Stable Diffusion prompty na kartki bożonarodzeniowe

Przewodnik po promptach Stable Diffusion do kartek boznarodzeniowych to kompletnie inny temat dla każdego, kto pisze kartki do druku. Większość tutoriali optymalizuje wyniki do fotorealizmu, a jeśli próbujesz uzyskać kartę ze stylem akwareli lub pastelu, od pierwszego słowa pracujesz przeciwko tym poradom. Potrzebujesz kilka specjalnych tokenów stylu dla ilustracji, negatywny prompt, który blokuje to, czego drukarka nie potrafi obsługiwać, i skalę CFG równą 7, nie domyślną wartość. Reszta to efekt pracy podczas dwóch grudniowych serii testów.

Dlaczego prompty ilustracyjne zawodzą, gdy kopiujesz ustawienia z fotorealistycznych tutoriali

Gdy pierwszy raz próbowałem uzyskać z Stable Diffusion coś, co wyglądało jak kartonowa kartka malowana, użyłem ustawień z tutoriala na YouTube'cie o portretach fotorealistycznych. Skala CFG na 12, DPM++ 2M Karras na 40 kroków, prompt zaczynający się od "photorealistic, 8K, ultra-detailed". Efekt? Scena bożonarodzeniowa, która wyglądała jak zdjęcie stockowe, którym ktoś przetarł akwarelowy filtr w ostatnie pięć sekund.

Problem jest strukturalny. Prompty do fotorealizmu optymalizują się, aby tłumić interpretację artystyczną. Model otrzymuje instrukcję, aby pozostać blisko tego, co widziałaby kamera, więc wszystkie tokeny promujące ilustrację, luźne pociągnięcia pędzlem i ciepłe malowanie walczą z tymi wskazówkami. Nie możesz dodać "watercolor Christmas card" do prompts'u nastawionego na fotorealizm i oczekiwać, że model będzie wiedział, który aspekt wygra.

Drugi problem to oczekiwania dotyczące rozdzielczości. Kartki, które idą do drukarii, potrzebują przynajmniej 300 DPI przy fizycznym formacie karty, zazwyczaj 148 x 105mm lub 5 x 7 cali. Wyjście 512x512 z modelu SD 1.5 nie przetrwa powiększenia do tego rozmiaru. SDXL domyślnie generuje 1024x1024, co daje coś do pracy, ale wciąż chcesz poprosić o jakość na etapie generacji, zamiast liczyć na upscalowanie retrospektywne.

Oto co naprawdę zmienia wynik: najpierw usuń tokeny fotorealizmu, a następnie odbuduj prompt wokół medium, które chcesz. Akwarelowa kartka bożonarodzeniowa to całkowicie inny promptu architektura niż realistyczne zdjęcie bożonarodzeniowe, i potraktowanie jej w ten sposób od początku skraca czas iteracji mniej więcej o połowę.

Pięć tokenów stylu, które zamieniają płaski wynik w coś warte drukowania

Nie wszystkie tokeny stylu noszą jednakową wagę. Z serii, które wykonałem dla Foxglove & Post, te pięć konsekwentnie przesuwają wynik w kierunku czegoś, co mogę wysłać do drukarni bez wstydu.

"gouache illustration" lub "watercolor painting", ale nie oba naraz. Mieszanie mediów malarskich w jednym promptie zwykle produkuje brud. Wybierz jeden i trzymaj się go.

"vintage greeting card aesthetic", ta pojedyncza fraza ciągnie model w kierunku konwencji ilustracyjnych z połowy wieku: płaski kolor, czystsze kontury, mniej fotograficznego szumu. Zwykle też łagodzi cyfrową doskonałość, która sprawia, że obrazy AI wyglądają natychmiast jak obrazy AI.

"loose brushwork, soft edges": bez tego, prompty akwarelowe często generują coś, co wygląda bardziej jak cyfrowy preset akwareli niż rzeczywista akwarela. Specyfika zachowania pędzla pomaga.

"warm color temperature, limited palette": kartka bożonarodzeniowa z 40 nasyconym kolorów walczących ze sobą nie drukuje się dobrze. Instruowanie modelu do ograniczenia palety na wczesnym etapie daje bardziej spójne rezultaty w druku.

"no text, no watermark": tak, zarówno w promptie pozytywnym, jak i negatywnym. Posiadanie tego dwukrotnie nie jest zbędne. Modele SD widziały na tyle obrazów z nałożonym tekstem, że instrukcja potrzebuje wzmocnienia, jeśli chcesz czystego obszaru roboczego.

O kolejności tokenów: umieść najpierw tokeny najważniejsze. Dla pracy ilustracyjnej oznacza to medium najpierw, przedmiot drugie, odniesienia stylu trzecie. Coś w rodzaju "watercolor painting, vintage greeting card aesthetic, [twój przedmiot], loose brushwork, soft edges, warm color temperature, limited palette, no text, no watermark." Tagi jakości jak "highly detailed" idą za tokenami stylu, nie przed nimi.

Co umieścić w negatywnym promptcie, gdy kartka idzie do drukarni

Negatywny prompt to miejsce, gdzie odzyskujesz kontrolę nad tym, co SD będzie domyślnie robić, jeśli nie jesteś szczegółowy. W przypadku drukowania kartek stawki są nieco inne niż przy użyciu osobistym: artefakt, który wygląda mało istotnie na ekranie, może stać się widoczną wadą na 300gsm, 5x7 cali.

Przeciwko pracy ilustracyjnej do kartek bożonarodzeniowych, oto negatywny prompt, którego aktualnie używam jako punkt wyjścia:

lowres, bad anatomy, bad hands, text, error, watermark, signature, username, blurry, pixelated, photorealistic, 3d render, CGI, extra fingers, cropped edges, overexposed, color banding, jpeg artifacts, stock photo

Kilka z nich wymaga rozpakowania. "Photorealistic" i "3d render" w negatywnym promptcie mówią modelowi, aby unikać trybów renderowania, które podcinają estetykę ilustracji. Jeśli zmierzasz do akwareli, nie chcesz, aby model dryfował ku hybrydzie, który jest w połowie malowany, w połowie fotograficzny.

"Color banding" jest warte dodania, jeśli zamierzasz drukować. Cyfrowe paski w gradientach nie zawsze są widoczne na monitorze, ale zwykle pojawiają się w druku offsetowym. Wskazywanie tego na poziomie prompts zmniejsza, jak często się to zdarza.

"Cropped edges" ma znaczenie dla układu karty. SD przycina agresywnie domyślnie, gdy przedmiot wydaje się za duży dla ramki. Kartka z półsosną widoczną po prawej krawędzi nie jest użyteczna dla drukarni.

Skala CFG wchodzi w interakcję z negatywnym promptem w sposób wart zrozumienia. Na CFG 12, model wzmacnia zarówno instrukcje pozytywne, jak i negatywne, co może powodować nadmierną korektę. CFG 7 daje negatywnemu promptowi wagę bez tego ryzyka artefaktu.

Skala CFG i sampler dla stylów artystycznych

Większość tutoriali SD rekomenduje rozpoczęcie od CFG 7 i dostosowanie od tamtej pory. Dla pracy fotorealistycznej to rozsądne. Dla ilustracji jest to prawie zawsze właściwe miejsce do pozostania.

Skala CFG kontroluje, jak ściśle model przywiązuje się do twojego prompts'u. Wysokie wartości (10-14) wymuszają przywiązanie tak sztywnie, że model artefaktuje: nasycenie, woskowe tekstury, eksplozje kolorów. Dla pracy akwarelowej konkretnie, CFG 10 lub wyżej zwykle daje nasycone zacieki zamiast delikatnych zmytych kolorów. Rekomendacja na podstawie konsensu społeczności: pozostań na CFG 7 dla pracy akwarelowej i pastelowej.

Dla samplera, DPM++ 2M Karras na 20-25 kroków to niezawodna linia bazowa. Daje spójne ilustracyjne wyniki. Euler a na 30 kroków działa dobrze dla nieco bardziej luźnych rezultatów. Jeśli biegniesz SD 1.5 zamiast SDXL, spadaj do 512x512 z tymi ustawieniami i zaplanuj upscalowanie modelem takim jak Remacri, który zachowuje charakter ilustracji lepiej niż Real-ESRGAN.

Kroki poza 30 rzadko poprawiają jakość ilustracji. Do prototypowania kartek, 20 kroków na CFG 7 wystarczy do iteracji przez tuzin wersji w ciągu popołudnia.

Jak napisać prompt wokół stylu odniesienia, który masz w głowie

Najczęstsza frustracja: "Wiem dokładnie, jak to powinno wyglądać, ale nie mogę sprawić, aby model to zrozumiał." To zwykle problem słownika, nie możliwości.

SD nauczył się z dużego korpusu obrazów oznaczonych, co oznacza, że lepiej reaguje na nazwane style i nazwanych artystów niż na opisy ogólne. "Ciepły i malarski" jest niejasny. "Oil pastel illustration, mid-century American holiday card, Norman Rockwell palette" jest wystarczająco konkretny.

Przydatne podejście: pracuj wstecz od historycznych odniesień stylu. Większość estetyk kartek świątecznych mapuje na jeden z tych klastrów.

Amerykańskie kartki 1940-1960 , złote czasy Hallmark'a. Podpisy wizualne: płaskie pola kolorów, nieco kredowy filar, kompozycje zbudowane na sylwecie. Tokeny: "mid-century American Christmas illustration, gouache, flat color fields, warm amber and deep indigo palette."

Wiktoriańskie kartki angielskie , tradycja Kate Greenaway. Gęsty szczegół, motywy botaniczne, rudziki na gałęziach, głębokie nasycone barwy. Tokeny: "Victorian Christmas card style, detailed botanical illustration, deep jewel tones."

Skandynawskie Boże Narodzenie 1970-1980 , czyste linie, ograniczona paleta (krem, spalone czerwienie, ciemna granat), geometryczna jakość. Tokeny: "Scandinavian Christmas illustration, linework, limited three-color palette, cream and deep red."

Im czystsze twoje odniesienie stylu, tym mniej pracy zostawiasz modelowi. Gdy prototypuję projekt, najpierw buduje tokeny odniesienia stylu, testuję kilka wyjść, a następnie nakładam konkretne szczegóły.

Trzy sprawdzone prompty dla ilustracji akwarelowych

To są trzy prompty, które sprawdziłem zeszłego grudnia. To nie szablony , skopiuj je, a twój wynik będzie wyglądać inaczej , ale funkcjonują jako praktyczne punkty wyjścia.

Akwarelowa scena chałupy Prompt: watercolor painting, vintage greeting card aesthetic, snow-covered English cottage with warm glowing windows, pine trees, soft wet-on-wet brushwork, pale blue-grey winter sky, loose delicate washes, limited warm palette, highly detailed illustration, no text, no watermark Negatywny: lowres, text, watermark, photorealistic, 3d render, color banding, cropped edges, bad anatomy, blurry Ustawienia: CFG 7, DPM++ 2M Karras, 22 kroki, 1024x1024

Sylweta rodziny w pastelu olejnym Prompt: oil pastel illustration, mid-century American Christmas card, family silhouette walking through snowy woodland with lantern, warm amber and deep blue palette, rich textured pastels, flat color fields, hand-rendered quality, highly detailed, no text, no watermark Negatywny: photorealistic, 3d render, CGI, text, watermark, stock photo, color banding Ustawienia: CFG 8, DPM++ 2M Karras, 25 kroków, 1024x1024

Vintage pocztówka z rudzorem Prompt: vintage Christmas postcard illustration, robin redbreast on snow-covered holly branch, Victorian greeting card style, deep jewel tones, detailed botanical, cream background, red berries, ink-and-watercolor hybrid, no text, no watermark Negatywny: photorealistic, 3d render, text, watermark, blurry, cropped Ustawienia: CFG 7, Euler a, 28 kroków, 1024x1024

Uruchom każdy z trzema różnymi ziarnami przed zaangażowaniem się w kierunek. To, co widzisz w pierwszym wyniku, nie zawsze jest reprezentatywne , trzecie ziarno często daje coś nowego.

Co plik potrzebuje, zanim przetrwa podział

Uzyskanie dobrej ilustracji z SD to pierwsza połowa. Druga połowa to przygotowanie jej do druku, i tu ludzie najczęściej tracą dobry obraz.

Minimalna rozdzielczość robocza dla karty 5x7 cali na 300 DPI to 1500x2100 pikseli. Wyjście SDXL na 1024x1024 jest za małe dla 5x7, więc potrzebujesz upscalowania przed wysłaniem do drukarni. Dla pracy malowanej, Remacri lub 4x-UltraSharp zachowują miękkie krawędzie lepiej niż Real-ESRGAN 4x Plus.

Sam podział to gdzie pojawiają się problemy. Wyjścia SD mają tendencję do koncentrowania najważniejszego szczegółu w centrum. Jeśli kartka dzieli się wzdłuż pionowego centrum, sprawdź, czy żadna połowa kompozycji nie jest ucięta przez podział. Powierzchnia gruntu, horyzont i każda centralna postać powinny siedzieć na jednej półowie lub drugiej.

Profil kolorów: drukarnie generalnie chcą CMYK. Wyjścia SD są w sRGB. Konwersja do CMYK przesuwa błękity i pewne czerwienie. Konwertuj przed wysłaniem i sprawdzaj dowód na ekranie zamiast oryginalnego pliku sRGB.

Zauważysz różnicę na 300gsm. To wtedy ilustracja albo trzyma swój charakter, albo rozpada się w coś, co potrzebowało jednej kolejnej iteracji.