AI绘画入门教程重制版:如何抓住AI的心?流水的模型,铁打的描述词基础

SD文生图细节/为什么我的SD1.5模型生成效果很模糊 对于出现的不管是什么SD1.5的模型或者加上一些稍微相关的lora的生成效果都很模糊和奇怪的问题,提出几点具体解决办法。 阅读详情

Prompt (提示词,又译为关键词),通常由英文构成,主要内容为以逗号隔开的单词/词组/短句。

prompt也可以包括其它语言的文字,但效果往往不佳。prompt甚至可以识别一些特殊符号。

当我们使用AI绘画时,我们需要先准备一个prompt,下面将详细介绍prompt的概念。

描述词分为正向和反向,初学者可以先关注正向描述词,这就是你想要的画面;如果包含 Negative Prompt(负面关键词),AI
就会尽可能避免含有负面相关要素的去噪点方式。换句话说,prompt 就像是哈利波特里面的魔法咒语,它直接决定了最终我们会从模型得到什么。

1、写Prompt的基础

首先,prompt中的单词和短语应该与所需图像的主题和特征相关。例如,如果我们想要生成一张小狗在夏日海滩的图像,我们可以使用诸如“dog” 、“sandy”、“beach”、“blue sea”,“palm trees”之类的关键词。这些关键词将指导AI生成图片。

Best quality, masterpiece, ultra high res, (photorealistic:1.4), raw photo,
a dog in sandy beach,blue sea,palm trees,

在这里插入图片描述

描述即所得,是不是很简单?如果理解了这以方面,那么恭喜你,你已经学会了基本简单的提示词写法了。你可以尝试一下自己喜欢的内容,多生成几张AI图尝试尝试这个过程。

如果对生成图片的质量不满意,那么怎么办呢?接下来只需要根据图片生成的结果,逐步细化提示词,并且添加质量词和负面提示词就可以了。

如果你的英文不好,也可以使用翻译软件来编写prompt,以便更好地表达我们的意图。经过一年多的发展,这样的工具已经非常成熟了:

图片

比如,基于prompt all in one插件,在输入框输入中文,它会自动转换为英文。甚至你可以直接调用GPT来帮你写词。

2、SD1.5时代的三段式描述

很多人在写提示词的时候会受到英语水平的限制,于是在AI绘画发展的早期,玩家们就提出了三段式语法,其目的是在较多提示词的时候能够一目了然的分辨内容,方便删减提示词和调整提示词的权重。

所谓三段式,就是:质量词和效果词放最前面,人物与人物特征放在中间,背景和光效放以及功能性tag放在最后面。这就是三段式的基础用法。

举例而言:

质量词用于提升生成质量:

例如:masterpiece、best quality等

画风词用于凸显图片的画风:

例如:

画风前缀:

[(flat color,vector graphics,outline):1.35),pop art]

立绘法的前缀:

1girl, ,[(school background:1.5),open-mouth,school dress

效果词为整体画面效果的提示词:

例如:炫光lensflare、景深Depth of field、 角色焦点character focus、从上面看look from above等等

组合起来:

masterpiece、best quality,[(flat color,vector graphics,outline):1.35),pop
art],1girl, ,[(school background:1.5),open-mouth,school
dress,lensflare,Depth of field,character focus,look from above

在这里插入图片描述

以上的语法,被称为三段式,而仅需要输入单个单词的语法,称之为分词法,也叫danbooru格式。

3、描述词的权重描述

而你可能也注意到了,这里面有些词是带有数字的,比如(school background:1.5),这种语法表述的是权重,也就是希望更多的在画面里面突出的要素。如果一个词没有在画面里表现出来,最简单的办法就是给它加一点权重。

加权重有两种办法:一对小括号()意味着把括起来的 prompt 权重 * 1.1,你可以用这样表达(((pop art))),
另一种办法是加上权重值:即可以用这样(pop art:1.4);它们基本是等量的。

中括号[]则是减权重,相当于除以/ 1.1,大括号{}在 WEB-UI 中无调整权重作用。

怎么样?你掌握了吗?

4、自然语言和分词语言(二次元语法)

在stable diffusion等AI绘画模型里面,基础模型的训练其实是基于自然语言的。

自然语言很好理解:它就是一段话,比如:a girl with long flowing hair with the hair between the eyes

图片

但在AI绘画的早期普及阶段,首先普及的是二次元,由于二次元主打模型的novelai模型的训练方法和一部分LoRA模型在训练的时候基本采用danbooru标注。这种标注的好处是,它能够最大限度利用早期的75字符长度的限制,在描述钟尽可能放入更多的概念。因此,现在我们看到的描述词经常会见到不同的语法规范交叉出现,会让一些初学者无所适从。

不过,这个限制目前早已经取消,随着模型的不断进步和迭代,特别是SDXL模型的升级,令AI更加理解抽象的概念。

比如:抽象绘画,现代抽象插图(构图大空白:2),一个禅意中的女人,在混乱中沉默,展现了一种枯萎的生命和成长的活力的哲学,

Abstract painting, modern abstract illustration (composition blank: 2), a Zen woman who remains silent in chaos, showcasing a philosophy of withered life and growing vitality,

图片

可见,自然语言模式目前已经重新回到主流路线上。

我们也更推荐大家用自然语言去描述,这是因为用自然语言对接,你能够更多的使用GPT等语言模型去生成描述,而不用自己绞尽脑汁。

5、要注意的关键点:描述词不是越长越好

我们不建议入门者养成一直使用长描述的习惯。

比如,下面这种是早期流行的长描述词:

[[([(Delicate eyes,glowing eyes,red eyes, black pupil,(beautiful
eyes:1.2),(serious),(gradient eyes)):[((messy_hair),(Long
hair:1.2),(lightning),Lots of lightning,([white hair|Lavender
hair]:1.3))😦(Flowing hair:1.2),Long flowing hair,beautiful
hair):0.6]:0.7],(Delicate face:1.2),(shoulder cutout),(Gorgeous
clothes:1.3),(beautiful arms:1.2),(Characters stay away:1.4),(Small
breasts:1.2),[[😦(Scepter weapon,The thunder wand,Crystal texture of the
hair):1.4):0.5]::0.9],[((lightning),many glowing ribbon,Shine tire,glowing
magic circle in sky,(glowing halo around girl:1.3))😦(exquisite Magic
Circle:1.7),(Many purple flashes:1.4)):0.5],(Gorgeous
accessories:1.2),(Gorgeous special
effects:1.3),(highres:1.3),(magic:1.3),(glowing light:1.3),(exquisite magic
array:1.2),(Strong vision),(Magic in hand:1.3),(starry sky:1.3),(huge
Brilliant magic),(glowing light:1.2),(Dimensional space is
broken),(lightning:1.3),god rays,night, black pupils,(clock method
array:1.2),standing,Hair and lightning blend together,(Lightning
ribbon:1.2)):(lightning:1.2):0.8]:(Delicate arms and hands):0.9]]

这种描述词在当时流行,是因为当时缺乏更多除了关键词之外控制画面的办法,因此,大家只能通过给每一个词加上权重,不断微调,让画面更接近想象。

但是,由于给每一个词都加了权重,都有权重等于都没有权重,实际上同样不会起到很好的效果。

正面描述如此,负面描述也同样。

比如,下面是一个我们早期常见的堆砌负面描述的典型:

(worst quality:2), (low quality:2), (normal quality:2), lowres, bad anatomy,
bad hands, ((monochrome)), ((grayscale)) watermark, canvas frame, cartoon,
3d, ((disfigured)), ((bad art)), ((deformed)),((extra limbs)),((close
up)),((b&w)), wierd colors, blurry, (((duplicate))), ((morbid)),
((mutilated)), [out of frame], extra fingers, mutated hands, ((poorly drawn
hands)), ((poorly drawn face)), (((mutation))), (((deformed))), ((ugly)),
blurry, ((bad anatomy)), (((bad proportions))), ((extra limbs)), cloned
face, (((disfigured))), out of frame, ugly, extra limbs, (bad anatomy),
gross proportions, (malformed limbs), ((missing arms)), ((missing legs)),
(((extra arms))), (((extra legs))), mutated hands, (fused fingers), (too
many fingers), (((long neck))), Photoshop, video game, ugly, tiling, poorly
drawn hands, poorly drawn feet, poorly drawn face, out of frame, mutation,
mutated, extra limbs, extra legs, extra arms, disfigured, deformed, cross-
eye, body out of frame, blurry, bad art, bad anatomy, 3d render

但实际上,大量的实践证明,大量的负面提示词会对生成的图片产生灾难性的影响。因为无论我们自己如何的自我感觉良好,实际上负面提示词都会对画面产生一定的影响,并且很多影响是不可预见。而我们想要的,比如“完美的手脚”,实际上还得靠运气。

因此,大量的负面描述词堆砌,并没多大作用,反过来,还导致很多想要达到的效果无论如何也无法实现。在1.5时代,这种情况并不明显,但在SDXL时代,你确实需要更短和更精准的负面描述词。
在这里插入图片描述

生成式AI落地实战:能力边界、成本结构与组织适配 生成式AI已从概念验证迈入规模化落地阶段,其核心价值不在于替代人力,而在于重构信息处理流程与专业工作流。理解大模型的能力边界、RAG知识注入原理、提示工程的逻辑翻译本质,是释放技术价值的前提。当前主流技术栈围绕基础模型+向量检索+规则引擎+轻量编排展开,但真正决定项目成败的是数据清洗质量、人工反馈闭环效率与业务规则显性化程度。在营销文案生成、合同审查、多语言商品描述等高频场景中,稳定性、可控性与合规性正取代参数规模成为选型关键。本文聚焦2024年可复用的落地图景,覆盖模型选型三角、RAG三道过滤网、隐性成本 阅读详情

相关推荐

微服务 vs 单体架构:谁才是数字化转型的“建筑师之选”?

微服务 vs 单体架构:谁才是数字化转型的“建筑师之选”?

火山的博客 1332

Stable Diffusion模型全解析|SD1.5、SDXL、SD3、Flux_sd1.5模型

Stable Diffusion大模型的演变与选择近年来,Stable Diffusion(简称SD)作为AI图像生成领域的明星,已经发展出多个版本,从SD1.5到SDXL,再到推出不久的SD3和Flux。每个版本都有其独特的特点和优势,如何选择适合自己的模型?今天,我们就来详细解析这些热门SD大模型的特点,帮助你快速入门并找到最适合你的选择。一、Stable Diffusion模型发展概述\1. 什么是Stable Diffusion?

阿道夫的博客 4457

从Trending Now到内容创作:系统化追踪与转化网络热点的完整方法论

在信息爆炸的时代,如何高效追踪并利用网络热点进行内容创作,是每个创作者和运营者面临的核心挑战。这本质上是一个信息处理与内容生产的系统工程,涉及趋势挖掘、价值判断和快速生产等多个技术环节。其原理在于通过建立多维信息雷达系统,对实时数据进行采集、过滤和分析,从而识别出具有高传播潜力的趋势信号。从技术价值看,这套方法能显著提升内容与受众需求的匹配效率,降低创作的不确定性,实现流量的精准捕获。在实际应用场景中,无论是社交媒体运营、品牌营销还是个人IP打造,系统化的热点响应机制都能将瞬息万变的网络热词,转化为结构清晰

angou6476的博客 404

AI绘画实操(三)stable diffusion模型介绍及下载、使用方

按照上期教程操作,就可以初尝生图乐趣但是如果无法真实理解这些字母、参数含义,都是照葫芦画瓢。。。麻木的操作而不知缘由,既不能长远也了无生趣。因此,接下来将陆续分享各模型、参数含义等,分享给各位朋友一起学习。(本节建立在前两节基础上,有需要的朋友可以翻看前文)一、模型Stable difusion模型就是所谓的大模型,用来控制整个画面的风格走势的。

2401_84760527的博客 2782

时间序列预测前必做的Benchmark Forecasting实战指南

时间序列预测是工业界高频需求,但盲目建模常导致资源浪费与效果失真。其核心前提在于理解数据可预测性边界——这正是benchmark forecasting的价值所在:它基于朴素假设(如随机游走、周期重复、线性漂移或平稳均值),不依赖参数调优,却能揭示MAE/MSE等误差下限,量化预测天花板。通过naive forecast、seasonal naive等方法构建零假设参照系,不仅支撑模型选型决策,更成为校准业务预期、拦截无效投入的关键技术标尺。本文聚焦零售销量、IoT设备读数、服务器负载等典型场景,详解如何用

weixin_30613727的博客 359

大陆毫米波雷达ARS408-21xx实战:从零搭建ROS环境下的目标检测与可视化

本文详细介绍了大陆毫米波雷达ARS408-21xx在ROS环境下的实战部署全流程。从硬件连接、CAN总线配置,到ROS驱动节点开发、CAN报文解析,再到RViz三维可视化实现,提供了完整的代码示例与调试技巧,帮助开发者快速搭建毫米波雷达目标检测与可视化系统。

open4的博客 636

从小白角度解析 SDXL,SD1.5、SD2.0、SD3、SD3.5、Flux、VAR、Infinity【干货篇-最新扩散模型、自回归生成模型解析及代码公开网址大全】

SD3.5人物的手还是有问题,可能开发团队也知道这些问题,所以藏手的情况会比FLUX更明显一点。优点是SD3.5出图有时候更写实,FLUX对皮肤的绘制一般都比较油腻,SD3.5比较细腻更真实一点,长文本和提示词遵循的效果两者都差不多,美学方面有时候SD3.5会更好一些,性能方面SD3.5不如FLUX,出图比FLUX久显存占用还更多,不过目前FLUX生态更完善,所以短时间SD3.5应该还是超越不了FLUX的。

qq_53826699的博客 1万+

西门子S7-1200模拟量的使用

模块类型核心参数输入信号处理输出信号配置转换原理数值范围TIA Portal配置编程要点 转换公式: 输出模拟量: 五、校准与线性化 硬件校准非线性补偿抗干扰措施数字滤波温度控制压力监控流量调节信号异常精度不足实践操作参考文档项目案例借鉴博客

weixin_51020122的博客 4774

【AI绘画】没有大显存?新人上手SD1.5模型推荐

SDXL有千般好,但是大显存却绕不开。更何况很多优秀的模型目前只有SD1.5版本的,今天就来介绍一些不同领域内好用的代表性的SD1.5模型,足够新人探索一段时间喽。(相关模型去C站搜标题就可以找到)

qazzsq2420的博客 3040

SAP LSMW保姆级操作文档

SAP LSMW(Legacy System Migration Workbench)是一个强大的工具,旨在简化旧系统数据向SAP系统的迁移过程。它允许用户通过多种方式导入数据,包括直接输入、批处理输入和BAPI。LSMW支持数据映射和转换,确保数据在迁移过程中保持一致性,减少手动输入的需求,从而提高效率,适用于新系统实施和数据更新项目。在日常运维过程中我们经常会遇到用户要求我们批量改一写数据,通常这些字段的信息有些SAP是提供程序可以批量进行更改的比如主数据的MM17、通用更改数据的MASS。

我小时候很黑的博客 4961

Codex智能体从零搭建:环境配置、代码管理与MCP扩展实战

AI智能体(Agent)作为连接大语言模型与实际应用的关键技术,通过感知、决策与执行框架,将AI能力融入具体工作流。其核心原理在于利用提示工程、上下文管理与工具调用,将自然语言指令转化为可执行操作。在软件开发领域,AI智能体能够显著提升代码生成、项目管理和自动化任务的效率。通过Model Context Protocol(MCP)等标准化协议,智能体可以安全、结构化地集成外部工具与服务,实现能力扩展。本文聚焦于Codex这一AI驱动的代码助手平台,详细解析其环境配置、代码索引、记忆系统等核心模块,并深入探讨

weixin_34220179的博客 594

流水的技术,铁打的Java!非一线城市也能拿20K+

最近,黑马JavaEE学科传来很多就业好消息,除了北上广深等一线城市就业火爆之外,在武汉、长沙、成都、西安、太原等校区,黑马Java班学生的就业也很可观。他们不仅就业快,薪资也超预期!一起来看~滑动查看就业详情????????????从就业薪资中可以看到,很多学长学姐都是零基础,并且很多是中途转行的,他们可以通过黑马课程找到满意的工作,相信你也可以!不管你在哪个城市,如果你想学Java,都可以就近找到黑马程序员线下...

传智播客的专栏 240

【IT小趣闻】免费的DeepSeek是如何赚钱的?

导语:目前很多的通用人工智能也就是所谓的AGI例如文心一言、豆包、通义千问和最近大火的DeepSeek都是免费给普通用户使用的,对开源商业模式不太熟悉的普通人可不太了解这免费背后的商业套路,下面我们就一起来揭秘。开源模式能降低用户信任成本、加速技术普及,而商业化服务则针对企业级需求。DeepSeek 可通过组合上述策略,在服务开发者社区的同时,满足企业客户的深度需求,实现可持续发展。你也看出来了,上边是DeepSeek生成的,讲的还是挺明白的。

SunMy的博客 1771

“我哥毕业1年,做Python挣了50W!”网友:吹得太少...

现状揭秘:Python岗位大厂50K起?程序员:心态崩了!屠杀各种榜单,拿下语言排行榜的Python,薪酬真的如同网传开挂了吗?笔者在脉脉上发现了这样的一个信息:但Python真的这么火...

区块链大本营 1255

ICC2如何写出floorplan信息

不用-exclude 的话rows_tracks / vias /blockages / routing_rules信息都会写出去,即便用了-include {macro ports}也不行,所以不介意这些东西的话可以用以下两种种def方式去写floorplan。write_floorplan用法和write_def一样,因为写出来的文件夹里就包含def,用write_floorplan的好处和innovus saveFPlan一样,都能写出voltage area和bound信息。

m0_61544122的博客 1073

基于机器学习和深度学习的新能源功率预测研究综述--学术论文模式--个人梳理

本文是博主根据前人的研究成果总结的机器学习和深度学习等理论方法在新能源功率预测领域的相关研究内容要点,按照学术科技论文写作的模式进行的呈现,包括文章引用等也都做了详细的批注,花了很多时间和心血,一方面是对自己学习成果的一些总结,另一方面也希望对大家有用(尽量不要直接copy哦,转载请标注,如有不当请评论或私信指出哦可再生能源的间歇性给新型电力系统的运行带来了巨大挑战,准确地预测新能源出力对于电网的安全可靠运行尤为重要。

干吧滴! 6324

TIOBE2月编程语言排行榜新鲜出炉!又是它第一!

黑马python+大数据学科将Python和大数据两者有机结合,既补全了Python开发人员在数据处理上的短板,也适应了全场景的数据处理,学生能够高度满足企业需求,自然也受企业欢迎!最近听到一个有趣的观点,在程序员的职业图谱中,经验、技术和市场需求堪称三驾马车,共同决定着薪资的高度,互联网行业的薪资排行榜、编程排行榜一有风吹草动,程序员们都会很敏感。黑马和Python+大数据开发让我站在一个更高起点出发,虽然入职的这三年是整个大环境都不太好的三年,但个人的薪资并没有受到影响,仍然拿到了20K+!

黑马程序员官方博客 1299

ardupilot 日志分析《xKF1信息》

ardupilot 日志分析系列将会把ardupilot所有的日志文档进行分析,为我们分析无人机的运行状态,炸鸡原因,传感器状态,电机状态,控制信息,滤波信息做准备。本节主要分析xKF1日志信息,欢迎批评指正。学习好ardupilot必须会分析飞行日志,从飞行日志中我们可以学到很多无人机的知识。无人机是综合知识的体现,涵盖:导航、控制、滤波、算法、协议等各种知识,只有更全面的学习,才能在无人机的道路上越走越远。

陌城烟雨 1226

就业喜报!非一线城市最高薪资21000元!

流水的技术,铁打的Java!诞生于1995年的Java编程语言,一直被沿用至今,不仅没有衰败的迹象,生命力还越来越旺盛!现在,超过 91% 以上的服务器都在使用Java,在各大编程语言排行榜的前列一直有Java的身影,随着我国互联网的下沉市场,现在非一线城市的互联网企业也越来越多,相关人才的需求也越来越旺盛。最近,黑马JavaEE学科便传来很多就业好消息,除了北上广深等一线城市就业火爆之外,在武汉...

传智播客的专栏 568

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

英超收官战带给我们的印象

美资财团BlueCo于2022年正式入主切尔西,"动荡"一直是球队的主旋律,无论是球员还是教练,一茬接着一茬,这个赛季已经换了马雷斯卡和罗塞尼尔两个主教练,一波连败后以第10名结束本赛季,还丢了足总杯,无缘下赛季欧战,球员踢得没章法,看来给阿隆索的这个烂摊子,不比热刺好整,蓝军新赛季能不能卷土重来,就看俱乐部在窗口期的操作了,对枪手来讲,本赛季还剩一场,就是欧冠决赛了,面对卫冕冠军,如果他们能赢,可以说属于枪手的一个时代即将开启了,当前的阵容厚度,足以让任何一个对手头疼,就看他们的临场表现了,

bisal的专栏 588

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: 【AI辅助设计】电商设计师看看?AI+Blender 打造真实场景渲染图
下一篇: AIGC绘画设计基础——SD人物写实图像高质量生成和手部修复
不秃头de程序猿
博客等级 码龄5年 4091粉丝 1479原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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。

余额充值