为什么一句话丢进去，出来的图能差点骗过专业摄影师？扒了下大概原理才发现，它其实是两套机器学习的东西缝在一块：一套负责读你写的那句文字、把语义拆开，另一套负责把拆出来的语义一步步“扩散”成像素。
一个管理解，一个管画。理解那步越准，画面就越贴你想要的——同一句提示，词序和用词稍微动一下，出来的东西能差挺远，问题多半出在前半段。
想通这层，写提示词就没那么玄学了，起码知道自己在跟哪一部分较劲。
怪不得我把形容词挪个位置，出来就换了个人
谢bro
那负责画的那半是不是纯执行，自己不带判断的？
1 个赞