分享50个AI绘画prompt的关键词，让你的AI绘画更贴近想法

最新推荐文章于 2025-01-31 09:32:41 发布

ChatGPT4.0

最新推荐文章于 2025-01-31 09:32:41 发布

阅读量3k

点赞数 1

分类专栏： GPT 文章标签： AI作画 chatgpt 人工智能深度学习机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/2301_77531618/article/details/130811665

版权

文章强调了在使用AI绘画工具时，理解并编写prompt的重要性。通过列举50个关键词，帮助用户探索不同艺术风格和效果，如现实主义、复古风、抽象和未来主义等，以创建个性化图像。用户可以结合关键词试验，理解其对生成图片的影响，从而提升使用AI绘画工具的技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

我们在使用AI绘画工具时，最关键的就是prompt,但是我们不能总是拾人牙慧，总是用别人写出的现成的prompt,那样的话，最终画出来的画，也是别人画出来的，并不能完全生成自己想要的效果。所以，我们需要学习编写prompt的技巧，了解prompt中的关键词，并将这些关键词加入到我们的prompt中。

Midjourney现在已经不可以免费使用，而stable diffusion对电脑显卡要求太高，为了方便大家查找，已经将每一条关键词都翻译成中文了。大家可以先充分理解这些关键词，然后将这些关键词结合，进行调整，编写最适合自己的指令，作出令自己满意的图片。大家可以将这些关键词一一进行尝试，了解每个关键词对于最终生成的照片的影响结果。慢慢掌握AI绘画的使用技巧。

以下是 midjourney 中生成肖像画的 50 个关键词

1. photo-realistic 实景照片

2. realistic 现实的

3. dramatic lighting 戏剧化的灯光照用

4. creative composition 创造性的元素

5. vibrant colors 充满活力的颜色

6. unique feature 独特的特征

7. Expressive emotions 富有表现力的情绪

8. Dynamic pose 动态的姿势

9. Atmospheric setting 神秘的环境

10.Textured surfaces 有神韵的风格

11. Retro style 复古风12.Soft focus 柔性风格

13.High contrast 高对比度

最低0.47元/天解锁文章

博客等级

码龄2年

98
原创

464
点赞

2569
收藏

2002
粉丝

关注

私信

热门文章

分类专栏

GPT 92篇

最新评论

ChatGPT的工作原理（纯干货，万字长文）
rrrr_2: 我如何才能够看懂这篇文章
ChatGPT在小红书文案实践
m0_57526903: 您好，ChatGPT 高效指令汇总大全【完整版】可以给一份吗,谢谢您
所有人都能懂的chatgpt背后相关的生成式模型
lorexiao: 在自然语言处理（NLP）和机器学习领域，**生成模型**和**判别模型**是两个不同的概念，尽管它们之间存在一些相似之处。让我们来详细探讨一下它们的区别： 1. **生成模型**： - **定义**：生成模型试图建模整个联合概率分布 P(X, Y)，其中 X 是输入特征，Y 是输出标签或类别。 - **目标**：生成模型的目标是预测数据的联合分布，以便从中生成新的样本。 - **应用**：生成模型常用于生成新的数据样本、填充缺失值、图像生成等任务。 - **示例**：朴素贝叶斯模型、隐马尔可夫模型（HMM）等都属于生成模型。 2. **判别模型**： - **定义**：判别模型直接建模条件概率分布 P(Y|X)，其中 X 是输入特征，Y 是输出标签或类别。 - **目标**：判别模型的目标是直接预测输出标签或类别，而不需要建模整个数据分布。 - **应用**：判别模型常用于分类、回归、文本情感分析等任务。 - **示例**：线性回归、支持向量机（SVM）等都属于判别模型。总之，生成模型和判别模型在建模目标、应用场景和方法上存在差异。生成模型关注整个数据分布，而判别模型直接预测输出标签。在实际应用中，根据任务需求选择适合的模型即可。¹²³ 希望这个解释能帮助您理解这两个概念之间的区别！🤓 源: 与必应的对话， 2024/2/22 (1) 机器学习“判定模型”和“生成模型”有什么区别？ - 知乎. https://www.zhihu.com/question/20446337. (2) 【机器学习】：判别式模型与生成式模型 - CSDN博客. https://blog.csdn.net/jesmine_gu/article/details/85759298. (3) 机器学习：生成模型和判别模型的区别 - CSDN博客. https://blog.csdn.net/qq_40765537/article/details/108897573. (4) 机器学习（八）：模型分类--生成模型和鉴别模型 - 知乎. https://zhuanlan.zhihu.com/p/130805799. (5) 终于有人把自然语言处理、机器学习、深度学习和AI讲明白了 - 知乎. https://zhuanla
所有人都能懂的chatgpt背后相关的生成式模型
lorexiao: 上面发的是的是copilot的回答。我放到评论区，只是为了收藏博主这篇文章后方便参考。
所有人都能懂的chatgpt背后相关的生成式模型
lorexiao: 在自然语言处理（NLP），**生成模型**和**判别模型**是两个不同的概念，尽管它们之间存在一些相似之处。让我们来详细探讨一下它们的区别： 1. **生成模型**： - **定义**：生成模型试图建模整个联合概率分布 P(X, Y)，其中 X 是输入特征，Y 是输出标签或类别。 - **目标**：生成模型的目标是预测数据的联合分布，以便从中生成新的样本。 - **应用**：生成模型常用于生成新的数据样本、填充缺失值、图像生成等任务。 - **示例**：朴素贝叶斯模型、隐马尔可夫模型（HMM）等都属于生成模型。 2. **判别模型**： - **定义**：判别模型直接建模条件概率分布 P(Y|X)，其中 X 是输入特征，Y 是输出标签或类别。 - **目标**：判别模型的目标是直接预测输出标签或类别，而不需要建模整个数据分布。 - **应用**：判别模型常用于分类、回归、文本情感分析等任务。 - **示例**：线性回归、支持向量机（SVM）等都属于判别模型。总之，生成模型和判别模型在建模目标、应用场景和方法上存在差异。生成模型关注整个数据分布，而判别模型直接预测输出标签。在实际应用中，根据任务需求选择适合的模型即可。¹²³ 希望这个解释能帮助您理解这两个概念之间的区别！🤓 源: 与必应的对话， 2024/2/22 (1) 机器学习“判定模型”和“生成模型”有什么区别？ - 知乎. https://www.zhihu.com/question/20446337. (2) 【机器学习】：判别式模型与生成式模型 - CSDN博客. https://blog.csdn.net/jesmine_gu/article/details/85759298. (3) 机器学习：生成模型和判别模型的区别 - CSDN博客. https://blog.csdn.net/qq_40765537/article/details/108897573. (4) 机器学习（八）：模型分类--生成模型和鉴别模型 - 知乎. https://zhuanlan.zhihu.com/p/130805799. (5) 终于有人把自然语言处理、机器学习、深度学习和AI讲明白了 - 知乎. https://zhuanla

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

ChatGPT4.0 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。