当前位置: 首页 > news >正文

【AIGC风格prompt】风格类绘画风格的提示词技巧

风格类绘画风格的提示词展示

主题:首先需要确定绘画的主题,例如动物、自然景观、人物等。
描述:根据主题提供详细的描述,包括颜色、情感、场景等。
绘画细节:描述绘画中的细节,例如表情、纹理、光影等。
场景描述:提供更详细的场景描述,包括背景、环境、氛围等。
画面比例:指定画面的比例,例如3:2、16:9等。
其他要求:根据需要,提供其他要求,例如摄影器材、颜色模式等。

当涉及到prompt设计表现形式的颜色、线条和质感的搭配时,以下是一些建议和详细说明:

渲染图:
颜色:渲染图通常使用较为真实和饱和的颜色,以模拟自然光的效果。可以使用自然色调或温暖色调,以营造温馨、舒适的氛围。
线条:渲染图通常注重细节和轮廓的表现,因此线条应该清晰、流畅,以突出物体的结构和形态。
质感:渲染图可以通过光影效果和纹理细节来表现物体的质感,如光滑、粗糙、柔软或坚硬等。
草图:
颜色:草图可以使用较为轻松、自由的笔触和较为明亮的颜色,以突出草图的独特风格和创意。可以使用多种颜色进行搭配,以增强视觉效果。
线条:草图的线条可以较为随意和流畅,以突出草图的自由感和创意性。可以使用不同的线条粗细和笔触效果,以丰富画面的表现力。
质感:草图可以通过简单的线条和阴影效果来表现物体的基本质感,如纸张、布料、木材等。
模型图:
颜色:模型图通常使用较为单一的颜色,以突出模型的形状和结构。可以使用中性的色调,如灰色、米色等,以使模型在视觉上更加突出。
线条:模型图的线条应该清晰、准确,以突出模型的结构和细节。可以使用不同粗细的线条来强调模型的轮廓和细节。
质感:模型图可以通过纹理和阴影效果来表现物体的表面质感,如金属、塑料、木材等。可以使用简单的阴影和高光效果来增加模型的立体感和细节表现。
总的来说,对于prompt设计表现形式的颜色、线条和质感的搭配,需要根据表现形式的特点和要求进行选择和调整。不同的搭配方式可以突出不同的风格和情感表达,以达到预期的设计效果。

>  --ar 3:2

在这里插入图片描述

在这里插入图片描述
> 这里是引用
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Prompt: 书法壁画景观,渲染图,纸质感,柔软,黄白色调,漫反射光,2D,12K

Prompt:森林壁画景观,渲染图,金属质感,坚硬,自然金黄色调,反光,3D,12K
在这里插入图片描述

http://www.lryc.cn/news/270988.html

相关文章:

  • vue exceljs json数据转excel
  • Navicat for MySQL 创建函数——报错1418
  • java球队信息管理系统Myeclipse开发mysql数据库web结构java编程计算机网页项目
  • 设计模式(4)--对象行为(7)--观察者
  • MySQL所有常见问题
  • 锐捷交换机配置 SNMP
  • Windows 10 安装和开启VNCServer 服务
  • js遍历后端返回的集合将条件相同的放入同一个数组内
  • GcExcel:DsExcel 7.0 for Java Crack
  • 基于SpringBoot的职业生涯规划系统
  • 基于Java+SpringBoot+vue+elementui的校园文具商城系统详细设计和实现
  • PyTorch中常用的工具(5)使用GPU加速:CUDA
  • Qt+opencv 视频分解为图片
  • 一篇文章认识微服务的优缺点和微服务技术栈
  • [spark] dataframe的数据导入Mysql5.6
  • 2023年度业务风险报告:四个新风险趋势
  • python编程从入门到实践(1)
  • ElasticSearch 文档操作
  • NXOpenC++布尔求和命令
  • ubuntu python播放MP3,wav音频和录音
  • Rust学习笔记000 安装
  • python AI五子棋对战
  • 图文证明 费马,罗尔,拉格朗日,柯西
  • CEC2017(Python):粒子群优化算法PSO求解CEC2017(提供Python代码)
  • AUTOSAR从入门到精通- 虚拟功能总线(RTE)(一)
  • B/S架构云端SaaS服务的医院云HIS系统源码,自主研发,支持电子病历4级
  • 看懂基本的电路原理图(入门)
  • 赫夫曼树基本数据结构
  • 10TB海量JSON数据从OSS迁移至MaxCompute
  • LLM之RAG实战(九)| 高级RAG 03:多文档RAG体系结构