IP
สร้าง
ภาพตัวอย่างไดโอรามาเมืองแบบแผนที่ 3 มิติ
ภาพอ้างอิงหลัก
gpt-image-2 กรณีแรงบันดาลใจอื่นๆข้อความเป็นรูปภาพ

ไดโอรามาเมืองแผนที่ 3 มิติ

แผนภาพฉากพาราเมตริกที่ซับซ้อนสำหรับการสร้างแผนที่ภูมิประเทศเมืองสามมิติคุณภาพสูง พร้อมการผสานตัวอักษรขนาดใหญ่เข้ากับสถาปัตยกรรม

นี่คือตัวอย่างข้อความแจ้งเตือน gpt-image-2 สำหรับ แรงบันดาลใจอื่นๆ ใช้ข้อความแจ้งเตือนที่พร้อมใช้งานด้านล่างเพื่อสร้างภาพที่คล้ายกัน และตรวจสอบการอ้างอิง Awesome Nano Banana Pro Prompts รวมถึงสิทธิ์ในการใช้งานเชิงพาณิชย์ก่อนนำไปใช้ซ้ำ

ต้องการชุดข้อความแจ้งเตือนทั้งหมดหรือไม่? ใช้... แรงบันดาลใจอื่นๆ ศูนย์รวมหัวข้อสำหรับตัวอย่างที่เกี่ยวข้องเพิ่มเติม หรือเปิดดูได้เลย ไลบรารีพร้อมท์รูปภาพ GPT 2 สำหรับดัชนีตัวอย่างฉบับเต็ม โครงสร้างที่นำกลับมาใช้ใหม่ได้ และการอ้างอิงแหล่งที่มา
ลองใช้ข้อความแจ้งเตือนนี้ดู

พรอมป์

ข้อความแจ้งเตือนพร้อมสำหรับการคัดลอก

PYTHON_SCENE_GRAPH :: PARAMETRIC_CITY_RELIEF class Variables: city = "{argument name="city" default="[CITY]"} "city_name_text = "{argument name="city name" default="literal city name from input"} "region_context = "อนุมานลักษณะประเทศ ภูมิประเทศ สภาพภูมิอากาศ วัฒนธรรม และลักษณะเฉพาะของเมือง" topography = "อนุมานภูเขา แม่น้ำ ชายฝั่ง ที่ราบ เกาะ ทะเลทราย และเนินเขา" urban_grid = "อนุมานความหนาแน่นของภูมิภาค ถนน ทางเดินคมนาคม และผังเมือง" landmarks = "อนุมาน landmark_set(city)" signature_core = "อนุมานแลนด์มาร์คหรือพื้นที่สาธารณะใจกลางเมืองที่เป็นสัญลักษณ์มากที่สุด" style = "แบบจำลองเมืองแผนที่ 3 มิติสุดหรู" class TerrainSlab: form = "ฐานแผนที่หนา ยกสูง มีรูพรุน" surface = Variables.topography edges = "แผงชื่อเรื่องที่แกะสลัก คำอธิบายสัญลักษณ์ เข็มทิศ แถบมาตราส่วน และแผนที่พื้นที่ประกอบภาพ" material = คลาส "วัสดุหินด้าน/ปูนปลาสเตอร์/แบบจำลองแผนที่" CityTypography: text = Variables.city_name_text form = "แบบอักษร 3 มิติขนาดใหญ่" function = "ตัวอักษรแต่ละตัวเป็นปริมาตรอาคารที่อยู่อาศัยได้" placement = "ผสานเข้ากับแผนที่เมือง ไม่ลอยตัว" rule = "ข้อความต้องยังคงอ่านได้จากมุมมองด้านบน" คลาส UrbanLayer: roads = Variables.urban_grid districts = "อนุมานเขตชุมชนและความหนาแน่น" landmarks = Variables.landmarks core = Variables.signature_core labels = "ป้ายกำกับตำแหน่งที่ได้มาจากภูมิศาสตร์ของเมือง" คลาส Atmosphere: camera = "มุมมองมาโครสามในสี่มุมสูง" lighting = "แสงกลางวันแบบนุ่มนวลคุณภาพสูงจากสตูดิโอ" details = "ยานพาหนะ เมฆ เครื่องบิน ต้นไม้ และผู้คนจะแสดงเฉพาะเมื่อเหมาะสมเท่านั้น" def render(): return """{argument name="target city" default="[CITY]"} แสดงผลเป็นแบบจำลองแผนที่ภูมิประเทศ 3 มิติแบบยกสูง โดยที่ชื่อเมืองจะถูกแปลงเป็น สิ่งก่อสร้างขนาดใหญ่ที่เสริมด้วยภูมิศาสตร์ที่อนุมานได้ สถานที่สำคัญ ป้ายกำกับ ถนน และรายละเอียดทางแผนที่แบบแผนที่โลก

ตัวแปรพร้อมท์

ตัวอย่างค่าอาร์กิวเมนต์ที่แก้ไขได้ซึ่งพบในข้อความแจ้งเตือน พร้อมค่าเริ่มต้น

3
ตัวแปร
city
ค่าเริ่มต้น
[CITY]
ตัวแปร
city name
ค่าเริ่มต้น
literal city name from input
ตัวแปร
target city
ค่าเริ่มต้น
[CITY]

กรณีเพิ่มเติมในหมวดหมู่นี้

จัดลำดับความสำคัญตามหมวดหมู่ ความเข้ากันได้กับโหมดการป้อนข้อมูล คุณภาพ และความเสี่ยงที่ต่ำกว่า

6

หมายเหตุเกี่ยวกับการนำกลับมาใช้ใหม่และแหล่งที่มา

ใช้ข้อความแจ้งเตือนนี้อย่างปลอดภัยหลังจากดูตัวอย่างกรณีแล้ว

  1. 1.คัดลอกข้อความแจ้งเตือน หรือเปิดโดยตรงใน Dovoo โดยใช้ปุ่มสร้างข้อความ
  2. 2.ปรับตัวแปร อัตราส่วนภาพ และภาพอ้างอิงให้เหมาะสมกับกรณีการใช้งานของคุณ
  3. 3.ก่อนเผยแพร่หรือใช้งานโดยเสียค่าใช้จ่าย โปรดตรวจสอบสิทธิ์ในแหล่งที่มา ข้อกำหนดการอ้างอิง และความเสี่ยงด้านแบรนด์หรือภาพลักษณ์
ไดโอรามาเมืองแบบแผนที่ 3 มิติ สำหรับ GPT ภาพที่ 2 | Image Prompt Gallery