AI绘画普及课【零】前置知识

1. txt2img文生图:顾名思义就是用文字生成图片
2. img2img图生图:顾名思义就是用图片生成图片
3. Extras更多:这里其实是“无损”放大图片用的
4. PNG info图片信息:从图片exif里获取图片的信息，如果是SD原始生成的png图片，图片的
   exif信息里会写入图片生成参数的，所以你在网上看到大佬生成的美图，可以用这个功能帮你
   查看
5. Checkpoint Merger模型(ckpt) 合并:合并不同的模型，生成新的模型
6. Train训练:自己炼embedding或者hypernetwork
   7.Settings设置:顾名思义就是设置页面
7. Extensions扩展:顾名思义这里是扩展的管理页面。
   下边开始较为详细的介绍一下各个界面

提示词Prompt

用文字描述你想要生成的东西
支持的语言
支持的输入语言为英语(不用担心英语不好的问题，目前网上有很多tag生成器供你使用)，SD支
持用自然语言描述，不过还是推荐使用用逗号分隔的一个个的关键词来写，当然表情符号,
emoji，甚至一-些日语都是可以用的。

tag语法

1.分隔:不同的关键词tag之间，需要使用英文逗号，分隔，逗号前后有空格或者换行是不碍事的

2. ex: 1gir,oli,long hair,low twintails (1个女孩， loli, 长发，低双马尾)
   3.混合: WebUi使用|分隔多个关键词，实现混合多个要素，注意混合是同等比例混合,同时
   混。
3. ex: 1girl,redlblue hair, long hair (1个女孩，红色与蓝色头发混合，长发)
   5.增强/减弱:有两种写法
   ●第一种(提示词:权重数值):数值从0.1~100， 默认状态是1,低于1就是减弱，大于1就是加强
   ●ex: ,(loli:1.21),(one girl:1.21),(cat ears1.1),(flower hairpin:0.9)
   ●第二种((提示词)),每套一层()括号增强1.1倍,每套一层[]减弱1.1倍。也就是套两层是
   1.1*1.1=1.21倍，套三层是1.331倍，套4层是1.4641倍。
   ex: ((li)((one jir)),(cat ears),[flower hairpin]和第- -种写法等价
   ●所以还是建议使用第一种方式，因为清晰而准确
   1.渐变:比较简单的理解时,先按某种关键词生成，然后再此基础上向某个方向变化。
4. [关键词1:关键词2:数字]，数字大于1理解为第X步前为关键词1，第X步后变成关键词2，数字小
   于1理解为总步数的百分之X前为关键词1，之后变成关键词2
   ●ex: a girl with very long [white:yellow:16] hair等价为
   开始a girl with very long white hair
   16步之后a girl with very long yellow hair
   ●ex: a girl with very long [white:yellow:0.5] hair等价为
   开始a girl with very long white hair
   50%步之后a girl with very long yellow hair
   1.交替:轮流使用关键词
   ex: [cowhorse] in a fneld比如这就是个牛马的混合物，如果你写的更长比如[cowlhorselcatldog]
   in a fteld就是先朝着像牛努力，再朝着像马努力，再向着猫努力，再向着狗努力，再向着马努力

tag书写示例
建议按类似这样的格式书写提示词

画质词>>
这个一般比较固定，无非是，杰作，最高画质，分辨率超级大之类的
风格词艺术风格词>>
比如是照片还是插画还是动画
图片的主题> >
比如这个画的主体是一个女孩， 还是一只猫， 是儿童还是萝莉还是少女，是猫娘还是犬娘还是
福瑞，是白领还是学生
他们的外表> >
注意整体和细节都是从上到下描述，比如
发型(呆毛，耳后有头发，盖住眼睛的刘海，低双马尾，大波浪卷发)，
发色(顶发金色，末端挑染彩色)，
衣服(长裙，蕾丝边，低胸，半透明，内穿蓝色胸罩，蓝色内裤，半长袖，过膝袜，室内
鞋)，
头部(猫耳,红色眼睛)
颈部(项链)，
手臂(露肩)，
胸部(贫乳)，
腹部(可看到肚脐)，
屁股(骆驼耻)，
腿部(长腿)
脚步(裸足)
他们的情绪> >
表述表情
他们的姿势>>
基础动作(站，坐，跑，走，蹲，趴，跪)，
头动作(歪头，仰头，低头) ,
手动作(手在拢头发，放在胸前，举手)，
腰动作(弯腰，跨坐，鸭子坐，鞠躬)
腿动作(交叉站， 二郎腿，M形开腿，盘腿，跪坐)
复合动作(战斗姿态，JOJ0立，背对背站，脱衣服)
图片的背景> > >
室内，室外，树林，沙滩，星空下，太阳下，天气如何
杂项>>
比如NSFW，眼睛描绘详细

将不同的分类的词，通过换行区分开，方便自己随时调整

(masterpiece:1.331), best quality,
illustration,
(1girl),
(deep pink hair:1.331), (wavy hair:1.21) , (disheveled hair:1.331) ,
messy hair, long bangs, hairs between eyes, (white hair:1.331) ,
multicolored hair, (white bloomers:1.46) , (open clothes) ,
beautiful detailed eyes,purplered eyes) ,
expressionless ,
sitting ,
dark background, moonlight, , flower_ petals, city , full_ moon,

tag书写要点
1.虽然大家都管这个叫释放魔法，但真不是越长的魔咒(提示词)生成的图片越厉害，请尽量将
关键词控制在75个(100个) 以内。
2.越关键的词，越往前放。
3.相似的同类，放在一-起。
4.只写必要的关键词。

反向提示词Negative prompt

用文字描述你不想在图像中出现的东西
Al大致做法就是
1.对图片进行去噪处理，使其看起来更像你的提示词。
2.对图片进行去噪处理，使其看起来更像你的反向提示词(无条件条件)。
3.观察这两者之间的差异，并利用它来产生-组对噪声图片的改变
4.尝试将最终结果移向前者而远离后者
5.一个相对比较通用的负面提示词设置

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，missing arms, long neck,
Humpbacked ,missing 1 imb, too many fingers ，
mutated, poorly drawn,out of frame,bad hands 1 
unclear eyes ，poorly drawn, cloned face,bad face

采样迭代步数Sampling Steps

Al绘画的原理用人话说就是，先随机出-个噪声图片
然后一步步的调整图片，向你的提示词Prompt靠拢
Sampling Steps就是告诉AI,这样的步骤应该进行多少次。
步骤越多，每-步移动也就越小越精确。同时也成比例增加生成图像所需要的时间。
大部分采样器超过50步后意义就不大了
下图是同- -个图从1step到20step,不同step时图像的变化。

采样方法Sampling method

使用哪种采样器，人话就是让AI用什么算法。
这里只介绍常用的，不太常用的就自己去琢磨吧

1. Euler a :富有创造力，不同步数可以生产出不同的图片。超过30~40步基本就没什么 增益
2. Euler:最最常见基础的算法，最简单的，也是最快的。
3. DDIM:收敛快，- -般20步就差不多了。
4. LMS: eular的延伸算法，相对更稳定一点，30步就比较稳定了
5. PLMS:再改进一点LMS
6. DPM2: DDIM的一种改进版，它的速度大约是DDIM的两倍

生成批次Batch count/n_ _iter

同样的配置，循环跑几次

每批数量Batch size

同时生成多少个图像。增加这个值可以并行运行，但你也需要更多的显卡显存，具体可以自己看着
任务管理器里的显存占用显示，自己调。
基本512X512的图，SD1.4模型， Euler a, 4G显存可以并行2张，8G显 存可以并行8张。
每点一次生成按钮，生成的图像总数=生成批次X每批数量

提示词相关性CFG Scale

图像与你的提示的匹配程度。
增加这个值将导致图像更接近你的提示,但过高会让图像色彩过于饱和(你可以自己试试看)
太高后在一定程度上降低了图像质量。可以适当增加采样步骤来抵消画质的劣化。
一般在5~15之间为好，7, 9, 12是3个常见的设置值。

AIGC项目介绍

提示词优化器

https://promptperfect.jina.ai/prompts

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！

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！