元素法师的修习日志-SD/NovelAI Prompt写法总览

总览

平时写tag超过150就会心慌了，之前的极限是不超过250。
这次元素堆的有点多，堆tag超过400了，也顺便试试看哪些有冲突。目前完整按照我设想的出图率在5%，良品率在20%左右。
其他大部分都是背景设定(虽然效果也不错)。
减少一些元素描述会增加出图稳定性(或者你也可以当成词条包来看待

• 在 WebUI 中，可以通过修改前端的代码，从而修改渲染迭代步数的上限
  

Prompt写法

通法

三段式

第一段： 画质tag，画风tag

(((masterpiece))), best quality, ultra-detailed, highres, extremely detailed CG, unity 8k wallpaper,best illustration, resolution, 

第二段：画面主体，主体强调，主体细节概括。（主体可以是人、事、物、景）画面核心内容，一般提供人数，人物主要特征，主要动作（一般置于人物之前），物体主要特征，主景或景色框架等

场景（但是因为先后生成关系，需要在场景最前面加上关键人物词条）
(1girls:1.5), castle, ((pumpkin lanterns)), in_ autumn, (bats:1.2), (ghost:1.25), Halloween, 

人物
(1girl),blue eyes,(multicolored_hair+silver hair:1.3+red hair:1.2+purple hair+yellow hair:1.3+green hair:1.3), white wuxia clothes,neck ribbon, beautiful face, 

灵动姿态：vibrant, dynamic Poses, 

第三段：画面场景细节，或人物细节，embedding tag。画面细节内容，整体氛围

atmosphere, dramatic_ shadow, ray_tracing

例如：

(((masterpiece))), best quality, ultra-detailed, extremely detailed CG unity 8k wallpaper,best illustration, an extremely delicate and beautiful,floating,high resolution,

dynamic angle,dynamic pose,(1girl),blue eyes,(multicolored_hair+silver hair:1.3+red hair:1.2+purple hair+yellow hair:1.3+green hair:1.3), white wuxia clothes,neck ribbon, beautiful face,

too many drops of water,cloud,twilight, wide shot,watercolor, 

三种描绘方法

• pitch型咏唱会对画面中不同分立的元素描绘的更加准确
• 自然语言咏唱的效果对于主体从属关系会还愿的更加准确，但是不稳定度却比其他的要高不少

Prompt 语法特性

放置顺序

• 如果将要被描述的主体放在前面，那么 AI 就一定会将前面的元素作为主要描绘对象
  

加权

• 小括号 () 相当于 1.1 倍权重，多重小括号 (()) 即为 1.21倍权重，即为 1.1 倍的叠加
• 中括号是 [] 是 0.91 倍权重，相当于是除以了 1.1
• 可以直接在词语后面冒号加数字来达到加权目的： (prompt:1.2)
• 不一定要给整词加权，也可以部分加权：long black (messy:1.2) hair

融合描绘

• 分步描绘：[green hair:red hair flower:0.2]

即前 20% 用 green hair ，后 80% 为 red hair 进行分布融合描绘

可以使用 [A::0.2] ，即为将 A元素 渲染到 20% 进度的时候删除 A元素

• 循环描绘：a [dog | frog] in lake

即第一步 dog 第二步 frog 第三步再 dog 第四步再 frog 的方式进行描绘渲染，从而达到融合的效果

分步描绘的好处有很多：

1. 可以隔离元素污染
   
2. 可以改善冰原效应，因为渲染某一个主体的时间足够长，就可以使它吸收别的元素的特质
   
3. 如果Steps足够的情况下，可以改善局部细节，例如修手
   
4. 脚手架法：脚手架法指一些特定的人无法做出特性的动作（诸如此类的），这种情况下，我们可以利用分步渲染，先解决动作的问题，再指定这个人（先画脚手架，再画人）。一般来说，直接描写动作或者是利用tag的隐藏属性都能实现这一点。目前最广泛的应用就是：让人偶再前面部分，后部分根据需要更改为自己想要的元素tag， 从而让自己想要的元素居中。

描绘距离

• 因为 hair 和 flower 离得很近，同时 flower 的权重又是1.35，AI 则会自动的联想到头发上出现花
  

• 而如果将两者隔开一定距离，则会断开联想

占位符

上述的花却出现在了衣服上，如果想要完全不出现，可以加入无意义的占位符，例如：is, that, which, ai is sb（国内用的最多）

同时，因为 WebUI 对于描述 tokens 的分类是 75 个为一组，所以如果想要进行连续描述却到75个的时候，尽量在75个前后加入占位符，以避免连续描述被打断所造成的元素污染

高纯度词内占位符

在关键词前后加上形如：\ * + _ 这种占位符，整体画面不会有大变化，但是会在关键词描述的元素上加上细微的区别，同时渲染，细节描写也会更多

颜文字的妙用

颜文字的信息密度很高，很少的token就可以表达一大段效果

• 可以去这个网站找到好的颜文字表情：Emoji大全 | Emoji表情符号词典 📓 | EmojiAll中文官方网站

AI生成的原理

• Compositional Visual Generation with Composable Diffusion Models

顺序如下：

1. 我们输入的词句，会被蓝色的自然语言处理器解析成一个个数字，存进蓝色的数组中。
2. 这个输入数组会按顺序结合高斯噪声输入到红色的生成器中，生成粗糙的图像。
3. 将粗糙的图与输入数组重复第二步，对生成的图像进行迭代
4. 将迭代完的输入黄色的放大器，扩大图像分辨率，使图像细致。

简述原理参考：【AI绘画】完整tags书写思路，从人工智能理论来了解如何绘画 - 哔哩哔哩

所以可以解释以下问题：

AI生成的特性及污染

源于训练素材导致的AI自动联想

• 如果没有能自行训练模型的能力，从而用的是别人训练的模型，那么很有可能结果会不尽如人意（或者会触发奇怪的反应）

1. 我们想绘制一个女孩手捧着耳环的图片，如果不加以描述，AI在默认情况下一定会生成一个带着耳环的女孩的照片（因为这是正常情况）
   

2. 但是也因为 AI 的联想，有些奇怪的prompt却触发很多意想不到的效果，比方说如下例子中，使用了 Monster Energy （“魔爪”饮料名），AI会引入魔爪的扭曲 logo，从而使画面往扭曲的方向去偏
   

元素污染

• 该 Prompt 中明显使用 white hair 来描述头发，却因为周边的元素污染，导致头发变成金色了
  

  当然，有利有弊，有一些不好描述的衣物效果也可以通过元素污染来实现

元素溢出

• 因为画布太大而 prompt 太少，从而导致AI只能将现有元素进行溢出或者重复绘制
  

冰原效应（强行占有另一元素的特性）

• 例如我们想要生成具有冰背景的同时，主体也带冰元素，很有可能就不能兼得，原因是两者的元素会相互侵占，即便再去加权重也没用
  

0级污染

在普通模型中，Flat chest（平胸）往往和年龄较小的女性联系在一起，从而如果我们生成一个女性并指明平胸，那么很有可能人物的样貌都会产生变化，即0级污染

• 比方说：人偶，修女，平胸，这三个词条都存在0级污染

色彩的实际效果

色彩词汇并不能完全被ai认知，部分词汇无法表达出应有的效果。但是还是有很多色彩可以被被激活，具体可以参考：

• 色彩的实际表达效果

img2img