许可协议：apache-2.0
功能模块：

• 文本示例： "将简易图像描述转换为提示词。提示词格式为多个相关标签以逗号分隔，可使用()增加权重、[]降低权重，或直接标注数字指定权重。需添加恰当词汇使提示词描述的图像更具美感，同时确保输入输出内容具有关联性。\n### 输入：1 girl\n### 输出："
  技术标签：
• pytorch
• transformers
• 文本生成

美图提示词生成器-v2

产品简介

我们开源了自动提示词生成模型，只需输入极简描述即可获得经语言模型优化的专业提示词，助您轻松生成高质量图像。相比v1版，本版本显著提升复杂场景表现力，并新增权重生成功能（适配sd-webui使用）。

• GitHub项目：EasyNLP

调用方式

from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained('alibaba-pai/pai-bloom-1b1-text2prompt-sd-v2')
model = AutoModelForCausalLM.from_pretrained('alibaba-pai/pai-bloom-1b1-text2prompt-sd-v2').eval().cuda()
原始描述 = '1 girl'

模板_V2 = '将简易图像描述转换为提示词。提示词格式为多个相关标签以逗号分隔，可使用()增加权重、[]降低权重，或直接标注数字指定权重。需添加恰当词汇使提示词描述的图像更具美感，同时确保输入输出内容具有关联性。\n### 输入：{原始描述}\n### 输出：'

输入文本 = 模板_V2.format(原始描述=原始描述)
输入编码 = tokenizer.encode(输入文本, return_tensors='pt').cuda()
生成结果 = model.generate(
    输入编码,
    max_new_tokens=384,
    do_sample=True,
    temperature=0.9,
    top_k=50,
    top_p=0.95,
    repetition_penalty=1.1,
    num_return_sequences=5)

提示词列表 = tokenizer.batch_decode(生成结果[:, 输入编码.size(1):], skip_special_tokens=True)
提示词列表 = [词条.strip() for 词条 in 提示词列表]
print(提示词列表)

效果对比

优化前	优化后
输入：美丽女孩	输出：(8K超清 RAW照片 最佳画质 杰作:1.2), (写实风格 照片级真实:1.37), 辛烷渲染 超高分辨率 光子映射 辐射着色 物理渲染 UE5引擎, ((白色连衣裙)), ((长发飘飘)), ((精致面容)), ((浅褐色眼眸)), ((甜美微笑))) 极致细节CG unity 8K壁纸 精致妆容, (莹润双唇), (幻想镶边), (复杂细节), 浅景深光斑, (面部中心精准对焦) (广角:0.6), 全身像

优化前	优化后
输入：宇航员骑马	输出：(大师之作), (顶级品质), 马背上的宇航员, (策马奔腾), (太空头盔), (马背站立), 全景视角 目视远方 精细背景 单人场景

生成工具：sd-xl-1.0

使用条款

使用本模型需遵守《AIGC模型开源特别条款》（中文版）。

文献引用

若本模型对您的研究有所帮助，请引用以下论文：

@inproceedings{emnlp2023a,
  作者    = {曹霆峰 and
            王成宇 and
            刘冰彦 and
            吴子恒 and
            朱金辉 and
            黄俊},
  标题     = {BeautifulPrompt：面向文生图合成的自动提示词工程技术},
  会议名称 = {2023年自然语言处理实证方法会议：工业应用专场},
  页码     = {1--11},
  年份      = {2023}
}