AllyHub
Content Creation

图片转提示词生成器

根据图片写出的提示词,然后在这里运行,这样你就可以在别处花费积分之前看到它描述的是否正确。

在下方输入内容

图片转提示词生成器能做什么

从参考图片得到的第一个提示词几乎从来不是正确的,而这正是这类工具让你付费的部分。下面:会写出什么、为谁而写、以及在你带走之前会发生什么。

为什么看起来如此

提示词涵盖了真正驱动外观的因素——主体及其构图方式、光线来源、调色板、纹理、风格基调。

为你的模型而写

Midjourney 接受参数,Stable Diffusion 需要措辞和负面提示词,其他模型则希望使用平实的句子。说明你要用哪个模型,它就会以该模型能理解的方式输出。

先在这里运行

提示词会当场生成一次,并放在你的参考图片旁边,这样你就可以在修改仍然免费的时候看到它是否指向正确的东西。

如何使用 AllyHub 将图片转换为提示词

从你喜欢的参考图片到你已经看到输出的提示词,只需三个步骤。

01

给它看图片

上传图片并说明你将与哪个生成器一起使用,以及你希望结果有多贴切或多宽松。

02

AllyHub 编写并运行

它会解读图片为何呈现这种外观,按照你的模型的惯例将其写成提示词,生成一次,并将两张图片并排放置。

03

调整,然后保留

修改遗漏之处并重新运行。将运行保存为 Playbook(剧本),这样下次参考图片就会以相同的结构用于相同的模型。

为什么选择 AllyHub 的图片转提示词生成器

这里的每个工具都会交给你一个提示词,然后把你送到别处去测试它是否有效。

昂贵的部分是测试

从图片中获取提示词很快。发现它强调了背景而不是主体,会浪费一次生成,然后在按次计费的平台上又浪费一次。在你离开之前完成第一轮测试才是真正的节省。

Extract More Than Text

无法恢复原始提示词

这个类别的名称暗示了提取,但事实并非如此。生成图片的提示词并不在文件中,也无法被读回。你得到的是针对相同结果的全新描述——而这无论如何都是有用的。

Bulk Extraction, Any Scale

是什么,而不是谁

这里的提示词描述可见的事物:笔触、调色板、时代、构图。它们不会把某个人的名字作为指令。点名一位在世艺术家来大规模复制模仿是该领域正在争论的问题,而且这不是一个值得添加的功能。

From Extraction to Action

第二个参考图片更便宜

第一个是最贵的——正是在这里确定模型、提示词结构以及你想要多贴切。之后它会保存在文件中,你的 AllyHub 永远不会再从头开始,因此一组参考图片会每次都更快。

Workflows That Compound

谁在使用 AllyHub 的图片转提示词生成器

追求某种外观的设计师、匹配一组素材的营销人员、学习词汇的新手,以及试图将自家风格记录下来的团队。

设计师与插画师

你看到了喜欢的东西,却无法用生成器能理解的语言说出原因。识别一种外观与描述它之间的差距就是全部问题所在,这更多是词汇问题而非品味问题。

营销与品牌

十二个必须看起来相关的素材,由两个人花了三周制作,到第五个素材时就开始走样。每次从相同的书面描述开始,而不是从相同的模糊意图开始,才能让它们保持一致。

学习提示词的人

在生成它的图片旁边阅读一个好的提示词比任何指南都学得更快,因为你可以看到哪些词在起作用,哪些词只是装饰。

团队记录外观

“符合品牌”只存在于某个人的脑海中,直到有人让他们解释清楚。将参考墙转化为文字既令人不适,又让人清醒,并且即使那个人去度假了,它仍然存在。

关于图片转提示词生成器的常见问题

它写什么、不能恢复什么,以及界限在哪里。

什么是图片转提示词生成器?

它查看一张图片,并写出能将生成器引向相同方向的文本指令——主体、光线、构图、调色板、风格基调。它不是读回存储的提示词;而是写出一个新的、指向相同领域的提示词。

AllyHub 的图片转提示词生成器是免费的吗?

是的。免费计划中可以运行一张参考图片,包括检查生成。处理一组参考图片、在项目中保持统一结构以及存储设置则属于付费计划。

它为哪些生成器编写?

说出你要用在哪里,提示词就会以相应的形式出现——Midjourney 的参数风格、Stable Diffusion 的措辞和负面提示词,或者偏好简洁句子的模型所适用的平实句子。AllyHub 是为这些工具编写文本,而不是连接到它们。

它能复制特定艺术家的风格吗?

它会描述图片中可见的内容——笔触、调色板、时代、构图——并且不会把在世艺术家的名字作为风格指令写入。这就是界限,而且这是一个刻意的选择,而不是限制。

AllyHub 与其他图片转提示词工具有何不同?

其他工具止步于文本。在这里,提示词会在你离开之前先试运行一次,因此你带走的是你已经看到过输出的东西——而且你确定的结构会保留下来用于下一个参考图片,而不是每次重建。