二、咒语！SD文生图的参数与提示词详解（SD指北）

在上一节课中，我们成功地安装了StableDiffusion，并且创作了属于我们自己的第一幅AI绘画作品。
在创作过程中，输入提示词（prompt）是不可或缺的一步。由于大多数AI绘画作品的提示词都是用英语书写的，而且通常又长又乱，还混杂着各种奇怪的符号，就像是高深莫测的魔法咒语一样。因此，我们形象地称这个输入提示词的过程为“念咒”。
就像魔法师一样，我们需要通过吟唱咒语来召唤出我们想要的结果。在许多情况下，AI并不知道我们想要的是什么，因此需要详尽的提示词来更好地指挥AI作图。这也是为什么在AI绘画领域，念咒这个概念已经逐渐演变成了一门独立的学问，值得我们深入探讨研究。
本节课在提示词的原理上实际上是通用的，你可以将本节课学到的内容迁移到Midjourney的使用上。事实上Midjourney对提示词的依赖程度甚至高过StableDiffusion。
接下来，让我们正式开始吧。

提示词的基本概念介绍

这节课我们来接触StableDiffusion中的文生图功能。
这里面的“文”指的自然就是提示词（Prompts）了。广义的解释Prompts，是指用户输入的文本或图像信息，目的是指导模型根据一些特定需求生成艺术作品。
直白一点说，它是我们用来告诉AI我要画什么，画成什么样的一种语言。

上节课里我们也提过了SD里进行绘制的两种基本方式，文生图和图生图。文生图就是主要以文字来实现这个沟通过程的。而图生图还可以依赖图片来传达信息，但图生图里也有提示词，而且同样重要。甚至你可以将图生图中的图也看成提示词的一种。

提示词中的内容非常广泛。它可能包括主题、风格、人物特征以及一些具体的要素。例如，我画的这张图片就有很多提示词。不同的提示词向AI描述了图片的风格、人物、外表、服装特征、场景内容和一些额外的装饰元素。尽管有那么多词，事实上，许多关于风格和质量控制的提示词是固定的。

虽然说提示词并非越多越好，但很多时候写多点出来的效果肯定要更很好，且在特定的需求上控制会更为精确。所以要想让AI按照我们的需要去产图的提示词到底应该怎么写呢？
其实写提示词的过程是非常自由的，无论你写什么AI都可以给你画。

提示词的语法（输入、间隔）

尽管自由，但提示词仍然遵循一些基本的语法规则。
首先，提示词应使用英文书写。如果您的英语水平足够好，可以直接使用英语来组织您的描述语言。如果不太熟悉英语，那就得借助翻译软件了，这里我强烈建议使用ChatGPT。
其次，提示词以词组为单位，无需像真实的英语句子那样具有完整的语法结构或从句等。就好像当你想要告诉AI绘画一个又长又宽的面和一个又大又圆的碗时，你可以直接将其拆分为面、长度、宽度以及碗的大小和形状。这样，AI也能理解，甚至有时比第一种方式更理解您的意思。
词组与词组之间需要插入分隔符。基本的分隔符形式是英文中的半角逗号。
在输入提示词时，最好将输入法切换为英文。在关键词中，所涉及的符号基本上都是英文符号。提示词可以换行，但每行的末尾最好添加分隔符。你可以输入一些内容，然后直接点击生成的图像。它可能非常符合你的需求，也可能变得奇怪。AI绘画具有一定的随机性，生成多次，每次生成的结果都会不太一样。
有人将AI绘画比作抽卡，想要得到好的图像，需要依靠运气，但是其实我们可以控制我们的运气。

提示词的分类

以我们上节课的案例来说：一个女生在草原上行走。这其实是一个非常宽泛的描述。这个女孩长什么样子，草原上有什么东西，时间是早上还是晚上，天气如何？这些东西AI都不知道，你的提示词太过于笼统，那他就只能瞎抽卡了。


提示词太过笼统的结果（点击图片可查看大图）

但也别担心提示词很多时候不是一下子就写好的，而是先有一个雏形，再慢慢细化补充和微调的。上节课里我们在后面加入的提示词，更多的就是在一些具体的方面对这写内容做控制。
要加些什么呢？其实是有很多不同的分类。这里我把它简单的概括成了如下几大类，方便你对号入座，找到逻辑。

内容型提示词

首先是基于人物或者主体特征的，例如女孩穿的是衬衫还是长裙，头发的颜色和长度，以及脸上的表情，肢体的动作。具体一点，越具体，AI的思路也越清晰。
你可以加入一些形容词，例如beautiful、happy等。他们虽然比较抽象，但也能在一定程度上让画面往你想要的感觉倾斜。

接下来是关于场景特点的部分，比如草原上有很多草，但你也可以加上一些白色的花朵或者一条小路。
还有一个要点，如果你在描述户外场景，最好加上”outdoor“这个词。相反，如果是室内场景，就用”indoor“，这会对整个画面的氛围产生显著影响。
关于环境的描述也可以算作场景的一部分。例如，画面发生在白天，有阳光和多云天空，这些都可以写进去。这些东西其实很好理解，而且也属于具体化的元素。我们在画面中能看到的东西，我把它们归纳为内容性的提示词。

然而，如果只有内容性的提示词，你画出的东西很可能不会令人满意。就像这些作品一样，你会觉得它们模糊不清，细节也不清晰。像这些作品，你会觉得它很模糊，细节也不清晰。这里我们就需要引入其他的提示词来给这个画面打一剂强心针。


加入内容性提示词后（点击图片可查看大图）

标准化提示词

首先是画质，因为AI学习的图片里面有些是高清的，有些质量比较模糊，我们就可以用这样的提示词让他盯着那些高清的去看，从而让你的作品也产出类似的画面特征。
常用的提示词包括best quality，ultra-detailed，masterpiece， highest，8K等等等。也有一些比较具体的，例如什么extremely Detailed，CG，unity，unreal engine rendered等。他们指向某一种特定形式的艺术作品，而他们往往都具有更为细节化、真实化的特征。

其次是画风，也就是作品的风格，它也是多种多样的。
如果你想要画的是一幅比较偏插画风的画作，那常用的画风提示词包括painting、illustration、drawing等等。想要二次元一点的，可以考虑加入animal comic MC之一的关键词。想要一篇真实系的画风，其实也有对应的风格，关键词，例如photorealistic，realistic等等。
但真实系的创作更依赖基于真实照片训练的模型，这一点在完成后续的学习之后，你会有更深刻的体会。

我把这些提示词统称为标准化的提示词，因为它们能让画面更趋近于某一个固定的标准。加了这些标准化的提示词，画面的质感和细节是不是一下就丰满起来了呢？
分析到这里该怎么写提示词的初步框架就清晰了。一个AI能读懂的好咒语，应该是内容充实丰富，且画面具有清晰标准。这里我也提供了一个基本的模板框架，你可以按照这个方式对号入座的修改里面每一段的内容，从而让你的画作变得更符合需要。

内容型的提示词多数时候是因你想创作的内容而异的，每次都要改成不同的东西。如果你只是需要微调，那其实此词组画的一个好处就会体现出来。当你想要修改某些具体的细节时，不需要重新来组织语言，而是直接找到对应的词组，更改成不同内容，画面内容就针对这一项产生变化。
但标准化的提示词是相对固定，可以抄作业的。所以只要你想画的是比较二次元的高质量插画，你可以每次都把上节课我教给你的这段咒语原封不动复制进去。 :::tips (masterpiece:1,2),best quality,masterpiece,highres,original,extremelydetailed,walpaper,
perfectlighting,(extremely detailed CG:1.2),drawing,paintbrush, :::

加入标准化提示词后（点击图片可查看大图）

关键词的权重

但在这段咒语里，你可能会看到很多括号和数字，它们是做什么的呢？
其实这些内容是用来增强或者是减弱某些提示词的优先级和权重的。以我们刚刚绘制这个画面为例，虽然我们输入了 flower，但画面的花特别的少。这里面的原因就在于你输入了很多不同元素给AI都要他画。但他在处理的时候不一定get到你最想要的是什么。
如果你就是特别想要花，那就可以用类似的方式把花的权重和优先级增强。
增强的基本方式有两种。
第一种是加括号，在提示层两侧加上这种圆括号，注意还是英文半角的，它的权重就会变成原来的一点1.1倍，相对于其他元素就会更突出。你还可以套多层括号，每套一层就再乘以1.1倍，三层就是1.331倍。看在我们加了三层括号以后，花就多了。

另一种方式是括号加数字权重，加了一种括号以后，你可以直接在后面加一个英文冒号，打一个数字，数字可以直接定义它的权重。比如1.5就是原来的1.5倍。
所以当你觉得这个画面里有你告诉了AI，但他又没有画出来的东西时，就可以借助这些方法来强调加数字的方式明显更准确，而加括号在进行微调的时候就更方便。
比起圆括号，还有这种大括号代表1.05倍调节的效果要更细微一点。而如果你想削弱某一个词的影响，就可以赋予它一个小于1的权重数值，或者用方括号会把权重削成原来的0.9倍。

调节权重的时候，也要注意一件事情，就是尽量避免个别词条权重太高。
我测试后的安全范围在1上下0.5左右。当你赋予个别词条一个2左右甚至更高的数值时，它就容易扭曲画面的内容。这个时候我们一般需要改换思路，通过更多同类型的词条来协同增强它的效应。
还有很多更为深入的语法规则，例如词条的混合迭代、迁移等。通俗点说，你希望这个画里出现什么，就往正向提示字里丢，而不希望它出现什么，就往反向提示词里面丢。

反向的提示词是可以没有的，但一般我们也会选择加入一些通用的项目，主要也是基于标准化的考虑。
比如上节课的魔咒，worst quality, low quality, blurry的目的是杜绝低质量的学习样本。monochrome的意思是单色，ugly不解释，你也知道了，后面这些Extra fingers, strange fingers, Extra ears, extra leg, bad leg之类的有点玄乎。之前不是一直说AI不会画手和四肢吗？
画的时候偶尔会多只手都要推手跟手指之类的。这些提示词，也就是为了避免类似的情况发生。
反向提示词通常情况下也是可以抄作业的。但如果你想要一些特殊一点的风格，偶尔也可以反其道而行之。 :::tips (worst quality, low quality, blurry:1.88), (bad hands:1.4), watermark, (greyscale:0.88), multiple limbs, (deformed fingers, bad fingers:1.2), (ugly:1.3), monochrome, horror, geometry, bad anatomy, bad limbs, (Blurry pupil), (bad shading), error, bad composition, Extra fingers, strange fingers, Extra ears, extra leg, bad leg, disability, Blurry eyes, bad eyes, Twisted body, confusion, nsfw, :::

文生图的参数

如果说提示词是咒语，那下面的一系列出图参数就像是魔法师的魔导书一样，控制了这个咒语的具体释放形式。看到这一大堆参数是不是头都有点大了，别担心我们从本质出发来快速梳理一遍。

1、迭代步数
AI生成图像会经过一个加噪再去噪的过程。而去噪就是在用像素一点点的模拟你最终要生成的这个图像，每模拟一次画面就会变得更清晰一点。
理论上迭代步数越多，肯定最终效果越清晰。但实际上，当步数大于20步以后，后面的提升不大，就像80分再到90/100分一样。而增加步数肯定意味着更长的计算时间，所以默认的采用步数一般都是20。你算力充足且想追求更高的细致度，就设置为30到40，最低不要低于10，不然你可能被自己产出的作品吓到。

2、采样方法
采样方法其实可以简单解释成AI进行图像生成的时候使用的某种特定算法。WebUI提供的算法选项非常多，足足十几个。但其中我们常用到的估计也就4到5个。
这其中Eluer的两个适合插画风格，出图比较朴素。DPM2M和2M Karras速度较快，SDE Karras细节会较为丰富，这些评价并不一定绝对准确，也因提示词和模型不同有所差异，但实际使用的时候，我推荐你用最后面面这几个带有加号的，他们是改进过的算法，无论如何应该都比上面的更稳定。
另外大部分模型也有推荐使用某一种特定的算法，这可能是模型制作者自己测试过做的。比如深渊橘的作者，最推荐使用的就是SDE Karras，这个时候照做就好。

3、分辨率设置
下面的宽和高，它代表的就是你最终出图时候的分辨率。分辨率的设置存在一些隐性限制，默认的分辨率是512乘512，但这个分辨率下的图片哪怕细节再丰富，看起来可能都是很模糊的。设备允许的情况下，我们一般会把它提到1000左右相同的提示词。
但是分辨率设置的太高也是会有问题的。
一是你的显卡显存扛不住。我的3060就只能跑到1500像素左右的宽和高。
其二则是分辨率太大了，很容易出现多人多手多脚的情况。这个问题我有特意研究过，它的原因是AI在进行模型训练的时候用的图片分辨率一般都比较小。如果你的分辨率设置太大，它就会认为你是多张图片拼接而成的，但出现多的人就不奇怪了。
要避免这样的问题出现，一般我们会采用低分辨率先绘制，再靠高清修复来放大它。本质上是进行了一次额外的图层图。我们会在之后的课程里面详细讲解。
你也需要通过反复试验了解在你当前的设备条件下，什么分辨率是既能保证质量又能兼顾效率的。

4、面部修复和平铺图
旁边的这两个选项，面部修复一般都会勾选上，它会采用一些对抗算法识别人物的面部，并进行修复。和我们用的美图APP里面智能P脸的功能差不多。
平铺是用来生成那种可以无缝贴满整个屏幕的纹理性图片的。如果你是个擅长3D建模和渲染的工作者，应该对这个功能有很强的需求。

5、提示词引导系数 (CFG Scale)
提示词引导系数其实很好理解，它的数值越高，AI忠实的反应提示词的程度就越高，但和权重一样，我们一般不会浮动太多。7到12之间是比较安全的，数值太高，容易变形。
随机种子也是一个可以用来控制画面内容一致性的重要参数。但我打算放在下节课里再和你慢慢讨论。

6、生成的批次和数量
因为AI绘画的不确定性，即便是同一组提示词，你也需要反复试验，期待他在某一瞬间给到你一个完美符合你需要的画面。这个实验过程有时候会很漫长，可能会经过几十次上百次。如果你想让AI一直不断的按照同一组提示自由参数去出图，那就把批次数调高，绘制的过程会不断重复进行。

结束了以后，它会生成两样东西：除了每个批次出的图，还会有一张像这样拼在一起的格子与蓝图，方便你进行对比。

所以你完全可以让他一口气来上个10次、20次甚至几百次，你自己去吃个饭，睡一觉，让显卡在这里打黑工。
单批数量这个选项我一般不建议你调整，增大它可以让你每批次绘制的图像数量增多，理论上效率会更高。但它是同一批绘制的，方法是把它们拼在一起，看做一张更大的图片依次去画的。所以如果你的设备不好，非常容易爆显存，不如单批话少一点，再用更多的次数去解决这个问题。

最后的话

了解了这些参数的具体含义以后，你应该就更清楚的知道自己想要去做什么样的图片了。讨论了这么多关于提示词和参数的知识，你现在会写提示词了吗？
就我自己摸索经验来看，单纯掌握这些理论上的方法，其实很难一下子就摸到提示词的窍门。所以我还为你准备了几个非常适合新手的在写提示词方面，取巧的方法一定要记牢了。
我总结出来的方法一共有两条，用起来都非常简单。

第一条：翻译大法
其实无论这些提示词再怎么复杂，他们说的还都是人话。因此，当你不知道该如何表达的时候，就用自然的语言去把你想要画的东西一件件的说出来就好了。
还是那句话，SD不认中文，所以你得先用翻译平台把它转成英文。你可以像上节课一样，先描述一个确切的场景，然后再按照我们刚刚的逻辑想到什么，就把新的词组翻译成英文，再加到后面去。虽然这些词语表述有时候不绝对准确，但它至少是在帮你接近那个你想要的画面。而有一些功能插件也会帮助你把不准确的词汇校正成AI的词典。

第二条：借助工具
AI绘画也流行了一段时间了，能意识到提示词难写的人肯定也不止你我而已。因此，有些人专门开发了一些可以帮助你更好的去书写提示词的工具。
在这里我推荐两个可以用于辅助书写提示词的网站，它们的用法都很简单，你可以像选参数一样勾选那些你需要的，它会帮助你自动按照刚刚我们说的那些语法规则整理到一起，然后你再复制粘贴到自己的SD里面就可以了。使用这些工具，像是在经历一个更方便的翻译的过程，但要注意思路，不要被它已有的一些词汇限制住了。如果有其他你想要加进去的东西，也可以尝试自己撰写添加。
1、OPS https://moonvy.com/apps/ops/

2、魔导绪论 https://magic-tag.netlify.app/#webview

好了，以上就是本节课的所有内容了。在今这期教程里，我们简单探讨了文章图功能以及其中的提示词书写逻辑，了解了提示词的基本逻辑、语法规则、权重调整和负面提示词的作用。
梳理了SD的初步参数设置里面的各项含义，并整理了两条对于新手非常有帮助的书写提示词的辅助方法。
完成这节课以后，你就是一位会念咒能指挥AI的出色魔法师了。
让我们期待下一期吧。