AI绘图教程

Stable Diffusion提示词相关介绍

1. 提示词基本概述

　　提示词在文生图和图生图过程中扮演着重要角色，通常由多个描述性词汇组成，用英文词汇和英文逗号分隔，且结尾无需加分隔符。提示词分为正向提示词和反向提示词，用于指导AI生成期望内容和避免生成不期望内容。SD模型支持多种表达方式，包括英语单词、短语、自然语言、颜文字和emoji表情。通过固定种子点4182552405并使用MajicMixRealistic_V7模型，我们可以对比不同表达方式的效果，发现SD模型对这三种提示词均能识别，但效果略有差异。

2. 提示词顺序

　　关于提示词顺序，建议按以下顺序书写：

• 质量提示词：涉及清晰度、分辨率等关键词汇，如“masterpiece, best quality, 8k, Ultra-high resolution”。
• 风格提示词：放在质量提示词之后，如某个画家或影视作品的风格，“ghibli style”。
• 镜头效果：体现主体在画面中的位置，如“long shot, short shot, panoramic”。
• 光照效果：环境灯光效果，如“cinematic lighting, tyndall effect, volumetric lighting”。
• 主题提示词：画面整体主题，与风格不同，如“dark theme, bright theme”。
• 主体提示词：整体作品内容，如“1girl, beautiful face, long hair, white hair”。
• 动作提示词：主体动作表现，如“running, walking, smile”。
• 服装提示词：主体服装表现，如“dress, shoes, coat”。
• 饰品提示词：主体身上的饰品，如“hair flower, bracelet, necklace”。
• 道具提示词：主体相关道具，如“handbag, microphone, camera”。
• 场景提示词：主体所在场景，如“city, coffee shop, mall”。
• 环境提示词：自然环境，如“day, night, rain”。

　　经过测试，该顺序基本符合实际情况。

3. 提示词权重

　　语法上，提示词在列表中的位置越靠前，权重越高。此外，通过运用各种提示词符号也能增加权重。例如：

• 逗号(,)：分隔提示词，也具有一定的权重排序功能。
• 圆括号()：提升提示词权重至原来的1.1倍。多层圆括号则权重为1.1的N次方。
• 冒号(:)：自定义词汇权重，通常与圆括号一起使用。
• 花括号{}：提升词汇权重至原来的1.05倍。
• 方括号[]：降低词汇权重至原来的1/1.05倍。

　　这些符号的使用使得调整提示词权重更加灵活。

4. 交替语法

　　交替语法允许在每一步中交替计算不同的提示词。其书写格式为“[提示词1|提示词2|…]”，不支持为提示词添加权重。典型应用是创建融合图像，如“[熊猫|狗]”会生成融合熊猫和狗特征的图像。

5. 组合语法

　　组合语法与交替语法相似，但计算原理不同。它支持将各个提示词的结果直接相加，并可为提示词添加权重。书写方式为“提示词1 AND 提示词2 AND …”，例如“1girl, green AND red hair”会生成融合颜色的图像。组合语法更适合用于场景融合。

6. 打断语法

　　打断语法用于切断前后提示词之间的联系，其书写方式为大写字母“BREAK”。例如，“girl, red hat, blue clothes, green pants”可能导致颜色判断偏差。加入BREAK后，可以打断这种关联性，减少提示词污染。但测试发现打断后某些效果可能减弱。

7. 调用Lora

　　调用Lora通常使用<>包围。在SD界面点击Lora后，可以加载需要的Lora并自动添加到提示词中。部分Lora需要触发词才能生效。

8. 常用的提示词

• 提高质量的正向提示词：如“HDR, UHD, 8K”等可以大幅提升照片质量。
• 艺术风格代表：包括艺术家肖像画、风景画、动漫画等。
• 反向提示词：用于避免生成不良内容，如“deformed, bad anatomy”等。
• 镜头视角、主体远近、光线、视线、画风、表情、服装、风景指定及姿势指定等均有相应提示词供选择。