AI 藝術生成手冊/Stable Diffusion 風格的提示/GUI 介面

假設你成功安裝了 Stable Diffusion， 按照這裡的說明 ，你可以看到以下介面

標籤	功能/描述
text2img	在這個標籤頁中，輸入的文字（從這裡開始稱為提示）將神奇地轉化為或多或少符合描述的影像（結果通常看起來與你想象的不同/相似）。
img2img	這個標籤頁通常用於使用簡單的草圖以及提示來指導影像的最終外觀（ControlNet 的前身）。
Extras	這個標籤頁用於放大影像。
PNG 資訊	在這個標籤頁中，你可以根據元資料恢復使用的設定資訊（提示、種子、CFG 比例等）。 注意1：如果影像來源是 Reddit/Facebook，元資料通常會被清除，無法檢索到任何可用的資訊。 注意2：這僅適用於使用 Automatic1111 或 SD.Next 生成的影像。
模型合併	如果你想合併多個模型而無需進行任何模型訓練，可以使用此標籤頁。
訓練	這是使用 TI（文字反轉）方法進行訓練的。
設定	這個標籤頁包含所有 SD 設定。
擴充套件	這個標籤頁用於管理擴充套件。有關更多詳細資訊，請參閱 這裡 。

要開始在 Stable Diffusion 中進行 AI 藝術生成，只需在第一個文字欄位中輸入任何你想到的（是的，任何東西）。

請記住，Stable Diffusion 的令牌數量上限為75個。

所以，你可能會想知道什麼是令牌？

令牌是代表文字中單個語義單元的字元序列。它是 NLP 中的一個基本概念，因為大多數 NLP 模型都在令牌級別上執行，這意味著它們一次處理一個令牌。

為了理解令牌，讓我們考慮以下句子：“The quick brown fox jumped over the lazy dog”。在這個句子中，每個詞都是一個令牌。每個令牌都有自己的含義，它們共同表達了整個句子的含義，其中每個詞都是一個單獨的令牌。

在 AI 語言模型的上下文中，令牌通常透過稱為令牌化的過程建立，該過程涉及將文字分解為單個令牌或單詞。此過程可能涉及刪除標點符號、將文字轉換為小寫以及處理其他特殊情況，例如縮寫。

文字令牌化後，令牌可以被 AI 語言模型進一步處理和分析。

面部修復

對於人類面部的影像生成，強烈建議使用 Codeformer（而不是 GPFGAN）。

模板

以下是一些我生成的樣本模板。

更改括在< > 括號中的引數名稱。

目標	樣本提示	負面提示
逼真的真實人臉	一個真實的照片， <種族> 穿著 <服裝型別>， <描述活動> 在 <描述地點>	卡通、動漫、繪畫、素描、CGI
產品拍攝，如電子商務網站所示	高質量的專業工作室產品拍攝 <產品> 產品，((白色背景隔離))，(等軸測檢視)	雜亂、偏心、裁剪、拼貼畫、蒙太奇、網格、系列、人類
帶有水下效果鏡頭的美人魚	美麗的 <種族> 美人魚尾巴的真實照片，部分水下拍攝，下半身在水中，下半部分畫面為水下。上半部分畫面為天空，藍天	裸體、腿、大腿、小腿、分開尾巴、連體尾巴
外太空場景影像	電影、暗光、高解析度、銳利焦點