不会写SD WebUI 的负面提示词?用这几款Embedding模型一键搞定!效果好到爆炸!

大家好,我是灵魂画师向阳

今天我们继续了解AI绘画Stable Diffusion 中的一种 Embedding 模型,它能帮我们一键搞定 WebUI 中负面提示词的写作,有效提升出图质量。

一、Embedding 模型简介

Embedding(嵌入) 也叫 textual inversion (文本反转),它的作用是通过训练少量的图像,让大模型快速学会一个新的概念。

比如你想在 WebUI 中生成一张《电锯人》中玛奇玛(Makima)这个角色的图像,选择一个动漫风大模型(比如 anything),即使在提示词中准确描述“一个女孩,粉色的长发,扎着辫子,白衬衫,黑色领带,黑色裤子”等角色形象特征,生成的图像与人物原型也并不相似。
在这里插入图片描述
这个时候我们可以用少量玛奇玛的图像,训练出一个 embedding 模型,这个模型可以在大模型生成玛奇玛形象的时候,将对应的特征关键词嵌入到大模型的词汇库中,从而让大模型“学会”玛奇玛长什么样,这就是 embedding 模型的作用原理。将模型的名称命名为“Makima”,在写提示词的时候加上这个模型名称,WebUI 就能自动生成准确的形象,而不需要我们再写一大串的描述词了。
在这里插入图片描述
使用这种方式,我们无需重新训练大模型就能生成个性化的图像,成本很低,而且一款 embedding 模型也只有几十到几百 KB,使用方便,在生成特定的人物形象、画风、姿势动作上应用广泛。但也因为训练数据量小,所以生成的图像精度有限,在个性化特征的表现上远不如同主题的 lora 模型稳定,所以在正面提示词中使用并不广泛。

二、负面提示词 Embedding

在 WebUI 中生成一张图像时,往往需要在负面提示词中输入很多词语,如“低分辨率、模糊、扭曲的五官、错误的手指、多余的数字,水印”等,以避免生成低质量的图像。而 embedding 可以将大段的描述性提示词整合打包为一个提示词,并产生同等甚至更好的效果,因此 embedding 模型在负面提示词中很受欢迎。
在这里插入图片描述

三、Embedding 资源下载

在 C 站的 embedding 模型: https://civitai.com/models

我们依旧可以去 Civitai 上寻找 embedding 模型。进入网站后,点击右上角的筛选工具,选择 embedding 或 textual inversion,就能看到所有可以下载的 embedding 模型了。直接以“最多下载”进行排序,排名靠前的就是目前最好用的一些 embedding 模型,进入模型详情页可以看到模型使用介绍和下载按钮。
在这里插入图片描述

我也为大家整理了目前比较常用的 6 款负面提示词 embedding 模型,大家可以根据自己的需要下载,请扫描免费获取资源包哦~

① EasyNegative

EasyNegative 是目前使用率极高的一款负面提示词 embedding 模型,可以有效提升画面的精细度,避免模糊、灰色调、面部扭曲等情况,适合动漫风大模型。

② Deep Negative_v1_75t

Deep Negative 可以提升图像的构图和色彩,减少扭曲的面部、错误的人体结构、颠倒的空间结构等情况的出现,无论是动漫风还是写实风的大模型都适用。

③ badhandv4

badhand 是一款专门针对手部进行优化的负面提示词 embedding 模型,能够在对原画风影响较小的前提下,减少手部残缺、手指数量不对、出现多余手臂的情况,适合动漫风大模型。

④Fast Negative

Fast Negative 也是一款非常强大的负面提示词 embedding 模型,它打包了常用的负面提示词,能在对原画风和细节影响较小的前提下提升画面精细度,动漫风和写实风的大模型都适用。

⑤ BadDream + UnrealisticDream

这两款 embedding 模型是专门为写实风大模型 DreamShaper 制作的,开发者是同一个人。BadDream 适合“dreamshaper 风格”的图像;UnrealisticDream 更适合写实逼真的图像,并且需要与 BadDream 或其他常规负面提示词一起使用。这两款模型也可以和前面的 Fast Negative Embedding 模型结合使用。

四、Embedding 安装与使用

Embedding 模型文件下载后,需要放进SD根目录的 embeddings 文件夹里,想删除一款 embedding 模型时也是在这个文件夹内操作。
在这里插入图片描述
Embedding 模型需要配合大模型使用。打开 WebUI,设置好大模型、写好基础提示词后,点击「生成」按钮下方的小图标,会弹出一个窗口,选择窗口内的「嵌入式 T.I. Embedding」版块,点击右侧的「刷新」按钮,所有安装好的 embedding 模型都会以卡片的形式排列在里面。

如果需要调用某一个 embedding 模型时,直接点击对应的卡片,模型的名字就会出现在文本框,表示启用成功。模型名称要用半角逗号与其他提示词隔开,且负面提示词 embedding 模型不能用于正面提示词中。

在这里插入图片描述

感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。

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。

在这里插入图片描述

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。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

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。
在这里插入图片描述
在这里插入图片描述

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。

在这里插入图片描述

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。
在这里插入图片描述

若有侵权,请联系删除
  • 14
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
模型embedding是自然语言处理中两种不同的表示文本的方法。 模型是一种简单的表示方法,它将文本视为一个袋子,将文本中的所有汇都放入其中,并统计每个汇的出现次数或者出现与否。在模型中,每个汇都是独立的,不考虑其法和语序的问题。因此,模型只关注汇的数量和频率,而不关注汇之间的关系。 而embedding是一种更高级的文本表示方法,它通过学习将文本中的汇转换为连续向量表示。这些向量被设计成能够捕捉汇之间的语义和语法关系。通过embedding,相似的汇在向量空间中会更加接近,可以进行汇的比较和计算。embedding模型的训练输入一般是上下文相关的对应的向量,而输出是特定汇的向量。 因此,模型更加简单,只考虑汇的数量和出现频率,而embedding则通过学习将汇转换为连续向量,能够更好地捕捉汇之间的语义关系。最终的选择要根据具体的任务和需求来决定。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [one-hot(独热)、bag of word(袋)、word-Embedding嵌入)浅析](https://blog.csdn.net/xixiaoyaoww/article/details/105459590)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [模型(BOW,bag of words)和向量模型(Word Embedding)概念介绍](https://blog.csdn.net/qq_43350003/article/details/105392702)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值