一、提示词的基本结构与核心要素
一个优秀的AI绘画提示词如同一个专业的摄影分镜脚本,它需要清晰描述画面内容、风格和技术细节。其通用结构可概括为以下几个部分,它们共同构成了AI理解你创作意图的蓝图。
|
|
|
|
|
|
|
masterpiece, best quality, 8K, ultra detailed, sharp focus
|
|
|
|
oil painting, watercolor, cyberpunk, anime style, photorealistic
|
|
|
|
a girl with long red hair, a knight in shining armor, a cozy cottage
|
|
|
|
wearing a velvet dress, standing in an enchanted forest, cherry blossoms falling
|
|
|
|
close-up, wide angle, bird's eye view, rule of thirds, cinematic composition
|
|
|
|
dramatic lighting, golden hour, soft shadows, vibrant colors, monochrome
|
-
-
顺序优先级:越靠前的词汇对最终画面的影响力通常越大。因此,重要的元素应放在前面。
-
自然语言:除了标签式的词汇堆砌,你也可以尝试使用完整的英文句子进行描述,有时效果更佳。
二、从新手到高手的进阶技巧
1. 权重的精确控制
通过调整提示词的权重,你可以精确控制不同元素在画面中的显著程度。这是进阶使用中最核心的技巧之一。
-
基础方法:使用小括号
()增加权重,中括号[]降低权重。
-
精确控制:使用
(word:1.5)的格式,可以自定义权重倍数(例如1.5代表1.5倍)。这在需要精细调整时非常有用,比如平衡两个冲突的元素。
2. 负面提示词(Negative Prompt)
这是指定你不希望出现在画面中的内容,能有效避免常见问题(如畸形手脚、混乱背景)。
常用的保底负面提示词包括:lowres, bad anatomy, bad hands, error, missing fingers, extra digit, ugly, worst quality, low quality, blurry。
3. 分步渲染与交替采样
这些高级语法可以控制不同提示词在生成过程中的生效时机,用于创作混合创意或特定效果。
-
分步渲染:
[fire:ice:0.7]表示前70%的采样步骤绘制“火”,后30%的步骤在火的基础上绘制“冰”,从而生成一种火焰与冰霜交融的效果。
-
交替采样:
[cat|dog]会让AI在每一步采样中交替考虑“猫”和“狗”的特征,最终生成一个猫狗混合的奇异生物。
三、实用工具与资源推荐
-
提示词插件:如果你使用Stable Diffusion,可以安装一些强大插件来辅助编写提示词。
-
Prompt-all-in-one:支持中文输入自动翻译,并内置了权重调整、提示词收藏等实用功能。
-
sd-dynamic-prompts:支持使用
{A|B}语法进行批量组合生成,可以自动轮换不同风格或主体,非常适合大量探索性创作。
-
-
CivitAI:一个非常受欢迎的Stable Diffusion模型分享社区,你可以在这里找到海量针对特定风格训练的LoRA模型和Checkpoint模型。观察他人分享作品的提示词是绝佳的学习方式。
-
Hugging Face:提供大量开源AI模型,包括Stable Diffusion的官方基础模型和众多社区模型。
四、核心原则与常见误区
-
原则1:从简到繁。不要一开始就试图描述复杂万能的场景。从一个清晰的主体和风格开始,逐步添加细节。
-
原则2:细节致胜。与其说“一个漂亮的女孩”,不如描述为“一个微笑的女孩,有雀斑,穿着羊毛衫,坐在书店里”。细节能让画面更生动、更可控。
-
误区1:元素堆砌矛盾。避免同时描述相互冲突的概念,如“阳光灿烂的午夜”,这会让AI困惑,产生不可预知的结果。
-
误区2:忽视模型特性。不同的AI模型有各自的“特长”。例如,某些模型专门擅长动漫风格,而另一些则精于写实照片。了解你所用模型的特点,并采用适合它的提示词写法,事半功倍。
五、Stable Diffusion的精准控制工具:ControlNet
如果你追求对画面构图、人物姿态等进行像素级精准控制,那么Stable Diffusion的ControlNet插件是必不可少的工具。它允许你输入一张参考图(如线稿、姿势图、深度图),让AI在生成新图像时严格遵循参考图的结构。
-
OpenPose:可用于识别或生成人物骨骼姿势图,完美控制人物动作。
-
Canny:基于边缘检测,可以提取线稿,用于给草图上色或保持原始构图。
-
Depth:利用深度信息,可以精确控制场景中物体前后的空间关系。
通过结合精准的提示词和ControlNet等工具,你就能从“开盲盒”式的随机创作,进阶为能够稳定产出符合预期高质量作品的AI绘画高手。

[aihub_banner slot=slot-38b04]
权重控制那个挺实用,之前一直没搞懂
负面提示词简直是废图救星