教學概述#

本教學旨在幫助讀者掌握提示詞工程的核心技巧，從而能夠利用AI圖像生成工具創造出符合自己需求的精美圖像。我們將深入探討提示詞的構建方法，並透過多個實戰案例，幫助讀者從入門到精通。本教學適用於對AI圖像生成感興趣，並具備一定計算機基礎的讀者，例如設計師、行銷人員、以及對AI藝術感興趣的愛好者。

透過本教學的學習，你將能夠：

• 理解提示詞工程的基本原理和核心概念。
• 掌握構建有效提示詞的各種技巧和方法。
• 運用不同的圖像生成模型，創造出風格各異的圖像。
• 解決在使用AI圖像生成過程中遇到的常見問題。
• 提升你的創意表達能力，將想法轉化為視覺作品。

前置準備#

在開始學習之前，你需要做好以下準備：

1. 所需工具:

   • AI圖像生成平台: 推薦使用Midjourney、DALL-E 2、Stable Diffusion等主流平台。這些平台都提供免費試用或付費訂閱服務，你可以根據自己的需求選擇。本教學將以Stable Diffusion為例進行講解，因為其開源性和可定制性更強。
   • 文本編輯器: 用於編寫和編輯提示詞。推薦使用VS Code、Sublime Text等，它們具有代碼高亮和自動補全等功能，可以提高你的效率。
   • 圖像處理軟體: 可選，用於對生成的圖像進行後期處理。推薦使用Photoshop、GIMP等。

2. 環境配置:

   • Stable Diffusion: 如果選擇Stable Diffusion，你需要安裝Python環境（建議3.7及以上版本），並配置相應的依賴庫。具體安裝步驟可以參考Stable Diffusion的官方文檔或相關教學。建議使用conda創建獨立的虛擬環境，避免與其他專案的依賴衝突。
   • GPU: AI圖像生成對計算資源要求較高，建議使用帶有Nvidia GPU的電腦，並安裝CUDA和cuDNN等驅動程式。如果你的電腦沒有GPU，也可以使用雲端GPU服務，例如Google Colab、Kaggle等。

3. 基礎知識:

   • Python基礎: 了解Python的基本語法和常用庫，例如numpy、PIL等。
   • 深度學習基礎: 了解深度學習的基本概念，例如神經網路、卷積神經網路等。
   • 圖像處理基礎: 了解圖像的基本概念，例如像素、色彩空間等。

核心概念講解#

理解以下核心概念對於掌握提示詞工程至關重要：

• 提示詞 (Prompt): 提示詞是用戶提供給AI模型的文本指令，用於引導模型生成特定的圖像。一個好的提示詞應該清晰、簡潔、準確，能夠準確地描述你想要生成的圖像。
• 正向提示詞 (Positive Prompt): 描述你想要包含在圖像中的元素、特徵、風格等。例如："a photo of a cat, realistic, detailed, 8k"。
• 負向提示詞 (Negative Prompt): 描述你想要避免包含在圖像中的元素、特徵、風格等。例如："blurry, deformed, ugly, low quality"。
• 模型 (Model): AI圖像生成模型是經過大量圖像數據訓練的神經網路，用於生成圖像。不同的模型具有不同的風格和特點。例如，Stable Diffusion有多個不同的模型，例如SD1.5、SDXL等。
• 採樣方法 (Sampler): 採樣方法決定了模型生成圖像的方式。不同的採樣方法會產生不同的效果。常見的採樣方法包括Euler a、DPM++ 2M Karras等。
• 迭代步數 (Steps): 迭代步數決定了模型生成圖像的精細程度。迭代步數越多，圖像越精細，但生成時間也越長。
• 隨機種子 (Seed): 隨機種子決定了模型生成圖像的隨機性。使用相同的提示詞和隨機種子，可以生成相同的圖像。
• 提示詞權重 (Prompt Weight): 透過調整提示詞的權重，可以控制模型對不同提示詞的重視程度。例如，可以使用括號來增加或減少提示詞的權重。例如："cat:(1.5)"表示增加"cat"的權重，"dog: (0.5)"表示減少"dog"的權重。
• LoRA (Low-Rank Adaptation): 一種微調技術，允許在不重新訓練整個模型的情況下，為模型添加特定風格或物件。LoRA檔案通常很小，易於分享和使用。

步驟一：構建基礎提示詞#

構建提示詞的第一步是明確你想要生成的圖像內容。你需要思考以下幾個問題：

• 主體 (Subject): 圖像的主要物件是什麼？例如：一隻貓、一座城堡、一幅風景畫。
• 背景 (Background): 圖像的背景是什麼？例如：森林、海灘、城市。
• 風格 (Style): 圖像的風格是什麼？例如：寫實、卡通、油畫。
• 光線 (Lighting): 圖像的光線效果是什麼？例如：日落、月光、聚光燈。
• 構圖 (Composition): 圖像的構圖方式是什麼？例如：特寫、遠景、鳥瞰。

將這些資訊整理成一個清晰、簡潔的句子，作為你的基礎提示詞。

注意事項:

• 使用具體的名詞和形容詞，避免使用模糊的詞語。
• 盡量使用簡潔的語言，避免使用過長的句子。
• 將最重要的資訊放在提示詞的前面，因為模型會優先處理前面的內容。

示例:

• 主體: 一隻金色的拉布拉多犬
• 背景: 綠色的草地上，陽光明媚
• 風格: 寫實
• 光線: 自然光
• 構圖: 半身像

基礎提示詞: "a realistic photo of a golden labrador retriever sitting on a green grass field, sunny day, natural light, half body portrait"

接下來，我們可以添加一些細節來進一步完善提示詞。例如，我們可以添加犬的表情、姿勢、以及草地的細節等。

完善後的提示詞: "a realistic photo of a golden labrador retriever sitting on a green grass field, sunny day, natural light, half body portrait, happy expression, looking at the camera, blades of grass swaying in the breeze"

透過不斷地完善提示詞，我們可以逐步接近我們想要生成的圖像。

步驟二：運用正向和負向提示詞#

正向提示詞用於描述你想要包含在圖像中的元素，而負向提示詞用於描述你想要避免包含在圖像中的元素。合理運用正向和負向提示詞，可以有效地控制圖像的生成結果。

正向提示詞的技巧:

• 使用描述性的詞語，例如顏色、形狀、紋理等。
• 使用風格化的詞語，例如藝術風格、攝影風格等。
• 使用情緒化的詞語，例如快樂、悲傷、憤怒等。
• 使用具體的細節，例如服裝、配飾、場景等。

負向提示詞的技巧:

• 避免使用模糊的詞語，例如"bad"、"ugly"等。
• 使用具體的詞語，例如"blurry"、"deformed"、"low quality"等。
• 避免使用過多的負向提示詞，以免限制模型的創造力。

示例:

以上面的拉布拉多犬為例，我們可以添加以下正向和負向提示詞：

• 正向提示詞: "highly detailed, 8k, sharp focus, professional photography"
• 負向提示詞: "blurry, deformed, low quality, cartoon, painting"

將這些提示詞添加到之前的提示詞中，得到最終的提示詞：

"a realistic photo of a golden labrador retriever sitting on a green grass field, sunny day, natural light, half body portrait, happy expression, looking at the camera, blades of grass swaying in the breeze, highly detailed, 8k, sharp focus, professional photography, (masterpiece, best quality:1.2), negative: blurry, deformed, low quality, cartoon, painting"

注意，(masterpiece, best quality:1.2)使用了權重，表示模型應該更加重視這兩個詞語。

步驟三：調整參數與優化#

僅僅有好的提示詞是不夠的，還需要調整合適的參數才能生成理想的圖像。以下是一些常用的參數：

• 採樣方法 (Sampler): 不同的採樣方法會產生不同的效果。常用的採樣方法包括Euler a、DPM++ 2M Karras等。Euler a速度較快，適合快速迭代；DPM++ 2M Karras質量較高，適合生成最終圖像。
• 迭代步數 (Steps): 迭代步數決定了模型生成圖像的精細程度。一般來說，20-30步就足夠了，如果想要更精細的圖像，可以增加到50步以上。但需要注意的是，迭代步數越多，生成時間也越長。
• 隨機種子 (Seed): 隨機種子決定了模型生成圖像的隨機性。使用相同的提示詞和隨機種子，可以生成相同的圖像。如果想要生成不同的圖像，可以修改隨機種子。可以使用-1表示隨機種子，每次都會生成不同的圖像。
• CFG Scale (Classifier Free Guidance Scale): CFG Scale控制模型對提示詞的重視程度。數值越高，模型越重視提示詞，但可能會導致圖像失真。一般來說，7-12是一個比較合適的範圍。
• 分辨率 (Resolution): 分辨率決定了圖像的大小。分辨率越高，圖像越清晰，但生成時間也越長。需要根據你的需求選擇合適的分辨率。常用的分辨率包括512x512、768x768等。

優化技巧:

• 迭代式調整: 不斷地調整參數，觀察圖像生成結果，並根據結果進行調整。
• 參考其他作品: 參考其他優秀的作品，學習他們的提示詞和參數設置。
• 使用社群資源: 加入相關的社群，與其他用戶交流經驗，學習技巧。

示例:

對於上面的拉布拉多犬的例子，我們可以嘗試以下參數設置：

• 採樣方法: DPM++ 2M Karras
• 迭代步數: 30
• 隨機種子: -1
• CFG Scale: 7
• 分辨率: 512x512

透過調整這些參數，我們可以生成不同風格和質量的圖像，並選擇最符合我們需求的圖像。

步驟四：利用 LoRA 和 ControlNet 提升控制力#

LoRA (Low-Rank Adaptation) 是一種微調技術，允許在不重新訓練整個模型的情況下，為模型添加特定風格或物件。 ControlNet 則是一種神經網路結構，它允許你使用額外的輸入（例如草圖、邊緣圖、深度圖）來更精確地控制圖像生成過程。

LoRA 的使用:

1. 下載 LoRA 模型: 從Civitai等網站下載你需要的LoRA模型。
2. 加載 LoRA 模型: 在你的Stable Diffusion介面中加載LoRA模型。通常，你需要將LoRA檔案放在models/Lora目錄下。
3. 在提示詞中使用 LoRA: 使用<lora:模型名稱:權重>的格式在提示詞中調用LoRA模型。例如，<lora:moreRealistic:0.8>表示使用moreRealistic這個LoRA模型，權重為0.8。

ControlNet 的使用:

1. 安裝 ControlNet 插件: 安裝Stable Diffusion的ControlNet插件。
2. 準備 ControlNet 輸入: 根據你想要的效果，準備相應的輸入圖像，例如草圖、邊緣圖、深度圖等。
3. 選擇 ControlNet 預處理器和模型: 在ControlNet介面中選擇合適的預處理器和模型。預處理器用於將輸入圖像轉換為模型可以理解的格式，模型用於控制圖像生成過程。
4. 調整 ControlNet 參數: 調整ControlNet的參數，例如權重、起始步數等，以獲得最佳效果。

示例:

假設我們想要生成一張具有特定藝術風格的拉布拉多犬圖像，可以使用LoRA模型來實現。

1. 下載一個名為ArtStyleLoRA的LoRA模型。
2. 將ArtStyleLoRA.safetensors檔案放在models/Lora目錄下。
3. 在提示詞中添加<lora:ArtStyleLoRA:0.7>，表示使用ArtStyleLoRA模型，權重為0.7。

最終的提示詞可能如下所示：

"a realistic photo of a golden labrador retriever sitting on a green grass field, sunny day, natural light, half body portrait, happy expression, looking at the camera, blades of grass swaying in the breeze, highly detailed, 8k, sharp focus, professional photography, lora:ArtStyleLoRA:0.7, (masterpiece, best quality:1.2), negative: blurry, deformed, low quality, cartoon, painting"

ControlNet 可以用來精確控制拉布拉多犬的姿勢。

1. 拍攝一張拉布拉多犬的姿勢照片，或者繪製一張簡筆畫。
2. 使用Canny邊緣檢測預處理器提取邊緣圖。
3. 選擇Canny ControlNet模型。
4. 將邊緣圖作為ControlNet的輸入。

透過結合 LoRA 和 ControlNet，我們可以更精確地控制圖像生成過程，創造出更符合我們需求的圖像。

常見問題與解決方案#

以下是一些在使用AI圖像生成過程中遇到的常見問題及解決方案：

1. 生成的圖像與提示詞不符:

   • 問題: 生成的圖像與提示詞描述的內容差異較大。
   • 解決方案: 檢查提示詞是否清晰、簡潔、準確。嘗試使用更具體的詞語，並調整提示詞的權重。可以嘗試添加負向提示詞，排除不想要的结果。

2. 圖像質量差:

   • 問題: 生成的圖像模糊、失真、細節不足。
   • 解決方案: 增加迭代步數，調整CFG Scale，選擇更高質量的採樣方法。可以嘗試使用更高分辨率，並添加"highly detailed"、"8k"等提示詞。

3. 生成時間過長:

   • 問題: 生成一張圖像需要很長時間。
   • 解決方案: 降低迭代步數，選擇速度較快的採樣方法。可以嘗試使用較低分辨率，並優化提示詞，減少模型的計算量。

4. 生成的结果重複:

   • 問題: 每次生成的圖像都非常相似。
   • 解決方案: 修改隨機種子，並嘗試使用不同的提示詞。可以嘗試使用不同的模型和LoRA模型。

5. 模型報錯或崩潰:

   • 問題: 在生成圖像的過程中，模型出現錯誤或崩潰。
   • 解決方案: 檢查你的硬體配置是否滿足要求。更新你的驅動程式，並確保你的軟體版本是最新。可以嘗試重新啟動電腦或重新安裝模型。

進階技巧與最佳實踐#

掌握以下進階技巧可以幫助你更好地利用AI圖像生成：

• 提示詞組合: 將多個提示詞組合在一起，創造更複雜的圖像。例如，可以將"a photo of a cat"和"in the style of Van Gogh"組合在一起，生成一幅梵高風格的貓的圖像。
• 提示詞拆分: 將一個複雜的提示詞拆分成多個簡單的提示詞，可以更好地控制圖像的生成過程。
• 使用通配符: 使用通配符可以生成具有不同變化的圖像。例如，可以使用{cat|dog|bird}來生成貓、狗或鳥的圖像。
• 圖像編輯工具: 使用圖像編輯工具對生成的圖像進行後期處理，可以進一步提升圖像的質量和效果。例如，可以使用Photoshop調整圖像的色彩、亮度、對比度等。
• 學習社群資源: 積極參與相關的社群，學習其他用戶的經驗和技巧，可以快速提升你的技能。

最佳實踐:

• 明確目標: 在開始之前，明確你想要生成的圖像的目標和風格。
• 不斷嘗試: 不要害怕嘗試不同的提示詞、參數和模型。
• 記錄經驗: 記錄你的實驗結果，總結經驗教訓。
• 分享成果: 將你的作品分享給其他人，獲得反饋和建議。

總結與延伸學習#

本教學介紹了提示詞工程的基本原理、核心概念、以及實戰技巧。透過學習本教學，你應該能夠掌握構建有效提示詞的方法，並利用AI圖像生成工具創造出符合自己需求的圖像。

回顧要點:

• 提示詞是引導AI模型生成圖像的關鍵。
• 正向提示詞用於描述你想要包含在圖像中的元素，負向提示詞用於描述你想要避免包含在圖像中的元素。
• 調整參數可以控制圖像的生成效果。
• LoRA和