AI Stable Diffusion Prompt参数【二】之 生成效果查验

简介: AI Stable Diffusion Prompt参数【二】之 生成效果查验

效果

国漫风生成参数配置

02332a4dd5064ff69484036d768949fb.png




prompt:

(Realistic:1.5),(raw photo:1.2), (photorealistic:1.2),(masterpiece:1.2), best quality, highest quality, extremely detailed CG unity 8k wallpaper, detailed and intricate, original,highres, (detailed face:1.2),film grain, Fujifilm XT3, (high detailed skin:0.9), 8k, ulzzang-6500-v1.1,detailed eyes,16 years old,Beautiful face,
((china dress)),building,pool,temple,thigh,(smiling face),((full body))

Negative prompt:

 (easynegative:1.2),(bad_prompt:0.8),sketch by bad-artist,  (worst quality, low quality:1.4), (bad anatomy), watermark, signature, text, logo,contact, (extra limbs),Six fingers,Low quality fingers,monochrome,(((missing arms))),(((missing legs))), (((extra arms))),(((extra legs))),less fingers,lowres,bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, (depth of field, bokeh, blurry:1.4),blurry background,acne,panties,

ENSD: 31337, Size: 776x1000, Seed: 2846440556,


Model:

3Guofeng3_v33


Steps:

30


Sampler:

DPM++ 2M Karras


CFG scale:

7.5


Clip skip:

2


Model hash:

4078eb4174


Hires upscale:

2


Hires upscaler:

Latent


Denoising strength:

0.82


全部效果

c4ddfff9e987474c8cbedb38611970fb.png

ee2b1040e3dd4664ad5b08d47aaf911d.png

4ebb2eb64a7345b286fa0dc2e5e2c215.png

ea4a3b52349f43a3aaeae24aa9f05e07.png

f4ff1581cb734fd9b4d16eb959a3dc2b.png

60aab1249d7447cb9605d9bfa145bada.png





相关文章
|
3月前
|
人工智能 IDE Java
AI Coding实践:CodeFuse + prompt 从系分到代码
在蚂蚁国际信贷业务系统建设过程中,技术团队始终面临双重考验:一方面需应对日益加速的需求迭代周期,满足严苛的代码质量规范与金融安全合规要求;另一方面,跨地域研发团队的协同效率与代码标准统一性,在传统开发模式下逐渐显现瓶颈。为突破效率制约、提升交付质量,我们积极探索人工智能辅助代码生成技术(AI Coding)的应用实践。本文基于蚂蚁国际信贷技术团队近期的实际项目经验,梳理AI辅助开发在金融级系统快速迭代场景中的实施要点并分享阶段性实践心得。
679 25
AI Coding实践:CodeFuse + prompt 从系分到代码
|
4月前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
1556 133
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
5月前
|
人工智能 算法 前端开发
超越Prompt Engineering:揭秘高并发AI系统的上下文工程实践
本文系统解析AI工程范式从Prompt Engineering到Context Engineering的演进路径,深入探讨RAG、向量数据库、上下文压缩等关键技术,并结合LangGraph与智能体系统架构,助力开发者构建高可靠AI应用。
703 2
|
3月前
|
存储 人工智能 搜索推荐
LangGraph 记忆系统实战:反馈循环 + 动态 Prompt 让 AI 持续学习
本文介绍基于LangGraph构建的双层记忆系统,通过短期与长期记忆协同,实现AI代理的持续学习。短期记忆管理会话内上下文,长期记忆跨会话存储用户偏好与决策,结合人机协作反馈循环,动态更新提示词,使代理具备个性化响应与行为进化能力。
556 10
LangGraph 记忆系统实战:反馈循环 + 动态 Prompt 让 AI 持续学习
|
3月前
|
存储 机器学习/深度学习 人工智能
构建AI智能体:三、Prompt提示词工程:几句话让AI秒懂你心
本文深入浅出地讲解Prompt原理及其与大模型的关系,系统介绍Prompt的核心要素、编写原则与应用场景,帮助用户通过精准指令提升AI交互效率,释放大模型潜能。
610 5
|
3月前
|
数据采集 人工智能 JSON
Prompt 工程实战:如何让 AI 生成高质量的 aiohttp 异步爬虫代码
Prompt 工程实战:如何让 AI 生成高质量的 aiohttp 异步爬虫代码
|
6月前
|
XML 人工智能 测试技术
在AI应用中Prompt撰写重要却难掌握,‘理解模型与行业知识是关键’:提升迫在眉睫
本文三桥君探讨Prompt优化技巧对AI应用的重要性。内容涵盖理解大语言模型、行业Know-how及Prompt撰写方法,助力提升AI输出质量与应用效率。
319 58
|
6月前
|
机器学习/深度学习 人工智能 API
AI-Compass LLM训练框架生态:整合ms-swift、Unsloth、Megatron-LM等核心框架,涵盖全参数/PEFT训练与分布式优化
AI-Compass LLM训练框架生态:整合ms-swift、Unsloth、Megatron-LM等核心框架,涵盖全参数/PEFT训练与分布式优化
|
5月前
|
人工智能 JSON 数据格式
AI prompt for a WorldHistory Chart
本项目旨在生成包含全球历史上所有国家及政治实体的详尽列表,无论其存在时间长短或规模大小,总数超过1000个。列表以JSON格式输出,包含英文名、中文名、起始时间和结束时间,并按起始时间排序。数据涵盖各类政治实体,不回避争议或隶属关系,时间不确定者以估算值代替,最终成果为`political-entity.json`。
74 0

热门文章

最新文章