秘密武器揭秘：RealDosMix如何让你的AI画作超乎想象？19岁女模实测，质感与原作者一拼！参

文章主题：19岁女孩, 最高质量, 精品, (真实:1.2)

666AI工具大全，助力做AI时代先行者！

前几天装好了stable diffusion。

可是。。。安装是安装好了，可是为什么生成的都这么惨不忍睹。。

我用的和原作者的提示词参数可是一模一样啊？

真实感和质感一个天一个地啊，我花了几个小时，并且请AI帮忙终于弄懂了很大一部分。

安装好之后，首先，要找到生成模型model和lora包。

我先找到这个模型，十分稀饭~

首先下载model包，并放到指定文件夹，具体不展开了，我也是网上找的。

看大神参数怎么设置，用来参考。这部分后面会详细说

下载lora包，并放到指定文件夹。步骤类似model，不详细展开了。

OK！来整一个。提示词prompt如下：

a 19 years old girl, best quality, masterpiece, (realistic:1.2), 1 girl, brown hair, brown eyes,Front, detailed face and breast, beautiful eyes, small breast <lora:koreanDollLikeness_v15:0.1>, white jacket, jeans, fashion, smaller head, fashion girl, wrinkle t-shirt, hair covers ears, hands in pocket <lora:japaneseDollLikeness_v10:0.2>, real face, real skin, realistic face, realistic skin, rough skin

下面干货来了：

这个提示词的分析如下：

🎉👩‍👧‍👦一篇引人入胜的故事，即将围绕一个19岁少女展开。她正值青春年华，洋溢着活力与梦想，是故事中的灵魂所在。通过细腻的笔触，我们将揭示她的内心世界，展现她的成长历程和独特魅力。📚🔍这个角色不仅吸引读者的目光，更能唤起他们对青少年时代的回忆和对未来的憧憬。让我们一起探索她的旅程，感受青春的力量！✨

🌟高质量保证🌟🎨每一张图片都堪称杰作，精心雕琢的细节与卓越的技术相结合，确保输出无瑕且生动。从细腻到震撼，每一幅画面都展现出顶尖的工艺和创新精神。让您的视觉享受达到极致，远离模糊或失真的边缘。🏆

🌟🎨 提升视觉真实度！🎨🌟 使用这个🔥🔥风格指示器，你的创作将跃升至超现实的高度，每一幅画作都将充满令人惊叹的细节与深度，仿佛触手可及！👍✨ 1.2 的强大设定，确保了图像的极致逼真，让你的观众沉醉于每一个光影交织的世界。🌍💫 不再满足于平庸，追求卓越真实感？那就让这个🔥元素成为你作品的灵魂吧！🎨💻

1 girl 这是一个具体提示词，它可以告诉模型只生成一个女孩的图像，而不是多个或其他性别的人物。

🎨✨ 想象一个独特魅力的他/她？🔍棕色的头发，深邃的褐色眼睛，就像大自然最纯粹的馈赠，温暖而迷人。👀这些特征不仅是视觉上的焦点，更是个性与品味的绝佳展现。让这样的形象跃然纸上，触动心灵深处的共鸣吧！🌟

Front 这是一个视角提示词，它可以让模型生成正面的图像，而不是侧面或背面的图像。

✨🎨人物魅力提升秘籍🔍 – 魅力四溢的细节与视觉盛宴🌟唤醒魔力于每一寸肌肤，细致入微的描绘引领你步入美学殿堂。👀那双明亮的眼睛，犹如星辰闪烁，小巧的胸脯藏着无尽的故事。她们不仅仅是数字，而是鲜活的灵魂，通过魔法吟唱，跃动在每一个像素间。💖魔法的力量，让脸部轮廓精致如画，胸部线条柔和而有力，每一刻都散发着诱人的光彩。✨无论是细腻的面部纹理，还是丰满的胸部细节，都能经由这股魔力，生动展现人物的魅力。🌟想要你的角色跃然于屏幕之上？那就让这些吟唱的魔法，为你的作品增添无尽的生命力和视觉冲击力吧！🌍记得，每一次点击，都是对美的追求与肯定。 若要了解更多，欢迎探索更多关于提升细节与美感的秘密。💌

lora:koreanDollLikeness_v15:0.1,

lora:japaneseDollLikeness_v10:0.2 这些都是风格提示词，它们可以让模型生成更接近韩国娃娃或日本娃娃的图像，增加可爱感和萌感。0.1 和 0.2 是比较低的值，表示用户对娃娃风格的要求不高。

🎨时尚穿搭指南🔍——潮流与舒适并存的秘密武器✨想要在人群中脱颖而出？别忘了你的衣橱里藏着这些时尚密码！🌟1️⃣ 白色小礼服 Jacket White ——简约而不失优雅，轻松驾驭各种场合，展现清新气质🌸。2️‍♂️ 破洞牛仔裤 Jeans Denim ——经典与叛逆的完美融合，随性街头风，尽显青春活力👟。3️‍♀️ 折痕少的T恤 T-Shirt Wrinkle-Free ——舒适度满分，搭配一条休闲短裤或高腰裙，轻松打造日常休闲LOOK👗。记住，时尚不是标签，而是你个性的体现。让你的衣橱成为你的风格宣言，每一天都展现不一样的自我✨。#时尚穿搭# #潮流服饰# #个性化风格

smaller head, fashion girl, hair covers ears, hands in pocket 这些都是姿势和特征提示词，它们可以让模型生成出更符合用户想象的图像，展现人物的个性和气质。

real face, real skin, realistic face, realistic skin, rough ski 这些都是风格提示词，它们可以让模型生成更接近现实的图像，增加真实感和逼真感。这些提示词和 (realistic:1.2) 有一定的重复性，可能会造成混乱或冗余。

提示词可以影响生成的图像的质量和风格。提示词可以用逗号分隔的关键词，也可以用自然语言描述，甚至可以用表情符号或 emoji

提示词其实可以写的很随意，只要能让AI看懂你的意图。我们只需要掌握一些规则和技巧，其他的可以随意发挥。

技巧有以下几点：

使用质量提示词，如 best quality, ultra-detailed, masterpiece 等，可以提高图像的清晰度和细节。

使用负面提示词，如 text, title, deformed, ugly 等，可以筛选掉不需要的画风、要素或错误绘画结果。

使用视角提示词，如 from above, from below, wide shot, Aerial View 等，可以改变图像的视角和远近。

使用主题提示词，如 cyberpunk, fantasy, horror 等，可以设定图像的主题和氛围。

使用具体提示词，如 1girl, kimono, in shinto shrine 等，可以指定图像的内容和元素。

提示词的顺序和数量也会影响图像的生成，一般来说，越重要的提示词应该放在前面，越具体的提示词应该放在后面，而且不要使用太多或太少的提示词，以免造成混乱或模糊。

一些常用的提示词参考：

颜色: 用来指定图像中的颜色，比如 red, blue, green 等。

风格: 用来指定图像的风格，比如 realistic, cartoon, abstract 等。

数量: 用来指定图像中的物体或人物的数量，比如 1, 2, 3 等。

姿势: 用来指定图像中的物体或人物的姿势，比如 front, side, back 等。

特征: 用来指定图像中的物体或人物的特征，比如 hair, eyes, nose 等。

情感: 用来指定图像中的物体或人物的情感，比如 happy, sad, angry 等。

场景: 用来指定图像的背景或环境，比如 forest, city, space 等。

质量: 用来指定图像的质量或美感，比如 best quality, masterpiece, low quality 等。

一些基本的格式或语法规则：

用逗号分隔不同的提示词，比如 red, blue, green。

用括号包含风格和强度，比如 (realistic:1.2), (cartoon:0.8)。

用冒号分隔特征和值，比如 hair:brown, eyes:blue。

用负号表示不想要的内容，比如 -dog, -rain。

用加号表示想要增加的内容，比如 +smile, +flower。

这些格式或语法规则有一些例外或特殊情况，比如：

有些提示词可以不用逗号分隔，比如 1 girl, brown hair, brown eyes 可以写成 1 girl brown hair brown eyes。

有些提示词可以不用括号包含，比如 realistic:1.2 可以写成 realistic 1.2。

有些提示词可以不用冒号分隔，比如 hair brown, eyes blue 可以写成 hair brown eyes blue。

有些提示词可以用其他符号表示，比如 -dog 可以写成 no dog 或者 not dog。

有些提示词可以用其他方式表示，比如 +smile 可以写成 smiling 或者 happy。

一些其他参数的具体理解：

生成批次是指每次生成图像的组数。一次运行生成图像的数量为“批次* 批次数量”。生成批次可以提高性能，但也需要更多的显存。

生成批次高，图像质量不一定会高。生成批次只是影响每次生成图像的组数，而不是影响图像的细节和清晰度。影响图像质量的因素有很多，比如采样器、采样步数、提示词相关性、图像尺寸等。 一般来说，采样步数越高，图像越接近目标；提示词相关性越高，图像越符合描述；图像尺寸越大，图像越清晰。

CFG scale 是提示词相关性的缩写，它是指图像与你的提示的匹配程度。增加这个值将导致图像更接近你的提示，但它也在一定程度上降低了图像质量。可以用更多的采样步骤来抵消。过高的 CFG scale 体现为粗犷的线条和过锐化的图像。一般开到 7~11。

Clip 跳过层 的值需要根据不同的文本描述和图像生成任务进行调整，一般来说，文本描述越复杂或越具体，Clip 跳过层 的值越小；文本描述越简单或越模糊，Clip 跳过层 的值越大。

一般来说，Clip 跳过层 的值可以取 1 到 10 之间的任意整数，具体的值需要根据不同的文本描述和图像生成任务进行尝试和调整。一些经验性的建议如下：

如果文本描述是一个完整的句子，比如 “a photograph of an astronaut riding a horse”，Clip 跳过层 的值可以取 1 或 2，表示每个或每两个扩散步骤都使用文本编码器的输出，以保证图像与文本描述的匹配度。

如果文本描述是一些关键词，比如 “red car, blue sky, green grass”，Clip 跳过层 的值可以取 3 或 4，表示每三个或每四个扩散步骤才使用文本编码器的输出，以避免图像出现不自然或不协调的细节。

如果文本描述是一个模糊的概念，比如 “fantasy” 或 “horror”，Clip 跳过层 的值可以取 5 或以上，表示每五个或以上扩散步骤才使用文本编码器的输出，以增加图像的多样性和创造性。

采样迭代步数（Steps）是指 Stable Diffusion 在生成图像时，从随机噪声中逐步去噪的次数。采样迭代步数越多，表示去噪的程度越高，图像的质量和清晰度越高，但是也需要更多的时间和资源。

一般来说，采样迭代步数可以取 10 到 100 之间的任意整数，具体的值需要根据不同的图像生成任务和需求进行尝试和调整。一些经验性的建议如下：

如果图像生成的任务是简单或模糊的，比如 “a cat” 或 “a landscape”，采样迭代步数可以取 10 或 20，表示只进行 10 或 20 次去噪，以提高速度和效率。

如果图像生成的任务是复杂或具体的，比如 “a cat wearing a hat and glasses” 或 “a landscape with a lake and a mountain”，采样迭代步数可以取 30 或 40，表示进行 30 或 40 次去噪，以提高质量和细节。

如果图像生成的任务是非常复杂或非常具体的，比如 “a cat wearing a hat and glasses sitting on a sofa reading a book” 或 “a landscape with a lake and a mountain and a castle and a rainbow”，采样迭代步数可以取 50 或以上，表示进行 50 或以上次去噪，以提高匹配度和真实感。

有了这些理解好好运用，每个人都会是图像大师，期待更多更好的作品。