歡迎關(guān)注作者微信公眾號(hào)：「樂(lè)伊體驗(yàn)筆記」

在本篇教程里，我會(huì)詳細(xì)介紹Stable Diffusion的文生圖方法。

一、關(guān)于文生圖

在 Stable Diffusion 中，有文生圖和圖生圖 2 種繪圖模式，今天我們先來(lái)看看如何使用文生圖來(lái)繪制我們想要的圖片。下面是 Stable Diffusion 文生圖界面的基礎(chǔ)板塊布局，如果你此前更換過(guò)主題相關(guān)的擴(kuò)展插件，界面的功能布局可能會(huì)有所區(qū)別，但主要操作項(xiàng)都是相同的。

Stable Diffusion 基礎(chǔ)的操作流程并不復(fù)雜，一共就分成 4 步：選擇模型—填寫(xiě)提示詞—設(shè)置參數(shù)—點(diǎn)擊生成。通過(guò)操作流程就能看出，我們最終的出圖效果是由模型、提示詞、參數(shù)設(shè)置三者共同決定的，缺一不可。其中，模型主要決定畫(huà)風(fēng)、提示詞主要決定畫(huà)面內(nèi)容，而參數(shù)則主要用于設(shè)置圖像的預(yù)設(shè)屬性。

關(guān)于模型需要講解的內(nèi)容有很多，我會(huì)在后面的文章中單獨(dú)進(jìn)行介紹，今天我們重點(diǎn)關(guān)注提示詞的寫(xiě)法以及各種設(shè)置參數(shù)的功能和含義，準(zhǔn)備好了嗎，下面讓我們正式開(kāi)始吧～

二、提示詞的概念

大家都知道，如今的 AI 工具大多是通過(guò)提示詞來(lái)控制模型算法，那究竟什么是提示詞？

對(duì)于人類而言，在經(jīng)過(guò)多年的學(xué)習(xí)和使用后，我們只需簡(jiǎn)單的幾句話便能輕松的溝通和交流。但如今的人工智能還是基于大模型的數(shù)據(jù)庫(kù)進(jìn)行學(xué)習(xí)，如果只是通過(guò)簡(jiǎn)單的自然語(yǔ)言描述，沒(méi)有辦法做到準(zhǔn)確理解。為了更好的控制 AI，人們逐漸摸索出通過(guò)反饋來(lái)約束模型的方法，原理就是當(dāng)模型在執(zhí)行任務(wù)的時(shí)候，人類提供正面或負(fù)面的反饋來(lái)指導(dǎo)模型的行為。而這種用于指導(dǎo)模型的信息，就被統(tǒng)稱為 Prompt 提示詞。

如今的 AI 工具都是基于底層大模型進(jìn)行使用的，提示詞的本質(zhì)其實(shí)是對(duì)這個(gè)大模型的深入挖掘和微調(diào)，我們可以將它簡(jiǎn)單理解為人類和 AI 溝通的橋梁，因?yàn)槟Ｐ头答伣Y(jié)果的質(zhì)量在很大程度上取決于用戶提供的信息量。當(dāng)然這個(gè)問(wèn)題主要還是底層大模型訓(xùn)練不夠充分的緣故，像現(xiàn)在很多針對(duì)特定風(fēng)格訓(xùn)練的應(yīng)用級(jí)繪圖模型，即使只有寥寥幾個(gè)詞也能繪制出優(yōu)美的畫(huà)作。如今很多企業(yè)為此還設(shè)立了單獨(dú)的提示工程師崗位，在人工智能領(lǐng)域也有單獨(dú)的一門(mén)學(xué)科叫做 Prompt Engineering 提示詞工程。

微軟官方在最近也推出了一份完整的提示工程操作指南，感興趣的朋友可以去深入學(xué)習(xí)一下：
https://github.com/dair-ai/Prompt-Engineering-Guide

對(duì)于細(xì)分到我們今天要聊的圖像生成領(lǐng)域，提示詞就是我們用來(lái)調(diào)節(jié)繪圖模型的一種方法，通過(guò)輸入想要的內(nèi)容和效果，模型就能理解我們想表達(dá)的含義，從而實(shí)現(xiàn)準(zhǔn)確的出圖效果。

三、提示詞的基本語(yǔ)法

如今，大部分模型都是基于英文訓(xùn)練，因此輸入的提示詞大多只支持英文，中間也會(huì)夾雜了各種輔助模型理解的數(shù)字和符號(hào)。由于 AI 繪圖無(wú)需經(jīng)歷手繪、攝影等過(guò)程就能憑空生成圖片，國(guó)內(nèi)最早一批 AI 愛(ài)好者貼切的將 AI 繪畫(huà)過(guò)程比作施展魔法，提示詞就是我們用來(lái)控制魔法的咒語(yǔ)，參數(shù)就是增強(qiáng)魔法效果的魔杖。

1. 基礎(chǔ)書(shū)寫(xiě)規(guī)范

相較于簡(jiǎn)單易上手的 Midjourney，Stable Diffusion 的咒語(yǔ)上除了 prompt（正向關(guān)鍵詞）外，還有 Negative prompt 反向關(guān)鍵詞。顧名思義，正向提示詞用于描述想要生成的圖像內(nèi)容，而反向關(guān)鍵詞用于控制不想出現(xiàn)在圖像中的內(nèi)容，比如目前很多模型還無(wú)法理解的手部構(gòu)造，為了避免出現(xiàn)變形，我們可以提前在反向關(guān)鍵詞中輸入手部相關(guān)的提示詞，讓繪圖結(jié)果規(guī)避出現(xiàn)手的情況。不過(guò)目前很多反向提示詞都已經(jīng)集成到 Embedding 模型中，使用時(shí)只需輸入模型觸發(fā)詞即可，在后續(xù)的文章中我會(huì)詳細(xì)介紹。

前面我們提到 Stable Diffusion 只支持識(shí)別英文提示詞，因此大家務(wù)必記住全程在英文輸入法下進(jìn)行輸入，模型是無(wú)法理解中文字符的。但好消息是我們不用像學(xué)習(xí)英語(yǔ)時(shí)那樣遵照嚴(yán)格的語(yǔ)法結(jié)構(gòu)，只需以詞組形式分段輸入即可，詞組間使用英文逗號(hào)進(jìn)行分隔。除了部分特定語(yǔ)法外，大部分情況下字母大小寫(xiě)和斷行也不會(huì)影響畫(huà)面內(nèi)容，我們可以直接將不同部分的提示詞進(jìn)行斷行，由此來(lái)提升咒語(yǔ)的可讀性。

在 Stable Diffusion 中，提示詞默認(rèn)并不是無(wú)限輸入的，在提示框右側(cè)可以看到 75 的字符數(shù)量限制。不過(guò)不用擔(dān)心內(nèi)容過(guò)長(zhǎng)的問(wèn)題，作者 A41 大佬提前在 WebUI 中預(yù)設(shè)好了規(guī)則，如果超出 75 個(gè)參數(shù)，多余的內(nèi)容會(huì)被截成 2 段內(nèi)容來(lái)理解。注意這里表示的并非 75 個(gè)英文單詞，因?yàn)槟Ｐ褪前凑諛?biāo)記參數(shù)來(lái)計(jì)算數(shù)量的，一個(gè)單詞可能對(duì)應(yīng)多個(gè)參數(shù)。

此外，提示詞的內(nèi)容并非越多越好，過(guò)多的提示詞會(huì)導(dǎo)致模型在理解時(shí)出現(xiàn)語(yǔ)意沖突的情況，難以判斷具體以哪個(gè)詞為準(zhǔn)，并且我們的繪圖過(guò)程往往會(huì)根據(jù)出圖效果不斷修飾提示詞內(nèi)容，太多內(nèi)容也會(huì)導(dǎo)致修改時(shí)難以精確定位目標(biāo)關(guān)鍵詞。

看到這里，你可能會(huì)擔(dān)心提示詞的編寫(xiě)過(guò)程會(huì)非常復(fù)雜。但實(shí)際上，SD 的繪圖過(guò)程是非常自由的。提示詞的作用是引導(dǎo)和輔助模型的繪圖過(guò)程，并非硬性要求，即使你的輸入框沒(méi)有填寫(xiě)任何內(nèi)容，模型依舊可以為你畫(huà)出一張圖來(lái)，甚至可能效果還不錯(cuò)。

但如果想成為專業(yè)的魔法師，遵循一套標(biāo)準(zhǔn)的書(shū)寫(xiě)規(guī)范還是很有必要的：一方面完整且內(nèi)容豐富的提示詞可以讓我們更好的控制最終出圖效果，另一方面在后期微調(diào)過(guò)程中，也可以快速修改和驗(yàn)證特定關(guān)鍵詞對(duì)出圖結(jié)果的影響。

下面我會(huì)為大家介紹如何編寫(xiě)一段優(yōu)雅的魔法咒語(yǔ)。

2. 提示詞的萬(wàn)能公式

一段能被模型清楚理解的好咒語(yǔ)首先應(yīng)該保證內(nèi)容豐富充實(shí)，描述的內(nèi)容盡可能清晰。這個(gè)過(guò)程就像是甲方給我們布置任務(wù)，如果只說(shuō)設(shè)計(jì)一張圖，不說(shuō)圖中放什么，也不提圖片是用來(lái)干嘛，我們會(huì)一臉懵逼無(wú)從下手。同理，Stable Diffusion 在繪制圖片時(shí)需要提供準(zhǔn)確清晰的引導(dǎo)，提示詞描述的越具體，畫(huà)面內(nèi)容就會(huì)越穩(wěn)定。

在下面的例子中，如果我只是簡(jiǎn)單的寫(xiě)上「A girl」，對(duì)于畫(huà)面中女孩著裝、場(chǎng)景、鏡頭角度等內(nèi)容都沒(méi)有提及，Stable Diffusion 只能根據(jù)模型訓(xùn)練時(shí)的歷史經(jīng)驗(yàn)自行發(fā)揮。得益于模型的強(qiáng)大，我們得到的繪圖結(jié)果都還不錯(cuò)，但如果對(duì)畫(huà)面內(nèi)容有特定要求，這樣抽獎(jiǎng)的方式就效率很低了。

在下面的例子中，我們對(duì)提示詞內(nèi)容進(jìn)行了豐富，描述了具體的場(chǎng)景和畫(huà)面構(gòu)圖等信息后，出圖結(jié)果明顯穩(wěn)定了許多。

當(dāng)然如果每次都是想到什么輸什么，畫(huà)面中可能還是會(huì)缺失很多信息，這里給大家分享一下我自己平時(shí)使用的提示詞公式，按順序分別為：主體內(nèi)容、環(huán)境背景、構(gòu)圖鏡頭、圖像設(shè)定、參考風(fēng)格。后續(xù)在編寫(xiě)咒語(yǔ)時(shí)可以按照一下類目對(duì)號(hào)入座，會(huì)更加規(guī)范和易讀。當(dāng)然網(wǎng)絡(luò)上也有許多其他博主分享的咒語(yǔ)公式，內(nèi)容都大同小異，只要能滿足出圖需求即可。

需要注意的是，公式只是參考，并非每次編寫(xiě)咒語(yǔ)我們都要包含所有內(nèi)容，正常的流程應(yīng)該是先填寫(xiě)主體內(nèi)容看看出圖效果，再根據(jù)自己的需求來(lái)做優(yōu)化調(diào)整。

下面我們具體看下每個(gè)部分的信息，先說(shuō)主體內(nèi)容 ，這里是用于描述畫(huà)面的主體內(nèi)容，比如說(shuō)是人或者動(dòng)物，人物的著裝、表情，動(dòng)物的毛發(fā)、動(dòng)作等，物體的材質(zhì)等。一般同一畫(huà)面中的主體內(nèi)容不要超過(guò) 2 個(gè)，Stable Diffusion 對(duì)多個(gè)物體的組合生成能力較弱，如果對(duì)畫(huà)面內(nèi)容有特定要求，可以先挨個(gè)生成主體素材進(jìn)行拼合，然后用 controlNet 插件約束進(jìn)行出圖。

其次是環(huán)境背景 ，這個(gè)很好理解，就是設(shè)定周圍的場(chǎng)景和輔助元素，比如天空的顏色、四周的背景、環(huán)境的燈光、畫(huà)面色調(diào)等，這一步是為了渲染畫(huà)面氛圍，凸顯圖片的主題。

構(gòu)圖鏡頭 主要用來(lái)調(diào)節(jié)畫(huà)面的鏡頭和視角，比如強(qiáng)調(diào)景深，物體位置等，黃金分割構(gòu)圖、中全景、景深。

圖像設(shè)定 是增強(qiáng)畫(huà)面表現(xiàn)力的常用詞匯，我們經(jīng)常在一些驚艷的真實(shí)系 AI 圖片中看到比如增加細(xì)節(jié)、攝影畫(huà)質(zhì)、電影感等詞，可以一定程度上提升畫(huà)面細(xì)節(jié)。但注意最終圖像的分辨率和精細(xì)度主要還是由圖像尺寸來(lái)決定的，而本地運(yùn)行的 Stable Diffusion 支持的繪圖尺寸很大程度決定于顯卡性能。如果電腦顯卡算力跟不上，再多的關(guān)鍵詞也彌補(bǔ)不了硬件差距，當(dāng)然在 Stable Diffusion 中也有一些實(shí)現(xiàn)高清修復(fù)的小技巧，我會(huì)在后面的文章中為大家介紹。

最后就是參考風(fēng)格，用于描述畫(huà)面想呈現(xiàn)的風(fēng)格和情緒表達(dá)，比如加入藝術(shù)家的名字、藝術(shù)手法、年代、色彩等。其實(shí)參考風(fēng)格關(guān)鍵詞在 Stable Diffusion 中使用的并不多，平時(shí)我們出圖，多數(shù)情況下都是先選好特定風(fēng)格的模型，然后根據(jù)模型作者提供的觸發(fā)詞強(qiáng)化風(fēng)格。因?yàn)樵?Stable Diffusion 中，圖像風(fēng)格基本是由模型決定的，如果此前該模型并沒(méi)有經(jīng)過(guò)藝術(shù)風(fēng)格關(guān)鍵詞的訓(xùn)練，是無(wú)法理解該藝術(shù)詞含義的。

因此，大家如果對(duì)圖像風(fēng)格有要求，最好還是直接使用對(duì)應(yīng)風(fēng)格的模型來(lái)繪圖，會(huì)比單純使用提示詞有效的多。

你可能會(huì)奇怪，為什么參考風(fēng)格的關(guān)鍵詞在 Midjourney 中效果會(huì)格外明顯，這是由基礎(chǔ)模型決定的。Midjourney 調(diào)用的是官方服務(wù)器的超大模型，里面容納了海量的訓(xùn)練數(shù)據(jù)，經(jīng)過(guò)包羅萬(wàn)象的 AI 學(xué)習(xí)后基本各類風(fēng)格的提示詞都能理解，這也是為什么 Midjourney 如今的出圖效果基本都很驚艷的原因。另一個(gè)典型的例子就是當(dāng)我們?cè)?Midjourney 中選擇 Niji 模型時(shí)，即使加入高保真、3D 等詞匯，最終的出圖效果也都是二次元畫(huà)風(fēng)的原因。

最后再提一點(diǎn)，我們最終的出圖結(jié)果是由提示詞、繪圖模型和參數(shù)等共同決定的，不同模型對(duì)提示詞的敏感度也不同，因此大家盡量結(jié)合模型特點(diǎn)靈活控制提示詞的內(nèi)容，比如對(duì)寫(xiě)實(shí)類模型可以多使用真實(shí)感等詞匯，對(duì)二次元風(fēng)格模型多使用卡通插畫(huà)等詞匯。

四、高階語(yǔ)法技巧

看到這里，你已經(jīng)掌握了 Stable Diffusion 提示詞的基礎(chǔ)書(shū)寫(xiě)規(guī)則。但 WebUI 的強(qiáng)大并不止于此，作者“貼心”的為我們預(yù)設(shè)了很多更加高階的玩法，掌握這些技巧可以讓你更高效的控制模型出圖，下面就是本篇文章的高能部分，記得做好筆記哦～

上圖中我為大家整理匯總了 Stable Diffusion 常用語(yǔ)法的格式和功能說(shuō)明，WebUI 的高階語(yǔ)法包括：強(qiáng)調(diào)關(guān)鍵詞、分步繪制、停止繪制、打斷提示詞、鏈接提示詞、交替繪制、提示詞轉(zhuǎn)義，由于是我自己理解后命名的功能，和作者的英文翻譯會(huì)有部分差異，大家重點(diǎn)關(guān)注其語(yǔ)法和實(shí)際效果即可。

其中有些字符平時(shí)使用頻率不高，這里也給大家提供鍵盤(pán)上對(duì)應(yīng)字符按鍵的位置標(biāo)注，以作參考。

1. 強(qiáng)調(diào)關(guān)鍵詞

先來(lái)看看強(qiáng)調(diào)關(guān)鍵詞，這應(yīng)該是使用最為頻繁的語(yǔ)法了。強(qiáng)調(diào)關(guān)鍵詞是依賴?yán)ㄌ?hào)和數(shù)值來(lái)控制特定關(guān)鍵詞的權(quán)重，當(dāng)權(quán)重?cái)?shù)值越高，說(shuō)明模型對(duì)該關(guān)鍵詞更加重視，在運(yùn)行過(guò)程中模型就會(huì)著重繪制該部分的元素，在最終成像時(shí)圖片中就會(huì)體現(xiàn)更多對(duì)應(yīng)信息。反之?dāng)?shù)值越低，則最終圖片中對(duì)應(yīng)內(nèi)容會(huì)展示的更少。

控制關(guān)鍵詞的括號(hào)共有三種類型：圓括號(hào)()、花括號(hào){}和方括號(hào)[]，分別表示將括號(hào)內(nèi)關(guān)鍵詞的權(quán)重調(diào)整到原有的 1.1 倍、1.05 倍和 0.9 倍。其中花括號(hào){}平時(shí)很少會(huì)使用，一般都是用圓括號(hào)()和方括號(hào)[]。

需要注意的是，這里括號(hào)是支持多層疊加的，每層括號(hào)都表示乘以固定倍數(shù)的權(quán)重。

以下面這張圖為例，默認(rèn)情況下女孩的發(fā)色會(huì)是紅色和金色結(jié)合成的橘紅色，而當(dāng)「blonde hair」加上表示提高權(quán)重的圓括號(hào)時(shí)，模型對(duì)金發(fā)部分的繪制會(huì)加強(qiáng)，最終圖像里就出現(xiàn)更多金色的頭發(fā)。

反之，「blonde hair」加上表示降低權(quán)重的方括號(hào)時(shí)，金發(fā)部分被減弱，模型在繪制時(shí)就會(huì)優(yōu)先關(guān)注剩下的關(guān)鍵詞「red hair」，所以最終圖像里出現(xiàn)更多紅色的頭發(fā)。

除了直接加括號(hào)外，還有一種更常用的控制權(quán)重方法，那就是直接填寫(xiě)數(shù)值。

舉個(gè)例子，下圖默認(rèn)情況下頭發(fā)是呈現(xiàn)白、金、紅三種顏色，如果我們?cè)凇竪hite hair」后面設(shè)置權(quán)重為 0.9，表示白發(fā)部分的權(quán)重降低為原來(lái)的 0.9 倍，則最終圖像里白發(fā)部分的繪制會(huì)明顯降低。

同理，我們?cè)黾蛹t發(fā)和金發(fā)關(guān)鍵詞的權(quán)重時(shí)，對(duì)應(yīng)發(fā)色就會(huì)被加強(qiáng)。

雖然強(qiáng)調(diào)關(guān)鍵詞語(yǔ)法支持的權(quán)重范圍在 0.1～100 之間，但是過(guò)高和過(guò)低的權(quán)重都會(huì)影響出圖效果，因此建議大家控制在 0.5～1.5 范圍即可。

這里還有個(gè)快捷操作的小技巧，就是選中對(duì)應(yīng)關(guān)鍵詞后，按住 ctrl+↑ / ↓，可以快速增加和減少權(quán)重?cái)?shù)值，默認(rèn)每次修改0.1，可以在設(shè)置中修改默認(rèn)數(shù)值。

2. 分步繪制

分步繪制在官方文檔中的稱呼是漸變繪制，但實(shí)際體驗(yàn)下來(lái)感覺(jué)叫做分步繪制會(huì)更好理解。該語(yǔ)法的原理是通過(guò)參數(shù)來(lái)控制整個(gè)繪制過(guò)程中用于繪制特定關(guān)鍵詞的步數(shù)占比，語(yǔ)法格式如下：

關(guān)于迭代繪制步數(shù)我會(huì)在下面的參數(shù)設(shè)置中詳細(xì)介紹，這里大家可以通過(guò)下面的例子來(lái)理解分布繪制語(yǔ)法的功能。

分布繪制可以控制畫(huà)面中不同元素的融合比例，在上面的圖片中可以看到，隨著沙漠在采樣迭代步數(shù)中占比的提升，接著繪制的森林元素已很難影響畫(huà)面主體內(nèi)容，基本都是沙漠元素。

3. 停止繪制

停止繪制和分步繪制的原理相同，都是控制模型運(yùn)行時(shí)繪制特定內(nèi)容的步數(shù)占比。兩者的區(qū)別在于：停止繪制只針對(duì)畫(huà)面中單個(gè)關(guān)鍵詞，并且是先繪制特定元素再移除，字符用的是 2 個(gè)冒號(hào)。

同樣，我們結(jié)合下面的案例中來(lái)理解停止繪制語(yǔ)法的效果。

結(jié)合分步繪制和停止繪制的案例來(lái)看，在 Stable Diffusion 中模型繪制圖像內(nèi)容并非按照完美百分比的步驟進(jìn)行繪制，畫(huà)面內(nèi)容在前面 20 步左右時(shí)已基本定型，后續(xù)的迭代步數(shù)更多是豐富細(xì)節(jié)，基本不會(huì)再添加或減少主體內(nèi)容。

因此，對(duì)于需要優(yōu)先展示的重要內(nèi)容，大家盡量控制在迭代前期便開(kāi)始繪制，否則后續(xù)很難在畫(huà)面中體現(xiàn)。

4. 打斷提示詞

打斷的語(yǔ)法非常簡(jiǎn)單，也很好理解，就是在提示詞之間加上關(guān)鍵詞【BREAK】，它的作用時(shí)打斷前后提示詞的聯(lián)系，在一定程度上減少提示詞污染的情況。

Stable Diffusion 模型在理解提示詞時(shí)，并非像人類一樣逐字逐句的閱讀，而是會(huì)結(jié)合上下文內(nèi)容來(lái)統(tǒng)一理解，這就導(dǎo)致在運(yùn)行過(guò)程中有時(shí)候會(huì)出現(xiàn)前后關(guān)鍵詞相互影響的情況，也就是我們俗稱的污染。

通過(guò)加入「BREAK」，可以打斷前后提示詞的聯(lián)系，模型會(huì)將前后內(nèi)容分為 2 段話來(lái)理解，以下面這張圖為例，可以看到我們?cè)趯?duì)女孩的服裝進(jìn)行了顏色指定，其中褲子的顏色被領(lǐng)帶污染成了紅色。而當(dāng)我們?cè)谥虚g加入「BREAK」后，污染就被解除了，褲子呈現(xiàn)了正確的藍(lán)色。

5. 融合提示詞

融合語(yǔ)法和打斷正好相反，是將前后提示詞的內(nèi)容聯(lián)系起來(lái)，模型在繪制時(shí)就會(huì)關(guān)聯(lián)前后的元素特征，最終呈現(xiàn)出具備融合圖像的特征。它的關(guān)鍵詞是「AND」

到這里有的朋友可能會(huì)問(wèn)，模型本身就是將一段提示詞結(jié)合起來(lái)理解，為什么要額外加上「AND」呢？看完下面這個(gè)例子就很好理解了，可以發(fā)現(xiàn)如果只是通過(guò)逗號(hào)分隔，模型繪制時(shí)只是簡(jiǎn)單將黃色和綠色進(jìn)行填充拼接，而加上「AND」后，模型會(huì)將黃色和綠色當(dāng)作一個(gè)詞來(lái)理解，最終繪制出草綠色。

我們都知道黃色和綠色融合會(huì)呈現(xiàn)出草綠色，而模型在訓(xùn)練時(shí)有針對(duì)該內(nèi)容進(jìn)行深度學(xué)習(xí)，因此當(dāng)「AND」鏈接前后關(guān)鍵詞后就會(huì)將其以草綠色來(lái)理解，最終呈現(xiàn)出融合顏色的效果。

融合語(yǔ)法是非常強(qiáng)大的功能，顏色混合是其中一個(gè)方面的應(yīng)用，大家在日常使用時(shí)可以靈活嘗試。

6. 交替繪制

除了融合外，還有一種語(yǔ)法也可以實(shí)現(xiàn)關(guān)鍵詞融合的效果，那就是交替繪制。語(yǔ)法格式如下：

這里我們直接使用官方的案例來(lái)理解該語(yǔ)法的效果。通過(guò)觀察迭代過(guò)程中的圖像效果可以發(fā)現(xiàn)，模型在繪制時(shí)每一步迭代后都會(huì)切換用于繪制的關(guān)鍵詞，而在這個(gè)過(guò)程中圖像內(nèi)容也被逐漸固定，最終呈現(xiàn)出又像牛又像馬的融合怪。

雖然同樣是融合元素特征，但在原理上交替繪制和融合有本質(zhì)區(qū)別：「交替」每步繪制時(shí)只理解單獨(dú)的關(guān)鍵詞，而「融合」是將前后的關(guān)鍵詞一起來(lái)理解，因此交替最終呈現(xiàn)的效果更多是融合主體內(nèi)容的畫(huà)面特征，而無(wú)法像融合一樣深度理解關(guān)鍵詞之間的聯(lián)系。我們平時(shí)在使用時(shí)一般主要也是使用融合語(yǔ)法「AND」居多，交替繪制更多是用于繪制比較獵奇的克蘇魯風(fēng)格圖像等。

7. 矩陣排列

最后就是矩陣排列的語(yǔ)法，該語(yǔ)法主要用于實(shí)現(xiàn)批量出圖的效果，提高繪圖效果。語(yǔ)法格式如下：

需要注意的是，該語(yǔ)法需要配合提示詞矩陣 Prompt matrix 來(lái)使用，開(kāi)啟后按語(yǔ)法輸入，模型會(huì)將關(guān)鍵詞進(jìn)行矩陣排列，每個(gè)組合的提示詞都會(huì)生成一張對(duì)應(yīng)的圖像，若沒(méi)有開(kāi)啟則會(huì)隨機(jī)生成其中一張。

在下面的案例中可以看到，通過(guò)矩陣排列的提示詞會(huì)依次組合生成多張圖片。

以上就是我們平時(shí)常用的高階語(yǔ)法啦，當(dāng)然還有一些偏代碼層的語(yǔ)法內(nèi)容，不過(guò)平時(shí)用的不多，這里就不一一介紹啦，感興趣的小伙伴也可以查閱 WebUI 作者整理的原版說(shuō)明文檔：
https://github.com/AUTOMATIC1111/stable-diffusion-webui

五、文生圖參數(shù)設(shè)置解析

最后，我們?cè)賮?lái)看看文生圖板塊另一個(gè)十分重要的部分：參數(shù)設(shè)置。前面有提到參數(shù)的主要作用是設(shè)置圖像的預(yù)設(shè)屬性，這里的意思是 WebUI 作者將原本 Stable Diffusion 代碼層常用于控制圖像的參數(shù)進(jìn)行了提取，通過(guò)滑塊等可視化表單的方式來(lái)進(jìn)行操控，這樣就無(wú)需靠輸入提示詞來(lái)進(jìn)行控制，使用起來(lái)更加便捷高效。

需要注意的是控制圖像的參數(shù)其實(shí)有很多，這里只是作者預(yù)設(shè)的常用控制項(xiàng)，還有一些控圖方法要裝載其他腳本插件才能使用，我會(huì)在后面的教程中為大家介紹。

下面就跟我一起來(lái)看看這些預(yù)設(shè)項(xiàng)的功能和使用技巧吧～

1. 采樣迭代步數(shù) Steps

首先就是我們前面提到的采樣迭代步數(shù)，在「初識(shí)篇」中我們有介紹擴(kuò)散模型的繪制原理是逐步減少圖像噪音的過(guò)程，而這里的迭代繪制步數(shù)就是噪音移除經(jīng)過(guò)的步數(shù)，每一步的采樣迭代都是在上一步的基礎(chǔ)上繪制新的圖片。

理論上來(lái)說(shuō)，迭代步數(shù)越高表示去噪的過(guò)程越長(zhǎng)，最終呈現(xiàn)的圖像效果也就越精細(xì)，但實(shí)際上我們通常將步數(shù)都控制在 40 步以內(nèi)。首先步數(shù)過(guò)小會(huì)導(dǎo)致圖像內(nèi)容繪制不夠完整，很容易出現(xiàn)變形、錯(cuò)位等問(wèn)題，而步數(shù)在迭代到一定次數(shù)時(shí)畫(huà)面內(nèi)容已基本確定（30 步左右），后續(xù)再增加步數(shù)也只是優(yōu)化微小細(xì)節(jié)，此外過(guò)高的步數(shù)也會(huì)占用更多資源，影響出圖速度。

因此建議大家平時(shí)使用時(shí)，將采樣迭代步數(shù)控制在 20～30 的范圍內(nèi)即可。

2. 采樣方法 Sampler

在之前的文章里我們知道 Stable Diffusion 模型的圖像生成器里包含了 U-Net 神經(jīng)網(wǎng)絡(luò) 和 Scheduler 采樣算法 2 個(gè)部分，其中采樣算法就是用來(lái)選擇使用哪種算法來(lái)運(yùn)行圖像擴(kuò)散過(guò)程，不同的算法會(huì)預(yù)設(shè)不同的圖像降噪步驟、隨機(jī)性等參數(shù)，最終呈現(xiàn)的出圖效果也會(huì)有所差異。

簡(jiǎn)單來(lái)說(shuō)，選擇采樣算法是為了配合圖像類型和使用的模型，來(lái)達(dá)到更佳的出圖效果。WebUI 中提供的采樣算法有十幾項(xiàng)，但我們平時(shí)常用的并不多，這里我也查閱了不少資料，發(fā)現(xiàn)大家推薦的算法類型并不一致，實(shí)際體驗(yàn)發(fā)現(xiàn)不同模型下算法的出圖效果也不穩(wěn)定，沒(méi)有完全適合的固定算法一說(shuō)。

下面的圖中羅列了同一組提示詞下所有的不同采樣算法生成的圖像對(duì)比，可以發(fā)現(xiàn)整體出圖效果并沒(méi)有太大差異，在實(shí)際使用時(shí)，給大家提供以下參考建議：

1. 優(yōu)先使用模型作者推薦的算法，比如深淵橘的作者最推薦使用的就是 DPM++ SDE Karras。
2. 優(yōu)先使用帶加號(hào)的算法，作為優(yōu)化算法會(huì)比不帶加號(hào)的更加穩(wěn)定
3. 有選擇恐懼癥的小伙伴可以優(yōu)先使用這幾個(gè)推薦算法：Euler A、DPM+ +2S a Karras、DPM++ 2M Karras、DPM++ SDE Karras

3. 面部修復(fù) Face Restoration

該設(shè)置項(xiàng)用于修復(fù)繪制過(guò)程中經(jīng)常出現(xiàn)的面部扭曲問(wèn)題，開(kāi)啟后模型會(huì)加強(qiáng)人物臉部的識(shí)別效果，因?yàn)槎卧獎(jiǎng)勇宋锏奈骞佼?huà)風(fēng)多樣，算法的識(shí)別效果并不明顯，該功能主要用于真實(shí)攝影類或偏寫(xiě)實(shí)的 2.5D 風(fēng)格人像繪制。

實(shí)際上如今大多模型中已加強(qiáng)針對(duì)人臉的訓(xùn)練，反而開(kāi)啟面部修復(fù)或會(huì)對(duì)圖像生成有一定干擾，所以在模型介紹頁(yè)有的作者會(huì)特意加上避免開(kāi)啟面部修復(fù)的備注。

4. 平鋪/分塊 Tiling

平鋪類似 Midjourney 中的 tile 參數(shù)，用于繪制重復(fù)的花紋或圖案紋理，平時(shí)用的不多。

5. 寬高設(shè)置

寬度和高度很好理解，就是最終生成的圖像大小。

我們都知道，在分辨率恒定的情況下，圖片的尺寸越大，可以容納的信息就越多，最終體現(xiàn)的畫(huà)面細(xì)節(jié)就越豐富。如果圖片尺寸設(shè)置的較小，畫(huà)面內(nèi)容往往會(huì)比較粗糙，這一點(diǎn)在 Stable Diffusion 繪制真實(shí)人像、復(fù)雜紋理等元素時(shí)會(huì)格外明顯。下面這張圖可以看到，同一張圖在放大尺寸重新繪制后，畫(huà)面細(xì)節(jié)得到了顯著提升。

但繪制大圖的同時(shí)，顯卡的運(yùn)算負(fù)擔(dān)也會(huì)加重，繪圖時(shí)間會(huì)明顯加長(zhǎng)，過(guò)大的尺寸也容易出現(xiàn)黑圖或爆顯存等問(wèn)題。此外，尺寸過(guò)大也會(huì)導(dǎo)致畫(huà)面中出現(xiàn)多個(gè)人物或肢體拼接等問(wèn)題。目前 Stable Diffusion 的大多數(shù)模型在訓(xùn)練時(shí)使用的是 512*512 像素大小圖片，少部分會(huì)使用 768*768，因此當(dāng)圖像尺寸超出一定范圍，比如使用 1536*512，模型在繪制圖像時(shí)就會(huì)將其理解為是由多張圖片拼接在一起，從而在一張圖內(nèi)塞入 2～3 張圖片的內(nèi)容，導(dǎo)致出現(xiàn)多人多肢體等問(wèn)題。

這也是舊版模型的缺點(diǎn)之一，但在最近剛發(fā)布的 SDXL 官模中，已經(jīng)對(duì)該問(wèn)題進(jìn)行了優(yōu)化，相信再過(guò)段時(shí)間就能直接繪制大圖了。

當(dāng)然，以上問(wèn)題目前也有解決方法，下面的高清修復(fù)就是解決方法之一。

6. 高清修復(fù) Hi-Res Fix

高清修復(fù)，也叫做高分辨率修復(fù)、超分（超分辨率），它是我們平時(shí)放大圖片使用最頻繁的功能之一。平時(shí)我們繪制圖像，一般都是采用低分辨率先繪制，再開(kāi)啟高清修復(fù)進(jìn)行放大。不同于我們平時(shí)的增加圖像分辨率，高清修復(fù)的本質(zhì)是進(jìn)行了一次額外的繪圖操作。該功能開(kāi)啟后會(huì)出現(xiàn)額外的操作欄，下圖是簡(jiǎn)單的操作項(xiàng)介紹。

關(guān)于繪制高清大圖的方法有很多，我會(huì)在后面的文章里進(jìn)行統(tǒng)一介紹，這里就不再贅述了。

7. 總批次數(shù)&單批數(shù)量

總批次數(shù)和單批數(shù)量可以放在一起來(lái)看，總批次數(shù)可以理解為同一提示詞和設(shè)置項(xiàng)下觸發(fā)幾次生成操作，而每單批數(shù)量則表示每個(gè)批次繪制幾張圖片，因此總的圖片生成數(shù)量=總批次數(shù) x 單批數(shù)量。該功能主要是為了解決出圖效率的問(wèn)題，類似 Midjourney 中的 repeat 參數(shù)。由于模型繪圖的結(jié)果存在很大的不確定性，想獲取一張滿意的圖片往往要嘗試多次，所以通過(guò)調(diào)整生成批次和數(shù)量，可以實(shí)現(xiàn) Stable Diffusion 自動(dòng)跑圖，這樣就無(wú)需每次繪圖結(jié)束后再手動(dòng)點(diǎn)擊生成按鈕。

其中，單批數(shù)量平時(shí)很少會(huì)修改，默認(rèn)都是 1 張，更多時(shí)候是設(shè)置總批次數(shù)。因?yàn)槊颗傻膱D片越多，相當(dāng)于同一時(shí)間 Stable Diffusion 要繪制多張圖片，其原理等同于繪制了一張大圖，對(duì)顯卡的要求會(huì)比較高，還不如每次只生成一張，然后用提高次數(shù)的方法來(lái)解決。

值得一提的是，調(diào)整多批次后，除了正常繪制的每張圖，Stable Diffusion 還會(huì)生成一張拼在一起的格子圖，和 Midjourney 默認(rèn)的四格圖一樣。

8. 提示詞相關(guān)性 CFG Scale

CFG Scale 是用來(lái)控制提示詞與出圖相關(guān)性的參數(shù)，數(shù)值越高，則 Stable Diffusion 繪圖時(shí)會(huì)更加關(guān)注提示詞的內(nèi)容，發(fā)散性會(huì)降低。

該功能支持的數(shù)值范圍在 0～30 之間，但大多數(shù)情況下我們使用的數(shù)值會(huì)控制在 7～12 之間，正常情況下保持 7 不動(dòng)即可。如果 CFG 數(shù)值過(guò)低或過(guò)高，都可能會(huì)導(dǎo)致出圖結(jié)果不佳的情況。

9. 隨機(jī)種子 Seed

AI 在繪圖過(guò)程中會(huì)有很強(qiáng)的不確定性，因?yàn)槊看卫L制時(shí)都會(huì)有一套隨機(jī)的運(yùn)算機(jī)制，而每次運(yùn)算時(shí)都對(duì)應(yīng)了一個(gè)固定的 Seed 值，也就是我們俗稱的種子值。在 Midjourney 中，種子值的隨機(jī)性達(dá)到了 42 億種可能，也就是說(shuō)同一套提示詞我們會(huì)獲得 42 億種隨機(jī)結(jié)果，當(dāng)然這和 Midjourney 本身龐大的訓(xùn)練數(shù)據(jù)庫(kù)有關(guān)系。

而通過(guò)固定種子值可以鎖定繪圖結(jié)果的隨機(jī)性，比如我們繪制了一張比較滿意的圖片時(shí)，可以將調(diào)用其種子值填寫(xiě)在這里，可以最大程度的保證原圖的畫(huà)面內(nèi)容。

在右側(cè)有 2 個(gè)按鈕，點(diǎn)擊骰子可以將 seed 重置為默認(rèn)的-1，也就是隨機(jī)的狀態(tài)?；厥瞻粹o則是將最后繪制的圖片 seed 值固定在這里。

結(jié)束撒花

到這里本篇教程就全部結(jié)束啦，在今天的文章里我給大家介紹了提示詞的基本語(yǔ)法和書(shū)寫(xiě)規(guī)則以及一些更高階的語(yǔ)法技巧，關(guān)于文生圖的各類參數(shù)也進(jìn)行了介紹。因?yàn)槔锩娴牟簧僦R(shí)點(diǎn)加入了我自己的理解，可能在表述上有一定差異，如果你有其他建議或想法的話，也歡迎在評(píng)論區(qū)給我留言～

歡迎關(guān)注作者微信公眾號(hào)：「樂(lè)伊體驗(yàn)筆記」