Stable Diffusion 提示詞與負面提示詞：實用指南
排序關鍵字、編寫有針對性的負面提示詞、使用權重並為 SD 1.5、SDXL 和更新的檢查點選擇正確的設定。
Stable Diffusion 比任何託管的圖像生成器都提供更多的控制權，但也更容易出錯。好的結果來自於三者的協同作用：一個組織良好的正面提示詞、一個有針對性的負面提示詞以及合理的生成設定。本指南將涵蓋 SD 1.5、SDXL 和更新檢查點的這三個方面。
正面提示詞的結構
Stable Diffusion 的文字編碼器最關注提示詞的開頭。請按照從最重要到最不重要的順序排列關鍵字：
- 主體 — 圖像的內容：一隻紅狐狸坐在雪中
- 媒介 — 照片、數位繪畫、水彩、3D 渲染
- 風格 — 電影感、新藝術風格、吉卜力工作室風格、黑色電影
- 藝術家或影響 (可選) — 謹慎且負責任地使用
- 細節 — 服裝、道具、表情、紋理
- 色彩和光線 — 黃金時段、輪廓光、青色和橙色調色板
- 品質標籤 — 高度細緻、銳利對焦、8k
範例：
a red fox sitting in fresh snow, wildlife photograph, telephoto lens,
early morning mist, soft backlight, frost on fur, highly detailed, sharp focus
SD 1.5 與 SDXL 及更新模型
- SD 1.5 檢查點 對於逗號分隔的標籤和品質增強詞（例如 masterpiece, best quality）反應良好。
- SDXL 及後續模型 對於自然語言的理解能力更強。你可以寫「一隻紅狐狸坐在新雪中，晨霧在其身後飄散」，並省略大部分品質增強詞。
- 針對 booru 標籤（例如 1girl, solo, long hair）訓練的動漫檢查點 預期使用該標籤風格 — 請查看模型卡。
負面提示詞
負面提示詞列出了取樣器應避免的事物。它是 Stable Diffusion 最強大的功能之一，也是最常被濫用的功能之一。
合理的通用負面提示詞
lowres, blurry, jpeg artifacts, watermark, signature, text, cropped,
out of frame, worst quality, low quality
針對你實際看到的問題添加有針對性的詞彙
| 問題 | 添加到負面提示詞 |
|---|---|
| 糟糕的手部 | bad hands, extra fingers, fused fingers, missing fingers |
| 扭曲的解剖結構 | bad anatomy, extra limbs, deformed, disfigured |
| 不想要的風格 | cartoon, anime, 3d render (對於照片) 或 photo, realistic (對於插畫) |
| 過度飽和的外觀 | oversaturated, overexposed |
| 不想要的元素 | 特定物體，例如 people, cars, trees |
保持負面提示詞簡短且具體。從網路上複製的 200 字負面提示詞可能會抑制你實際想要的事物，並使圖像看起來平淡。
負面嵌入 (Negative embeddings)
文本反轉（Textual inversions），例如 EasyNegative 或 bad-hands-5，將許多負面概念打包成一個 token。它們必須安裝在你的使用者介面中，並且通常只適用於它們所訓練的基礎模型系列（例如 SD 1.5）。請精確輸入名稱 — 更改連字號或空格都將導致無法載入。
提示詞權重
在 AUTOMATIC1111、Forge 和 ComfyUI 中，你可以更改詞語的應用強度：
(word)將權重增加約 1.1 倍((word))將權重增加約 1.21 倍(word:1.4)設定精確權重[word]或(word:0.8)降低權重
權重大致保持在 0.5 到 1.5 之間。較高的權重往往會產生偽影或將概念過度融入圖像的每個部分。
重要的生成設定
| 設定 | 控制內容 | 良好起點 |
|---|---|---|
| 取樣步數 (Sampling steps) | 細化次數 | 20–30 (更多步數很少有幫助) |
| CFG 比例 (CFG scale) | 提示詞的遵循嚴格程度 | SDXL 為 5–7，SD 1.5 為 7 |
| 取樣器 (Sampler) | 去噪演算法 | DPM++ 2M Karras 或 Euler a |
| 解析度 (Resolution) | 輸出尺寸 | SD 1.5 為 512×512，SDXL 為 1024×1024 |
| 種子 (Seed) | 初始雜訊 | 在調整提示詞時固定它 |
以模型的原生解析度生成，然後再進行放大，通常會比直接生成大尺寸圖像獲得更好的結果。
獲得一致結果的工作流程
- 撰寫一個只包含主體和媒介的簡短提示詞。生成 4 張圖像。
- 選擇最佳結果並固定其種子。
- 每次添加一組風格、光線和細節，並檢查每次更改。
- 僅針對你看到的問題添加負面詞彙。
- 放大圖像並使用局部重繪（inpainting）來修復手部或臉部等小區域。
範例
人像照片
Prompt: portrait of an elderly woman laughing, natural window light,
85mm lens, shallow depth of field, film grain, warm tones
Negative prompt: cartoon, 3d render, blurry, deformed, watermark, text
奇幻插畫
Prompt: a floating castle above the clouds at sunset, digital painting,
epic fantasy, volumetric light, intricate details, vibrant colors
Negative prompt: photo, lowres, blurry, text, watermark
產品攝影
Prompt: a glass perfume bottle on wet black stone, water droplets,
studio lighting, reflections, product photography, sharp focus
Negative prompt: people, text, logo, lowres, overexposed
同時生成正面和負面提示詞
Stable Diffusion 提示詞生成器可以從一行想法中同時產生正面和負面提示詞。將它們複製到你的使用者介面中，固定種子，然後從那裡進行細化。
試用 Stable Diffusion 提示生成器
適用於 SD 和 SDXL 的正面和負面提示. 免費，無需註冊。