SD教程 6种提示词角度！精准实现你的 stable diffusion 创作意图！_sd视角提示词

本期内容的核心目标是向你展示构图、风格、媒介、画面清晰度、灯光效果以及颜色氛围等6大类别中的常用标签（tags），这些标签将为你提供更深入的理解，并帮助你更有效地编写提示词（prompt）。

这些标签可以大大影响AI绘图模型生成的图片内容，掌握好它们的使用，将有助于你在AI绘图过程中更好地达成你的创作意图。

2

tags 效果示例

1、构图

在使用SD模型生成图片时，需要注意一些细节。SD模型的训练数据来自于网络，因此 tags（标签）更倾向于使用口语化表达，而非专业术语。这意味着一些常见的景别描述如 “medium shot”（中景）和 “full shot”（全景）可能无法产生理想的效果，因为这些表述很少出现在训练数据中。然而，也有一些例外情况，有些模型在微调过程中可能添加了更专业的 tags，这样就能够更好地生成对应的景别效果。

另外，还有一些特定的术语如 “cowboy shot”（牛仔镜头）可能无法被一些模型正确识别，导致生成的图片中出现牛仔服装的人物。为了避免这种情况，可以不在正向提示词中使用 “cowboy shot”，而是通过在 negative prompt（反向提示词）中加入其他关键词，如 “full body”（全身）或 “closeup”（特写），以避免模型生成全身和特写图片。通过这种方式也可以达到相似的目的。

最后，需要强调的是，评价一个提示词的优劣不能仅以一次生成的图片作为评判标准，而是应该生成多张图片，再基于这些结果来评估提示词的效果。

观察生成的多张图片后，可以根据目标需求和生成效果来对提示词进行优化和调整。这可能包括更改关键词，调整参数或者试验不同的表达方式。通过这种反复迭代和调整的过程，才能逐步接近理想的图像效果。这也是我们提升AI绘图技巧，实现个性化创作需求的关键步骤。

以下是一些示例：

2、风格

在使用标签生成图片时，有时会发现使用一些风格类的关键词，如 “illustration”（插画）、“cartoon”（卡通）等，生成的图片风格非常多样。这是因为训练数据中的插画风格本身就包含了很多不同的风格变化。

为了更好地控制生成的结果，我们可以使用下面2种方法进一步限定生成范围：

1. 通过添加关键词如 “flat design”（扁平化设计）、"2D"等，来生成更平面的插画风格。这样可以使生成的图片更加符合平面插画的特点。另外，通过添加与期望风格相反的关键词，也能够反向限定生成的结果，以获得与之相反的风格效果。
2. 通过添加相关艺术家的名字或艺术家关键词，可以引导模型生成更加特征性和独特的图片。艺术家关键词通常与特定的艺术风格或创作方式相关，因此可以帮助我们缩小生成范围，更加准确地获得所需的效果。

以下是一些示例：

3、媒介

使用媒介tag，也会出现风格非常多样的图片，原因跟上面提到的完全一样，解决方法也完全相同，这里不再赘述。

以下是一些示例：

4、清晰度关键词

生成的图片如果觉得细节不够丰富，那么就可以添加下面的关键词来改进。

以下是一些示例：

**Highly detailed：**通过观察人物的衣服和背后的蘑菇等细节，可以明显看出与对比图相比，添加了这个关键词后，生成的图片会更具细节。

**Intricate pattern：**通过添加更多的纹理，特别是在人物的衣服上，可以使生成的图片更加丰富多样。

**Ornate：**通过添加装饰品，例如人物头发上的发夹，以及额外的装饰物在手臂上，可以增添图片的华丽感。

5、灯光效果

调整灯光效果是一项相对困难的任务，因为SD模型缺乏对三维空间的理解能力，因此很难准确呈现不同方位灯光的效果。然而，通过添加相关的关键词仍然可以产生一定效果。这是因为虽然SD无法理解三维空间，但它对于图片的色调和明暗有很好的学习能力。

例如，关键词 “back light” 虽然无法真正呈现背光效果，但会使人物正面变暗，并给头发产生发光的效果。另外，关键词 “hard light” 相对于 “soft light” 会产生更高对比度的图片，这是使用硬光的特点之一。如果你有摄影经验，这应该不难理解。

需要注意的是，有些光效关键词还可以用其他表达方式来表示。例如，“side light” 也可以表达为 “side lights”。如果发现效果不明显，可以尝试添加更多类似的词语来进一步调整灯光效果。其他类型的关键词同理。

以下是一些示例：

6、颜色氛围

这个不多解释，非常直观。

SD对颜色信息的学习没啥难度，因此操控起来显得比较轻松。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。点击下方蓝色字 即可免费领取↓↓↓

**读者福利 |** 👉2024最新《AGI大模型学习资源包》免费分享 **（安全链接，放心点击）**

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】或点击下方蓝色字 即可免费领取↓↓↓

**读者福利 |** 👉2024最新版优快云大礼包：《AGI大模型学习资源包》免费分享 **（安全链接，放心点击）**)** **（安全链接，放心点击）**