什么是提示詞

文章提到的模型、插件、安裝包都可分享，需要的小伙伴文末領(lǐng)??！

你可能沒(méi)寫(xiě)過(guò)提示詞，但是一定聽(tīng)說(shuō)過(guò)“提示詞”這幾個(gè)字，也大概能知道它的重要性。

沒(méi)聽(tīng)說(shuō)過(guò)也沒(méi)關(guān)系，下面我就帶你認(rèn)識(shí)認(rèn)識(shí)。

提示詞就是我們給AI模型下發(fā)的指令。提示詞寫(xiě)對(duì)了，AI才能輸出相應(yīng)的結(jié)果，提示詞寫(xiě)的越好，AI輸出的內(nèi)容質(zhì)量越高、越貼近你的需求。這有點(diǎn)像程序代碼，代碼邏輯寫(xiě)對(duì)了，程序才能正常運(yùn)行，代碼寫(xiě)的越好，程序運(yùn)行時(shí)發(fā)生的問(wèn)題越少、才能解決用戶(hù)的問(wèn)題。

比如圖片的內(nèi)容需要是：一個(gè)姑娘站在海灘上，最簡(jiǎn)單的提示詞就是：a girl standing on the beach，這是一個(gè)語(yǔ)法完整的句子；我們也可以使用堆砌關(guān)鍵詞的方式來(lái)編寫(xiě)提示詞：a girl, standing, beach，不同的關(guān)鍵詞之間用英文逗號(hào)分隔，不同關(guān)鍵詞之間的空格可有可無(wú)。

提示詞的結(jié)構(gòu)

開(kāi)發(fā)程序時(shí)，我們不是拿到需求之后，馬上就開(kāi)始編碼的。我們首先要弄懂業(yè)務(wù)需求，然后思考通過(guò)什么樣的功能和流程來(lái)滿(mǎn)足這個(gè)需求，也就是做產(chǎn)品設(shè)計(jì)；然后是做程序概要設(shè)計(jì)、詳細(xì)設(shè)計(jì)這些，確定要使用的技術(shù)平臺(tái)、框架、中間件，以及模塊的劃分、接口的定義、數(shù)據(jù)表的設(shè)計(jì)等等；最后才是編碼工作。我們通過(guò)這樣分階段分層次的工作，最終把系統(tǒng)實(shí)現(xiàn)出來(lái)。這種工作方法可以稱(chēng)為結(jié)構(gòu)化方法。

我們編寫(xiě)提示詞也需要這種結(jié)構(gòu)化的思維，這里分享一個(gè)常用的結(jié)構(gòu)：

(質(zhì)量)+風(fēng)格+主體+細(xì)節(jié)+其它

質(zhì)量

質(zhì)量就是圖片整體看起來(lái)如何，相關(guān)的指標(biāo)有分辨率、清晰度、色彩飽和度、對(duì)比度、噪聲等，高質(zhì)量的圖片會(huì)在這些指標(biāo)上有更好的表現(xiàn)。正常情況下，我們當(dāng)然是想生成高質(zhì)量的圖片。

常見(jiàn)的質(zhì)量提示詞：

為什么要給這個(gè)“質(zhì)量”加上括號(hào)呢？

因?yàn)樵?SDXL 中這些質(zhì)量提示詞對(duì)生成圖片的影響很小，SDXL 模型默認(rèn)就會(huì)生成高質(zhì)量的圖片。但是如果使用的是 SD 1.5 的模型，這些提示詞還是很有必要的。

你可能還會(huì)問(wèn)為什么 SD 1.5 的模型就需要質(zhì)量提示詞呢？

這可能是因?yàn)?SD 1.5 的模型訓(xùn)練的時(shí)候使用了各種不同質(zhì)量的圖片，訓(xùn)練時(shí)使用了大量的質(zhì)量提示詞，所以使用 SD 1.5 的模型生成圖片時(shí)質(zhì)量提示詞的影響會(huì)比較大。

風(fēng)格

風(fēng)格就是我們想要一張什么樣的圖片，比如真實(shí)照片、漫畫(huà)、油畫(huà)、插畫(huà)等等。

給大家分享一些風(fēng)格提示詞。

除了這些，我們還可以指定更具體的風(fēng)格，比如：impressionist（印象派）、cubism（立體派）、abstractionism（抽象派）、pop art（波普藝術(shù)）等等，再比如指定畫(huà)家：Vincent van Gogh（19 世紀(jì)印象派畫(huà)家）、 John Sargent（19 世紀(jì)美國(guó)畫(huà)家），注意風(fēng)格和畫(huà)家需要是比較知名的，因?yàn)楸容^小眾的風(fēng)格和畫(huà)家可能沒(méi)有被用來(lái)訓(xùn)練模型，模型不認(rèn)識(shí)它們，提示詞就沒(méi)什么用。

需要注意的是除了使用提示詞生成風(fēng)格圖片，大家還喜歡通過(guò)各種風(fēng)格模型（包括大模型和Lora模型）來(lái)生成指定風(fēng)格的圖片，這些模型一般都經(jīng)過(guò)特定風(fēng)格圖片的訓(xùn)練，比如Anything比較擅長(zhǎng)二次元風(fēng)格、RealisticVision比較擅長(zhǎng)真實(shí)照片風(fēng)格，在繪制指定風(fēng)格圖片時(shí)，它們相比官方發(fā)布的基礎(chǔ)模型往往有著更好的表現(xiàn)，特別是針對(duì) SD 1.5 的模型。

主體

主體就是我們想要畫(huà)個(gè)什么，也就是畫(huà)面中的主要事物，比如：1個(gè)女孩、幾座高樓、若干狗子、山山水水等等，下面是一些例子：

細(xì)節(jié)

如果沒(méi)有細(xì)節(jié)，AI繪畫(huà)很難畫(huà)出我們想要的內(nèi)容，這也是很多同學(xué)感覺(jué)AI比較傻的主要原因。如果我們不給它提供細(xì)節(jié)，它就會(huì)自由發(fā)揮，它發(fā)揮的方向和努力程度就得聽(tīng)天由命了。特別是 SD 1.5 的模型自由發(fā)揮時(shí)出圖的質(zhì)量往往比 SD XL 有明顯的差距，就像 GPT-3.5 回答問(wèn)題的質(zhì)量比 GPT-4 要差一些。

比如主體是：1個(gè)女孩，那么細(xì)節(jié)可能包括：

人物的一些特征：臉型、頭發(fā)的顏色、頭發(fā)的長(zhǎng)短、眼睛的顏色、鼻子的形狀、嘴唇的顏色、上衣的款色、褲子或者裙子的款色、鞋子的款色等等。

背景和周邊環(huán)境：銀色的海灘、白色的郵輪、蔚藍(lán)的天空、棉花糖的白云、高高的椰子樹(shù)、紅色的玫瑰花等等。

光照和光線：studio lighting（工作室照明）、soft lighting（柔光）、ambient lighting（環(huán)境照明）、ring lighting（環(huán)形照明）、sun lighting（陽(yáng)光照片）、cinematic lighting（電影照明）等等。

細(xì)節(jié)這塊比較零碎，編寫(xiě)時(shí)要放開(kāi)想象力，努力描述出你心中的畫(huà)面特征。

這里分享一個(gè)完整的提示詞例子：

best quality,masterpiece,ultra detailed,UHD 4K,photographic,1girl,upper body,standing,long black hair,blue eyes, looking at viewer,pink shirt,black skirt,white color stockings,street,road lamp,yellow lighting, raining,cinematic lighting

提示詞權(quán)重

使用權(quán)重

提示詞的權(quán)重，也就某個(gè)提示詞在生成圖片時(shí)的重要程度，這是因?yàn)樵谑褂靡贿B串提示詞時(shí)，模型可能會(huì)自動(dòng)做一些取舍，這會(huì)導(dǎo)致生成的圖片中缺少或弱化某些提示詞對(duì)應(yīng)的元素，如果我們要強(qiáng)化某個(gè)元素，就需要增加它的權(quán)重。

格式是：keyword:factor

keyword是要設(shè)置權(quán)重的提示詞，factor是權(quán)重，權(quán)重的默認(rèn)值是1，小于1表示降低權(quán)重，大于1表示增加權(quán)重。

比如我們強(qiáng)調(diào)紅色的頭發(fā)，就可以這樣寫(xiě)：red hair:1.3

()和[]符號(hào)

權(quán)重還可以使用小括號(hào)()和中括號(hào)[]來(lái)代替，()表示1.1倍，[]表示0.9倍，括號(hào)可以疊加。

(keyword) 等價(jià)于 keyword:1.1

((keyword)) 等價(jià)于 keyword:1.21

[keyword] 等價(jià)于 keywor:0.9

[[keyword]] 等價(jià)于 keywor:0.81

關(guān)鍵詞混合

語(yǔ)法格式：[keyword1 : keyword2: factor]

factor 控制把 keyword1 切換到 keyword2 的步驟值，取之范圍0-1。

以馬斯克和扎克伯格合體為例，提示詞如下：

best quality,ultra detailed, UHD 4K, portrait photo, [Elon Musk:Zuckerberg:0.6]

不同切換步驟的效果：

反向提示詞

負(fù)面提示詞，即填入不想要的元素或特征，以在采樣過(guò)程中避免出現(xiàn)。

可以用來(lái)去除物體、修改特征、修改風(fēng)格等。

去除物體

比如去掉胡子，我們就可以在反向提示詞中輸入：mustache

修改特征

比如不要藍(lán)色眼睛，可以在反向提示詞中輸入：blue eyes

修改風(fēng)格

比如不要?jiǎng)勇L(fēng)格，可以在反向提示詞中輸入：cartoon、anime

優(yōu)化圖片

比如用來(lái)提升質(zhì)量：blur

不出現(xiàn)壞手、壞臉：bad fingers、bad face

對(duì)于人物照片，常用的反向提示詞：

ugly, tiling, poorly drawn hands, poorly drawn feet, poorly drawn face, out of frame, extra limbs, disfigured, deformed, body out of frame, bad anatomy, watermark, signature, cut off, low contrast, underexposed, overexposed, bad art, beginner, amateur, distorted face

提示詞工具

純手寫(xiě)提示詞還是有點(diǎn)麻煩的，這里介紹幾個(gè)工具給大家。

大模型生成

使用ChatGPT等大模型生成提示詞。

使用下邊這個(gè)GPT提示詞，讓GPT學(xué)習(xí)如何寫(xiě) Stable Diffusion 提示詞。

# Stable Diffusion prompt 助理

你來(lái)充當(dāng)一位有藝術(shù)氣息的Stable Diffusion prompt 助理。

## 任務(wù)

我用自然語(yǔ)言告訴你要生成的prompt的主題，你的任務(wù)是根據(jù)這個(gè)主題想象一幅完整的畫(huà)面，然后轉(zhuǎn)化成一份詳細(xì)的、高質(zhì)量的prompt，讓Stable Diffusion可以生成高質(zhì)量的圖像。

## 背景介紹

Stable Diffusion是一款利用深度學(xué)習(xí)的文生圖模型，支持通過(guò)使用 prompt 來(lái)產(chǎn)生新的圖像，描述要包含或省略的元素。

## prompt 概念

- 完整的prompt包含“**Prompt:**”和"**Negative Prompt:**"兩部分。
- prompt 用來(lái)描述圖像，由普通常見(jiàn)的單詞構(gòu)成，使用英文半角","做為分隔符。
- negative prompt用來(lái)描述你不想在生成的圖像中出現(xiàn)的內(nèi)容。
- 以","分隔的每個(gè)單詞或詞組稱(chēng)為 tag。所以prompt和negative prompt是由系列由","分隔的tag組成的。

## () 和 [] 語(yǔ)法

調(diào)整關(guān)鍵字強(qiáng)度的等效方法是使用 () 和 []。 (keyword) 將tag的強(qiáng)度增加 1.1 倍，與 (keyword:1.1) 相同，最多可加三層。 [keyword] 將強(qiáng)度降低 0.9 倍，與 (keyword:0.9) 相同。

## Prompt 格式要求

下面我將說(shuō)明 prompt 的生成步驟，這里的 prompt 可用于描述人物、風(fēng)景、物體或抽象數(shù)字藝術(shù)圖畫(huà)。你可以根據(jù)需要添加合理的、但不少于5處的畫(huà)面細(xì)節(jié)。

### 1. prompt 要求

- 你輸出的 Stable Diffusion prompt 以“**Prompt:**”開(kāi)頭。
- prompt 內(nèi)容包含畫(huà)面主體、材質(zhì)、附加細(xì)節(jié)、圖像質(zhì)量、藝術(shù)風(fēng)格、色彩色調(diào)、燈光等部分，但你輸出的 prompt 不能分段，例如類(lèi)似"medium:"這樣的分段描述是不需要的，也不能包含":"和"."。
- 畫(huà)面主體：不簡(jiǎn)短的英文描述畫(huà)面主體, 如 A girl in a garden，主體細(xì)節(jié)概括（主體可以是人、事、物、景）畫(huà)面核心內(nèi)容。這部分根據(jù)我每次給你的主題來(lái)生成。你可以添加更多主題相關(guān)的合理的細(xì)節(jié)。
- 對(duì)于人物主題，你必須描述人物的眼睛、鼻子、嘴唇，例如'beautiful detailed eyes,beautiful detailed lips,extremely detailed eyes and face,longeyelashes'，以免Stable Diffusion隨機(jī)生成變形的面部五官，這點(diǎn)非常重要。你還可以描述人物的外表、情緒、衣服、姿勢(shì)、視角、動(dòng)作、背景等。人物屬性中，1girl表示一個(gè)女孩，2girls表示兩個(gè)女孩。
- 材質(zhì)：用來(lái)制作藝術(shù)品的材料。 例如：插圖、油畫(huà)、3D 渲染和攝影。 Medium 有很強(qiáng)的效果，因?yàn)橐粋€(gè)關(guān)鍵字就可以極大地改變風(fēng)格。
- 附加細(xì)節(jié)：畫(huà)面場(chǎng)景細(xì)節(jié)，或人物細(xì)節(jié)，描述畫(huà)面細(xì)節(jié)內(nèi)容，讓圖像看起來(lái)更充實(shí)和合理。這部分是可選的，要注意畫(huà)面的整體和諧，不能與主題沖突。
- 圖像質(zhì)量：這部分內(nèi)容開(kāi)頭永遠(yuǎn)要加上“(best quality,4k,8k,highres,masterpiece:1.2),ultra-detailed,(realistic,photorealistic,photo-realistic:1.37)”， 這是高質(zhì)量的標(biāo)志。其它常用的提高質(zhì)量的tag還有，你可以根據(jù)主題的需求添加：HDR,UHD,studio lighting,ultra-fine painting,sharp focus,physically-based rendering,extreme detail description,professional,vivid colors,bokeh。
- 藝術(shù)風(fēng)格：這部分描述圖像的風(fēng)格。加入恰當(dāng)?shù)乃囆g(shù)風(fēng)格，能提升生成的圖像效果。常用的藝術(shù)風(fēng)格例如：portraits,landscape,horror,anime,sci-fi,photography,concept artists等。
- 色彩色調(diào)：顏色，通過(guò)添加顏色來(lái)控制畫(huà)面的整體顏色。
- 燈光：整體畫(huà)面的光線效果。

### 2. negative prompt 要求
- negative prompt部分以"**Negative Prompt:**"開(kāi)頭，你想要避免出現(xiàn)在圖像中的內(nèi)容都可以添加到"**Negative Prompt:**"后面。
- 任何情況下，negative prompt都要包含這段內(nèi)容："nsfw,(low quality,normal quality,worst quality,jpeg artifacts),cropped,monochrome,lowres,low saturation,((watermark)),(white letters)"
- 如果是人物相關(guān)的主題，你的輸出需要另加一段人物相關(guān)的 negative prompt，內(nèi)容為：“skin spots,acnes,skin blemishes,age spot,mutated hands,mutated fingers,deformed,bad anatomy,disfigured,poorly drawn face,extra limb,ugly,poorly drawn hands,missing limb,floating limbs,disconnected limbs,out of focus,long neck,long body,extra fingers,fewer fingers,,(multi nipples),bad hands,signature,username,bad feet,blurry,bad body”。

### 3. 限制：
- tag 內(nèi)容用英語(yǔ)單詞或短語(yǔ)來(lái)描述，并不局限于我給你的單詞。注意只能包含關(guān)鍵詞或詞組。
- 注意不要輸出句子，不要有任何解釋。
- tag數(shù)量限制40個(gè)以?xún)?nèi)，單詞數(shù)量限制在60個(gè)以?xún)?nèi)。
- tag不要帶引號(hào)("")。
- 使用英文半角","做分隔符。
- tag 按重要性從高到低的順序排列。
- 我給你的主題可能是用中文描述，你給出的prompt和negative prompt只用英文。

然后我們給它一些關(guān)鍵詞，它就會(huì)自動(dòng)生成提示詞了：

提示詞工具

提示詞的工具也有很多，這里介紹一個(gè)：

huggingface.co/spaces/Gust…

這個(gè)工具是基于 lexica.art 上提取的8W組數(shù)據(jù)訓(xùn)練而來(lái)的，我們只需要在左側(cè)的輸入框中填寫(xiě)要繪制的主體，這個(gè)工具就會(huì)我們生成幾組高質(zhì)量的提示詞。

提示詞插件

提示詞的插件有很多，這里給大家推薦秋葉整合包默認(rèn)使用的提示詞插件。

github.com/Physton/sd-…

在“擴(kuò)展”中安裝：

重新啟動(dòng) Stable Diffusion WebUI 之后，在“文生圖”和“圖生圖”的提示詞、反向提示詞輸入框下方會(huì)出現(xiàn)一些書(shū)寫(xiě)提示詞的輔功能，這里簡(jiǎn)單介紹下使用方法。

在下圖1的位置輸入中文關(guān)鍵字，鍵盤(pán)回車(chē)之后，就會(huì)把關(guān)鍵字填寫(xiě)到提示詞輸入框中，并自動(dòng)翻譯為英文。

我們也可以在提示詞輸入框中直接輸入中文關(guān)鍵字，然后再點(diǎn)擊下圖中的翻譯按鈕，翻譯為英文。

如果你實(shí)在不知道該寫(xiě)點(diǎn)啥，可以試試下圖中這些預(yù)置好的關(guān)鍵詞，相信一定可以給你帶來(lái)一些靈感，點(diǎn)擊就可以自動(dòng)填寫(xiě)到提示詞輸入框中。不過(guò)需要注意這些內(nèi)置的提示詞不一定在所有的模型中都是有效的。

提示詞分享

除了自己創(chuàng)造提示詞，我們還可以直接使用別人貢獻(xiàn)出來(lái)的提示詞。這里分享兩個(gè)獲取別人提示詞的方法。

一是從分享網(wǎng)站直接獲?。?/strong>