LarpGPT · 指南
如何从头开始构建人工智能照片提示
编写图像提示的可重复顺序、每个部分应放置的内容、导致结果扁平化的常见错误，以及如何迭代以便每次尝试都能教会您一些东西。
为什么结构胜过词汇
人们收集提示词的方式就像以前收集搜索运算符一样，但会产生不一致的结果。产生一致结果的是您每次都遵循的顺序。当每个提示都具有相同的形状时，您可以比较两次尝试并了解发生了什么变化，并且您将不再在每次会话中重新发现相同的课程。
有效的顺序
主体、背景、瞬间、光线、构图、镜头、色彩。七个槽位，每个槽位一个短句。并非每个提示都需要全部七个，但按此顺序编写它们意味着前面的句子会限制后面的句子朝着摄影师的工作方向，而不是让模型来调和矛盾。
从您可以拍摄的主题开始
将主题写成具有属性的物理事物：材料、大小、状况、方向。风化的黄铜门把手是一个主题。优雅则不然。测试是派去拍摄它的摄影师是否知道要寻找什么，如果答案是否定的，模特也在猜测。
然后将其放置在特定的地方
背景决定了存在什么光线以及主体周围有什么，因此模糊的背景会破坏精确的主体。说出房间、街道或景观的类型，以及其中实际存在的一两个东西。两个具体的细节比一段气氛更能锚定一个场景。
说出那一刻的名字
一天中的时间、天气、季节。这句话非常有效，因为每个句子都包含完整的照明条件。雨后的早晨，你会看到潮湿的表面、漫射的光线和冷色调的四个字。跳过它让模型进行选择，并且它倾向于选择明亮的正午，这是最无趣的光线。
让光线变得清晰
说出它来自哪里以及它是什么类型：左边的窗户、头顶上的一盏灯、阴天、阳光直射。无论是硬的还是软的都添加。这是最可靠地区分照片图像和渲染图像的句子，也是最常被遗漏的句子。
把照片框起来
使用摄影师在片场使用的词语，因为它们描述几何形状并且翻译清晰。特写或广角。视线水平、低角度或头顶上方。拍摄对象居中或偏向一侧。什么是前景，什么是后面。这里的歧义是指一个好的提示会产生奇怪的结果。
如果重要的话添加镜头行为
宽焦距会夸大深度并放大附近的物体。长焦距会压缩图层。大光圈会模糊背景并孤立主体。当效果对图像很重要时使用它们，而当效果对图像不重要时则忽略它们，因为出于习惯添加的镜头句子会无缘无故地限制结果。
将颜色保留为两种或三种选择
短调色板会产生连贯的图像，长调色板会产生泥泞。如果颜色很重要，请将其附加到某个对象而不是整个框架。红色的门起作用了。红色场景与您所说的有关光线的任何内容相冲突。
说出应该可见的内容，而不是应该感觉的内容
初稿中最常见的失败是情绪句子。将每一个替换为能够产生它的物理排列。这种单一替换比任何其他更改都改进了更多的提示，因为它将模型必须解释的内容转换为它可以构造的内容。
避免堆叠形容词
美丽、令人惊叹、超详细的杰作和它们的亲戚大多被抵消了。它们不描述相机可以记录的任何内容，并将结果推向与单词相关的任何训练数据，这通常是通用的外观。剪掉它们，它们腾出的空间可以用来做出实际的决定。
消极是最后的手段
如果持续出现不需要的内容，通常的原因是您的提示暗示了它。询问桌子的提示通常会产生一台笔记本电脑，因为照片中的桌子通常有一台笔记本电脑。添加否定词不如描述应该存在的内容可靠，因为填充的空间也无法容纳您不想要的东西。
一次迭代一个句子
当结果接近时，只更改一个句子并重新生成。您将了解该句子控制的内容，并且这些知识会转移到未来的每个提示中。立即重写所有内容会产生更好的图像并且无法理解，这意味着下一个简报又从零开始。
记录每次尝试所做的事情
保存提示和一行返回的内容。未遂事件比成功更有价值，因为当下一个请求略有不同时，您可以调整它们。没有注释的提示库是六个月内您不会信任的字符串列表。
重用结构，替换内容
要调整有效的提示，请先交换主题和设置，然后保留光线、构图和镜头。这些句子使图像看起来像照片一样。当你确实改变它们时，一次改变一个，这样你就能知道发生了什么。 LarpGPT 提供了开始时的提示和参考资料，您生成的内容可供您使用和公开。