SenseVoice Small详细指南：语音情感分析API开发
2026/1/19 6:44:10
NewBie-image-Exp0.1如何修改prompt？test.py脚本自定义提示词指南
1. 引言：NewBie-image-Exp0.1镜像的核心价值
NewBie-image-Exp0.1是一款专为高质量动漫图像生成设计的预置镜像，集成了完整的运行环境、修复后的源码以及优化配置。该镜像基于Next-DiT 架构，搭载了参数量高达3.5B的大模型，在画质表现和语义理解能力上均达到当前开源领域的先进水平。
本镜像最大的优势在于“开箱即用”——所有依赖项（包括 PyTorch 2.4+、CUDA 12.1、Diffusers、Transformers、Jina CLIP、Gemma 3 和 Flash-Attention 2.8.3）均已预装并完成兼容性测试，同时修复了原始项目中常见的“浮点索引错误”、“维度不匹配”等关键 Bug，极大降低了部署门槛。
尤其值得一提的是，该模型支持XML 结构化提示词（Structured Prompting via XML），能够实现对多角色属性的精细化控制，如发色、性别、服饰风格等，显著提升生成结果的一致性和可控性。
本文将重点介绍如何通过修改test.py脚本来自定义提示词（prompt），帮助用户快速掌握个性化图像生成的方法。
2. 环境准备与基础运行流程
2.1 容器环境进入与目录切换
在成功启动镜像容器后，首先需要进入项目主目录：
# 切换到 NewBie-image-Exp0.1 项目根目录 cd /workspace/NewBie-image-Exp0.1注意：具体路径可能因部署方式略有不同，请确认工作空间挂载位置。
2.2 执行默认推理脚本
执行以下命令即可生成第一张测试图像：
python test.py该脚本会调用预训练模型，并使用内置的默认 prompt 进行推理。完成后将在当前目录输出名为success_output.png的图像文件。
此步骤用于验证环境是否正常运行，是后续自定义操作的前提。
3. 自定义提示词：修改 test.py 中的 prompt 变量
3.1 文件结构与可编辑区域定位
test.py是一个轻量级推理脚本，主要包含以下几个核心部分：
- 模型加载逻辑
- 文本编码器初始化
- 提示词（prompt）定义
- 推理参数设置（如分辨率、步数、种子）
- 图像保存功能
其中，提示词定义段落是用户最常需要修改的部分。通常以如下形式出现：
prompt = """ <character_1> <n>miku</n> <gender>1girl</gender> <appearance>blue_hair, long_twintails, teal_eyes</appearance> </character_1> <general_tags> <style>anime_style, high_quality</style> </general_tags> """你只需编辑该字符串内容，即可改变生成图像的主题与细节。
3.2 XML结构化提示词语法详解
NewBie-image-Exp0.1 使用XML 标签嵌套结构来组织提示信息，其设计目的在于增强模型对复杂场景的理解能力，尤其是在处理多个角色或精细属性时表现出更强的解码准确性。
支持的主要标签层级：
| 标签名 | 说明 | 示例 |
|---|---|---|
<character_N> | 定义第 N 个角色（N 从 1 开始） | <character_1>...</character_1> |
<n> | 角色名称（可选，用于绑定预设特征） | <n>sakura</n> |
<gender> | 性别描述 | 1girl,1boy,2girls,group |
<appearance> | 外貌特征（发型、眼睛颜色、服装等） | pink_hair, short_skirt, red_eyes |
<pose> | 姿势动作 | standing, waving, sitting |
<background> | 背景设定 | school_classroom, cherry_blossoms |
<general_tags> | 全局风格控制 | 动画风格、画质等级等 |
<style> | 输出风格指令 | anime_style, detailed_face, sharp_lines |
示例：双角色互动场景构建
prompt = """ <character_1> <n>rin</n> <gender>1girl</gender> <appearance>orange_short_hair, yellow_jacket, green_eyes</appearance> <pose>walking_side_by_side</pose> </character_1> <character_2> <n>len</n> <gender>1boy</gender> <appearance>silver_hair, black_coat, calm_expression</appearance> <pose>looking_at_character_1</pose> </character_2> <general_tags> <style>anime_style, cinematic_lighting, depth_of_field</style> <background>urban_street_at_night, neon_signs</background> </general_tags> """上述提示词将引导模型生成一幅两名角色并肩行走、背景为夜晚都市街道的高质量动漫图像。
3.3 修改流程实操指南
以下是修改test.py实现自定义生成的标准流程：
步骤一：打开并编辑 test.py
使用任意文本编辑器（如vim、nano或 VS Code 远程连接）打开文件：
nano test.py步骤二：找到 prompt 字符串并替换内容
定位到prompt = """..."""区域，将其替换为你设计的 XML 结构化提示词。
步骤三：保存并运行脚本
保存更改后退出编辑器，重新执行：
python test.py观察控制台输出日志及生成图像效果。
步骤四：迭代优化提示词
根据生成结果调整<appearance>、<pose>等字段，逐步逼近理想画面。
4. 高级技巧与常见问题解决
4.1 多角色生成中的命名冲突规避
当同时定义多个角色时，建议显式指定<n>字段以激活角色专属特征库。若省略此字段，模型将仅依赖<appearance>描述进行推断，可能导致角色特征模糊或混淆。
✅ 推荐做法：
<character_1><n>kaito</n><appearance>blue_hair, detective_coat</appearance></character_1> <character_2><n>meiko</n><appearance>brown_hair, microphone_in_hand</appearance></character_2>❌ 不推荐做法（易导致特征漂移）：
<character_1><appearance>blue_hair, detective_coat</appearance></character_1> <character_2><appearance>brown_hair, microphone_in_hand</appearance></character_2>4.2 控制生成多样性：种子（seed）与采样步数调节
除了提示词外，test.py中还包含影响输出稳定性的关键参数：
seed = 42 num_inference_steps = 50 guidance_scale = 7.5| 参数 | 作用 | 调整建议 |
|---|---|---|
seed | 随机种子，决定噪声初始状态 | 固定 seed 可复现相同结果；更换 seed 获取变体 |
num_inference_steps | 扩散过程迭代次数 | 增加至 60~80 可提升细节，但耗时增加 |
guidance_scale | 条件引导强度 | 建议范围 6.0~9.0，过高易失真，过低偏离 prompt |
建议在完成 prompt 设计后，微调这些参数以获得最佳视觉平衡。
4.3 常见错误与解决方案
❌ 错误1：XML格式错误导致解析失败
现象：
ValueError: malformed xml in prompt原因：标签未闭合、特殊字符未转义、缩进混乱。
解决方案：
- 确保每个
<tag>都有对应的</tag> - 避免在文本中直接使用
<,>,&，应分别写成<,>,& - 使用在线 XML 校验工具检查结构合法性
✅ 正确示例：
<appearance>red_ribbon, <braces>, freckles</appearance>❌ 错误2：显存不足（Out of Memory）
现象：
CUDA out of memory. Tried to allocate 2.00 GiB原因：模型本身占用约 14–15GB 显存，若系统分配不足则无法运行。
解决方案：
- 升级 GPU 至至少 16GB 显存（如 A100、RTX 3090/4090）
- 在脚本中尝试启用
torch.compile()减少峰值内存 - 降低输入分辨率（需修改模型输入尺寸支持）
❌ 错误3：生成图像与提示不符
可能原因：
- XML 层级嵌套错误
- 使用了未被训练识别的罕见 tag
- 缺少必要的上下文关联词（如
looking_at_each_other）
优化策略：
- 添加更多语义连贯的动作描述
- 参考官方文档中的高频有效 tag 列表
- 启用
create.py脚本进行交互式调试，逐轮优化 prompt
5. 替代方案：使用 create.py 实现动态输入
如果你希望避免频繁修改.py文件，可以使用镜像自带的交互式脚本create.py：
python create.py该脚本会在终端中提示你逐项输入角色信息，自动拼接成合法 XML 结构化 prompt，并立即生成图像。适合实验探索阶段快速试错。
其内部机制同样是调用与test.py相同的推理管道，因此生成质量一致，仅输入方式更灵活。
6. 总结
6.1 关键要点回顾
本文系统介绍了如何在NewBie-image-Exp0.1预置镜像中通过修改test.py脚本来实现自定义提示词控制，主要内容包括：
- 镜像已集成完整环境与修复代码，支持一键运行；
test.py是基础推理入口，可通过编辑prompt变量实现个性化生成；- 模型支持XML 结构化提示词，能精准控制多角色属性与场景布局；
- 推荐使用
<character_N>+<general_tags>分层结构编写 prompt； - 修改流程简单：编辑 → 保存 → 运行 → 查看结果；
- 配合
seed、guidance_scale等参数可进一步优化输出质量； - 存在多种常见问题（如 XML 格式错误、显存不足），均有明确应对方法；
- 对于高频调试场景，推荐使用
create.py进行交互式输入。
6.2 最佳实践建议
- 先模仿再创新：从官方示例出发，逐步替换字段，避免一开始就构建复杂结构。
- 小步迭代：每次只修改一个变量（如 appearance 或 pose），便于归因分析。
- 善用 create.py 辅助调试：在确定理想 prompt 后，再固化到
test.py中批量生成。 - 记录有效 prompt 组合：建立自己的 prompt 库，提升长期创作效率。
掌握提示词定制能力，意味着你已经迈出了高效利用 NewBie-image-Exp0.1 的关键一步。无论是用于艺术创作、角色设计还是学术研究，结构化提示词都将为你提供前所未有的控制精度。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。