标签法则 (Tagging)

开发团队抓住机会填补了现有图像模型领域的知识空白，教会了 AI 如何识别和运用“标签 (Tags)”！标签使您可以显著地强化对提示的控制力，并在不同的生成图片中保持一致性。 当您输入图像生成提示时，系统会自动出现标签建议下拉列表。 经过完全重新训练的 NovelAI Diffusion 让您能够向 AI 发出明确指令，告诉它应该生成什么。因为 AI 接受了关于特定标签的训练，所以它能够更好地识别带有标签定义的具体内容。

标签知识掌握度指示器 (Tag Knowledge Indicators)

系统会根据您输入的内容来建议相关的标签，并呈现对应的标志——小圆圈的透明度代表了系统对各个标签知识的掌握程度。 使用被识别出的大热标签并不是必须的，但这在引导 AI 走向你渴望的方向方面，能起到了举足轻重的作用。这将很容易创造出跨越了不同画幅但人物仍然保持一致性的错觉。

随机提示词机器 (Random Prompt)

如果您实在想不出任何具体的提示词，您可以随时使用我们的全新“随机提示 (Random Prompt)”按钮！骰子图标 🎲 它会自动帮您从众多标签里随机挑选并为您炮制一条提示。生成随机提示后，您可以直接基于它生成图像；也可以点 ⨉ 删除它（将其还原回您之前手动编写的内容）；或是按 ↻ 按钮重新为您摇出另一套新的随机提示词。 随机出来的提示同样可以完全自主选择和进行编辑！

鸭鸭提示 (Goose Tip)：删除一条随机提示会将文本还原回您之前写入的任何内容，甚至您直接离开页面再回来它也在。因此请不要害怕随时进行测试！

标签排序 (Tag Ordering)

部分标签“被期望”放置在特定的顺序中，通常应该放在提示句首。推荐的逻辑排列规则是：

1boy (或 1girl 等人物数量特征), 人物身份, 作品出处 (series), 其他剩下所有元素的随便排列

鸭鸭提示 (Goose Tip)：注意这仅是某些常见标签的推荐顺序。您可以随时忽略这些排版，或者把其他次要标签前缀到他们前面让它们提高权重。 另外，根据您选择的模型不同，“标签排序”可以决定这个标签能在最终结果中产生多重要的影响。 在使用我们的 NovelAI Anime V3 及更早版本的模型时，提示词出现的越早（即越靠前），其带来的影响越强。该逻辑能和我们向量的 [减弱] 及 {增强} 操作搭配使用。

特殊标签 (Special Tags)

我们的模型还拥有一系列旨在更好地定义您生成画作最终质量结果的独特特有标签：包括质量标签 (Quality Tags)、美感标签 (Aesthetic Tags)、年份标签 (Year Tags) 和 数据集标签 (Dataset Tags)。

质量标签 (Quality Tags)

“质量标签”用于直接影响生成图像的整体质量底色。它们包括：

• best quality （最佳质量）
• amazing quality （惊艳质量）
• great quality （优良质量）
• normal quality （普通质量）
• bad quality （劣弱质量）
• worst quality （最差质量）

如果在同样的步数、提示词等环境下，加入 best quality 将极大提升细节精美的程度，而如果加入 worst quality 则会生成崩坏、潦草的图画。

美学标签 (Aesthetic Tags)

这些标签将决定模型最终生成的图像是否能够具有令人赏心悦目的美学构成或排版。它们包括：

• masterpiece （绝品 / V4.5 专属）
• top aesthetic （顶级美学 / V4 专属）
• very aesthetic （非常具有美感）
• aesthetic （有美感）
• displeasing （令人不悦的）
• very displeasing （非常令人不悦的）

添加 very aesthetic 等高级美感词将使光照、色彩变得更加专业和大师级。

年份标签 (Year Tags)

除此之外，我们还有标签可以直接指定 AI 创作艺术的基础年份。使用方法： year XXXX “XXXX” 就是你想要套用的年份。例如加入标签 year 2014，它会指定让 AI 的画风基调更加贴合 2014 年时二次元大热的流行画风。所有年份都有效，尽管结果可能好坏参半（因流行素材丰富度而异）。

数据集标签 (Dataset Tags)

要达到最佳效果，数据集类型的标签必须严格放置在首个基础提示词的最前端。

• fur dataset（兽人数据集，V4及以上模型支持）将用它来绘制偏向兽人/furry风格的插图。
• background dataset（背景数据集，V4.5及以上模型支持）用于在没有人物影响的情况下生成各种照片级真实的野生动物肖像、静物风景以及纯风景图。

您可以在面板上直接切换 Anime 模式到 Furry 模式，这实质上就会自动用 fur dataset 这个词置顶。

被重命名的标签 (Renamed Tags)

因为我们在图像引擎底层的语法规则里使用 | 字符来进行“混合提示逻辑分割”，由于符号占用冲突，更因为某些符号标签太过抽象，我们已经将大量颜文字类标签强制重命名为可读性更高的文本标签：

• v 应该被写成 -> peace sign (剪刀手)
• double v -> double peace (双剪刀手)
• |_| -> bar eyes
• \||/ -> open \m/
• :| -> neutral face (无表情脸)
• ;| -> neutral face
• <|> <|> -> neco-arc eyes (猫猫神瞳)
• eyepatch bikini -> square bikini (方块比基尼)
• tachi-e -> character image (角色立绘)

其他分类外标签 (Other Tags)

我们数据集中同样收录了一些无法分类的各种标签。 例如：location (场所位置) 它就像是 indoors (室内) 和 outdoors (室外) 的结合体，它的存在暗示图像应当展示“某个地点的取景”，而无需强行明确到底是在室内还是室外。

注意： NovelAI Diffusion 扩散模型不会像基础的通版 Stable Diffusion 那般运作——即使是同样的提示词加上同样的种子，出来的结果也会截然不同且不可比拟。