3. 轻松复现一张 AI 图片

现在有一个非常漂亮的 AI 图片，你是不是想知道他是怎么生成的？

今天我会交给大家三种方法，学会了，什么图都可以手到擒来了。

需要的软件

在本教程中，我们将使用 AUTOMATIC1111 stable diffusion WebUI。这是一款流行且免费的软件。您可以在 Windows、Mac 或 Google Colab 上使用这个软件。

方法 1: 通过阅读 PNG 信息从图像中获取提示

如果 AI 图像是 PNG 格式，你可以尝试查看提示和其他设置信息是否写在了 PNG 元数据字段中。 首先，将图像保存到本地。 打开 AUTOMATIC1111 WebUI。导航到 PNG 信息页面。

 将图像拖放到左侧的源画布上。

 在右边你会找到关于提示词的有用信息。你还可以选择将提示和设置发送到 txt2img、img2img、inpainting 或者 Extras 页面进行放大。

方法 2：使用 CLIP interrogator 从图像中推测 Prompt

在处理图像信息时，我们常常会发现直接的方法并不总是有效。

有时候，信息并没有在最初就被记录在图像中，或者在后续的图像优化过程中被 Web 服务器去除。

也有可能这些信息并非由 Stable diffusion 这类 AI 技术生成。

面对这种情况，我们可以尝试使用 CLIP interrogator 作为替代方案。

CLIP interrogator 是一种 AI 模型，它具备推测图像内容标题的能力。这个工具不仅适用于 AI 生成的图像，也能够应对各种类型的图像。通过这种方式，我们能够对图像内容进行更深入的理解和分析。

什么是 CLIP？

CLIP（Contrastive Language–Image Pre-training）是一个神经网络，它将视觉概念映射到自然语言中。CLIP 模型是通过大量的图像和图像信息对进行训练的。

image-20240409233700659

在我们的用例中，CLIP 模型能够通过对给定图片的分析，推断出一个恰当的图片描述。

这个描述可以作为提示词，帮助我们进一步理解和描述图片的内容。CLIP 模型通过学习大量的图像和相关文本数据，掌握了图像识别和语义理解的能力，因此它能够捕捉到图片中的关键元素，并将其转化为一个描述性的标题。

WebUI 中自带的 CLIP interrogator

如果你倾向于避免安装额外的扩展，可以选择使用 AUTOMATIC1111 提供的内置 CLIP interrogator 功能。

WebUI 提供了两种识别图像信息的功能。一个是 clip：这个功能底层基于 BLIP 模型，它是在论文《BLIP: 为统一的视觉语言理解和生成进行语言图像预训练》中由李俊楠以及其团队所提出的 CLIP 模型的一个变种。一个是 DeepBooru, 这个比较适合识别二次元图片。

要利用这个内置的 CLIP interrogator，你可以按照以下简单的步骤操作：

1. 启动 AUTOMATIC1111：首先，你需要打开 AUTOMATIC1111 的网站。

2. 导航至 img2img 页面：在 AUTOMATIC1111 的界面中，找到并点击“img2img”这一选项。这是一个专门的页面，用于上传和处理图像。

3. 上传图像到 img2img 画布：在这个页面上，你会找到一个用于上传图像的区域，通常被称为“画布”。点击上传按钮，选择你想要分析的图像文件，并将其上传到画布上。

4. 上传之后在界面右边就可以找到两个 interrogator 工具了：

image-20240409235643665

点击这两个按钮，就可以获得图像的描述信息了。

我们可以得到下面的信息：

a woman in a blue top and pink skirt standing on a hill near the ocean with a grassy area in the background,Ai Xuan,ocean,a statue,rococo,

我们用这段提示发到 text2image 中看看效果：

image-20240410161245669

嗯….大体上还是有点相似的….. 因为图片跟我们的底模，种子还有采样多种因素有关。所以你想 1 比 1 复制，这个比较难。

CLIP 扩展

如果您在使用 AUTOMATIC1111 的内置 CLIP interrogator 时发现其功能不足以满足您的需求，或者您希望尝试使用不同的 CLIP 模型来获得更多样化的结果，那么您可以考虑安装 CLIP interrogator 扩展。这个扩展将为您提供更多的选项和灵活性，以适应您特定的使用场景。

这个插件的下载地址如下:

https://github.com/pharmapsychotic/clip-interrogator-ext

要使用 CLIP interrogator 扩展。

1. 打开 AUTOMATIC1111 WebUI。

2. 转到 interrogator 页面。

3. 将图像上传到图像画布。

4. 在 CLIP 模型下拉菜单中选择 ViT-L-14-336/openai。这是 Stable Diffusion v1.5 中使用的语言嵌入模型。 

5. 单击生成以生成提示。 ### 对 SDXL 模型进行 CLIP 如果你的目标是使用 Stable Diffusion XL (SDXL)模型，那么我们需要选择不同的 CLIP 模型。

在“interrogator”页面上，你可以选择很多 clip 模型，如果要和 SDXL 模型一起工作的话，那么可以选择 ViT-g-14/laion2b_s34b_b88k 这个选项。

选择 ViT-g-14/laion2b_s34b_b88k 模型后，系统将会根据这个模型的特性生成相应的提示。你可以使用这个提示词作为 SDXL 的提示，从而可以更精确地生成与原始图像内容相符合的图像。

ViT-g-14/laion2b_s34b_b88k 模型是一个基于 Vision Transformer (ViT)架构的预训练模型，它在大型图像数据集 laion2b 上进行了训练，具有 34 亿个参数。这个模型在图像识别和理解方面表现出色，能够有效地捕捉图像的关键特征，并生成与原始图像内容紧密相关的提示。

通过这种方式，就可以确保在使用 SDXL 模型进行图像生成时，所得到的输出图像能够更好地反映原始图像的意图和风格。

总结一下

我们讲了三种方法来从图片信息中提取出对应的 Prompt。

你应该首先尝试使用 PNG 信息方法。这种方法的优势在于，如果图像中包含了完整的元数据，那么您可以一次性获取到包括提示、使用的模型、采样方法、采样步骤等在内的所有必要信息。这对于重新创建图像非常有帮助。

如果 PNG 没有信息可用，那么可以考虑使用 BLIP 和 CLIP 模型。对于 v1.5 模型来说，ViT-g-14/laion2b_s34b_b88k 模型可能是一个不错的选择，它不仅适用于 SDXL 模型，也可能在 v1.5 模型中表现出色。

另外，我们在构建提示词的时候，不要害怕对提示词进行修改。因为自动生成的提示可能并不完全准确，或者可能遗漏了一些图像中的关键对象。

所以需要根据自己的观察和需求，来修改提示词以确保它能准确地描述图像内容。这对于最终生成的图像质量和准确性至关重要。

同时，选择正确的 checkpoint 模型也非常关键。因为提示中可能并不总是包含正确的风格信息。

例如，如果您的目标是生成一个真实人物图像，那么你肯定不能选择一个卡通模型。

点我查看更多精彩内容:www.flydean.com