🧭 AI绘图 之 Text Prompt 篇 场景5、6

场景5:头像

在 Stock Photo 一章中,介绍了 img2img 的方法,这个方法除了解决 Stock Photo 的那几个问题外,还很适合多个场景。

本章会着重介绍用这个方法生成的头像的 prompt。并且从本章开始会逐步丰富我们的 prompt 结构,使其更加完整。

注意事项

在介绍 img2img 的应用前,我想强调一下:

  1. 不要在 Discord Midjourney 公开群上传自己的照片!这样你的照片会被公开群里的所有人看见。建议使用 Midjourney Bot。
  2. 另外,非 pro 付费会员,生成的图片都会被其他会员看见。但你可以在生成完头像后,删掉生成的图片。如果还不知道如何使用 Bot ,及删除照片,请看基本操作篇。
  3. img2img 的操作我就不过多赘述了。如果你还不太清楚,可以看基本操作篇,以及 Stock Photo 那篇。

3D 卡通头像

第一个要分享的是卡通头像。首先跟大家强调下:

  1. 我基本上把国内国外的生成头像教程都看过,并试过一遍,还跟 Midjourney 社群的人也交流过。我的理解是,以目前 V5 的能力,不管你如何调整 prompt ,想用 img2img 方法生成一张非常像原图的图片,基本靠运气,即使用了前面介绍的技巧七方法,也只是提高概率。如果你有令头像非常像的方法,不妨通过 Issue 分享给我,我会署下你的名字,并分享给大家。
  2. 各位在学习的过程中,如果发现生成的图片不像原图,也不需要气馁。这是正常的。
  3. 你可以通过我分享的方法,生成一张有原图神韵的卡通头像。注意肯定不会非常像原图。

在 prompt 里加上原图链接(建议使用证件照,或者背景比较单一的照片,这样成功率会高一些),然后用我前面提到的框架设计一个 prompt:

  Prompt 解释
类型是什么? Portraits / Avatar 如果你的原图是证件照,可以在 prompt 里加入「肖像」一词,或者「Avatar 头像」。
主体是什么? smiling cute boy, undercut hairstyle 这里可以是选填,你可以先不加这个描述,只填其余 prompt,然后如果生成的图片不像你。那你就在这里加点描述下你的头像的词,一般就是性别、样貌、发型、配饰(比如眼镜、耳环等)、表情等。注意,尽量挑特征比较强的部分输入,特征对了,生成的图片基本会有几份像。
背景是什么? white background 我这里保留了证件照的白底,你可以加一些实际场景的背景,比如餐厅之类的。
构图是怎样的? null 因为我们预先传了图片,图片是张证件照,所以不填
用什么镜头? soft focus 柔焦是指摄影中,使用柔焦镜头,使得拍摄的影像既清晰又柔和的效果。一般多在拍摄人像的时候使用,我在 prompt 里加上这个,可以使照片更柔和。你也可以不加。
是什么风格? 3d render,Pixar style 因为目标是生成 3d 照片,所以这里加了 3d render(3d 渲染),以及我喜欢的皮克斯风格
参数 —iw 2 iw 是一个文字和 img 权重参数。数值越大,就越像原图,关于这个值的介绍,可以看高级参数篇。

最后,还有三个技巧:

  1. 如果你生成的照片并不像预设的照片,可以在四张图里,挑一张比较像的,然后点 V(Variation),让模型继续生成,再继续挑一张像一点的照片,然后继续生成新照片,直到出现一张比较像的。
  2. 第二个,我觉得很神奇,如果前两个方法你都试过了,你生成的图片还是跟原图不像,那就在 prompt 里加上「wear glasses(戴眼镜)」,真的很神奇,我只要加上戴眼镜就像非常多,如果你原图戴眼镜了,你试试在参数里加个 —no glasses,你会得到一张更不像你的图。
  3. 最后,就是多用一个参数,这个方法会在技巧八中展开说下。

本章最后,有我的证件照的案例。

技巧七:多参数同时使用

在使用 img2img 的方法生成头像时,我发现问题是「文字权重比图片权重高」,导致其生成的图片不像原图,iw 参数在 V5 里最多提升图片权重到 2,所以我就在想有没有可能进一步降低文字的权重。

然后我就试了下 s 参数,发现的确好了很多。

如果生成的图片还是不像,你可以在 —iw 2 基础上,再加一个参数 —s 200 ,注意同时用两个参数时,中间不要有逗号。我发现加了 s 参数之后的确像了很多,我个人猜测是 s 和 iw 连用会进步一削弱 text 的权重。

s 是控制生成图片的风格化程度。简单理解,这个值越低会更符合 text prompt 的描述,数值越高艺术性就会越强,但跟 text prompt 关联性就会比较弱。所以如果你生成的图还是不像,就加大这个值,比如调到 500。

我想通过这个案例告诉大家,多个参数一起使用,有可能会形成合力,进一步放大模型的能力。未来有新的参数能力,不妨也想想有没有可能一起用?

动漫风头像

与 3D 卡通头像一样,主要的修改是在图片风格上:

  Prompt 解释
类型是什么? Portraits / Avatar 继续使用相同描述
主体是什么? smiling cute boy, undercut hairstyle 继续使用相同描述
背景是什么? white background 继续使用相同描述
构图是怎样的? null 继续使用相同描述
用什么镜头? null 因为是漫画风,就不加柔光镜头了
是什么风格? anime, Studio Ghibli 目标是制作动漫风的头像,所以这里加了 anime(动漫),然后加了吉卜力风格
参数 —iw 2 —s 500 注意同时用两个参数时,中间不要有逗号。

赛博朋克头像

这是我最喜欢的风格之一,也是只需要改一下风格和背景即可:

  Prompt 解释
主体是什么? cyberpunk robot face, holographic VR glasses, holographic cyberpunk clothing 加了脸的修饰,还有戴上 VR 眼镜,穿上赛博朋克风衣服
背景是什么? neon-lit cityscape background 为了让图片更像是赛博朋克,就加了个霓虹灯城市背景,让其看起来更有赛博那味
是什么风格? Cyberpunk, by Josan Gonzalez 加了赛博朋克风格,以及我非常喜欢的赛博朋克画家 Josan Gonzalez

上面这几个头像 prompt 最后生成的头像是这样的,坦率地说,我已经尽力了,我的个人特征太少了,人也不帅,生成的图片,都有种东南亚人那味,感觉 Midjourney 对亚洲人的理解还不是很行 😂

MJ039.png

技巧八:使用 Seed 参数对图进行二次修改

注意:这个技巧,我个人觉得未来潜力比较大,但目前 Midjourney 的实现效果还比较一般,效果得不到保证。官方的社区的帮助文档也提到这个功能在 V5 非常不稳定。详细可以看看我整理的 Midjourney 官方 FAQ 一章。

你可能遇到类似这样的场景:

  1. 你输入一段 prompt,机器生成了 4 张图片
  2. 你看了下4张照片,发现其中有一张还行,但其余不是很满意,然后改了下 prompt,机器又生成了一些
  3. 但这次生成的照片你都不满意,你就很烦恼为何会这样
  4. 然后你就像为啥不能在第一次生成图上做修改呢?

基于某一次生成的结果进行二次 prompt 修改,理论上我认为是可以的,以赛博朋克头像为例,我先用上述 prompt 生成了四张图片,然后在消息的右上角点击 emoji 按钮(下图1),然后再输入框里(下图2)输入 envelope,然后点击信封 emoji(下图3),接着 bot 就会将 seed 号码发给你。

MJ040.png

然后我修改上面的赛博朋克头像的 prompt,将其背景改为 China Town,此时需要注意:

  1. 新的 prompt 并不是只改 background,你需要将之前的 prompt 都带上。
  2. prompt 仅修改 background 的部分。
  3. 最后带上 seed 参数。

以下是我的案例:

原 prompt:

{img url}  avatar, cyberpunk robot face, holographic VR glasses,holographic cyberpunk clothing, neon-lit cityscape background, Cyberpunk, by Josan Gonzalez --s 500 --iw 1
 

新 prompt(seed 码只是示例,你要填写自己的 seed):

{img url}  avatar, cyberpunk robot face, holographic VR glasses,holographic cyberpunk clothing, China Town background, Cyberpunk, by Josan Gonzalez --s 500 --iw 1 --seed 758242567
 

以下是生成的效果(左图为原图,右图是用了 seed 后生成的图),可以看到,背景的确换了,但人的外观也有点变化 😂

效果不是很好,但我觉得值得探索,这样能提高渐进优化的成功率:

MJ041.png

技巧九:神秘的 blend 功能

这个技巧,说实话,我感觉不能称其为技巧,但这又是一个 Midjourney 非常重要的 feature,所以在这里着重介绍一下。

这个功能使用起来非常简单,在 Discord 输入框里 /blend,然后点击这个菜单:

MJ057.png

之后你的输入框就会变成这样:

MJ058.png

然后你就可以点击这两个框,然后选择你电脑上的照片,添加完成后,大喊一声「使用融合卡」(不是),然后点击回车:

MJ059.png

然后 Midjourney 就会生成这样牛逼的结果,左边是融合钢铁侠,右边是融合巴斯光年:

MJ061.png

这个功能我第一次看到时,我是非常震惊的,以为是小时候看游戏王里主角们使用「融合卡」的那种效果。可惜并不是,这个功能非常不稳定,仅有在满足多个未知条件才能达到上述的效果。

我本来打算用这个方法用于生成头像,但我发现只要用自己的照片,融合其他风格的照片,效果都不太好,目前实验下来效果最好的是名人头像,我的感觉是因为 Midjourney 喂了不少名人的头像给模型,所以这种融合的效果都很好。

但我觉得它真的很适合做头像,将自己的头像跟另一张图片融合一下,就能生成一张不错的图,方便又快捷。可惜目前这个功能感觉还不太好用。

当然这个功能还不仅仅止于此,它还有很多使用场景,在后续会介绍给大家。

场景6:游戏

Prompt 真的越长越好吗?

按照 Midjourney 的官方文档里的说法,并不一定:

Prompts can be very simple. Single words (or even an emoji!) will produce an image. Very short prompts will rely heavily on Midjourney’s default style, so a more descriptive prompt is better for a unique look. However, super-long prompts aren’t always better. Concentrate on the main concepts you want to create.

但你会发现,好像中文社区分享的 prompt 都非常长,但只要各位仔细观察,或者用翻译软件查一查,你会发现很神奇的事情:

  1. 有一些词拼写错误。原因是某书,不支持复制黏贴,导致很多人 OCR prompt,然后识别错误,大家都在搬运 prompt ,导致错误一直传递,这也算是新时代的水印了吧。
  2. 有一些词非常重复,比如 8k、UHD、Ultra Quality,他们都在说一个事情,就是高清,加多了也不会有叠加作用。
  3. 很多词你根本不知道为啥需要,但好像每个人都加了。比如 8K 这些词,你有想过这个词是有必要的吗?是有用的吗?但实际上这些词官方并不推荐使用,这些词甚至对你的图会造成破坏(详见 Midjourney 官方 FAQ 一章)。

如果你看完我的教程,你会发现我讲的例子里,很多图只要很少的 prompt 就能描述清楚,生成的图片也不差。

当然我并不是说,不能写很长的 prompt,如果你生成的内容本来就很复杂,那写长一点也没所谓,但写完问问自己,这有必要吗?

像素游戏

说到游戏,我最喜欢的风格是像素风,像素风格一般有:

  • 8-bit
  • 16-bit
  • 32-bit

各位都可以自己试试,介绍一个我写的 prompt,最近塞尔达发布了最新作《王国之泪》,很喜欢他们的天空岛的设定,所以用 Midjourney 生成了一个 16-bit pixel art 版本:

  Prompt 解释
类型是什么? 16-bit pixel art 16 bit 风格
主体是什么? island in the clouds, ancient ruins 天空岛,岛上有遗迹
背景是什么? null 主题描述里其实已经有背景了(clouds),所以我就没重复写
构图是怎样的? null 不太重要,就让 AI 自由发挥
用什么镜头? null 不太重要,就让 AI 自由发挥
是什么风格? Zelda style 因为是复刻塞尔达,所以加了塞尔达风格
参数 null 没有加任何参数

再生成一个宠物小精灵的场景:

  Prompt 解释
类型是什么? 8-bit pixel art 换成了更复古的 8 bit 风格
主体是什么? types of Pokémon 我想让 AI 生成宠物小精灵图谱一样的内容

这两个 prompt 都很短,但很有意思,可玩性挺强的,各位可以多玩玩:

MJ047.png

3D 游戏——场景

因为篇幅的原因,我无法将所有有关 3D 游戏的 prompt 都介绍完,我只能挑选一些我比较喜欢的风格讲一下,而且我不是专业的 3D 设计师,所以未免会有讲错的地方,望见谅。

在 3D 场景设计里,我最喜欢的应该是像素风 3D 微缩场景,也不知道是不是叫这个名字😂,写一个 prompt 给大家看看:

  Prompt 解释
类型是什么? isometric clean pixel art 这个风格我是问了 ChatGPT 的,不确定是不是叫这个。
主体是什么? robotics lab 机器人实验室
背景是什么? null 不太重要,就让 AI 自由发挥
构图是怎样的? null 不太重要,就让 AI 自由发挥
用什么镜头? null 不太重要,就让 AI 自由发挥
是什么风格? null 我在类型里提了,所以不需要重复强调
参数 null 没有加任何参数

以下左图是火星工厂,右图是机器人实验室:

MJ065.png

3D 游戏——人物

主体描述我就不多说了,更多是分享 3D prompt 的必要的要素:

 
Prompt 解释
类型是什么? blender 3d 我测试了下,只写 3d 也行,但不知道为啥没那味,加了 blender(一个 3D 建模软件)就会好很多。
主体是什么? Dark Vader, full body, cute 达斯维达的全身像,然后我希望它生成一个 Q 版的
背景是什么? null 不太重要,就让 AI 自由发挥
构图是怎样的? isometric 等轴侧投影,这是一种用二维平面呈现三维物体的方法,效果可以看后面生成的图片,各位就知道是啥了。
用什么镜头? null 不太重要,就让 AI 自由发挥
是什么风格? Pixar, style of artstation 我这里加了皮克斯风格,以及跟之前讲插画的那章加了 behance 类似,加了 artstation 后效果有变好(artstation 跟 behance 类似,也是设计师分享作品的一个网站,但主要分享 3d 或游戏相关的内容)
参数 null 没有加任何参数

我用以上 prompt 生成了达斯维达和风暴兵的,我觉得风暴兵还挺可爱的:

MJ048.png

3D 游戏——装备

游戏装备非常非常多,我没法一一给大家介绍,只介绍一些我了解的,首先是戒指,多大数的游戏戒指都是那种印章戒指(signet ring),

  Prompt 解释
类型是什么? blender 3d 这个可加可不加
主体是什么? star war, signet ring 星球大战的印章戒指
背景是什么? null 不太重要,就让 AI 自由发挥
构图是怎样的? isometric 等轴侧投影(这个可加可不加)
用什么镜头? null 不太重要,就让 AI 自由发挥
是什么风格? null 不太重要,就让 AI 自由发挥
参数 null 没有加任何参数

另外一个可能常见的是装备集(我不确定这个中文是否正确,英文叫 Item Collections),写法是这样的:

  Prompt 解释
类型是什么? blender 3d, game sheet game sheet 简单说是那种游戏设定图,一般就是罗列各种装备
主体是什么? lightsabers, paladin armor, 希望生成一些列的星球大战的光剑和圣骑士盔甲
背景是什么? null 不太重要,就让 AI 自由发挥
构图是怎样的? null 类型包含了,所以不用填
用什么镜头? null 不太重要,就让 AI 自由发挥
是什么风格? style of Hearthstone 我很喜欢炉石传说的风格,也很好奇,中古风格,遇上未来题材,会生成怎样的设计
参数 null 没有加任何参数

最后生成的结果如下,但我对装备集的生成不是很满意,后面我会介绍一个技巧,教大家如何渐进优化生成的图片:

MJ050.png

技巧十:控制变量法渐进优化

很多人把 AI 生成图片比喻为炼丹,我觉得非常贴切,很多时候,也不知道为啥,在 prompt 里加一点神秘配方,图片就会很不一样。

不过我觉得虽然过程很像炼丹,但并不代表我们需要像古人那样,用撞大运的方式炼制丹药。我认为目前使用 Midjourney 最好的方法是:控制变量渐进优化法。

拿上面那个装备集的图片为例,我希望它生成的是装备,并且是一件件地排布,而且光剑的效果也很奇怪,首先我们来逐条排查 prompt:

 
Prompt 检查
类型是什么? blender 3d, game sheet 这个好像有点问题,我希望的炉石传说的风格,好像不是这种精致的 3D 效果,生成的风格更像是星际争霸的,而炉石传说是那种黏土风格(clay render)。
主体是什么? lightsabers, paladin armor, 这里可能也有问题,会不会是没有写 different types of lightsabers 导致只生成一种光剑。
背景是什么? null 这个应该没啥问题
构图是怎样的? null 这个应该没啥问题
用什么镜头? null 这个应该没啥问题
是什么风格? style of Hearthstone 感觉生成的图没有那种中世纪盔甲的油腻感,但如果前面改了黏土风格,会不会好一些?这里可能也需要优化下。
参数 null 这个应该没啥问题

从这个表里可以看到,我们发现了三个问题,其中第一个黏土风格问题,跟最后一个问题有关,此时我的建议是:

  1. 每次仅修改一个,其余变量不变。
  2. 修改完一条,效果符合预期后,再修改下一个。
  3. 我的经验优先修改主体内容,因为主体有的时候会影响其余的变量。
  4. 如果想确定这个修改是否具有一致性,或者说是否符合要求,而不是恰巧符合,可以用相同的 prompt 再生成一次。不过因为没生成一次都要花钱,所以这个是可选项。

OK,按照以上原则,我们修改一下我们的 prompt,看看生成了什么,的确加了 different types of 后,光剑就多了,问题解决了:

MJ051.png

然后我们修改下 blender 3d,将其改为 clay render (黏土渲染),我改完之后发现生成的结果(左边四张),好像质感还是差了一点,于是我又试了下保留 3d blender 加 oily 的效果(中间四张),以及 clay render 加 oily 两个一起用(右边四张)。

MJ052.png

我个人觉得好像两个都改了效果是最好的(右边四张)。

对比一下最开始的 prompt 生成的图片,是不是最终的图片效果更好?所以这个技巧主要想告诉大家,写 prompt 没有必要照抄答案,你也有能力自己写好 prompt。

游戏设定稿

游戏这一章,再介绍一个可能会用到的一个场景人物设定稿,prompt 如下:

  Prompt 解释
类型是什么? concept design sheet 设定稿
主体是什么? female paladin, character design, 生成一个女性圣骑士的角色设定
背景是什么? white background 设定稿一般都是白底的
构图是怎样的? null 类型包含了,所以不用填
用什么镜头? null 不太重要,就让 AI 自由发挥
是什么风格? null 因为我对游戏相关的风格和设计师都不熟悉,所以就让 AI 自由发挥了
参数 null 没有加任何参数

最后的结果如下:

MJ056.png

© 版权声明
THE END
喜欢就支持一下吧
点赞15 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容