Stable Diffusion - 人物坐姿 (Sitting) 的提示词组合 与 LoRA 和 Embeddings 配置

欢迎关注我的CSDN:https://spike.blog.csdn.net/

本文地址:https://spike.blog.csdn.net/article/details/132201960

拍摄人物坐姿时,需要注意:

  • 选择一个舒适和自然的坐姿,符合个性和心情。可以坐在椅子、沙发、长凳、凳子或者地上。避免坐得太僵硬或者太懒散。放松肩膀和颈部,保持背部直但不僵硬。
  • 根据相机的角度和距离调整腿和脚。可以交叉腿,弯曲一条腿,伸直另一条腿,把脚塞在身下,或者悬在座位的边缘。尽量在腿和身体之间留一些空间,避免看起来臃肿或拥挤。
  • 用胳膊和手来增加姿势的多样性和表现力。可以把肘部放在膝盖上,托住下巴或脸颊,摸摸头发或衣服,或者用手指做一些手势。也可以使用道具,如一本书,一杯茶,一顶帽子,或一朵花,来创造兴趣和展示你的个性。避免把手平放在大腿上或藏在背后。
  • 轻轻地倾斜或转动头部,创造一个更有吸引力和动态的外观。可以直视相机,或者看向一边,上方,或下方。也可以微笑,大笑,皱眉,或者做任何其他符合心情和风格的面部表情。避免看起来太严肃或无聊,除非这是想要的效果。

测试图像来源于 DreamShaper 第 8 版,人物坐姿,随机种子 931436911 。

1. 坐姿 (Sitting) 正向提示词

坐姿的正向提示词 (Prompt),不要追求提示词适用各种随机种子,提升概率即可:

bash 复制代码
(masterpiece, best quality:1.2),highly detailed,extremely detailed,real photo,
fullbody,1girl,solo,asian,looking at viewer,(body facing viewer:1.2),
(relax sitting),knees separation,
red lips,brown long hair,
collared shirt and dress shirt,long sleeves,(knees length dress),
(240D wrap hip very thick pantyhose),color high heels,
good anatomy,good proportions,good pose,perfect legs,(pair shoes,pair legs:1.2),
nice hand,nice figure,
outdoors,buildings,
(photorealistic,realistic:1.2),
<lora:more_details:0.4>,<lora:control_skin_exposure:-1.0>,
<lora:yuzu_highheel_v2:0.5>,<lora:sit_cross_leg_v2:0.5>,

建议不要加入坐姿的细节描述,除非是配合特定 LoRA 的 sit cross leg,其他细节都会影响身体结构,导致一些异常,让模型自由发挥即可。

具体分析:

  • 基础质量关键词:(masterpiece, best quality:1.2),highly detailed,extremely detailed,real photo,
  • 全身人像:fullbody,1girl,solo,asian,looking at viewer,
  • 身体面向镜头:(body facing viewer:1.2),避免侧坐导致的腿部重合,以及构图错误。
  • 坐姿:(relax sitting),knees separation,,膝盖分离提示词,避免只出现单条腿。
  • 面部:red lips,brown long hair,
  • 服装:collared shirt and dress shirt,long sleeves,(knees length dress:1.1),,长袖与过膝裙,减少腿部裸露
  • 腿部:(240D wrap hip very thick pantyhose),color high heels,,包臀厚袜子避免出现不合适的袜子,增加高跟鞋的颜色。
  • 姿态质量:good anatomy,good proportions,good pose,perfect legs,(pair shoes,pair legs:1.2),,,双鞋双脚,避免严重缺失。
  • 腿部和手部质量:nice hand,nice figure,,好手是与负向提示词联用
  • 环境:outdoors,buildings,
  • 风格:(photorealistic,realistic:1.2),
  • LoRA:<lora:more_details:0.4> ,增加细节,注意不要权重过高,导致多腿多鞋现象,原因是坐姿比站姿更为近景,更多起始噪声,容易误生成其他信息。
  • LoRA:<lora:control_skin_exposure:-1.0>,调整皮肤的暴露程度,解决大腿暴露的问题,权重-1表示全部遮挡。
  • LoRA:<lora:yuzu_highheel_v2:0.5>,增强腿部质量,注意权重不能过高,否则导致腿部畸形
  • LoRA:<lora:sit_cross_leg_v2:0.5>,,增强腿部姿势,注意权重不能过高,否则导致腿部畸形。

在坐姿中,容易出现各种各样的畸形,使用两个 LoRA 控制腿部和坐姿质量,即 yuzu_highheels_1.0sit_cross_leg_v2

相关 LoRA 的下载地址:

LoRA 的 Hash 值:Lora hashes: "more_details: 3b8aa1d351ef, control_skin_exposure: 58bbb7a04626, yuzu_highheel_v2: 614500170a6c, sit_cross_leg_v2: cb80e9bce437",

坐姿的负向提示词 (Negative Prompt):

bash 复制代码
(ng_deepnegative_v1_75t:1.3),(negative_hand),(badhandv4),
(negative_feet_v2:0.5),
body sideways,buttocks,
missing arm,missing leg,extra arms,extra legs,mutated legs,extra limbs,malformed limbs,floating limbs,disconnected limbs,
bad anatomy,bad proportions,disfigured,long neck,long leg,
worst quality,bad quality,jpeg artifacts,lowres,normal quality,low quality,
EasyNegative,

具体分析:

  • Embeddings:(ng_deepnegative_v1_75t:1.3),有效的修复混乱的四肢,提升权重。
  • Embeddings:(negative_hand),(badhandv4),,修复手部且不影响画面。
  • Embeddings:(negative_feet_v2:0.5),,修复腿部,但是权重不宜过高,影响图像。
  • 姿态:body sideways,,避免侧身。
  • 肢体:missing arm,missing leg,extra arms,extra legs,mutated legs,extra limbs,malformed limbs,floating limbs,disconnected limbs,,继续强化混乱的四肢。
  • 身材比例:bad anatomy,bad proportions,disfigured,long neck,long leg,
  • 低质量:worst quality,bad quality,jpeg artifacts,lowres,normal quality,low quality,
  • Embeddings:EasyNegative,,补充其他负向提示词,建议放到最后,不干扰其他关键词。

Embeddings 的 Hash 值,TI,即Textual Inversion,文本反推:TI hashes: "ng_deepnegative_v1_75t: 54e7e4826d53, negative_hand: 73b524a2da12, badhandv4: 5e40d722fc3d, negative_feet_v2: df90b1ff666d, EasyNegative: 66a7279a88dd"

具体参考:常用的负向提示 Embeddings 解析与 坐姿 (Sitting) 提示词

将全部提升词,保存至模版,girl_sitting 中,用于测试。

2. 配置参数

标准配置如下:

  • 采样方法:建议 DPM++ 2M SDE Karras,比 DDIM 更加融和。
  • 放大算法:4x-UltraSharp
  • 其他是常用配置。

即:

开启脸部修复 ADetailer,有些 LoRA 严重影响脸部,容易导致欧美人脸,添加提示词进行强化亚洲审美,即:

bash 复制代码
asian girl, make up, beautiful face,

. 测试效果

测试示例:

bash 复制代码
(masterpiece, best quality:1.2),highly detailed,extremely detailed,real photo,
fullbody,1girl,solo,asian,looking at viewer,(body facing viewer:1.2),
(relax sitting),knees separation,
red lips,brown long hair,
collared shirt and dress shirt,long sleeves,(knees length dress),
(240D wrap hip very thick pantyhose),color high heels,
good anatomy,good proportions,good pose,perfect legs,(pair shoes,pair legs:1.2),
nice hand,nice figure,
outdoors,buildings,
(photorealistic,realistic:1.2),
<lora:more_details:0.4>,<lora:control_skin_exposure:-1.0>,
<lora:yuzu_highheel_v2:0.5>,<lora:sit_cross_leg_v2:0.5>,
Negative prompt: (ng_deepnegative_v1_75t:1.3),(negative_hand),(badhandv4),
(negative_feet_v2:0.5),
body sideways,buttocks,
missing arm,missing leg,extra arms,extra legs,mutated legs,extra limbs,malformed limbs,floating limbs,disconnected limbs,
bad anatomy,bad proportions,disfigured,long neck,long leg,
worst quality,bad quality,jpeg artifacts,lowres,normal quality,low quality,
EasyNegative,
Steps: 30, Sampler: DPM++ 2M SDE Karras, CFG scale: 5, Seed: 931436911, Size: 512x768, Model hash: 879db523c3, Model: Dreamshaper_8, Denoising strength: 0.35, Clip skip: 2, ADetailer model: face_yolov8n.pt, ADetailer prompt: "asian girl, make up, beautiful face,", ADetailer confidence: 0.3, ADetailer dilate/erode: 4, ADetailer mask blur: 4, ADetailer denoising strength: 0.4, ADetailer inpaint only masked: True, ADetailer inpaint padding: 0, ADetailer ControlNet model: control_v11p_sd15_inpaint [ebff9138], ADetailer ControlNet module: inpaint_global_harmonious, ADetailer version: 23.7.6, Hires upscale: 2, Hires steps: 5, Hires upscaler: 4x-UltraSharp, Lora hashes: "more_details: 3b8aa1d351ef, control_skin_exposure: 58bbb7a04626, yuzu_highheel_v2: 614500170a6c, sit_cross_leg_v2: cb80e9bce437", TI hashes: "ng_deepnegative_v1_75t: 54e7e4826d53, negative_hand: 73b524a2da12, badhandv4: 5e40d722fc3d, negative_feet_v2: df90b1ff666d, EasyNegative: 66a7279a88dd", ControlNet 0: "preprocessor: inpaint_global_harmonious, model: control_v11p_sd15_inpaint [ebff9138], weight: 1.0, starting/ending: (0.0, 1.0), resize mode: ResizeMode.INNER_FIT, pixel perfect: True, control mode: ControlMode.BALANCED, preprocessor params: (-1, -1, -1)", Version: v1.5.1

测试模型:麦橘写实_MajicMIX_Realistic_v6墨幽人造人_v1030DreamShaper8

麦橘写实的效果示例一:

麦橘写实的效果示例二:

墨幽真人的效果示例:

DreamShaper8的效果示例:

其他参考

相关推荐
XISHI_TIANLAN17 小时前
【多模态学习】Q&A3:FFN的作用?Embedding生成方法的BERT和Word2Vec?非线性引入的作用?
学习·bert·embedding
勇往直前plus1 天前
Milvus快速入门以及用 Java 操作 Milvus
java·spring boot·embedding·milvus
全息数据3 天前
DDPM代码讲解【详细!!!】
深度学习·stable diffusion·多模态·ddpm
ZHOU_WUYI6 天前
Qwen3-Embedding-0.6B 模型结构
embedding
你是个什么橙8 天前
自然语言处理NLP:嵌入层Embedding中input_dim的计算——Tokenizer文本分词和编码
人工智能·自然语言处理·embedding
大千AI助手8 天前
COLA:大型语言模型高效微调的革命性框架
人工智能·语言模型·自然语言处理·lora·peft·cola·残差学习
小马过河R9 天前
GPT-5原理
人工智能·gpt·深度学习·语言模型·embedding
df007df11 天前
【RAGFlow代码详解-10】文本处理和查询处理
人工智能·ocr·embedding·llama
老鱼说AI12 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
liliangcsdn15 天前
基于llama.cpp的量化版reranker模型调用示例
人工智能·数据分析·embedding·llama·rerank