Stable diffusion 三大基础脚本 提示词矩阵,载入提示词,XYZ图表讲解

目录

0.本章讲解

[1.提示词矩阵(prompt matrix)](#1.提示词矩阵(prompt matrix))

1.2.提示词矩阵功能选项

1.2.1.把可变部分放在提示词文本的开头

1.2.2.为每张图片使用不同随机种子

1.2.3.选择提示词

1.2.4.选择分割符

1.2.5.宫格图边框(像素)

[2.从文本框或文件载入提示词(Prompts from file or textbox)](#2.从文本框或文件载入提示词(Prompts from file or textbox))

2.1.语法

2.2.常用参数

3.XYZ图表

3.1.数值类的语法

3.2.XYZ的实际应用


0.本章讲解

1.提示词矩阵(prompt matrix)

提示词矩阵用于比较不同提示词交替使用对于绘制图片的影响,多个提示词以|为分割点

正向提示词:

masterpiece, best quality,t-shirt, 1girl, |Mountain|blue hair,

选中提示词矩阵脚本,此时四张图片,对应也会生成四种提示词

复制代码
①masterpiece,best quality,t-shirt,1girl
②masterpiece,best quality,t-shirt,1girl,Mountain
③masterpiece,best quality,t-shirt,1girl,blue hair,
④masterpiece,best quality,t-shirt,1girl,Mountain,blue hair,

这个脚本会重组需要分割的提示词,组合最大数为N^2, N为|的数量

1.2.提示词矩阵功能选项

1.2.1.把可变部分放在提示词文本的开头

由于sd的提示词越在前面权重越重,勾选这个选项,则生成对应提示词时,提示词会默认在前面

1.2.2.为每张图片使用不同随机种子

勾选这个时,每次生成都会生成不一样的图片,但是一般不勾选,因为这样就没有对比性了

1.2.3.选择提示词

脚本提示词作用域是在正向提示词区域还是反向提示词区域

1.2.4.选择分割符

sd在最终生成提示词的时候,是以逗号分割还是以空格进行分割,就是|替换成逗号还是空格,一般默认为逗号即可

1.2.5.宫格图边框(像素)

图片之间的边框像素大小,调大一点,容易区分图片

2.从文本框或文件载入提示词(Prompts from file or textbox)

这个脚本就是从文本中指定各种参数用于生成图片,这样就可以进行批量处理

2.1.语法

参数前面加--,多个参数之间用空格分开,以换行进行区分生成多少张图片,如果参数对应的值为文本则需要添加双引号,为数字则不需要

复制代码
--prompt "city" --prompt "snow mountain"--prompt "steppe"--prompt "steppe" --sampler_name "DPM++ SDE Karras" --seed 2740754650

这会生成四张图片

分别是

城市

雪山

大草原

大草原,指定采样方法为:DPM++ SDE Karras ,随机种子是:2740754650

2.2.常用参数

**"sd_model":**模型名称

**"outpath_samples":**样本输出路径

**"outpath_grids":**网格输出路径

**"prompt_for_display":**用于展示的提示词

**"prompt":**正向提示词

**"negative_prompt":**负面提示词

**"styles":**提示词模板(你自己设置的提示词模板)

**"seed":**随机种子

**"subseed_strength":**次级种子强度

**"subseed":**次级种子

**"seed_resize_from_h":**次级种子高度

**"seed_resize_from_w":**次级种子宽度

"sampler_index":采样器索引

**"sampler_name":**采样器名称

**"batch_size":**生成批次

**"n_iter":**每批数量

**"steps":**采样迭代步数

**"cfg_scale":**提词相关性

**"width":**宽度

**"height":**高度

**"restore_faces":**面部修复

**"tiling":**平铺

**"do_not_save_samples":**不保存样本

**"do_not_save_grid":**不保存网格

3.XYZ图表

XYZ图表可以比较直观的生成两个参数在不同值下的对比图,主要是用于调试对比

X轴展示时 会固定Y轴的参数,展示X轴数值变化对于Y轴的影响

Y轴展示时 会固定X轴的参数,展示Y轴数值变化对于X轴的影响

Z轴则会将X轴和Y轴组合展示的图片再分组展示

3.1.数值类的语法

当轴值为数字时有以下常用语法

3.2.XYZ的实际应用

1.我们想进行不同的模型在不同的迭代步数下的表现情况

X轴选中迭代步数,Y轴选中模型名

正向提示词

masterpiece, best quality,t-shirt, 1girl,

当然也可以只固定一个模型,查看某个模型在不同的迭代步数下情况下的生成。

2.不同的提示词在同一随机种子下的表现情况

当我们想知道 运动服 t恤 西装 毛衣 在图片的表现形式,那我们就应该选用 提示词搜索/替换(这里不能使用提示词矩阵,因为提示词矩阵是交替应用的方式)

sports wear 需要在正向提示词中 不然会报错:

复制代码
RuntimeError: Prompt S/R did not find sports wear in prompt or negative prompt.

这是因为 "提示词搜索/替换" 中 第一个词语是需要在提示词区域进行搜索,后面的词语会进行替换第一个词语

正向提示词

masterpiece, best quality,1Man, sports wear,

当用完脚本之后,记得关闭脚本,不然会出现各种奇怪的问题导致无法出图。

相关推荐
老鱼说AI2 天前
当自回归模型遇上扩散模型:下一代序列预测模型详解与Pytorch实现
人工智能·pytorch·深度学习·神经网络·语言模型·自然语言处理·stable diffusion
我希望的一路生花7 天前
Nik Collection 6.2全新版Nik降噪锐化调色PS/LR插件
人工智能·计算机视觉·设计模式·stable diffusion·aigc
GetcharZp7 天前
玩转AI绘画,你只差一个节点式“魔法”工具——ComfyUI 保姆级入门指南
人工智能·stable diffusion
Seeklike9 天前
diffuxers学习--AutoPipeline
人工智能·python·stable diffusion·diffusers
游戏AI研究所10 天前
ComfyUI 里的 Prompt 插值器(prompt interpolation / text encoder 插值方式)的含义和作用!
人工智能·游戏·机器学习·stable diffusion·prompt·aigc
迈火12 天前
ComfyUI-3D-Pack:3D创作的AI神器
人工智能·gpt·3d·ai·stable diffusion·aigc·midjourney
Seeklike13 天前
diffusers学习--stable diffusion的管线解析
人工智能·stable diffusion·diffusers
马甲是掉不了一点的<.<13 天前
Stable Diffusion 环境配置详细指南
stable diffusion·环境配置
软件测试-阿涛13 天前
【AI绘画】Stable Diffusion webUI 常用功能使用技巧
人工智能·深度学习·计算机视觉·ai作画·stable diffusion
m0_6038887114 天前
Stable Diffusion Models are Secretly Good at Visual In-Context Learning
人工智能·ai·stable diffusion·论文速览