簡介
歡迎使用 PicLumen，這是您創建令人驚歎的 AI 生成圖像的首選工具！如果您希望將圖像提升到一個新的水平，調整一些高級設置可能會產生很大的不同。在本指南中，我們將引導您瞭解一些關鍵參數，例如 Negative Prompt、CFG Scale、Steps、Sampler、Scheduler 和 Seed。如果這些聽起來有點技術性，請不要擔心 - 我們會將它們分解並向您展示如何使用它們來獲得最佳結果。
瞭解否定提示
否定提示是 PicLumen 中的強大工具，它通過告訴 AI 您不希望在圖像中顯示什麼來説明您優化圖像生成。通過指定要避免的某些元素，您可以獲得更清晰、更集中的結果。
以下是一些常見的負面提示：
- 一般質量問題： “低解析度、低品質、最差品質、JPEG 偽像”
- 解剖學和藝術錯誤： “解剖結構差，四肢多餘，手指多出，手壞，手指交錯，藝術錯誤”
- 時間或樣式問題： “最古老、最早期、最抽象”
- 其他不需要的元素： “文本、簽名、浮水印、使用者名、掃描”
使用這些提示，您可以説明 AI 避免在圖像中包含這些不需要的特徵。
負面提示：nsfw、低解析度、（壞）、文本、錯誤、更少、額外、缺失、最差品質、jpeg 偽影、低品質、浮水印、未完成、令人不快、最舊、早期、色差、簽名、額外數位、藝術錯誤、使用者名、[摘要]、壞手、互鎖的手指
調整 CFG 比例
CFG（無分類器指南）量表是 PicLumen 中的一個重要設置，它決定了 AI 跟隨提示的緊密程度。它有助於控制創造力和遵守指示之間的平衡。
- 較低的 CFG 比例值： 這些可以產生更具創意和多樣性的圖像，但可能不會緊密地遵循提示。例如，CFG 等級為 5 可能會生成一個圖像，該圖像捕捉了提示的本質，但包含意外元素。
- 更高的 CFG Scale 值： 增加 CFG 比例可確保圖像更緊密地匹配您的提示，例如，CFG 比例為 12 通常會生成與提示細節密切相關的圖像。但是，非常高的值（例如高於 20）可能會導致顏色過度飽和甚至扭曲等問題，使圖像看起來不自然。
為避免這些問題，7 到 12 範圍內的 CFG 音階通常是安全有效的，它可以平衡對提示的保真度和創意變化的足夠靈活性。在此範圍內進行試驗可以説明您在準確捕獲提示和允許創意表達之間找到完美的平衡。
修改步驟
PicLumen 中的 Steps 參數決定了 AI 生成圖像所經歷的反覆運算次數。您可以將 Steps 參數設定在 1 到 60 之間。
- 更少的步驟： 使用較少的步驟（例如15個）將快速生成圖像，但圖像可能看起來未完成。
- 更多步驟： 增加步驟數（例如 35 步）可以讓 AI 更徹底地優化圖像，從而獲得更高的品質和更複雜的細節。但是，這也需要更長的處理時間。
請務必注意，超過某個點后，增加步數可能不會顯著提高圖像品質，但可能會導致處理時間延長。因此，找到正確的平衡並嘗試不同的設置是獲得滿足您特定需求的最佳結果的關鍵。
了解採樣器和計劃程式
當 PicLumen 建立圖像時，它從 「潛在空間」 中的嘈雜草稿開始。然後，AI 逐漸去除這些噪點，逐步完善圖像。這個過程稱為採樣，我們使用的工具稱為採樣器。它們會影響生成圖像所需的時間和結果的多樣性。
調度器控制每個步驟中雜訊級別的變化方式。它們在決定圖像的最終外觀方面也起著至關重要的作用。
採樣器和調度程序的類型
Classic ODE 採樣器
- 歐拉： 快速簡單，非常適合快速獲得結果，但細節較少。
- 赫恩： 比 Euler 慢，提供更好的細節和準確性。
- LMS（線性多步法）： 速度與 Euler 相似，旨在獲得更好的精度，但穩定性可能會有所不同。
祖先採樣器
- Euler a， DPM2 a： 這些採樣器的名稱有一個字母 「a」 表示祖先。它們在每一步中都會重新添加雜訊，使生成的圖像發生變化。
DPM 和 DPM++ 系列
- DPM （Diffusion probabilistic model solver ）：自適應地調整步長。它可能會很慢，因為它不能保證在採樣步驟數內完成。
- DPM++ SDE： 對獨特但不穩定的結果使用隨機的祖先方法。
- DPM++ 2M： 速度和品質的良好平衡。
Karras （呼程器 ）
- 大約8步後有效減少噪點，提高圖像品質。
選擇合適的 Sampler 和 Scheduler
- 對於簡單圖像： 選擇 Euler、Euler a 或 Heun（減少步數以節省時間）。
- 對於速度、新穎性、高品質和穩定性： 為 DPM++ 2M Karras 或 DPM++ 2M 選擇。
- 對於高品質和多樣性： 為 DPM++ 2M SDE Karras 或 DPM++ SDE Karras 選擇。
瞭解 Seed
種子確定潛在圖像中的初始雜色，這會影響圖像的最終外觀。
種子參數的關鍵作用
- 確定圖像外觀： 通過更改種子編號，您可以探索不同的生成輸出。
- 確保可重複性： 使用具有相同設置的相同種子將生成相同的圖像。這對於實驗、重現結果和比較不同模型的性能至關重要。
結束語
我們已經涵蓋了從負面提示的影響到採樣器和調度程式的精度，甚至種子如何塑造您的最終圖像的所有內容。嘗試這些設置，進行實驗，看看您可以創建哪些令人驚歎的圖像。請記住，最好的學習方式是邊做邊學，所以請深入研究並開始調整。祝您生成愉快！
