提示词图生图

工作流步骤

1. 加载必要资源

• 图像加载：使用 “Load Image” 节点，从本地选择要作为基础的原始图像。该图像将作为生成新图像的参考和起点。
• 模型加载：通过 “Checkpoint Loader” 节点加载合适的模型。不同的模型在生成图像的风格、细节等方面有差异，例如 Stable Diffusion 系列的不同版本模型，或者针对特定风格（如动漫、写实等）优化的模型。

2. 编码图像

3. 设置提示词

• 正向提示词：在 “CLIP Text Encode” 节点中输入正向提示词。正向提示词用于描述你期望生成图像的特征，包括风格（如 “水彩画风格”“油画风格”）、主题（如 “森林中的城堡”“海边的日落”）、色彩（如 “暖色调”“冷色调”）、构图元素（如 “远景”“特写”）等。提示词越详细，生成的图像越有可能符合你的预期。例如：“水彩画风格，美丽的海边沙滩，远处有帆船，天空是粉色和橙色的渐变，暖色调”。
• 反向提示词：同样在 “CLIP Text Encode” 节点中输入反向提示词。反向提示词用于排除你不希望在生成图像中出现的元素，如 “模糊的画面”“奇怪的颜色搭配”“不协调的比例” 等。通过设置反向提示词，可以提高生成图像的质量和准确性。

4. 采样参数设置

• 采样器类型：不同的采样器在生成速度和图像质量上有所不同，常见的采样器有 DPM++ 2M Karras、Euler a 等。你可以根据自己的需求进行选择和尝试。
• 采样步数：采样步数决定了模型在生成图像过程中的迭代次数。步数越多，生成的图像可能越精细，但也会增加生成时间。一般来说，20 – 50 步是比较常用的范围。
• CFG Scale：该参数控制提示词对生成图像的影响程度。值越高，生成的图像越接近提示词的描述，但可能会导致图像的多样性降低；值越低，图像的随机性会增加。通常取值在 7 – 12 之间。

5. 生成图像

6. 后期调整与优化

提示词撰写技巧

• 具体明确：尽量使用具体的词汇来描述你想要的图像特征，避免模糊的表述。例如，用 “红色的玫瑰” 代替 “花”。
• 分层描述：可以按照不同的维度对图像进行描述，如先描述整体风格，再描述主题内容，最后描述细节特征。
• 参考优秀示例：可以参考其他用户分享的优秀提示词，学习他们的表述方式和技巧。同时，也可以在一些社区中与其他用户交流，获取更多关于提示词的经验和建议。