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

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

  • keras:InternalError: Failed to create session

    如题,keras出现以上错误,解决办法: 找到占用gpu的进程: nvidia-smi -q 杀死这些进程即可: kill -9 xxxxx  

    Keras 2023年4月8日
    00
  • 【CS231N】笔记7_循环神经网络

    RNN   传统的NN都是离散地处理输入的序列信息,如下图所示,一个输入得到一个输出,彼此之间没任何联系,这对于具有关联顺序的序列而言并不友好。   如果需要数据的关联性让神经网络知道,就需要让神经网络记住之前网络的信息,以达到网络信息的关联性。如下图所示,Data0 经过神经网络得到的当前状态描述S(t),由S(t)生成Y(t);到了Data1 的时候,产…

    2023年4月6日
    00
  • 循环神经网络(RNN)原理 RNN项目

    我们之前所学的全连接神经网络(DNN)和卷积神经网络(CNN),他们的前一个输入和后一个输入是没有关系的。但是当我们处理序列信息的时候,某些前面的输入和后面的输入是有关系的,比如:当我们在理解一句话意思时,孤立的理解这句话的每个词是不够的,我们需要处理这些词连接起来的整个序列;这个时候我们就需要使用到循环神经网络(Recurrent Neural Netwo…

    2023年4月7日
    00
  • mnist手写数字识别——深度学习入门项目(tensorflow+keras+Sequential模型)

    前言 今天记录一下深度学习的另外一个入门项目——《mnist数据集手写数字识别》,这是一个入门必备的学习案例,主要使用了tensorflow下的keras网络结构的Sequential模型,常用层的Dense全连接层、Activation激活层和Reshape层。还有其他方法训练手写数字识别模型,可以基于pytorch实现的,《Pytorch实现基于卷积神经…

    2023年4月8日
    00
  • 【火炉炼AI】机器学习016-如何知道SVM模型输出类别的置信度

    【火炉炼AI】机器学习016-如何知道SVM模型输出类别的置信度 (本文所使用的Python库和版本号: Python 3.5, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 一般的,对于未知样本,我们通过模型预测出来属于某种类别,往往会给出是这种类别的概率。 比如通过AI模型识别某一种图片是“狗”的概率是9…

    机器学习 2023年4月11日
    00
  • Tensorflow遇到的问题

    问题1、自定义loss function,y_true shape多一个维度 def nce_loss(y_true, y_pred): y_true = tf.reshape(y_true, [-1]) y_true = tf.linalg.diag(y_true) ret = tf.keras.metrics.categorical_crossentro…

    tensorflow 2023年4月8日
    00
  • 边缘引导插值/方向卷积插值

                  Image zooming using directional cubic convolution interpolation  方向卷积插值 和边缘引导插值一个样

    卷积神经网络 2023年4月6日
    00
  • Python TensorFlow深度学习回归代码:DNNRegressor

    本文介绍基于Python语言中TensorFlow的tf.estimator接口,实现深度学习神经网络回归的具体方法~   本文介绍基于Python语言中TensorFlow的tf.estimator接口,实现深度学习神经网络回归的具体方法。 目录 1 写在前面 2 代码分解介绍 2.1 准备工作 2.2 参数配置 2.3 原有模型删除 2.4 数据导入与数…

    tensorflow 2023年4月5日
    00
合作推广
合作推广
分享本页
返回顶部