Stablediffusion提示词模式和验证画质的方法【SD进阶教程】

画质提示词的模式固定化

有些人喜欢将画质提示词的模式固定成一种模式，比如加主题、环境、色彩等等。虽然这种做法没有错，但总觉得有点太机械化。

验证画质的方法

在SD1.5模型中，默认的做法是给出几个提高画质的关键词，但是到底能不能提升画质、提升多少，该如何去验证呢？

一种基础的验证方法是将种子固定下来，从两侧图做对比，一次加上高画质的提示词，一次不加，用眼睛看即可得知。然而，即使固定种子和提示词，一旦发生变动，图片也会发生很大的变动，所以并不好进行验证。

在Web UI的官方文档中也没有找到明确的验证方法。

提示词与模型训练的关系

提示词的出图取决于在训练模型时为数据打的标签。比如，想要画只猫，标签可以是”cat”，也可以是”12345″，显然都可以。

在正常情况下，训练模型的人会用准确的英文来标识图片中的元素。但对于英文不好或其他地域的人来说，这会有问题，因为每个人对提示词的理解和文化差异会有差异。

训练模型的人可能会有认知错误，比如将”白雪”误以为是英文单词”White”，但实际上并没有效果。训练模型的人可能并没有用这个词做标记。

英文本身的缺陷

英文本身存在一些缺陷，比如名词的多义性，而中文一个词对应一个意思。这就导致训练模型的人可能无法准确区分不同的表情，并打上对应的标签。

每次英文中演化出一个词，比如”Cowboy shot”表示七分三比例镜头，但其他地区可能不会使用这个词，所以在使用提示词时可能会出现意想不到的结果。

XL模型主推自然语言

XL新模型主推自然语言，因为有了上下文联系后，程序可以更精准地推理出用户想要的效果。

在XL模型中，画质类的起手和“one girl”几乎看不见了。这也说明，对于画质类的提示词，XL模型不是特别适用。

风格提示词的添加

对于风格提示词，可以根据自己的需求来添加。如果一个模型支持的风格很多，那么这个模型的潜力就越大。

如果试了所有的方法都无法得到想要的风格和效果，那么只能自己训练模型。

其他提示词的添加

对于其他提示词的添加，可以根据自己的需求随意添加，比如想要什么样的背景、装饰等等。

当添加的提示词没有效果时，可能是提示词不对或是模型中没有相关数据。进阶语法中，所有提示词默认都有一点点的权重，提示词之间也会互相影响，特别是颜色。

在使用颜色的提示词时，可以试着在每种颜色后面加上”break”来断开联系，以得到精准的颜色。

可以合理利用权重控制提示词之间的先后顺序，来提升出图效率和节省刷图时间。

提示词的权重语法

提示词的权重语法有几种形式，比如用小括号和花括号来加权重，用中括号来减全。这三种语法在2019年9月29日之前是旧的语法形式，阅读起来不直观。

可以用小括号加冒号和数值的新语法来调节权重，更科学也更容易阅读。可以使用快捷键或第三方插件来调节权重。

交替语法和and语法的区别

交替语法用于做融合，将A和B进行交换绘制。and语法和交替语法有所不同，and语法是将多个提示词的效果直接叠加，而交替语法则是交替绘制。

交替语法支持多个提示词的组合。

转义语法的使用

转义语法是为了避免和官方语法冲突，通过转义符的方式给前面的提示词添加说明，让程序更能理解用户想要的效果。

然而，不应该让用户直接接触转义符，因为对普通人来说，理解转义符可能会有困难。

动态语法的使用

动态语法使用井号和中括号来避免和官方语法冲突，用于给前面的提示词添加说明，使程序更能理解用户想要的效果。

动态语法常用于风格说明或是单词有多义性时做说明，例如宫崎骏的风格、蒂姆伯顿的风格等。

通过添加动态语法，可以看到出图效果有明显的风格变化。

总结

无论是算法的问题、语言本身的问题，还是训练模型和使用模型的人的问题，都会对生成的图像结果产生影响。在使用提示词时，需要注意标签的准确性、文化差异以及提高权重控制的灵活性。对于想要的效果无法实现的情况下，可以考虑自己训练模型来达到目的。