为什么叫这个

因为绘画方法是 图像-模糊-扩散（diffusion)

1. 提示词：
   1. 提示词有两种：正向提示词；负向提示词
   2. 提示词需要英语书写
   3. 提示词以此著作为单位
   4. 词组之间分隔符是英文里的半角逗号,
2. 对于人物的提示词
   1. 人物主体特征可以作为提示词的细节
      1. 服饰穿搭（white dress）
      2. 发型颜色（blonde hair, long hair)
      3. 五官特点
      4. 面部表情
      5. 肢体动作
   2. 加入场景特征环境
      1. 室内室外
      2. 大场景（forest, city, street)
      3. 小细节 ( Tree, bush, white flower)
   3. 环境光照
      1. 白天/黑夜
      2. 时间段
      3. 光环境（ sunlight, bright, dark)
      4. 天空（blue sky, starry, sky)
   4. 补充：画幅视角
      1. 距离close-up, distant
      2. 人物比例full body, upper body
      3. 观察视角 from above, view of back
      4. 镜头类型 wide angle Sony A7 III
   5. 画风画质提示词
      1. 高清，4K等
      2. 插画风
      3. 二次元
      4. 写实系

1. 权重

   1. 方法一：套括号(英文半角，每加一层括号，权重增加1.1倍）
      1. 方法二：括号+数字。括号，内容加引号和权重。(white flower:1.5)
         1. ((每套一层，额外1.1倍))
         2. {{每套一层， 额外1.05倍}}
         3. [[每套一层 额外0.9倍]]

2. 参数

   1. 采样步数（默认20上下）
   2. 采样方法（可以粗理解成特定算法） （带加号的一般比较稳定）
   3. 宽度高速是分辨率要看显卡算力，可以用的方法是先出图低分辨率，然后用满意的图，使用高清修复选项来放大。
   4. 面部修复也可以选（识别美颜）
   5. 平铺/分块是用来生成无缝背景图
   6. 提示词相关性：越高，反映提示词的程度越高。7-12比较安全
   7. 批次和数量（（（）））批次：可以一次出好几张，可以多出图。 数量：绘制方法是把好几张图拼一起，再当作更大的图片一次去画，不建议，因为容易爆显存。（简单来说批次是多来几次，数量是一次好几张）

3. 写提示词取巧

   1. 翻译方法
   2. 借助工具
   3. 抄别人
      1. openarts.ai

4. 图生图原理

   1. 也需要提示词

   2. 重绘幅度，太高会变形，太低没用，多次尝试找平衡。

   3. 图片分辨率和原始的不同可能导致拉伸，填充或者被裁减

   4. 随机种子）））） 🎲图标—— -1，意思是每次抽一张新的卡。♻️图标，上一张用的卡。打开图库，图片生成信息里有seeds：号码。、把号码复制到随机种子里。

      

5. 测试

模型的概念和原理

1. 模型导入

2. VAE（Variational auto encoder) 变分自解码器

   1. 影响画面色彩质感（类似调色滤镜）
   2. 写可以下载安装，也是一种模型
   3. 个人训练的模型（私炉模型）：名字来源是魔法师用炉子配置魔法，炼丹。但是私炉可能有版权问题，因为模型里的图未必都是ok的
   4. 模型网站：hugging face 抱脸； Cicitai C站
   5. 模型分类：

      1. 2次元

         1. 老牌模型：anything 简单
         2. counterfeit 精致
         3. Dreamlike Diffusion

      2. 三次元

         1. Deliberate 非常真实
         2. realistic vision
         3. LOFI 面部

      3. 2.5d

         1. NeverEnding Dream
         2. Protggen x3.4 可以生成很真实的
         3. 国风3

      4. 深渊橘

3. 高清修复，优化细节

   1. 用于处理错误（多头，模糊，多人等）

4. 进阶模型

5. 局部重绘的应用

6. 扩展

7. 什么是Lora

8. ContralNet