LarpGPT · Útmutatók
A negatív felszólítások elmagyarázzák: mikor és hogyan kell használni őket
Milyen negatív felszólítás, hogy melyik képeszközök dokumentálják az egyiket, hogyan működik a Midjourney --no és Stable Diffusion negative_prompt-ja, és miért érdemes takarékosan használni őket.
Ebben az útmutatóban13
Milyen negatív felszólítás
A negatív prompt azoknak a dolgoknak a listája, amelyeket nem szeretne egy generált képen, és külön adjuk meg az eszköznek a kívánt dolgok leírásától. Ahelyett, hogy éjszaka egy utcát írnál, ahol nincsenek emberek, leírod az utcát, és felveszed az embereket a negatív listára. Az ötlet egyszerű, de az eszközök nagyon eltérően kezelik, és egyesek egyáltalán nem kínálnak külön negatív mezőt. Ha tudja, melyik helyzetben van, sok sikertelen próbálkozástól kíméli meg magát.
Miért nem a prompton belüli nem írás gyakran sikertelen
A képmodellek reagálnak a promptban lévő szavakra. Valaminek megemlítése, akár kizárása is behúzhatja a képbe. A Midjourney dokumentációja pontosan ezt a fajta példát adja rossz felszólításként: egy csendélet festmény, amelyet gyümölcs nélkül írnak le, vagy udvarias kéréssel, hogy ne adjunk hozzá gyümölcsöt. Az ajánlott alternatíva a nem kívánt elemek áthelyezése a dedikált paraméterbe. Ugyanez a logika érvényesül máshol is: a kizárásokkal teli mondat a kizárt dolgokat a modell figyelmében tartja.
Midjourney: a --no paraméter
A Midjourney egy --no paramétert dokumentál, amelyet a prompt végére adnak, majd azt a dolgot vagy a nem kívánt dolgok listáját követi, vesszővel elválasztva. Saját példája a "csendélet gouache festmény --no gyümölcs, alma, körte". A dokumentáció azt is elmagyarázza, hogy a --no használata ugyanaz, mintha egy többszörös felszólítás egy részének mínusz 0,5-ös súlyt adnánk, ami hasznos emlékeztető arra, hogy valamit csökkent, ahelyett, hogy garantálná annak hiányát.
A csapda Midjourney --no-jában
Ugyanez a dokumentáció arra figyelmeztet, hogy a Midjourney moderálása az --no után minden szót függetlenül olvas. Az olyan kifejezéseket, mint például a modern ruházat, két külön szóként olvassuk, és a ruházat szó önmagában figyelmeztetést válthat ki. Ilyen esetekben a dokumentáció azt javasolja, hogy a --no használata helyett adja meg a kívánt ruházatot a fő promptban. Általánosabban fogalmazva, minden kizárt elemet tartson egyetlen, egyértelmű szóban, ahol csak lehet.
Stable Diffusion: az negative_prompt argumentum
A Hugging Face diffusers könyvtárban a Stable Diffusion text-to-image folyamatban van egy opcionális negative_prompt argumentum, amely a dokumentációban olyan promptként vagy promptként van leírva, amely eligazítja, hogy mit ne vegyen be a képgenerálásba. A dokumentáció hozzáad egy részletet, amelyet érdemes tudni: a negatív prompt figyelmen kívül hagyja, ha nem használnak útmutatást, vagyis ha az útmutató skála egy alatt van.
ChatGPT és OpenAI képmodelljei
A OpenAI képgenerálási dokumentációja a cikk írásakor nem ír le külön negatív prompt mezőt a GPT Image modellekhez. A társalgási eszközökkel továbbra is leírható a kizárások egy mondatban, de a legmegbízhatóbb megközelítés az, amely mindenhol működik: írja le, minek kell ott lennie. Ha nem akarja, hogy emberek legyenek az utcán, írjon le egy üres utcát hajnalban, ahol az üzletek még zárva vannak. Ez inkább pozitív képet ad a modellnek, amit fel kell építeni, nem pedig az elkerülendő dolgok listáját.
Először írja le az alternatívát
Mielőtt negatívhoz nyúlna, kérdezze meg, mit szeretne a nem kívánt elem helyett. Az íróasztalon lévő rendetlenségből tiszta asztal lesz egy notebook és egy lámpa. A forgalmas háttér sima betonfallá válik. Az éles árnyékok lágy, borult fénnyel válnak. Szinte minden negatívnak van pozitív változata, és a pozitív változat általában jobban működik, mert korlátozza a képet, ahelyett, hogy űrt hagyna, amit a modell mással tölt be.
Amikor a negatív felszólítás a megfelelő eszköz
A negatívumok leginkább olyan dolgoknál hasznosak, amelyek általában hívatlanul jelennek meg, és nincs természetes pozitív ellentétük: szöveg, betűk, vízjelek, logók, szegélyek vagy keretek. Akkor is segítenek, ha a generátor folyamatosan hozzáad egy visszatérő elemet, például embereket a tájon vagy a lencsefényt a naplementében, miután már világosan leírta a jelenetet. Ilyen esetekben egy rövid kizárás egyszerűbb, mint az egész jelenet újraírása.
Legyen rövid a lista
A hosszú negatív listák gyakori szokások, amelyeket a megosztott felszólításokból másolnak le, és gyakran tele vannak általános szavakkal a minőségről. Ritkán segítenek, és megnehezíthetik az eredmények előrejelzését, mert a listában minden szó valamilyen irányba tolja a képet. Kezdje úgy, hogy ne legyen negatívum. Csak akkor adjon hozzá egyet, ha egy adott nem kívánt elem folyamatosan megjelenik, ellenőrizze, hogy működött-e, és távolítsa el újra, ha nem. Két vagy három pontos tételt könnyebb megindokolni, mint húsz homályos tételt.
Főneveket használj, ne tulajdonságokat
A negatívumok konkrét dolgokkal működnek a legjobban: szöveg, emberek, autók, fák, vízjel. Az olyan absztrakt tulajdonságokat, mint a csúnya, rossz vagy rossz minőség, nehéz a modellnek értelmezni, és nem mondanak semmit arról, hogy valójában min szeretnél változtatni. Ha egy kép hibásnak tűnik, derítse ki, hogy fizikailag mi a hibás, akár a kezek, akár a tükröződések, akár egy plusz tárgy, és ezt közvetlenül, akár a leírásban, akár pontos kizárással kezelje.
Egyszerre egy negatív tesztet
A negatívat úgy kezelje, mint bármely más változást a felszólítással. Létrehozza a képet nélküle, majd adjon hozzá egyetlen kizárást, és generálja újra, minden más változatlan marad. Ha a nem kívánt elem eltűnik, és semmi más nem törik el, tartsa meg. Ha a kép olyan módon változik, ahogyan nem vártad, akkor a negatív többet tett, mint gondoltad volna. Ez a szokás arra is megtanít, hogy mely kizárásokat érdemes későbbre megőrizni, és melyek voltak babonák.
A negatívumok nem helyettesítik az ellenőrzést
Semmiféle kizárás nem garantálja a távollétet. A Midjourney az --no-ot súlycsökkentésként, a diffusers pedig a negative_prompt-ot iránymutatásként írja le. Használat előtt nézzen meg minden képet: szöveg továbbra is megjelenhet a táblákon, logószerű forma a ruhákon, és egy alak is megjelenhet a távolban. Ha egy kép valódi fényképhez készült, jelölje meg generáltként.
Ahová a LarpGPT illik
A LarpGPT az utazáshoz, építészethez, autókhoz és életstílus-jelenetekhez készült fotóparancsok könyvtára, többnyire pozitív leírásként a téma, a kompozíció, a világítás és az objektív leírásaként, ami csökkenti a hosszú negatív listák szükségességét. Bemásol egy promptot a már használt képgenerátorba, és hozzáad minden olyan kizárást, amelyet az eszköz támogat. Az LarpGPT nem hoz létre képeket, és az eredmények kísérletenként változnak.
Kérdések
Mi az a negatív felszólítás?
Azon dolgok listája, amelyeket nem szeretne egy generált képen, a fő leírástól elkülönítve. A Midjourney --no paramétert, a Stable Diffusion pedig a diffusers könyvtárban negative_prompt argumentumot használ.
A ChatGPT támogatja a negatív felszólításokat?
A OpenAI képgenerálási dokumentációja az írás idején nem ír le külön negatív prompt mezőt. Megbízhatóbb megközelítés, ha leírja, mit szeretne helyette, például egy üres utcát, mint egy utcát emberek nélkül.
Miért ad hozzá a képhez a valami nélküli írás?
A modellek reagálnak a promptban jelenlévő szavakra, így egy objektum elnevezése, akár kizárása is, behozhatja a képbe. A Midjourney dokumentációja ezt rossz prompt mintaként sorolja fel, és helyette az --no paramétert ajánlja.
Hány elemet kell tartalmaznia egy negatív promptnak?
A lehető legkevesebbet. Kezdje a semmivel, adjon hozzá egy pontos elemet, amikor egy nem kívánt elem folyamatosan megjelenik, és távolítsa el, ha nem segít. A hosszú általános listák megnehezítik az eredmények előrejelzését.
További olvasnivalók
Útmutatók
Hogyan építsünk fel egy mesterséges intelligencia fotópromptot a semmiből
Megismételhető sorrend a képpromptok írására, hogy mit kell beletenni az egyes részekbe, milyen gyakori hibák, amelyek elsimítják az eredményt, és hogyan kell ismételni, hogy minden próbálkozás tanítson valamit.
Hat működő fényképes példa, és miért vannak ott az egyes sorok
Teljes utasítások építészeti belső terekhez, városi pillanatokhoz, objektumokhoz, tájképekhez, ételfotóhoz és munkaterülethez, mindegyik mondatról mondatra lebontva, hogy adaptálhassa őket.
A fotórealisztikus kép anatómiája
Mit csinálnak a prompt egyes részei a képgenerátoron belül, miért működik jobban egy-egy mondat döntésenként, mint a melléknevek fala, és hogyan lehet egy promptot adaptálni anélkül, hogy megtörné azt a dolgot, ami miatt működött.
Midjourney Fotorealisztikus felszólítások: praktikus módszer
Hogyan írjunk Midjourney promptokat, amelyek fényképként olvashatók: a kamera előtti struktúra, a dokumentált paraméterek, amelyek segítenek, és hogyan kell ismételni.
ChatGPT Képfelhívás a valódinak tűnő luxusfotókhoz
Hogyan kérhetsz ChatGPT-ra hihető luxus- és életstílus-képeket: anyagok, fény, visszafogottság, bevált példák, valamint márkák és nyilvánosságra hozatal.
Hogyan írjunk mesterséges intelligencia-üzeneteket reális embereknek
Írjon le hihető embereket a mesterséges intelligencia képeken: testtartás, ruházat, bőr, kéz és fény, valamint az ehhez kapcsolódó beleegyezés, hasonlatosság és közzétételi szabályok.
Világítási kulcsszavak MI-fotókhoz: praktikus szószedet
Arany óra, kék óra, ablakfény, háttérvilágítás, low key és még sok más: hogyan néznek ki az egyes világítási kifejezések egy fotón, és hogyan írd be őket egy AI promptba.
Képarányok az AI-képekhez: hogyan válasszuk ki és állítsuk be őket
Négyzet, 3:2, 16:9 vagy függőleges 9:16: hogyan válasszunk képarányt egy mesterséges intelligencia képhez, hogyan változik a kompozíció vele, és hogyan állítsa be a Midjourney és OpenAI.
Hogyan írjunk MI-fotóparancsokat, amelyek olvashatóak maradnak
Megismételhető felszólító szerkezet a témához, a fényhez, az objektív nyelvéhez és a korlátokhoz, könnyebben finomítható példákkal.
AI képprompt eszközök, összehasonlítás
Kérjen könyvtárakat, prompt építőket, generátoron belüli asszisztenseket és saját maga írja meg: mit takarít meg, mennyibe kerül, és melyik tanít meg bármit.