一文搞懂Stable Diffusion中的提示词

欢迎来到Stable Diffusion的世界，这里是AI和创意的交汇点。在这里，我们将一起探索如何通过精心设计的提示词，指引这一强大的AI工具创造出令人叹为观止的图像。无论你是技术爱好者，还是对AI艺术充满好奇的初学者，这里都有你需要的秘籍。从基础语法到精细的权重调整，我们将带你深入了解如何高效利用提示词，激发Stable Diffusion的无限潜能。准备好了吗？让我们开始这趟探索之旅吧！ —— AI Dreams, APlayBoy Teams!

基本语法

 在使用 Stable Diffusion WebUI 进行文本生成时，首先需要熟悉一些基本语法和输入形式。

组成

1. 英文提示词 (English Prompts)

• 作用：构成提示词的基础，直接描述想要生成的图像内容、风格、情感等。
• 示例：如“sunset over the ocean”，“futuristic cityscape”。

2. 权重值 (Weights)

• 作用：指定提示词或其部分在生成图像时的相对重要性。
• 示例：在“sunset:1.5, ocean:0.5”，“sunset”具有更高的权重，对生成图像的影响更大。

3. 小括号 (Parentheses)

• 作用：用于强调提示词中的特定部分，增加其重要性。
• 示例：“(peaceful) forest”中，小括号强调“peaceful”。

4. 中括号 (Square Brackets)

• 作用：添加附加信息或次要特征，对图像的影响较小。
• 示例：在“mountain [snow-covered]”，中括号描述次要特征“snow-covered”。

5. 大括号 (Curly Braces)

• 作用：提供多个选项，采样的过程中让模型在这些选项中依次选择。
• 示例：在“car {red | blue | green}”，大括号提供多种颜色选项。

6. lora

• 作用：可能指“LoRA”（Low-Rank Adaptation），一种模型微调技术，用于调整模型的特定部分。
• 应用：在提示词中使用可能意味着对生成过程的特定方面进行微调。
• 语法：[lora: Prompt01:n]
• 示例：[lora: Misty Forest:1.5] 假设这个语法可以让模型更加专注于“Misty Forest”（雾中森林）的特征，并以1.5倍的权重强调它。

7. embedding

• 作用：将单词或短语转换为模型能理解的数值形式，直接操纵这些数值表示。
• 应用：在提示词中使用embedding影响图像生成。
• 语法：[embedding: Prompt01:n]
• 示例：[embedding: Surreal Landscape:1.5] 这意味着模型将使用特定的嵌入向量来更强烈地反映“Surreal Landscape”（超现实风景）的特征，权重为1.5。

8. hypernetwork

• 作用：一种神经网络架构，用于生成或调整其他网络的权重。
• 应用：在提示词中使用hypernetwork可能涉及调整图像生成过程。
• 语法：[hypernetwork: Prompt01:n]
• 示例：[hypernetwork: Futuristic City:0.5] 这个语法可以让模型通过hypernetwork技术以0.5的权重生成“Futuristic City”（未来城市）的图像。

9. dreambooth

• 作用：一种个性化训练技术，用于在保持模型整体知识的同时，对特定任务或样本进行微调。