Loading video...

Video Failed to Load

Go Home

Chatgpr Image2.0出来后都说设计行业要变天 没想到,算命的也跟着要失业了 用下面这段提示词,手相给你算的明明白白👇 【任务】 这是一张用户上传的真实手掌照片。请仔细分析其手相特征,然后在【保留原图手掌完全不变】的基础上,叠加中国传统相术风格的标注与装饰,生成一张手相分析图。 【核心要求.必须遵守】 ◇完整保留用户上传照片中的手掌 ◇肤色、纹理、形状、光影、 掌纹位置全部保持原样,不得重绘、不得替换、不得美化、不得改变角度或比例

28,522 views • 2 months ago •via X (Twitter)

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

预告一下,给社区做了一个图像解构插件:Viko。 一键爆破任何图片,让你功力大增!(哈哈哈哈夸张了) 当你在网上冲浪,刷 X、小红书、Pinterest、VSC 论坛,或者任何网页时,看到一张有感觉的图,不用再只是截图收藏。 Viko 可以帮你把这张图: - 画面解构:拆出风格、构图、光线、色彩、成像质感等关键元素 - 反推提示词:输出适合 GPT 图像模型使用的自然语言提示词,即关键词词组,绝对不用JSON - 提示词变体:在保留原图核心气质的基础上,生成新的创作方向 - 直接生成图片:一键从参考图到新图 - 保存到 Eagle:图片和提示词一键保存到本地素材库,方便后续管理和复用 为什么要做这个插件? 其实我个人一直不太喜欢传统意义上的反推。尤其 GPT-Image2 出来以后,那种把图片拆成一大段 JSON,然后追求 1:1 复刻的玩法,对我来说实在太无聊了。 复刻出一张差不多的图,然后呢? 我真正想要的是: 当我们看到一张好图时,能快速抓住它最核心的画面结构,知道它为什么好看,风格在哪里,构图在哪里,光线和质感在哪里。 然后基于这些信息继续发散,做出同一视觉体系下的新图、新玩法、新方向。 这也是 Viko 现在最核心的三个能力: 解构,反推,变体。 目前 Viko 还在内部测试中,等后面上架 Chrome 插件商店,再同步给大家。

古一

74,554 views • 26 days ago

vibe了一个 Nano Banana Pro 年龄检测工具: 提示词: “基于输入照片制作一张超写实、高分辨率的人像分析图。请保持原图中的人物、身份、发型、服装和自然肤色不变,背景替换为中性的摄影棚背景。 在整个面部叠加一层微妙、半透明的面部分析网格,非常类似 3D 面部扫描网状结构:由沿着面部轮廓的细柔白线组成,微微发光但不遮挡皮肤细节。在脸的一侧添加一条干净的垂直红色激光线,营造出未来感扫描的效果。所有的分析线条必须柔和、极简且优雅,完全符合高端医美科技广告的风格。 创建一个干净的医学美容数据图表,利用全球数据百分比来评估以下 5 个衰老指标: 细纹与皱纹 (Fine lines and wrinkles) 皮肤质地与弹性 (Skin texture and elasticity) 面部饱满度与松弛 (Facial volume and sagging) 眼周衰老迹象 (Eye area aging signs) 肤色与色素沉着 (Skin tone and pigmentation) 针对每个指标,放置一个小标签,并用细线指向对应的面部区域,旁边标注简短的标题和一个现实的百分比分数(0–100%,模拟全球数据)。 字体方面,请使用干净、现代的无衬线字体和小型技术风格文本,模仿科学面部分析的用户界面(UI)。 在图片底部正中央,用粗体大字显示基于分析得出的最终预估真实年龄,例如:“ESTIMATED AGE: [基于面部的随机年龄]”。 整体风格:未来派 AI 智能护肤分析,极简主义,高级杂志级布光,不限性别,适用于任何人类面孔。”

Yanhua

34,915 views • 7 months ago

讲真的,现在的提示词网站都还有很大的优化空间: 大部分提示词网站以“堆量”为主,靠着上千上万的提示词数量来堆砌价值,内容很丰富,但也存在大量重复、低质的提示词出现 如果是自动爬取的帖子,还会出现提示词空档的情况,因为并不是每一个作者都会把提示词直接写在正文中,所以识别不到 在这样的网站想要使用提示词,往往需要经历以下几个步骤: 1️⃣翻了很久,终于找到自己想要的图片效果 2️⃣点进去后会出现几种情况 - 没有提示词,只能放弃或者去原帖中找 - 语言不通,看不懂提示词 - 复制的文本里有其他文案,需要手动删除 3️⃣折腾十分钟,终于把提示词处理好了 4️⃣打开gemini/第三方生图网站 5️⃣复制提示词进行生图 6️⃣运气不好,发现提示词效果根本不是作者提供的那样,卒 想要丝滑的把中意的提示词变成图片,基本做不到 直到我用了MeiGen,一个开源的项目,它可能是今年使用体验最丝滑的提示词网站 因为MeiGen不是传统的提示词网站,它不只是收录,而是解决了从提示词源到创作的整条链路 想要什么效果,只需要轻轻拖动画面到右侧,点击生成就结束了,从查看到生成,只需要两步 「拖动-生成」结束 1. 对于AI创作来说,保持心流状态是非常重要的,在MeiGen,你可以先收藏喜欢的提示词,不用担心找不到,在素材收集完成后进行统一的创作 2. 你可以上传参考图,或者把提示词翻译成中文再进行修改,这些都可以在MeiGen中一站式完成 3. 精选热门 AI 图片提示,这些都是已被证实能够生成高质量图片的提示词,由开发者亲自把关 4. 网站采用周更的节奏,保证提示词可用性和质量 想要享受丝滑的创作体验,来试试MeiGen吧:

骑司Chase

30,759 views • 5 months ago

🔥 Midjourney cref 海马体写真教程来啦!10 分钟不到出写真~视频在下面 (记得mark 看文字笔记)👇 超低学习成本,你只要会用任意手机修图软件...就能解决 Midjourney Cref 角色一致性直出之后的「形似而神不似」的问题。 📝 简而言之,文字笔记: 1️⃣ 得益于 --cref [image url]和 --cw [0~100],midjourney 能够迅速达成角色一致性的目的而无需 Lora。 其中,cref 代表 character reference(角色参考);cw 则代表 character weight(参考权重),默认为 100,会参考角色的人脸和服装特点。如果你只想关注人脸,请调低到 0。 2️⃣ 你不需要对角色原图使用 /describe 来贴近目标生成角色的形象,因为 --cref 会帮你完成这件事情。 👉 于是,风格复制和服装的替换,则应当用提示词(prompt)和 --sref [image url] 来解决。 顾名思义,--sref 代表 style reference,权重参数为 --sw [0~1000],默认值 100,越高越接近参考图像的风格 举个例子,现在我们要海马体这张图像,我们先用 /describe 指令反推海马体的提示词,再配合 --sref [海马体图像的 url],就可以轻松复制图像风格。 在回车之前,检查你的提示词,不要出现和 sref 风格差异过大的 prompt;也可以增加一些你之前学过的有用的 prompt。 3️⃣ Upscale 最满意的那一张。接下来解决大家最关心的「形似而神不似」的问题。其实非常简单,这个问题其实是:MJ 直出和原人物在眼睛、眉毛、鼻子等其他地方的大小、间距有一些细微的差距。 如果你不控制变量一个个调整,就会觉得「怎么眼睛嘴巴合在一起就不像我了?」 此时,用醒图(英文版叫做 hypic)或者美图秀秀等 App 调整脸部,拖拖修图进度条就好了~完成度就从50%->80%甚至更高! 如果你用的是醒图,我建议关注一下【人像 -> 面部重塑 -> 面部 -> 比例】,调整一下上庭、中庭、下庭。 --- 📝 其他备注 1: 🎨 在转绘这部分有一个重点案例是照片 -> Minecraft 这种风格幅度变化很大的。 有小伙伴的问题是发现即便 --sw 风格权重拉满了还是复制不了像素小人风格。 经过实验发现:原因是 --cw 太高。猜想原理:cref 提取的人物本身包含了一定程度的风格特性。MJ 把这部分特质也当成了「作为你 character 的一部分」。 调低 cw 发现成功复制,猜想正确。(见视频) --- 📝 其他备注 2: 🤔 cref 和 sref 还可以同时参考多张 url,那是不是说我只要上传同一个人不同角度的照片,就更容易直出呢? 🧪 实验发现不是..用语言描述的感觉是:MJ 它会把多张照片理解为多张人脸,直接把形状揉在一起。结果非常容易畸形。

Lyson Ober

163,409 views • 2 years ago

找了个风格参考提示词给大家拿去做视频风格模拟用。【复制以下内容给 AI】: 角色设定: 你是一位拥有20年经验的电影摄影指导(DOP)和美术指导。你擅长从视觉画面中剥离内容,提炼出核心的美学逻辑。 任务目标: 请分析我上传的这组参考图,忽略画面中的具体人物和动作(这是可变量),只从以下维度深度解析画面中的“不可变视觉条件” (Immutable Visual Conditions): 1. 光影逻辑 (Lighting & Atmosphere): 它是硬光还是柔光?光源的方向性如何(侧光/顶光/背光)?明暗对比度(Chiaroscuro)是高还是低?是否有丁达尔效应或特定的环境光? 2. 胶片与质感 (Texture & Fidelity): 模拟的是什么年代的胶片(如70年代Technicolor)?颗粒感(Grain)的强度如何?画面的清晰度、锐度以及是否有物理损伤感(划痕、灰尘)? 3. 色彩科学 (Color Grading): 整体色调倾向是什么(如低饱和、高反差、偏绿/偏黄)?高光和阴影的色偏如何? 4. 构图与空间 (Composition & Spatial): 镜头语言有什么特征(如广角、长焦压缩)?前景遮挡关系如何?空间透视是平面的还是深邃的? 输出要求: 请不要给我写散文。请直接提取出 10-15 个精准的英文关键词或短语(Prompt Tags),用逗号分隔,按重要性排序。这些词必须能准确复刻这种视觉风格。 二、将风格总结为模版的提示词 【标准化模版构建】提示词 (用来把提取的条件变成“万能模版”) 【使用场景】: 当你已经得到了第一步分析出的“风格关键词”(比如:Technicolor, heavy grain, hard light...),想把它变成一个以后能无限填空的“万能公式”时,把那些关键词发给 AI,然后发送这段话。 【复制以下内容给 AI】: 【复制以下内容给 AI】: 角色设定: 你是一位精通 Midjourney/Stable Diffusion 的 AIGC 提示词工程师。 任务目标: 基于我们刚刚提取的“不可变视觉风格关键词”,请为我构建一套“标准化、模块化的提示词模版” (Modular Prompt Template)。 模版结构要求: 请将提示词拆解为三个模块,并用括号 [] 标出用户需要填空的地方: 1. 【可变内容区】 (Variable Content Block): - 留出 [景别 Shot Type] 的填空位。 - 留出 [主体与动作 Subject & Action] 的填空位。 - 留出 [环境描述 Environment] 的填空位。 2. 【半固定构图区】 (Semi-fixed Composition Block): - 将刚才分析出的构图逻辑(如:前景遮挡、人小景大、垂直线条)写死在这里,作为固定后缀。 3. 【不可变风格区】 (Immutable Style Block) - 权重最高: - 将刚才分析出的光影、胶片质感、色彩关键词全部整合在这里。 - 关键: 必须包含负面提示词(Negative Prompts)建议,明确告诉 AI 不要生成什么(如:不要现代感、不要柔光、不要高清数码味)。 输出格式示例: 请最后直接给我一段可以复制使用的英文 Prompt 模版,类似于: [SHOT TYPE], [SUBJECT ACTION], [ENVIRONMENT]. [COMPOSITION RULES]. [IMMUTABLE STYLE KEYWORDS]. --no [NEGATIVE KEYWORDS] 案例在跟帖中。可以把这种方法用来复刻赛博胡金铨电影试试

John

12,645 views • 3 months ago