SD教程 文生图 提示词语法

prompt 原则

  1. 正面词写作思路:
质量词主体构图特效环境
人物设定近景体积光城市街头
动作设定中景真实光源四季气候
服装设定远景电影光自然景观

http://prompttool.com/
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

  • 控制提示词生效时间 [提示词:0-1数值]
forest,lots of trees and stones , [flowers:0.7]
森林里面有很多树、石头、花
flowers 表示整体画面采样进程达到70%时, 才开始计算花的采样,从而能控制画面不会出现太多的花朵生成


------------
forest,lots of trees and stones , [flowers::0.7]
改成双冒号
flowers 表示采样进程一开花朵就参与采样花朵, 整体画面达到70%时停止采样花朵
----------
[stones:flowers::0.7]
前70%采样石头, 后30%采样花朵
----------
[stones|flowers]
石头和花朵交替采样

在这里插入图片描述
在这里插入图片描述

1. 基础语法

单词形式: 1girl,lovely,JK clothing,campus
一个女孩,可爱的,JK服装,校园
词组形式: 1 lovely girl,wearing JK clothing, on campus
一个可爱的女孩,穿着jK服装,在校园中
短句形式: 1 cute little girl in a JK costume on campus
一个可爱的女孩穿着jK服装在校园中

2. 关键词权重

增加权重

(提示词:权重数值)数值从0.1 ~100,默认状态1:数值>1是加强
1girl,lovely,(JK clothing:1.1),campus,(white background:1.2)
提示词 每增加一层()括号,权重增加1.1倍
1girl,lovely,((JK clothing:1.1)),campus,((white background:1.2))

降低权重

(提示词:权重数值)数值从0.1 ~100,默认状态1:数值<1是减弱
1girl,lovely,(JK clothing:0.9),campus,(white background:0.4)
提示词 每增加一层[]括号,权重减弱1.1倍
1girl,lovely,[[JK clothing:0.9]],campus,((white background:0.4))

3. 进阶语法:混合-混合多个颜色或多种原色(抽卡语法)

竖杠混合:用竖杠| 分割多个关键词,可以混合多个元素
eg: 1girl,white|gold hair,

AND混合:用AND分割多个关键词,混合元素(官方语法)
eg: []

(8k, RAW photo, best quality, masterpiece:1.3),(realistic,photo-realistic:1.37),(looking at viewer:1.331),cyberpunk city,soft light,1girl,extremely beautiful face,red|black hair,bust,put down hands,Random hairstyle,Random expression,big eyes,

在这里插入图片描述

  1. 进阶语法:渐变混合(抽卡语法+不精准语法+没什么大用)
    在这里插入图片描述
    渐变混合1: 通过一自定义步数进行混合[TAG:TAG:数字]
eg:[dog:rabbit:20] 前20步生成够哦,其余步数生成兔子

[TAB:TAG:数字]数字>1 代表步数   

渐变混合2:通过一自定义步数进行混合[TAG:TAG],[to:步数]
渐变混合3:通过设定步数停/比例截止话[TAG::数字],[from::数字]

5. 渐变语法图例

在这里插入图片描述

提示词插件

one button prompt
在这里插入图片描述

总结
在这里插入图片描述

### 使用 Stable Diffusion 进行批量文本生成像的工作流 #### 准备工作环境 为了实现批量处理,确保安装了必要的依赖库并配置好运行环境。由于Stable Diffusion能够在大多数配备适当GPU的个人电脑上运行,并且开源了项目代码和模型权重[^4],这使得准备工作变得相对简单。 对于Python环境而言,通常需要安装`torch`, `transformers`以及其他支持包来加载预训练好的Stable Diffusion模型。具体命令如下: ```bash pip install torch transformers diffusers accelerate safetensors ``` #### 编写批处理脚本 创建一个Python脚本来执行批量操作。下面是一个简单的例子,展示了如何读取多个文本描述文件作为输入,并依次调用Stable Diffusion API完成片渲染任务。 ```python import os from PIL import Image from diffusers import StableDiffusionPipeline, EulerAncestralDiscreteScheduler def load_model(): model_id = "stabilityai/stable-diffusion-2" scheduler = EulerAncestralDiscreteScheduler.from_pretrained(model_id, subfolder="scheduler") pipe = StableDiffusionPipeline.from_pretrained(model_id, scheduler=scheduler, safety_checker=None).to("cuda") return pipe def generate_images(pipe, prompts_file_path, output_dir): with open(prompts_file_path, 'r') as file: lines = file.readlines() for idx, line in enumerate(lines): prompt_text = line.strip() # 去除首尾空白字符 image = pipe(prompt_text).images[0] img_filename = f"{output_dir}/image_{idx}.png" image.save(img_filename) if __name__ == "__main__": pipeline = load_model() input_prompts = "./prompts.txt" # 存储要转换成像的文字说明列表路径 save_location = "./outputs/" # 输出目录 if not os.path.exists(save_location): os.makedirs(save_location) generate_images(pipeline, input_prompts, save_location) ``` 这段代码首先初始化了一个基于CUDA加速器优化过的Stable Diffusion管道实例;接着打开指定位置下的纯文本文档(`prompts.txt`)逐行解析其中的内容作为待合成的新颖视觉作品灵感源;最后保存由AI绘制所得的结果至本地磁盘上的特定文件夹内。 #### 配置与优化建议 考虑到不同硬件条件可能影响最终效果,在实际部署前还需考虑一些额外因素: - **显存管理**:如果遇到内存不足的情况,尝试减少batch size或者降低分辨率设置。 - **性能调整**:根据实际情况调节迭代次数和其他超参数以平衡速度与质量之间的关系。 - **错误处理**:加入异常捕获逻辑以便更好地应对潜在问题,比如网络连接失败或是非输入等情形。 通过上述步骤即可构建起一套完整的从文字到形自动化生产流水线,适用于各种创意领域内的大规模定制化需求场景。
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

赤胜骄阳

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