出图翻车，你们觉得是画得不行的多，还是压根没读懂你那句话的多？我现在更信后者。
有一类做法是在前面摆一个单独训练好的、很强的文本编码器，先把你那句话嚼透，再交给后面的扩散部分去画。差别我实测很明显：编码器强的时候，复杂点的场景、多个物体的关系、谁在谁前面，它都能对上；弱的时候画面照样好看，但语义经常错位，人多手乱、东西摆错位置。
所以现在写提示词，我不再堆一堆好看的词，先把主体关系讲清楚。
人多手乱太真实了，多主体一直是重灾区 
我试过同一句话换个模型就对了，跟词写得好不好没关系
1 个赞
同问，那提示词是不是短点反而准