干货|一文学会AI绘画(建议收藏)

AI绘画的操作很简单,把画面描述清楚,后面加入参数即可。

常用参数合集(建议收藏)  

下面是常用参数介绍

1.【宽高比】 --ar

【使用说明】

aspect的缩写,如 --ar 3:4。需要注意的是,不同模型有不同的比例要求。在没有写提示词设置参数的情况下,系统默认比例为1:1。数值必须是整数,使用 225:100,而不是 2.25:1。

【常用尺寸】

1:1,默认的宽高比,常用于头像、产品、广告等。

5:4,常见的打印比例。

3:2,多用于印刷、摄影。

16:9,“宽屏幕”,高清电视和视频的标准宽高比。

9:16,“竖屏幕”,智能手机垂直方向的标准宽高比。

4:3,曾经电视和计算机显示器的标准宽高比。

21:9,“电影宽屏幕”,一些电影院和电视制作公司使用的宽高比。

2.【剔除】 --no

【使用说明】

字面意思,即排除画面中不要的元素,如:

--no red--no human--no text。

比如画面里不想要汽车,输入 --no car 就没再生成汽车了。

3.【版本】 --v

【使用说明】

version的缩写。如:--v 5。目前的模型有MJ version 1-5NiJi version4、5。如果没有在提示词尾缀加版本,则默认版本为MJ模型的 --v 4。

*也可在「settings」中设置版本,但系统会优先执行「提示词」中的参数,而不是「设置」中的参数。

MJ模型 比较全面。

1~5代表版本推出的先后顺序,算力有限的1~3版本偏抽象,越往后的版本4、5写实效果更佳,细节更丰富。

NiJi模型 则更适合制作二次元的动漫和插画风格。

niji 5模型下还有3个不同的风格化等级:可爱风[--style cute]3D效果的表现力[--style expressive]景色[--style scenic]。使用方法,如:--niji 5 --style cute。

4.【质量】 --q

【使用说明】

quality的缩写,即画面细节的多少,写法 --q 1,取值范围:0.25-2((注:0.25等的0不用写)。数值越高,质量越高,细节越多,但出图速度也越慢。

质量数值越高,细节越多,画面层次越丰富。在不添加参数的情况下,默认值为1。

但并不是所有的图片都是质量越高越好,不同风格的画面有不同的需求,

比如低数值的适用于比较写意、抽象的画面;

高数值的适用于建筑、商业产品等复杂度高的画面。

v4、v5没有q2是因为质量已经很高了,所以不需要再加。

5.【停止】 -- stop

【使用说明】

在生图过程中中止进程,如--stop 80,即在图片生成到80%的时候中止,如此便会得到一个相对模糊的效果,取值范围为 10-100。

6.【参考图权重】 --iw

【使用说明】

image weight的缩写, 仅用于「以图生图」/「垫图」时,参考图与提示词的权重设置。iw值越高,即垫的图的权重越高,生成的图片就越接近原图;iw值越低,生成的图片就越接近提示词。iw的默认值为1,取值范围:0.5-2。

【不同iw值的效果】

第一张为参考图,可以看到,iw值越高与参考图就越接近,反之则偏向描述词。

7.【风格化】 --s

【使用说明】

--stylize 或简写--s,「风格化」顾名思义,即 艺术风格程度。风格化的值越高,生成的图片越具艺术性,与提示词的相关性也就更弱;反之,值越低,则生成的图片越接近描述词,艺术性程度也就越低。v4、5的默认值为100。

【不同版本的取值范围】

除了可以在提示词尾缀加--s 之外,还可以在「settings」中设置。需要注意的是,系统会优先执行「提示词」中的参数,而不是「设置」中的参数。

8.【图片随机性】 --c

【使用说明】

chaos的缩写,也叫「混乱值」,即图片的随机性,数值越高,随机性越大,图片越天马行空。默认--c值为0,取值范围 0-100。如果你脑子里对图片描述还没有想法,不妨让AI替你放飞一下。

9.【种子参数】 --seed

【使用说明】

「种子」可以理解为一张图片的DNA。因为AI生图具有巨大的随机性,即使是用相同的提示词都会生成不同的图片。这时候,seed值就起到了重要作用。

当你找到一张满意的图,你想要延续它的特征,就用相同的种子去控制它的结果。

在 V4 及之后的模型版本中,指定种子参数可以生成非常相似,甚至几乎相同的图片。模型在随机性的基础上,对结果有了更精准的控制,可以实现重复生成。

seed值是一个编号,生成的4张图的seed值都是一样的。取值范围:0-4294967295,取整数。需要注意的是,只有初始生成的图片所生成的seed值才有效果。

【seed的获取方法】

工具:AI艺术家,不需要MJ发送邮件就能获取seed

如果你想要生成同一人物的一个系列,可以用seed值,并更改提示词的人物表情、动作、场景。

10.【重复贴图】 --tile

【使用说明】

直接在提示词尾缀输入 --tile。适用于重复平铺的图像,如面料、壁纸、纹理等,生成的图上下左右无缝衔接。

11.【提示词权重分割】 ::

【使用说明】

主要用于避免AI对一些组合词的理解偏差,如hot dog、milk tea、sea food等,使用::后,AI就可以分别考虑提示词中的内容。如 hot dog在AI的理解是 热狗肠,但实际我想要一只很热的狗狗。所以为了得到精准的图片,可以用:: 对词组进行分割并设置权重,即hot:: dog。

还可以对分解的组合词设置权重,如 hot::2 dog,hot权重是dog的2倍。

当然,权重也可以是负数,如::-.5,负权重的作用是减少不想要的元素,作用相当于--no ,但所有权重的总和必须是正数。如 用red::-.5 降低郁金香花田红色出现概率,相当于--no red。

需要注意的是,::作为参数跟其他参数一样,是放在提示词尾缀,但不需要加--;写法上需要注意的是,权重值后面需要加「空格」,如 hot::2 dog。


百闻不如一练!学完记得多练多用!希望文章对您有用!

当你无心种花,便会长满杂草!

关注 我 ,与君共勉。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,242评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,769评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,484评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,133评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,007评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,080评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,496评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,190评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,464评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,549评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,330评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,205评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,567评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,889评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,160评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,475评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,650评论 2 335

推荐阅读更多精彩内容