这时就要请embeddings模型登场了
。
至于embeddings(在C站上又被叫做Textual Inversion)是什么东西?你可以把它简单理解为一张便条,这张便条本身并不包含绘画数据,但它可以指向性很强地向AI描述某一样物体是什么样的,所以embeddings最初是用来增强AI对某样特定的人或物件的绘画效果的。
但既然这张便条可以告诉AI某物是什么样的,那它也可以告诉AI某物不应该是什么样的——比如手不应该有六个指头,人不应该有三只手,以及诸如此类的信息。
C站上有许多专门记录AI画崩手的黑历史的embeddings模型,我们只需要下载这些模型,并在“反向提示词”里调用这些模型,AI看了这些embeddings就会尽可能避开它的黑历史,画错手的概率自然就下降了
。
这里有三点需要说明,
1.反向提示词:众所周知,AI作画需要提示词,而对于Stable Diffusion,我们既需要正面(正向)提示词,也需要负面(反向、反面)提示词。
AI会尽可能地画出正向提示词描述的内容,同时避开反向提示词描述的内容。相比于只有正向提示词,正反提示词组合可以让我们更加精准的控制生成图像。
2.一个embeddings模型通常有对应的触发词(通常是一串英文单词),对于针对手部修复的embeddings,我们需要把它的触发提示词填进反向提示词里,就可以触发这个embeddings模型。我们还可以调整提示词的权重来决定embeddings模型对AI的作用强度,这一部分听不懂没关系,之后实际讲到操作出图时会再细讲。
3.embeddings模型只是尽可能降低了AI画手崩坏的概率,它并不能确保一定能把手画好。事实上,即便采用了embeddings模型,AI画错手的情况依然经常发生,只是相对而言概率会降低一些。
至于embeddings(在C站上又被叫做Textual Inversion)是什么东西?你可以把它简单理解为一张便条,这张便条本身并不包含绘画数据,但它可以指向性很强地向AI描述某一样物体是什么样的,所以embeddings最初是用来增强AI对某样特定的人或物件的绘画效果的。
但既然这张便条可以告诉AI某物是什么样的,那它也可以告诉AI某物不应该是什么样的——比如手不应该有六个指头,人不应该有三只手,以及诸如此类的信息。
C站上有许多专门记录AI画崩手的黑历史的embeddings模型,我们只需要下载这些模型,并在“反向提示词”里调用这些模型,AI看了这些embeddings就会尽可能避开它的黑历史,画错手的概率自然就下降了
这里有三点需要说明,
1.反向提示词:众所周知,AI作画需要提示词,而对于Stable Diffusion,我们既需要正面(正向)提示词,也需要负面(反向、反面)提示词。
AI会尽可能地画出正向提示词描述的内容,同时避开反向提示词描述的内容。相比于只有正向提示词,正反提示词组合可以让我们更加精准的控制生成图像。
2.一个embeddings模型通常有对应的触发词(通常是一串英文单词),对于针对手部修复的embeddings,我们需要把它的触发提示词填进反向提示词里,就可以触发这个embeddings模型。我们还可以调整提示词的权重来决定embeddings模型对AI的作用强度,这一部分听不懂没关系,之后实际讲到操作出图时会再细讲。
3.embeddings模型只是尽可能降低了AI画手崩坏的概率,它并不能确保一定能把手画好。事实上,即便采用了embeddings模型,AI画错手的情况依然经常发生,只是相对而言概率会降低一些。















































