🐼 咒语？玄学？Stable Diffusion提示词到底怎么写 prompt语法详解 在SD中用prompt提示词语法 + xyz脚本 实现变脸动画 无需任何插件
TLDR本期教程深入探讨了Stable Diffusion中prompt提示词的编写技巧，通过改变关键词的顺序和使用权重赋值，展示了如何在不使用动画插件的情况下，通过prompt实现变脸动画效果。介绍了逗号分割关键词、权重赋值、采样步数控制等方法，并利用矩阵试词功能测试不同提示词组合的效果。
Takeaways
- 🎨 掌握了prompt提示词的技巧后，无需任何动画插件即可制作变脸动画。
- 📝 提示词的顺序会影响图像生成的结果，不同顺序的关键词会导致不同的图像输出。
- 🔢 逗号在提示词中用于分割关键词，影响最终图像的细节。
- 🏷️ 通过括号和冒号可以手动标记关键词的权重，调整其在图像生成中的比重。
- 🔄 使用Ctrl键和数字键可以快捷地给指定词语赋权。
- 📊 方括号和双冒号可以用来指定关键词参与作图的百分比或采样步数。
- 🚫 使用小括号指定步数时，如果数值大于1，会导致图像生成失败。
- ⏱️ 步数的指定可以是总步数的百分比，也可以是绝对步数，但超过总步数的指定不会增加复杂度。
- 🔽 负数值的步数会消除指定元素在图像中的表现。
- 🤹♂️ 通过控制不同词语参与作图的步数比例，可以实现图像的分段绘制和变脸效果。
- 🧬 利用矩阵试词功能可以测试不同词语组合对图像生成的影响，帮助找到最佳提示词组合。
Q & A
在Stable Diffusion中，改变提示词的顺序会有什么影响？
-改变提示词的顺序会影响生成的图片内容。不同的词语顺序会导致SD以不同的权重处理这些关键词，从而产生不同的图像结果。
逗号在提示词中的作用是什么？
-逗号在提示词中用于分割关键词。有逗号分割和没有逗号分割的相同描述会导致SD生成不同的图像结果。
如何通过手动标记权重的方式给指定的关键词赋权？
-可以通过将需要赋权的关键词用括号括起来，并在后面加上冒号和赋权数值的方式来实现。例如，(blue hair):1.5 表示给'blue hair'这个词赋予1.5的权重。
使用方括号和双冒号标注的步数是如何影响作图的？
-使用方括号和双冒号标注的步数可以指定关键词在作图中参与的百分比或采样步数。例如，[blue hair]:0.5 表示'blue hair'这个词参与前20步中的10步作图。
如果使用小括号代替方括号标注步数，会有什么不同？
-使用小括号标注步数时，如果数值大于1，SD的出图可能会崩掉。同时，即使给到相同的小数，使用中括号和小括号时，SD最终的出图也会有所区别。
给出的步数大于总采样步数会发生什么？
-如果给出的步数大于总采样步数，SD会生成与总采样步数相同步数的图像，不会因步数增加而使图像更复杂。
将步数给到负数会怎样影响作图？
-将步数给到负数时，SD可以正常出图，但是该元素（如蓝色头发）会被完全消除，即使步数为0时还能隐约看到一些元素。
如何利用步数语法排除不喜欢的元素？
-如果不喜欢某个元素，可以使用负数步数来排除该元素。这种方法比写反向提示词更能有效排除不需要的元素。
分段绘制语法和双冒号语法有何相似之处？
-分段绘制语法和双冒号语法本质上是相同的，都是用来控制提示词在作图中参与的步数。不同之处在于双冒号之间可以插入其他提示词，从而实现两个提示词在不同时机介入作图。
如何使用SD的矩阵试词功能测试不同词的作图效果？
-使用矩阵试词功能时，可以用竖线分隔开不同的词，然后选择提示词矩阵脚本进行测试。这样可以看到不同词分别参与作图或排列组合参与作图的效果。
视频教程中提到的变脸动画是如何实现的？
-变脸动画是通过分段绘制语法和双词步数比例语法实现的。通过控制两个元素在作图总步数中的占比，可以实现类似人物卸妆的效果。
Outlines
🎨 Introduction to Prompt Techniques in SD Tutorials
This paragraph introduces the viewer to the 25th episode of the SD series tutorial, focusing on the use of prompt words in Stable Diffusion (SD). The speaker explains how they created an animated intro with face-changing effects using only prompt syntax, without any animation plugins, and with ControlNet as an optional auxiliary tool. The speaker emphasizes the importance of understanding prompt words, even though they have previously focused more on ControlNet in their tutorials. They mention that prompt words can significantly affect the outcome of the generated images and provide a basic introduction to the syntax and order of prompts in SD.
🔍 Understanding Prompt Syntax and Weighting in SD
In this paragraph, the speaker delves deeper into the mechanics of prompt syntax in SD, explaining how the order of words can change the resulting image. They illustrate this with examples of how different placements of the term 'blue hair' affect the coloring of the generated image. The speaker also discusses the use of commas to separate keywords and the manual marking of keyword weights using parentheses and colons. They introduce a technique for adjusting the participation of keywords in the image generation process by specifying percentages or sampling steps, using square brackets and colons. The paragraph concludes with a teaser about using these techniques to create face-changing animations, which will be demonstrated in detail in a future video.
📊 Exploring Prompt Matrix and Sampling Steps in SD
The speaker continues to elaborate on advanced prompt techniques, discussing how to control the participation of specific words in the image generation process using negative values, which effectively excludes certain elements from the image. They also explain how to use the prompt matrix feature in SD to test multiple words or combinations of words for their impact on the generated image. By using vertical lines to separate different prompts, the viewer can observe various outcomes in a matrix format. The speaker mentions that this method can be particularly useful for creating transformative animations, such as face-changing effects, and promises a detailed demonstration in the next video. The paragraph ends with a call to action for viewers to like, share, and follow the channel for more AI drawing content.
Mindmap
Keywords
💡Stable Diffusion
💡prompt
💡controlnet
💡权重
💡采样步数
💡变脸动画
💡逗号
💡提示词矩阵
💡xyz脚本
💡矩阵试词功能
Highlights
本视频是SD系列教程的第25期，专注于讲解prompt提示词的编写技巧。
展示了如何仅使用prompt提示词语法和xyz脚本，实现变脸动画效果，无需任何插件。
为了动画稳定性，虽然使用了controlnet辅助，但这不是必须的。
提示词的顺序会影响图像生成的结果，不同的顺序会生成不同的图片。
逗号在prompt中的作用是分割关键词，影响最终图像的呈现。
通过手动标记权重的方式，可以给指定的关键词赋权，改变其在图像生成中的权重。
使用方括号和双冒号可以指定关键词参与作图的百分比或采样步数。
中括号和小括号在指定步数时有不同的效果，小括号可以控制关键词参与作图的步数。
给出的步数大于总采样步数并不会导致图像变得更复杂。
给出负数的步数会消除指定元素在图像中的表现。
负数步数的大小并不影响最终图像的结果。
可以通过指定双词参与作图的步数比例来控制图像的生成效果。
SD的矩阵试词功能可以用来测试不同词分别参与作图的效果。
矩阵测图功能会保留竖线左边的第一个词作为基础词，然后去测试后面的词。
通过矩阵试词可以直观地看到不同关键词组合的排列效果。
视频作者承诺在下一期视频中详细演示变脸动画的制作步骤和注意事项。
本视频教程旨在帮助观众更好地理解和运用SD提示词，提高作图效率和质量。