干货分享:用ChatGPT调教批量出Midjourney咒语,出图效率Nice ,附资料。

yizhihongxing

Prompts就是AI绘图的核心竞争力。

您是不是觉得用Midjourney生成的图不够完美?

又让ChatGPT去生成Prompt,然后效果还不理想?

其实ChatGPT你给他投喂资料后,经过调教的ChatGPT,生成的Prompt效果会很不错。

文末附《一整套MidJourney指令大全》+《ChatGPT prompt指令大全》资料

先看测试效果

干货分享:用ChatGPT调教批量出Midjourney咒语,出图效率Nice ,附资料。

调教经过

我:接下来我会发一个Midjourney的万能公式给你,请你学习一下,如果你理解了,请输出【明白了】,公式是:主体描绘 + 核心主体 + 主体动作 + 风格 + 光效 + 色彩 + 视角 + 质量 + 命令,下面是对公式中各个属性的讲解: 核心主体:人,如Young woman,Old male;动物,如Tiger老虎,Fox狐狸,Rooster公鸡;地方,如New York纽约市 ,Roman Colosseum罗马斗兽场,Stadium体育馆 主体描绘:Cute可爱,Gorgeous华丽,Mysterious神秘的,Full body全身 主体动作:“be doing”或“逗号+doing”,如 “Peppa is reading the newspaper” 佩奇在读报纸,“A girl, laughing, holding microphone”小女孩拿着麦克风大笑 风格:艺术风格,如Pixel art像素画风,minimalist极简主义;艺术家,如Pixar皮克斯工作室,Ghibli宫崎骏/吉卜力工作室;材质,如Frosted glass毛玻璃,Chrome metal铬金属 光效:Spotlight 聚光,Backlight逆光,Glowing neon霓虹灯 色彩:Warm color暖色调,Pastel color粉彩色,Dark Cyan深青色 视角:Closeup近景特写,Epic wide shot史诗广角,Low angle低角度仰拍 质量:Extremely detailed极为细致,UHD超高清,Realistic逼真 命令:图片尺寸“--ar [x]:[y]”,[x]为宽、[y]为高,如“--ar 16:9”、“--ar 3:4”;模型版本“--v [n]” ,[n]为数字,目前版本有1~5,以及Niji

ChatGPT:明白了

我:我希望你直接按照这个顺序【主体描绘 + 核心主体 + 主体动作 + 风格 + 光效 + 色彩 + 视角 + 质量 + 命令】,把Midjourney的关键词写出来,注意不要添加解释性的语言,公式中的每个属性直接用逗号隔开,例如Young woman,Cute,reading the newspaper,Pixel art,Spotlight ,Warm color,Closeup,Extremely detailed,--ar 2:3,请认真思考一下!如果你理解了,请输出【明白了】

ChatGPT:明白了

我:接下来的对话中,我会用【下一个提示词:内容】这个格式提问,请帮我把【内容】按照上面的格式要求输出,注意不要添加解释性的语言,如果你明白了,请输出【明白了】

ChatGPT:明白了

我:下一个提示词:金黄色的天空下,落日的余晖洒在了远方的大海上。站在海边的围栏边,一位穿着白色运动背心的中国模特正在享受这美妙的时刻。她的长发微微飘动,双手拿着手机,似乎在记录什么特殊的瞬间。她的美丽令人心醉神迷,仿佛阻挡不了这美好时刻流逝的速度。在这美丽的背景中,手机变得显得多余了,但同时又成为了记录这美好时刻的必要工具。这真是一个令人心驰神往的画面。(这段话我也是用ChatGPT生成的,实际上可以简化成:中国模特,夕阳,大海,栏杆)

ChatGPT:Gorgeous, Chinese model, wearing a white sporty tank top and standing by the seaside railing, holding a smartphone and capturing the moment, Realistic painting, Warm sunset light, Golden sky and ocean, Wide-angle, UHD, --ar 16:9

最后把这段咒语放到mj上生成即可。

干货分享:用ChatGPT调教批量出Midjourney咒语,出图效率Nice ,附资料。

干货分享:用ChatGPT调教批量出Midjourney咒语,出图效率Nice ,附资料。

附资料

效果还不错吧,你觉得还不够好,可以继续参考这个思路给他投喂资料哦

授人以鱼,不如授人以渔

一整套MidJourney指令大全 链接:https://pan.quark.cn/s/ff3827078a54 提取码:fdUi

ChatGPT prompt指令大全:

ChatGPT prompt指令大全

更多资料如下,点击获取:AI绘画资源免费分享(30G资料)

干货分享:用ChatGPT调教批量出Midjourney咒语,出图效率Nice ,附资料。

原文链接:https://www.cnblogs.com/aiaipro/p/17343735.html

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:干货分享:用ChatGPT调教批量出Midjourney咒语,出图效率Nice ,附资料。 - Python技术站

(0)
上一篇 2023年4月22日
下一篇 2023年4月23日

相关文章

  • tf.keras 模型 多个输入 tf.data.Dataset

    import tensorflow as tf a = tf.keras.layers.Input(batch_shape=(None,10, 1)) b = tf.keras.layers.Input(batch_shape=(None,1)) fc1 = tf.keras.layers.Dense(16,’relu’)(a) fc2 = tf.keras…

    Keras 2023年4月8日
    00
  • 在Keras中用Bert进行情感分析

    之前在BERT实战——基于Keras一文中介绍了两个库 keras_bert 和 bert4keras 但是由于 bert4keras 处于开发阶段,有些函数名称和位置等等发生了变化,那篇文章只用了 bert4keras 进行情感分析 于是这里新开了一篇文章将 2 个库都用一遍, bert4keras 也使用最新版本 本文所用bert4keras时间:201…

    Keras 2023年4月7日
    00
  • Caffe 编译: undefined reference to imencode()

    本系列文章由 @yhl_leo 出品,转载请注明出处。 文章链接: http://blog.csdn.net/yhl_leo/article/details/52150781 整理之前编译工程中遇到的一个Bug,贴上提示log信息: … CXX/LD -o .build_release/examples/siamese/convert_mnist_sia…

    Caffe 2023年4月7日
    00
  • 2019年最新目标检测算法综述汇总

    本文分享的目标检测论文将同步推送到 github上,欢迎大家 star/fork:https://github.com/murufeng/awesome-papers/tree/master/Object-detection 目标检测论文 【1】Object Detection in 20 Years: A Survey 时间:2019年5月作者:密歇根大学…

    2023年4月8日
    00
  • 【2016-12-7 16:36:20】卡帕西模型:当人工智能谈论写作时,他们在谈些什么/循环神经网络惊人的有效性/The Unreasonable Effectiveness of Recurrent Neural Networks

    一个很6的模型。输入一堆文本,它会输出一堆长得很像的新的文本。可以用来写小说、写数学书、甚至编曲(输入ascii的谱子)…… 但是输出太糙了。还是需要大量学习。 看过的三篇文章,转一下。图片就不转了。 还能输出markdown、甚至论文abstract、URL、XML。生成的代码、Markdown、XML、Latex以及外文在形式上是很好的,完全可以用来骗外…

    循环神经网络 2023年4月5日
    00
  • 使用PyTorch从零开始构建Elman循环神经网络

    本文以最简单的RNNs模型为例:Elman循环神经网络,讲述循环神经网络的工作原理,即便是你没有太多循环神经网络(RNNs)的基础知识,也可以很容易的理解。为了让你更好的理解RNNs,我们使用Pytorch张量包和autograd库从头开始构建Elman循环神经网络。该文中完整代码在Github上是可实现的。 在这里,假设你对前馈神经网络略有了解。Pytor…

    2023年4月8日
    00
  • Caffe自带的两个DEMO

    caffe源码包提供了多个DEMO,这里介绍mnits和cifar10的实验 1. mnits 安装好caffe后,在caffe-master/examples/mnist目录下可以找到LeNet模型的具体实现 数据下载: ./data/mnist/get_mnist.sh  在./data/mnist/目录下下载了4个*.gz格式的数据压缩包,train-…

    2023年4月8日
    00
  • 论文笔记 — Communication Lower Bound in Convolution Accelerators 卷积加速器中的通信下界

    @(论文笔记) 目录 论文笔记 — Communication Lower Bound in Convolution Accelerators 卷积加速器中的通信下界 1. 目的 2. 背景 2.1 卷积循环以及复用方法 2.2 相关工作的局限 a. 单一数据流方法 b. 多数据流方法 c. 设计空间探索方法 d. 其他工作 2.3 准备工作:红蓝卵石游戏…

    2023年4月8日
    00
合作推广
合作推广
分享本页
返回顶部