探索 Stable Diffusion 反向詞

反向詞（Negative Embedding）是一種在自然語言處理和機器學習領域中廣泛使用的技術。它的主要目的是將某種特定的語義信息（如否定、反對等）編碼到一個向量（即嵌入）中，這個向量可以被機器學習模型用來理解和處理這種語義信息。

在 Stable Diffusion WebUI 中，反向詞被用來改變生成的圖像。具體來說，當你在提示詞中使用一個反向詞時，Stable Diffusion 將試圖生成一個與該反向詞相對應的圖像。例如，如果你使用了 "不是狗" 這個反向詞，那麼 Stable Diffusion 將試圖生成一個不包含狗的圖像。

這種技術的優點是，它可以讓你更細緻地控制生成的圖像。你可以使用反向詞來指定你不希望出現在圖像中的元素，這在許多情況下都非常有用。例如，如果你正在創作一幅風景畫，並且你不希望畫中出現任何建築物，那麼你可以使用 "不是建築物" 這個反向詞來達到這個目的。

然而，使用反向詞也有一些挑戰。首先，你需要找到一個適合的反向詞來表示你的意圖。這可能需要一些試驗和錯誤，因為不同的反向詞可能會產生不同的結果。其次，反向詞的效果可能會受到模型的限制。如果模型對某個反向詞的理解不夠好，那麼使用該反向詞可能不會產生你期望的效果。

儘管如此，反向詞仍然是一種強大的工具，可以幫助你更好地控制 Stable Diffusion 的生成結果。通過學習和實踐，你將能夠掌握這種技術，並在你的創作中充分利用它。

反向詞下載後存放 路徑 “ \stable-diffusion-webui\embeddings ” 內

EasyNegative 是一種「通用的」負面模型，它集成了一些常用的不需要 AI 畫的東西。這是使用 Counterfeit 訓練的 Negative Embedding。
EasyNegative 的主要目的是把一些常見的不需要 AI 畫的東西全部集成進來，除非你的負向詞面面俱到，不然這個插件還是很有用的。

已經證明對於生成手部圖像非常有幫助。負面嵌入，也建議使用「強度為0.8」，如 "(bad_prompt_version2:0.8)"。

"bad-hands-5" 是用來避免生成出畫得不好的手部，"bad-hands-5" 是一種有用的工具，可以幫助使用者更精確地控制 Stable Diffusion 的生成結果。

"Deep Negative V1.x" 是一種 Textual Inversion Embedding (TIE) 模型，由使用者 FapMagi 在 Civitai 平台上分享。這種模型的主要目的是在 Stable Diffusion 的生成過程中，用來排除一些不希望出現的元素。在這個情況下，"Deep Negative V1.x" 是用來避免生成出令人厭惡的圖像。

根據分享者的說明，"Deep Negative V1.x" 的訓練過程中使用了 DeepDream 算法，並且使用了 ImageNet-mini 數據集（隨機選取的 1000 張圖像）作為訓練數據。這個模型學習了什麼樣的圖像組合和顏色模式會讓人感到厭惡，包括錯誤的人體解剖學、冒犯的色彩方案、上下顛倒的空間結構等。將它放在 Negative Prompts 中，可以有效地避免生成這些元素。

"Deep Negative V1.x" 提供了多種版本，包括 2T、4T、16T、32T、64T 和 75T，這些數字代表每個 token 的向量數量。其中，75T 版本被描述為最「易於使用」的嵌入，它從以特殊方式創建的準確數據集中訓練而來，幾乎沒有副作用，並且包含足夠的信息來覆蓋各種使用場景。然而，對於一些「訓練良好的模型」，它可能難以產生影響，變化可能微妙而不夠劇烈。

總的來說，"Deep Negative V1.x" 是一種有用的工具，可以幫助使用者更精確地控制 Stable Diffusion 的生成結果。