AI Stable Diffusion Prompt参数【二】之 生成效果查验

效果

国漫风生成参数配置

在这里插入图片描述

在这里插入图片描述

prompt:

(Realistic:1.5),(raw photo:1.2), (photorealistic:1.2),(masterpiece:1.2), best quality, highest quality, extremely detailed CG unity 8k wallpaper, detailed and intricate, original,highres, (detailed face:1.2),film grain, Fujifilm XT3, (high detailed skin:0.9), 8k, ulzzang-6500-v1.1,detailed eyes,16 years old,Beautiful face,
((china dress)),building,pool,temple,thigh,(smiling face),((full body))

Negative prompt:

 (easynegative:1.2),(bad_prompt:0.8),sketch by bad-artist,  (worst quality, low quality:1.4), (bad anatomy), watermark, signature, text, logo,contact, (extra limbs),Six fingers,Low quality fingers,monochrome,(((missing arms))),(((missing legs))), (((extra arms))),(((extra legs))),less fingers,lowres,bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, (depth of field, bokeh, blurry:1.4),blurry background,acne,panties,

ENSD: 31337, Size: 776x1000, Seed: 2846440556,

Model:

3Guofeng3_v33

Steps:

30

Sampler:

DPM++ 2M Karras

CFG scale:

7.5

Clip skip:

2

Model hash:

4078eb4174

Hires upscale:

2

Hires upscaler:

Latent

Denoising strength:

0.82

全部效果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

### 使用提示矩阵在Stable Diffusion中高效生成不同提示的图像 #### 提示矩阵的概念 提示矩阵允许用户定义多个不同的文本提示组合,从而一次性生成多种变化的图像。这种方法极大地提高了创作效率和多样性。 #### 实现方式 为了实现这一目标,在配置文件或命令行界面中指定一系列分隔符来区分各个独立的提示词组。通常采用竖线`|`作为默认分割符号[^1]: ```plaintext 正面提示 | 变体一 | 变体 | ... 负面提示 | 不变因素A | 不变因素B | ... ``` 每一对正负向提示之间同样可以加入权重调整因子以微调各成分的影响程度。 #### Python脚本实例 下面是一个简单的Python脚本来展示如何利用API接口批量提交带有不同参数的任务请求并收集返回的结果: ```python import requests from PIL import Image from io import BytesIO def generate_images(api_url, positive_prompts, negative_prompts=None): """ 批量生成基于给定提示列表的图片 参数: api_url (str): API端点地址 positive_prompts (list[str]): 正面提示字符串数组 negative_prompts (list[str], optional): 负面提示字符串数组,默认为空 返回值: list[PIL.Image.Image]: 图片对象集合 """ payload = { "prompt": "\n".join([f"{p}" for p in positive_prompts]), "negative_prompt": "" if not negative_prompts else "\n".join(negative_prompts), "width": 768, "height": 768, "num_inference_steps": 50, "guidance_scale": 7.5, "seed": -1, "batch_size": len(positive_prompts) } response = requests.post(url=api_url, json=payload) images = [] for img_data in response.json()["images"]: image = Image.open(BytesIO(base64.b64decode(img_data))) images.append(image) return images ``` 此函数接受一组或多组正面与负面提示,并通过POST请求发送至指定的服务端进行处理;最终解析响应数据流得到对应的PIL `Image` 对象以便进一步操作或保存到本地磁盘上。
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

打赏作者

一个小浪吴啊

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

打赏作者

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