2-1 文生图
通过简单的分步说明,了解什么是文生图以及如何使用 文生图。
Last updated
通过简单的分步说明,了解什么是文生图以及如何使用 文生图。
Last updated
相信大家在使用SeaArt的过程中都遇到过类似问题:控图效果不理想、加了提示词但绘图结果却没有体现等。 在本篇中,我们将详尽介绍如何精通文生图的操作,并掌握编写高效提示词的策略。
在SeaArt.AI中,有文生图、图生图和条件生图3种绘图模式,其中文生图模式下包括默认、SDXL、实验室3三种生图方式。
绘图基本步骤:选择模型-填写提示词-设置参数-点击生成
模型决定了画风、提示词定义了画面内容、参数则细化了图像的预设特性
什么是提示词?
为了更有效的引导AI,人们逐步探索出了一种方法,即通过提供正面或负面的反馈来约束模型的行为。这种用来指导模型的信息,我们称之为提示词(Prompt)。可以将其理解为是人类与AI沟通的桥梁。
提示词基本语法
SeaArt支持用户直接在提示框中输入中文提示词,虽然大部分模型基于英文训练,使得英文提示词的识别效率相对较高,但SeaArt.AI的智能化设计允许直观方便地使用中文进行创作。
如果你还不会编辑提示词,可以点击工具-提示词工具,快速构建出高效的提示词组合。
负标签:不期望出现在图像中的内容,在一些模型对特定细节(如手部结构)理解不足时尤其有用,通过负标签避免这些元素的出现,可以提升图像质量。
例如加入:(bad hands, bad anatomy, bad body, bad face, bad teeth, bad arms, bad legs, deformities: 1.3)
输入提示词:自然语言/词组形式
自然语言:一个黑色头发女孩在跳舞
词组形式:一个女孩,黑色头发,跳舞
*提示词不是越多越好,过量的提示词可能会引起模型的混淆,影响出图效果。重要的是找到平衡,既要足够详细以引导AI,又要避免过度复杂化。
提示词的作用是引导和辅助模型的绘图过程,并非硬性要求,即使你的输入随便一句话,模型依旧可以为你画出一张图来,甚至可能效果还不错
*不过丰富的提示词可以更好的控制最终出图效果,在后期微调中,也可以快速修改和验证特定关键词对出图结果的影响。
一条有效的提示词,就如同是在对AI布置一个任务。如果指令含糊不清,比如仅仅说“设计一张图”,而不具体说明要素和用途,那么结果往往难以预料。因此,详细而具体的指令能够极大提升成果的质量和符合度。
例:提示词仅仅输入“一个女孩”,对于画面中女孩着装、场景、镜头角度等内容都没有提及,ai只能根据模型训练时的历史经验自行发挥。得益于模型的强大,我们得到的绘图结果都还不错,但如果对画面内容有特定要求,这样的效率很低了。
当我们加入其他内容描述词,画面会稳定很多
一个理想的提示词公式包括:主体内容、环境背景、构图镜头、图像设定及参考风格等元素,每一部分都对绘图结果有着不同程度的影响。
*公式只是参考,并非每次编写提示词我们都要包含所有内容,实践中,先确定主体内容对出图效果的影响,再根据个人需求进行细节优化。
主体内容:描述画面的主要内容,比如人或者动物,人物的着装、表情,动物的毛发、动作,物体的材质等。不过多个物体组合生成可能会出现问题,可以先挨个生成主体素材进行拼合,然后用条件生图约束进行出图。
环境背景:设定周围的场景和辅助元素,比如天空的颜色、四周的背景、环境的灯光、画面色调等,这一步是为了渲染画面氛围,凸显图片的主题。
构图镜头:调节画面的镜头和视角,如景深的强调、物体的布局,甚至使用黄金分割或中全景视角,可以大幅度地提升作品的视觉冲击力。
图像设定:增强画面表现力的常用词汇,常见于让人印象深刻的高质量图片中,例如细节丰富度、摄影画质、电影感等。值得一提的是,最终图像的分辨率和细节层次主要由其尺寸决定,而通过后期处理如超分辨率技术,可以进一步增强图像细节。
参考风格:描述画面想呈现的风格和情绪表达,比如加入艺术家的名字、艺术手法、年代、色彩等。不过图像风格基本是由模型决定的,如果此前该模型并没有经过艺术风格关键词训练,是无法理解的。如果对图像风格有要求,最好还是直接使用对应风格的模型来绘图,会比单纯使用提示词更好。
一键同款:如果觉得编写提示词过于复杂,可以在广场中寻找灵感图像,一键复用已有的参数和提示词,简化创作过程。
强调提示词是依赖括号和数值来控制特定提示词的权重,当权重数值越高,说明模型对该提示词更加重视,在运行过程中就会着重绘制该部分,在最终成像时图片中就会体现更多对应信息。反之内容会展示的更少。
一种是通过括号增加权重,另一种是直接填写数值,通常使用第二种
控制提示词的括号共有三种类型:
圆括号( ):每层括号增加到原有权重 1.1倍
方括号[ ]:每层括号降低到原有权重0.9倍
而且括号是支持多层叠加的,每层括号都表示乘以固定倍数的权重。
例:默认情况下女孩的衣服会是黄色和橙色的结合,而当(((orange coat)))加上表示提高权重的圆括号时,模型对橙色外套的绘制会加强,最终图像里外套就出现更多橙色。
反之,[[orange coat]]加上表示降低权重的方括号时,橙色部分被减弱,模型在绘制时就会优先关注剩下的关键词 ((Yellow coat)),所以最终图像里外套出现更多黄色。
直接填写数值控制权重
例:默认情况下头发是呈现绿、红两种颜色,如果我们在 (green hair)后面设置权重为0.9,表示绿发部分的权重降低为原来的0.9倍,同理如果我们想增加绿发的权重就在后面输入1.1就可以了。
*尽管强调关键词的权重可以在0.1至100的范围内变化,但考虑到权重极端值可能带来的效果偏差,建议将权重控制在0.5至1.5之间,以获得最佳的图像效果。
*具体参数设置点击这里查看详情