欲善其事，先利其器【2022/10】

2022 年 10 月是創新與挑戰並存的月份，人們進行天馬行空的測試，投石問路功不唐捐，都是疊起人類邁向 AIGC 領域深處的墊腳石。但不知因為抽卡過程充滿趣味性，還是樂於嘗試的人們多少抱持娛樂態度在玩 AI 圖像生成，某些網上分享的範例讓我滿頭問號。

它們未免太長了吧???

若沒特地設置權重，Stable Diffusion 會依提示先後順序安排生成的圖像，調整前面幾個提示詞，可能大幅更動整體構圖與組成。如果單就這個原理推論，提示詞自然越精煉越好，而且使用者最好先對畫面布局/重點元素有基本想法。

然而或許是被那張超長詠唱梗圖影響，AI 生成彷彿也是力大磚飛，圖片不夠完美就 4K、8K、16K 一併塞進去讓它更美，雖然就算疊到 506K，哇塞華氏 451 度紙張燃點，AI 生成多少像素的圖仍舊看你的長寬設定而不是提示詞寫什麼。那段時間尋找網路分享，嘗試在自己筆電重現，總會看到某些揚揚灑灑好似展現分享者經綸滿腹的提示"文稿"，的確生成出繁複細緻的精美圖片，仔細比對內文與圖像卻發現其中諸多部份無相關性。

換言之就是電子汽水啊，會讓 prompt 虛胖，用來抽卡很爽。

但對困於 AI 隨機性一個月的我，prompt 與出圖結果沒啥關聯性，實在不是很爽的事情。我越少參考 Reddit/Stable Diffusion 版上帖子，轉向針對共享資料內的特定「單詞」進行單獨測試，這不會帶來重大變革，偏向盤點現有資源，確認哪些二次元角色只要單獨輸入姓名，Novelai 模型即可生成相應人物形象?從東方project 到 FGO、甚至到哈利波特，如果生成模型會受學習資料限制，那作為一名使用者，想發揮最大功能就得先拿捏模型極限。

為何尋找有效的人物提示詞?倘若輸入一個詞彙就能表現特定角色，表示我不再需要輸入更多描述體態、穿著的提示詞，如此可以提供更多空間進行場景、動作或其他提示詞的測試。因為 Stable Diffusion 默認有效 token 長度只有 75，超出了這個範圍，無論寫得多天花亂墜都派不上用場。

token 是語言模型裡用數字表現語意的最小單位，不完全等於單詞，受 AI 模型認知影響。若發現沒有學習過的單詞，AI 會將其繼續拆分，直到出現自己可以理解的單位。所以寫篇完整文章丟進 SD 當提示詞，可預見介係詞、連接詞之類不重要的部分也會被劃進 token，難怪 AI 生成圖像會與長文提示詞關聯性不大。

闔上筆電時，常埋怨網上 prompt 怎麼往往無視 75 token 限制，難道大多數人真的只是在玩嗎?隨著情況持續，一股感受油然而生 :

不對勁。

有些提示並非文章格式，且內容與生成圖像相關，但長度怎麼看都必然超出 75 token?

不對勁。

若長提示詞趨勢是缺乏概念的普通民眾湧入造成，為何竟少看見專業人士留言引導群眾?

不對勁。

終於無法按捺好奇心，檢視這些提示詞除了文字本身以外的其他係數。發現 A1111 開發的 Stable Diffusion webUI，在更新中移除了長度限制，可以分組處理超出 75 token 的提示，提升人類輸入對於 AI 的引導能力。

小丑竟是我自己，看來該換工具了。