chatgpt寫作輔助（英文寫作輔助軟件）
本文目錄一覽：
chat.openai主動寫代碼好用嗎
chat.openai主動寫代碼好用。盡管言語模型可以協助人們快速生成代碼，但它不能徹底代替程序員。言語模型只能生成預先界說的代碼，而程序員還需求運用他們的專業知識和技能來處理雜亂的問題。
ChatGPT會代替人工嗎？
ChatGPT不會徹底代替人工。
首要，ChatGPT的“模式化”無法代替人類的“差異化”。 ChatGPT再“三頭六臂”，也只是人工智能試驗室OpenAI開發的言語模型，其流通對話的背面是很多文本數據，機器智能一旦被概念結構約束，就只能在既有結構內運轉，有時不免墮入“模式化”“套路化”的窠臼。而咱們人類，生而不同，正是這些“絕無僅有”的差異性才讓人類文明得以延綿、生生不息。
其次，ChatGPT的“理性化”也無法代替人類的“理性化”。人工智能的“智能”更多是一種理性才干，而人類的智能還包括價值判別、毅力情感、審美情味等非理性內容。就像ChatGPT在答復中所說“我不具備自主認識，我的答復不包括定見或情感”。
關于與人類之間的聯系ChatGPT自己給出答案：
我不會代替人類，作為一個AI程序，我可以協助人類處理困難和前進作業功率，但我永久無法用自己的愛情去了解人類，也不能靠自己的判別去思考問題。只要真實的人才干具有這樣的才干。
在那條看不見前路的漆黑地道中，或許ChatGPT也可以是給你供給亮光、指引方向的伙伴，正視它、直面它、利用它，究竟，人工智能的前綴依然是“人工”。
chatpgt是什么
ChatGPT是OpenAI開發的大型預練習言語模型。這是GPT-3模型的一個變體，經過練習可以在對話中生成類似人類的文本呼應。
ChatGPT背面的算法根據Transformer架構，這是一種運用自留意力機制處理輸入數據的深度神經網絡。Transformer架構廣泛運用于言語翻譯、文本摘要、問答等自然言語處理使命。ChatGPT可用于創立能與用戶進行對話的談天機器人。這對客戶服務很有用，由于它供給了有用的信息或只是為了好玩。
ChatGPT運用辦法和留意事項:
支撐中文和英文，都可以問，它不是Siri這種機器人，他是一種生產力的東西，要把它當作真實的人來對話，可以讓它改善，支撐上下文多輪對話，放心大膽的問，每次答復的字數有應該有約束，可以運用“持續問”等來詰問，它會持續寫。
AI屆現已進入新的范式，學會提問題會越來越重要
為什么說CHATGPT會使得底層程序員賦閑？
CHATGPT不會使底層程序員賦閑，由于它只是一種輔佐東西，而不是一種代替東西。CHATGPT的意圖是協助程序員更快地完成使命，而不是代替他們。CHATGPT可以協助程序員更快地完成使命，削減程序員的作業量，節省時間，前進功率。CHATGPT可以協助程序員更快地完成使命，削減程序員的作業量，節省時間，前進功率。它可以協助程序員更快地完成使命，削減程序員的作業量，節省時間，前進功率。它可以協助程序員更快地完成使命，削減程序員的作業量，節省時間，前進功率。它可以協助程序員更快地完成使命，削減程序員的作業量，節省時間，前進功率。
你做過哪些事做過的劃掉圖片？
轉移正文前簡略說兩句：
AI繪圖22年剛出的時分就重視而且試玩了一下，很快就棄掉了，無他，賣家秀與買家秀不同太大了，看著自己生成的一張張廢物圖去比對其他人生成的精巧作畫真實是勸退。直到最近出來ControlNet刷了一波屏，感覺離可用的生產東西又進了一步，這才又重新研究了起來。成果發現只是幾個月，整個AI繪畫的前進速度讓我著實感覺到了后脊發涼。咱們現在發了瘋的用AI搞圖，玩兒新的東西（Controlnet）、插件（LORA, Dreambooth, Hypernetwork）和模型（ChilloutMix dddd），可是在B站和知乎上卻都沒有看到比較體系的關于Stable Diffusion的運用介紹，讓我一時有些不知道從何下手。
這篇新手教育文章援引自 這個網站，強烈建議剛入門的新手把這個網站下的每篇文章都讀一遍，可以說涵蓋了Stable Diffusion最前沿運用的方方面面，能讓你以最快的速度，來對最新的各個模型、插件的原理、技能及運用辦法都有所了解。
prompt是AI繪圖中最重要的輸入操控項，便是現在現已有了十分多的定制化模型可以讓你更直接簡略的生成某一特定風格的圖畫，你依然需求會寫一個好的prompt才干夠得到一張值得展示的圖畫。信任大部分中文用戶和我相同大約都是英文閱覽3星+，寫作0星的選手，看他人改他人的prompt還行，純自己寫的話腦中除了very very beautiful ?? 以外就蹦不出其他啥詞兒來了。而這篇根底教育文章經過對要害詞分類的辦法，讓你可以愈加清晰的知道應該運用或查詢哪些詞匯來構建你所需求的圖畫，別的文章還介紹了要害詞權重及混合等十分有用的技巧，以及SD是怎么了解你的輸入詞匯等根底知識，信任不管你是想要修正prompt仍是從零自己寫prompt，不管是新手仍是內行，即便現已開端運用chatGPT來輔佐生成prompt了，這篇文章都依然十分值得一看。
本文原文鏈接為 以下是正文翻譯，請勿轉載：
Stable Diffusion prompt: a definitive guide
了解怎么構建出優異的提示指令（prompt）的辦法，是每個SD用戶首要要學習的作業。本文經過總結試驗與前人的經歷，給出構建指令的辦法與相關技巧。總歸，在這篇文章里，你將了解到有關prompt的一切信息。
何為優異的提示指令
一個優異的提示指令應該是翔實而詳細的。一個好的辦法是在要害詞（keywords）分組列表中找到一個與你的需求所匹配的詞匯。
要害詞的分組如下：
1. 主體（Subject）
2. 繪畫介質 （Medium）
3. 繪畫風格（Style）
4. 藝術家名（Artist）
5. 網站（Website）
6. 清晰度（Resolution）
7. 細節描繪（Additional details）
8. 色彩（Color）
9. 光線（Lighting）
在實踐編寫的一組提示指令中，并不需求包括以上一切的分組里的要害詞。你只需求把這個分組列表當作一個提示清單，在添加新的提示詞時知道要怎么選用即可。
接下來咱們將逐個來測驗這些分組中的要害詞，下面的測驗中將運用的是默許模型sd v1.5 base model。 為了可以清晰各個要害詞的作用，測驗中將不運用否定提示指令（negative prompts)。不過別著急，在文章的后邊咱們仍是會學習怎么運用否定提示指令的。以下一切的圖片都以30 steps , DPM++ 2M Karas sampler以及512x704分辨率參數進行生成。【翻譯注：后續翻譯文章中所運用的圖片都不是原文中的圖片，而是譯者本人在Colab上運用v1-5-pruned-emaonly.ckpt根底模型復刻的，以防作者胡言亂語。其間CFG為7，BatchCount=8，Seed運用-1的隨機設置，勾選了Restore face，一般生成3次乃至更屢次來選出可用的示例圖。別的不同于作者，我添加了"cut off, nude"的否定指令用以提高出圖率以及躲避審閱危險】
主體（Subject）
主體表明的是你在圖片中所看到的實體。在書寫指令時，最一般的過錯便是短少滿足的實體要害詞。
比方我現在想要生成一張魔女開釋神通（a sorceress casting magic）的圖片。一個SD的新玩家或許會這么寫
A sorceress
這么寫也是OK的，可是留下了太多的夢想空間。這個魔女長什么姿態？是否能有任何描繪她的詞匯可以更清晰她的姿態？她穿的是什么？她開釋的是什么魔法？她是站著，跑著仍是漂浮在空中？圖畫的布景是什么？
Stable Diffusion不能讀取咱們的主意，咱們有必要真實的告知悉數咱們所需求的細節內容。
關于人物主體來說，一個常用的技巧是運用明星的姓名，由于這些詞對輸出成果會有很強的作用，也是一個十分好的用來操控輸出主體樣貌的辦法。不過需求留意的是，運用這些人名除了會導致輸出成果的面部不易發生改動外，也會導致輸出同質化的姿態、風格以及其他物件。關于這一點，在文章的后邊的“相關作用”章節會有詳細介紹。
作為示例，咱們首要讓這個魔女看起來像艾瑪沃森，Emma Watson也是在SD中運用最廣泛的要害詞。咱們期望這個魔女充溢力氣而又奧秘，而且運用閃電魔法，她的造型是充溢細節裝點的。這樣看看能否生成一些有意思的圖片。
Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing
Emma Watson在模型中真實是太常見又太出作用了。我以為SD用戶這么喜愛運用她的姓名，是由于她看起來十分的高雅、年青，一起在現在網絡中的大部分圖片中形象是共同的。信任我，不是一切女演員都是這樣的，尤其是那些活潑在90年代乃至更前期的女演員們。
繪畫介質（Medium）
介質表明的是制造繪畫所用到的原料。舉一些比方如：插畫(illustration)，油畫(oil painting)，3D烘托(3D rendering)和拍攝(photography)等。介質要害詞對輸出成果也有較強的作用，一個相關詞匯的修正會改動整個輸出成果的風格。
咱們來添加一個相關的要害詞 digital painting
Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting
輸出成果變成了咱們想要的風格！圖片從相片變成了數字繪畫。
繪畫風格（Style）
風格代表了一種繪畫的藝術風格，舉例如：印象派(impressionist)，超現實主義(surrealist)，盛行藝術(pop art)等。
咱們向指令中添加一些風格類的要害字試試：hyperrealistic（超寫實）, fantasy（夢想風）, surrealist, full body
Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, surrealist, full body
嗯....不太好說這些詞對成果發生了多大影響，或許是由于這些風格類的要害詞現已被前面的要害詞所隱含。不過看上去保存他們也沒有什么問題。
藝術家（Artist）
藝術家的姓名也是有高影響權重的要害詞。經過指定一個藝術家的姓名可以讓你輸出的內容與其詳細的藝術風格所匹配。別的一般也會運用多個藝術家的姓名，以得到一種混合的藝術風格。下面咱們將添加兩個藝術家要害詞： Stanley Artgerm Lau，一個超級英豪漫畫家，以及 Alphonse Mucha，一個19世紀的肖像畫家。
Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha
咱們可以看到這兩種藝術家的繪畫風格交融出來的作用十分好。【翻譯注：慕夏對錯常有名的畫家，在我這個非專業人士的認知中他可以算是塔羅牌畫風的創始人了，其繪畫有很杰出的古典、巴洛克、平面風格，別的一位畫家不熟。在生成的示例圖中可以看到慕夏風格體現的十分明顯，這兒我在制造示例圖的時分把閃電的英文拼錯了，所以你可以看到生成圖中根本沒有閃電了，不過由于慕夏+艾瑪真實有點美觀，我也就不修正了】
網站名（Website）
圖片搜集網站像 Artstation 和 Deviant Art 里聚集了很多的有清晰門戶的圖片。 添加這類要害詞可以使咱們的輸出成果趨同于網站上的圖畫藝術風格。
Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation
看起來改動不大，可是生成的圖片的確看起來像你能從Artstation上找到的圖。【翻譯注：在復刻的進程中我并不確認作者所說的Website是個有用的要害詞類別，當我在webui中輸入artstation時，token數量從43變成了45，十分置疑模型把它拆分為art和station兩個單詞作為輸入處理了（原因見文章后邊的“指令可以有多長”章節）。別的網站的畫風自身便是多元的，我也不太能了解他會對輸出成果發生怎樣的影響，在后續的示例中我會刪去該要害詞，以防止其形成欠好的影響。至于與上一節比較，閃電又有了，那只是由于我把lightning拼寫修正正確了】
清晰度（Resolution）
清晰度代表了輸出的圖畫的銳度與細節度。咱們測驗添加這兩個要害詞：highly detailed，sharp focus。
Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus
好吧，看上去沒有太大的作用，應該是之前的圖片現已很銳化且細節化了，可是添加上也并無害處。
細節描繪（Additional details）
細節描繪是調整圖片的調味劑。咱們測驗添加 sci-fi（科幻）, stunningly beautiful（絕美）與 dystopian （反烏托邦）來對圖畫進行一些調整。
Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus, sci-fi, stunningly beautiful, dystopian
色彩（Color）
經過添加色彩要害字，你可以操控圖畫全體的色彩。你所添加的色彩有或許作為圖畫全體的色彩，或某個物體的色彩。
咱們測驗運用要害詞 iridescent gold來為圖畫添加一點金色。
Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus, sci-fi, stunningly beautiful, dystopian, iridescent gold
金色的作用很不錯！
光照（Lighting）
一切拍攝師都會告知你，出片的要素之一便是光照。光照要害字關于生成的圖片也有著巨大的影響。咱們測驗一下在指令中添加cinematic lighting 與 dark
Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus, sci-fi, stunningly beautiful, dystopian, iridescent gold, cinematic lighting, dark
以上咱們完成了整個演示demo的提示指令的構建
總結
或許你留意到了，只是向根底的方針目標再添加幾個要害要害詞（keywords）就現已可以生成出不錯的圖畫出來了。關于構建Stable Diffusion的輸入指令來說，一般你并不需求添加太多的要害詞
否定提示指令 （Negative prompt）
否定提示指令 是另一個十分有用的調整圖畫的輸入，經過輸入你不想要的內容，而不是想要的，來完成對圖畫的調整。否定提示指令并非只能掃除實體目標，也可以是風格或許其他一些不想要的圖畫特征（比方：丑陋（ugly），異型（deformed））
假如你運用的是SD的二代模型版別的話(注：現在大部分人運用的是1.4/1.5的一代模型版別)，否定提示指令是一個必填項，不然你會得到與一代版別比較差的多的圖畫。關于一代版別來說，否定指令是可選的，不過在實踐運用時都會對其進行設置，究竟否定指令即便沒有提高圖畫的作用，也不會對其形成什么危害。
我將運用一個通用的否定提示指令。有關其原理與更詳細的運用辦法，你可以在這篇文章中進行深化了解。
ugly, tiling, poorly drawn hands, poorly drawn feet, poorly drawn face, out of frame, extra limbs, disfigured, deformed, body out of frame, bad anatomy, watermark, signature, cut off, low contrast, underexposed, overexposed, bad art, beginner, amateur, distorted face, blurry, draft, grainy
可以看出否定提示指令使得圖畫中的主體愈加凸顯，不會顯得過于平面化。
構建杰出指令的流程
迭代構建
你應該運用迭代的進程來構建提示指令，就像前面的示例所演示的，跟著要害字逐個添加到主體中，咱們終究可以生成十分棒的圖片。
我總是從只包括主體（Subject）、介質（Medium）、與風格（Style）要害詞的簡略指令開端進行構建。生成至少4張圖片來調查成果。大部分這樣的根底指令并不是能100%起效的。你需求對你所運用的根底要害詞能取得什么有一些計算學上的感知。
迭代進程中一次最多添加2個要害詞，相同生成至少4張圖片來調查其作用
運用否定提示指令
運用通用否定提示指令永久是個不會犯錯的開端。
添加要害詞到否定提示指令中也是迭代話構建的一部分。這些否定要害詞可以是你期望防止在圖畫中生成的物體、或許身體部位。（由于一代模型并不太長于烘托手部，經過在否定指令中添加“hand”要害詞以在圖畫中將其直接躲藏也是個不錯的挑選）
提示指令書寫技巧
你可以調整一個要害詞的影響因子，也可以操控在特定的生成步數（sampling step）后切換要害詞。
下面所介紹的語法都可以在 AUTOMATIC111 GUI 【翻譯注：便是stable-diffusion-webui】中進行運用。你可以在 Colab notebook 上運用這個東西，也可以將其布置到本地的 Windows 或 Mac 電腦上。
要害詞權重
（這個語法可以在webui中運用）
你可以運用`(要害詞: 權重)`這個語法來操控要害詞的影響因子。權重是一個數值，小于1代表其重要度較低，大于1代表其重要度更高。
比方，咱們可以鄙人面的指令中對狗這個要害詞添加權重
dog, autumn in paris, ornate, beautiful, atmosphere, vibe, mist, smoke, fire, chimney, rain, wet, pristine, puddles, melting, dripping, snow, creek, lush, ice, bridge, forest, roses, flowers, by stanley artgerm lau, greg rutkowski, thomas kindkade, alphonse mucha, loish, norman rockwell.
添加狗的權重導致圖畫中呈現了更多的狗，而反之則削減。并不是關于一切圖片權重起到的都是這樣的作用，可是絕大多數情況下，你都可以預期權重會發生這樣的作用。
這個技巧不只可以運用在主體要害詞上，對一切要害詞類別例如風格或光照都可以運用。
()與[]語法
（這個語法可以在webui中運用）
()與[]是與調整要害詞權重等價的語法。`(要害詞)`會將括弧中的要害詞權重添加1.1倍，其等價于`(要害詞:1.1)`。`[要害詞]`將括弧中的要害詞權重調低至0.9倍，其等價于`(要害詞:0.9)`。
你可以像代數公式相同運用多個括弧來倍增其權重影響作用
(keyword):1.1
((keyword)):1.21
(((keyword))):1.33
與之類似的，運用多個中括弧的作用如下：
[keyword]: 0.9
[[keyword]]: 0.81
[[[keyword]]]: 0.73
要害詞混合
（這個語法可以在webui中運用）
你可以混合兩個要害詞，這種用法精確的來說稱作指令調度（prompt scheduling）。語法如下：
[要害詞1:要害詞2:影響因子]
`影響因子` 操控在采樣的哪一步（step）中提示指令中的要害詞1會切換到要害詞2，它是一個0到1之間的參數
比方運用如下的指令
Oil painting portrait of [Joe Biden:Donald Trump:0.5]
將輸入的step參數設置為30
這意味著在生成進程的前15步運用的是下面的指令
Oil painting portrait of Joe Biden
而在接下來第16到30步的生成進程中指令將變成下面這樣
Oil painting portrait of Donald Trump
影響因子參數將決議要害詞在何時發生改動，在上面的比方中它將在 30 steps x 0.5 = 15 steps后履行。
調整影響因子所發生的作用可以看作是將兩位總統的肖像在不同程度上進行混合。
你或許留意到Trump身著白色西服更想是Biden的服飾調配，這其實十分好的展示了運用要害詞混合中很重要的一個規矩：要害詞1決議了全體的混合作用。越靠前的diffusion生成進程越對圖畫全體的混合成果發生影響，而較靠后的生成進程則只擔任逐步改善細節。
小測驗：假如在上面的比方中將Joe Biden與Donald Trump互換次序，你覺得關于生成的圖片會發生什么影響呢？
面部混合
要害詞混合的常用于借用兩個不同的明星來創立出新的面龐。舉例來說，[Emma Watson: Amber heard: 0.85]，40 steps，將會發生一個介于二者之間的面孔：
[Emma Watson: Amber heard: 0.85] oil painting, blur background, elegant
挑選兩個適宜的姓名再加上調整參數，就可以取得咱們想要的樣貌。
破產版prompt-to-prompt
運用要害詞混合，你可以取得到類似于 prompt-to-prompt 的作用，即經過修改生成出一對高度類似的圖畫。下面的兩張圖畫運用了相同的提示指令，除了運用指令調度語法將蘋果替換為了火焰，兩張圖的seed與steps參數設置也是相同的【翻譯注：這兒運用的示例圖片是我自己做的，與原文不共同，提示指令改成了將蘋果替換成了火球，首要原因是替換成火焰沒有做出太好的作用圖來】
[Emma Watson: Amber heard: 0.75] holding an [apple: fire ball:0.9], shining bokeh depth of field background, classic, oil painting, portrait, elegant, upper class, red lips, ear wearing. Steps: 40, Sampler: DPM++ 2M Karras, CFG scale: 6, Seed: 805277495
混合因子需求精密的調整。它詳細是怎么作業的？其背面的理論其實便是：輸出圖畫的全體作用是由前期的分散進程（diffusion process）決議的。當分散進程開端聚集于更小的區域時，切換任何的要害詞都不會對圖畫的全體成果發生較大的影響。這使得這種辦法可以只是改動圖畫中的一小部分。
指令可以有多長？
指令長度取決于你運用的是哪個Stable Diffusion運用，運用中或許會對你指令（prompt）中的要害詞（keyword）數量進行約束。在SD一代的根底版別中，指令的約束是75個詞元（token）
需求留意的是詞元（token）并不等同于單詞（word）。SD所運用的 CLIP模型 會主動將提示指令轉化為一組詞元，即該模型所知曉的單詞的數字表明。假如你運用了該模型所不知道的單詞或詞組，該單詞將會被切分為兩個或更多的子單詞（sub-words）直到他知道每個單詞的意義。因而可以被CLIP模型所認知的單詞（word）才被稱為詞元（token），舉例來說`dream`是一個詞元，`beach`是一個詞元，可是`dreambeach`是兩個詞元，由于CLIP模型并不知道這個單
關于chatgpt寫作輔助和英文寫作輔助軟件的介紹到此就結束了，不知道你從中找到你需要的信息了嗎 ？如果你還想了解更多這方面的信息，記得收藏關注本站。