一、提示词的基本结构与核心要素
|
|
|
|
|---|---|---|
|
|
|
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 |
-
分隔符：提示词之间使用英文逗号 ,分隔。 -
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
-
基础方法：使用小括号 ()增加权重，中括号[]降低权重。-
(word)：权重约为原来的1.1倍。 -
((word))：权重约为1.21倍。 -
[word]：权重约为原来的0.9倍。
-
-
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）
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
-
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。
-
-
模型下载社区： -
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
-
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。
