我们都知道在AI生成内容中，输入内容起着至关重要的作用，会直接影响产出的结果，好的描述能化凡为仙，而想成为一个合格的咏唱师，想象力和描述技巧缺一不可，我们主要分享的是技巧部分。

咏唱师的作用

在实战之前我们简单了解下输入内容（Prompt）在AI系统的作用角色，会有助于我们接下来的操作理解，我们把人工智能的核心简单分成两个部分，自然语言处理器和结果生成器。我们的描述其实就是帮自然语言处理器做词句的分割工作。我们接下来的所有分享测试，都是为了提高我们对词的分割质量，个人把这个工作的重点总结成两部分。

1. 关联稳定
2. 合理分配权重

我会大概用两篇文章来分享自己的使用心得。

因为我们今天是Stable Diffusion的使用分享，它当前是不支持中文描述的。

Prompt=red hari&红色头发

所以接下来我们以英文来测试不同描述的结果。

怎么做到关联稳定？

因为我们输入的自然语言，所以我们主要是通过英文单词的分割（词，短语，句子）来测试效果，这里首先要明确一点，没有最优的格式，只有特定场景下的解决方法，希望大家通过下面两个案例能举一反三，为了减少偶然性我们同样的描述每次设置生成两张图。

案例一：简单描述

一个红色头发的女孩

（词）Prompt=a,girl,red,hair

Prompt=a,girl,red,hair

（短语）Prompt=a girl,red hair

Prompt=a girl,red hair

（句子）Prompt=a girl with red hair

Prompt=a girl with red hair

案例二：相对复杂的描述

一个红头色发的女孩，穿着白色T恤，黑色短裙。

（词）Prompt=a,girl,red,hair,white,shirt,black,skirt

Prompt=a,girl,red,hair,white,shirt,black,skirt

（短语）Prompt=a girl,red hair,white shirt,black skirt

Prompt=a girl,red hair,white shirt,black skirt

（句子）Prompt=A girl with red hair in a white shirt and black skirt

Prompt=A girl with red hair in a white shirt and black skirt

结果分析
案例一：不同的语句分割形式，相同描述下两张图的结果都是符合预期的。

案例二：按词描述的结果其中一张图的裙子有了误差（白色裙子），按短语的描述结果符合预期，按句子的描述其中一张图有了误差（黑白混合裙）

我们重点分析下误差的产生原因
误差一：按词分割的情况下，位置相近的词并不能产生稳定的关联，至少不如词组产生的关联深，所以按词分割的情况下颜色和主体的关联是会被随机分配的。

误差二：句子按自然语言逻辑来说是关联最深的,但是机器语言在处理自然语言的能力是有缺陷的，不能做到完美理解还原，比如误差二的产生，很可能是ai重新分词后把white and black shirt重新组合到一起生成了预期之外的结果。

总结一下：

• 简单的关联下，可以自由按习惯描述
• 相对复杂的关联下，按词描述很难产生稳定的关联，按短语是更合理的方式
• 机器不能完美处理自然语言，所以句子类描述不一定是最稳定的关联方式，还可能造成不必要的污染

好了今天我们就分享到这里，希望能对大家有一定帮助。

ps：前几天发的个别文章被系统限制了，反思了一下，天天发美女确实有伤风化，以后我们美女图就以微头条或者视频形式发，文章就尽量分享一些其他的内容，感谢大家支持。