54 lines
2.1 KiB
Markdown
54 lines
2.1 KiB
Markdown
---
|
||
title: "Platform-Specific Optimization"
|
||
type: concept
|
||
tags: [prompt-engineering, ai-image-generation, platform]
|
||
last_updated: 2026-05-15
|
||
---
|
||
|
||
## Definition
|
||
|
||
针对不同 AI 图像生成平台（Midjourney、DALL-E、Stable Diffusion、Flux）的特定语法、参数和优化策略，使提示词在各平台上发挥最优效果。
|
||
|
||
## Platform Comparison
|
||
|
||
### Midjourney
|
||
- **参数语法**：`--ar`（宽高比）、`--v`（版本）、`--style`（风格）、`--chaos`（随机性）、`--no`（负向）、`--iw`（图像权重）
|
||
- **多提示词加权**：使用 `::` 语法实现 token 级权重控制（如 `cat::1.5 dog::0.8`）
|
||
- **风格引用**：`--style` 参数支持预设风格库
|
||
- **优化要点**：强调氛围和情绪词，依赖参数调控技术细节
|
||
|
||
### DALL-E
|
||
- **自然语言优化**：支持完整的自然语言描述，无需特殊语法
|
||
- **风格混合**：通过描述性语言融合不同艺术风格
|
||
- **优化要点**：详细描述场景和情感，利用自然语言的灵活性
|
||
|
||
### Stable Diffusion
|
||
- **Token 加权**：使用括号 `(token)` 和数字权重 `[token:0.5]` 控制 token 强度
|
||
- **Embedding 引用**：通过文本反演（Textual Inversion）引用自定义概念
|
||
- **LoRA 集成**：调用特定风格的 LoRA 适配器增强特定效果
|
||
- **优化要点**：精细化 token 权重管理，结合 Embedding 和 LoRA 实现精准控制
|
||
|
||
### Flux
|
||
- **详细自然语言**：偏好详细、具体的自然语言描述
|
||
- **写实优先**：对写实摄影风格有天然优势
|
||
- **优化要点**：提供尽可能详细的场景描述，减少抽象暗示
|
||
|
||
## Cross-Platform Best Practice
|
||
|
||
1. 核心五层提示词结构在各平台通用
|
||
2. 平台特有参数在提示词末尾添加
|
||
3. 测试不同平台的相同核心描述的输出差异
|
||
4. 建立各平台成功提示词库，持续迭代优化
|
||
|
||
## Connections
|
||
|
||
- [[Five-Layer-Prompt-Structure]] 是跨平台的通用框架
|
||
- [[Midjourney]] / [[DALL-E]] / [[Stable-Diffusion]] / [[Flux]] 各自的专属优化
|
||
- [[Prompt-Engineering]] 的平台适配层
|
||
|
||
## Aliases
|
||
|
||
- Platform Optimization
|
||
- Multi-Platform Prompt Tuning
|
||
- 平台适配优化
|