大家好，今天给大家分享的是关于 Stable diffusion 提示词的基础和进阶语法，为什么有必要了解这个呢？首先是提示词对出图效果影响很大，了解提示词的用法有助于我们写出更优秀的提示词；其次就是我们可能会去C站拷贝别人的提示词，虽然直接拷贝过来也能得到不错的效果，但这样只会“知其然，不知其所以然”，所以如果你想好好掌握SD，这一关还是有必要闯的！
一、基础规则
第一个规则就是：提示词之间是用英文逗号分隔的，如果你觉得把所有提示词都挤在一行比较不美观，你也可以换行，但是换行并不代表分隔提示词，如果你想分隔的话还是得加上英文逗号。
第二个规则是：提示词的权重从前到后依次降低，也就说越靠前的提示词权重越高，不过这也有一个前提，就是你的提示词没有使用任何增强/降低权重的语法。
有需要stable diffusion整合包以及提示词插件，可以扫描下方，免费获取
比如我有这样两组提示词（大致场景是小女孩和城堡）：
# A组提示词
castle,landscape,1girl,loli,silver hair,school_uniform,crystal_earrings,kind_smile,arm_support,in summer,book,mini_witch_hat,frilled,strappy_heels,
# B组提示词
castle,landscape,1girl,loli,silver hair,school_uniform,crystal_earrings,kind_smile,arm_support,in summer,mini_witch_hat,frilled,strappy_heels,book,
这两组提示词的区别在于 book 提示词位置的不同（一个在中间，一个在最后），结果就是一个书比较多，一个书比较少
第三个规则（注意事项）是：提示词的数量尽量控制在75个Token以内。根据第二条规则，其实就可以得到越后面的提示词权重越低，所以提示词并不是越多越好。
SD的界面其实也有相应的提示，那Token是怎么算的呢？一般来说，一个单词算一个Token，英文逗号也算，比如castle,就是2个Token。
第四个规则（注意事项）是：提示词选用词组，而不是自然语言描述（仅针对v1.5模型，不包含SDXL）。还是上面的场景，一个萝莉女孩站在城堡旁边，我们翻译之后会变成：A loli girl stands by the castle
这其实就是一种自然语言描述，这样也能出图，只是像 by the 这种单词其实作用不大，但却白白浪费了Token和权重。
二、提示词权重语法
在SD中，每个提示词默认的权重为1，虽然我们可以通过调整提示词的位置来影响它的权重，但是这样未免太过麻烦，所以SD其实也有一套增强/降低权重的语法。
2.1 小括号增强
在SD中，英文小括号（）可以用来增强提示词的权重，一个小括号可以增加1.1倍权重，最多增加3个小括号，也就是 1.1 * 1.1 * 1.1 = 1.331 倍权重
2.2 大括号增强？
这个有待考证，据说英文大括号 { } 也可以用来增强提示词的权重，一个相当于是 1.05 倍的权重，但是我试了下效果并不明显，所以不确定这种语法在秋叶SD中是否有效
2.3 中括号降低
与小括号类似，不过中括号 [] 是用于降低提示词权重，一个中括号是0.9倍权重，最多3个也就是 0.729 倍权重
2.4 小括号直接增强/降低（推荐）
这种方式的写法是: (xxx: 1.5) ，冒号后面的就是权重，比较推荐这种设置方式，看起来比较直观。
注：试了下，不加小括号也有效果，比如 book:1.5
这种方式还有一个设置的快捷键：就是先选好提示词，然后按住 CTRL 键，通过控制上下方向键就可以快速调整。
三、提示词进阶语法
SD的提示词除了上述的基础语法外，还有一些进阶的玩法。
3.1 下划线连接
通过下划线（_）连接两个单词，可以起到连接的作用，便于SD将其看做一个整体，这种语法在秋叶整合包的提示词非常常见。
比如这个例子
# A组提示词
plate,coffee,cake,
# B组提示词
plate,coffee_cake,
在这两组提示词，A组由于coffee和cake没有连接，所以SD出图的时候可能会同时返回咖啡和蛋糕，但是B组返回的是咖啡蛋糕。
3.2 交替采样
交替采样的语法是： [prompt1 | prompt2 | prompt3]
采用这种方式，第一步采样会使用 prompt1提示词，第二步使用 prompt2提示词，第三步使用 prompt3提示词，到第四步又会使用回 prompt1提示词，循环往复，交替进行。
如果你想把两种，或者多种东西融合成一种，比如颜色渐变，或许这是一个值得尝试的方案。
还是给一个例子
# A组提示词
1girl,red hair,blue hair,wavy hair,
# B组提示词
1girl,[red|blue|wavy] hair,
对比图如下：
3.3 比例采样
比例采样跟前面的交替采样有点像，但是比例采样可以做到更精细化！
第一种方式：prompt1,[prompt2: 0-1数值]。这种方式表示采样值达到指定数值后才使用提示词 prompt2。
第二种方式：prompt1,[prompt2:: 0-1数值]。这种方式比第一种多了一个冒号，表示采样值达到指定数值后就不使用提示词 prompt2 了。
第三种方式：[prompt1:prompt2: 0-1数值]。假设数值是0.3，这种方式表示采样值前30%使用prompt1，后70%使用prompt2。
关于比例采样的使用场景，其实也是适合将多种东西合并在一起，只不过他因为能做到更精细化，所以出图效果会更好，比如**这篇文章[1]**就提到将多张人脸合并为一张新人脸，感兴趣的可以看下。
注：特朗普和拜登的融合肖像
四、提示词预设样式
有时候我们写了一组不错的提示词，想着以后可以再用，这时候预设样式就派上用场了，它的作用就是保存提示词，便于我们下次直接复用。
五、提示词书写插件
如果你是用秋叶大佬的SD，那么它自带的提示词插件其实已经能够满足大部分人的需求，不仅拥有非常多的提示词，而且提示词都整好分类了，并且自带翻译，使用非常方便。
如果你是Linux系统，或者因为其他原因用不了秋叶SD该怎么办？其实很简单，因为秋叶SD也是通过安装提示词插件才实现上面的效果，如果你是sd-webui，同样可以通过安装插件实现相同的效果。
这里直接将该软件分享出来给大家吧~
1.stable diffusion安装包
随着技术的迭代，目前 Stable Diffusion 已经能够生成非常艺术化的图片了，完全有赶超人类的架势，已经有不少工作被这类服务替代，比如制作一个 logo 图片，画一张虚拟老婆照片，画质堪比相机。
最新 Stable Diffusion 除了有win多个版本，就算说底端的显卡也能玩了哦！此外还带来了Mac版本，仅支持macOS 12.3或更高版本。
2.stable diffusion视频合集
我们在学习的时候，往往书籍源码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，一步步带你入坑stable diffusion，科学有趣才能更方便的学习下去。
3.stable diffusion模型下载
stable diffusion往往一开始使用时图片等无法达到理想的生成效果，这时则需要通过使用大量训练数据，调整模型的超参数（如学习率、训练轮数、模型大小等），可以使得模型更好地适应数据集，并生成更加真实、准确、高质量的图像。
4.stable diffusion提示词
提示词是构建由文本到图像模型解释和理解的单词的过程。可以把它理解为你告诉 AI 模型要画什么而需要说的语言，整个SD学习过程中都离不开这本提示词手册。
5.SD从0到落地实战演练
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SD大神的正确特征了。
这份完整版的stable diffusion资料我已经打包好，需要的点击下方插件，即可前往免费领取！
评论(0)