 补充：画幅视角
- 距离：close-up(特写)，distant
- 人物比例：full body, upper body
- 观察视角：from above, view of back
- 镜头类型：wide angle, Sony A7
比如特写：
可以把这四个分类叫做“内容型提示词”，然而，只有内容型的提示词，你画出的东西很大概率不会让你满意，这里，我们需要引入其他的提示词，来给这个画面打一剂强心针。
首先是画质，因为在AI学习的图片里，有些是高清的，有些质量比较模糊，我们可以用这样的提示词，让他盯着哪些高清的去看。
(5) 画质提示词
- 通用高画质：best quality, ultra-detailed, masterpiece, hires, 8k
- 特定高分辨率类型：extremely detailed CG unity 8k wallpaper(超精细的8K Unity游戏CG), unreal engine rendered(虚幻引擎渲染)
比如：最高的质量，超级细节，杰作，高分辨率，8K(分辨率)，超细节的Unity CG壁纸
(6) 画风提示词
- 插画风：illustration, painting, praintbrush
- 二次元：anime, comic, game CG
- 写实系：photorealistic, realistic, photograph
比如：绘画，插画，动画，游戏CG
（5）、（6）可以称为标准化的提示词。
(7) 提示词模板
3、权重与负面提示词
(1) 提示词的权重
如下咒语，
你会看到很多(),小数点，逗号之类的符号和数字，他们又是做什么的呢？其实，这些内容是用来增强或者是减弱某些提示词的优先级和权重的，比如刚才我们看到这个画面，我们输入了 , 但我们在图片上并没有清晰的看到白色的花，你输入了很多不同的元素给AI，都要他画，但他在处理的时候，不一定get到你最想要的是什么，所以有可能优先花了树和森林，如果你就是特别特别想要百花，那就可以用类似的方式，把白花的权重和优先级增强，去增强的方式有两种：
- 套括号
会使权重变为 1.1 倍，相对于其他元素就更突出。你还可以套多层括号，每套一层，就再乘以1.1倍，三层就是1.331倍。这样花就出来了：
- 括号加数字权重
加了一种括号以后，可以在后面加一个英文冒号，后面可以接一个数字。
所以，当你觉得这个画面里有你告诉了AI但他又没有画出来的东西时，就可以借助这些方法来强调。加数字的方式明显更准确，而加括号进行微调的时候就更方便。
比起圆括号，还有这种大括号 , 代表1.05倍，调节的效果就细微一点。
- 削弱提示词
而如果你想削弱某个提示词的影响，就可以赋予它一个小于 1 的权重数值，或者用方括号, 会把原来的权重削弱成原来的 0.9 倍。调节权重的时候，也要注意一件事情，就是尽量避免个别词条的权重太高，我体验的安全范围在 1 上下 0.5 左右。当你赋予一个词条2左右甚至更高的数值时，他就容易扭曲画面的内容。这个时候我们通常要改换思路。通过更多类型的词条来协助增强它的效应。
总结一下：
- 进阶语法
(2) 负面提示词
提示词另外一个构成部分，是负面提示词。通俗点说，你希望这个画面里出现什么，就往正向提示词里丢，而不希望出现什么，就往反向提示词里丢。反向提示词是可以没有的，但一般我们也会选择加入一些通用的项目，主要也是基于标准化的考虑，比如：
(3) 出图参数详解
如果说提示词是咒语，那出图参数就像是魔法师的魔杖和魔导书一样，空着了这个咒语的具体释放形式。
- 采样迭代步数
AI 生成图像会经过一个加噪再去噪的过程，而去噪就是在用像素一点点模拟你的最终要生成的这个图像，每模拟一次，画面就会变得更清晰一点。理论上，采样迭代步数越多，肯定最终效果越清晰，但实际上，当步数大于20步以后，后面的提升不大。而增加步数肯定意味着更长的计算时间。所以，默认的采样步数一般都是 20。你算力充足，且想追求更高的清晰度，就设置为 30-40，最低不要低于 10。
- 采样方法
采样方法，其实可以简单解释成AI进行图像生成的时候使用的某种特定算法，WebUI提供的采样方法非常多，足足十几个，但其中我们常用到的估计也就4-5个。这其中：
Euler 的两个合适插画风格，出图比较朴素。
DPM 2 和 DPM2 Karras 速度较快。
再具体使用时，我推荐使用带有 号的，这些都是改进了的算法，无论如何都比上面的更稳定。
另外，大部分模型也有推荐使用某种特定的算法，这可能是模型制作者自己测试过的。比如深渊橘的作者最推荐用的就是SDE Karras。
- 宽度和高度
代表的就是你最终出图的时候的分辨率，分辨率的设置存在一些隐性限制，默认的分辨率是 512 x 512，但这个分辨率下的图片，哪怕细节再丰富，看起来都是模糊的。设备允许的情况下，我会把他提到 1000 左右。
相同的提示词，用更高的分辨率跑出来，质感就完全不一样了。但是，分辨率设置的太高，也是会有问题的，一是你的显卡显存扛不住；其二，则是分辨率太大了，很容易出现多人、多手、多脚的情况。这个问题我有特殊研究过，它的原因是，AI在进行模拟训练的时候，用的图片的分辨率一般都比较小，如果你的分辨率设置太大，它就会认为你是多张图片拼接而成的，那出现多的人就不奇怪了。
要避免这样的问题出现，一般我们先采用低分辨率绘制，再靠高清修复(Hires Fix) 来放大。它本身其实是额外的做了一次图生图。你也可以反复实验，了解在你当前的设备条件下，什么分辨率是既能保证质量又能兼顾效率的。
- 面部修复
面部修复一般都要勾选上，它会采用一些对抗算法识别人物面部并进行修复，和我们用的美图App里面智能P脸的功能差不多。
- 平铺/分块(Tiling)
平铺，是用来生成那种可以无缝贴满整个屏幕的纹理性图片的。如果你没有需要，千万别勾，也是一个让你的画面变的很奇怪的东西。
- 提示词相关性（CFG Scale）
提示词相关性好理解，它的值越高，AI忠实地反映你的提示词的程度就越高，但和权重一样，我们一般不会浮动太多，7-12 是比较安全的数值，太高容易边型。
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化资料的朋友，可以戳这里获取
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-idiqHYhq-1715239448650)]
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化资料的朋友，可以戳这里获取
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
本文地址：http://www.riyuangf.com/quote/9646.html 迅易网 http://www.riyuangf.com/ , 查看更多