什么是提示词

你可能没写过提示词，但是一定听说过“提示词”这几个字，也大概能知道它的重要性。

没听说过也没关系，下面我就带你认识认识。

提示词就是我们给AI模型下发的指令。提示词写对了，AI才能输出相应的结果，提示词写的越好，AI输出的内容质量越高、越贴近你的需求。这有点像程序代码，代码逻辑写对了，程序才能正常运行，代码写的越好，程序运行时发生的问题越少、才能解决用户的问题。

比如图片的内容需要是：一个姑娘站在海滩上，最简单的提示词就是：a girl standing on the beach，这是一个语法完整的句子;我们也可以使用堆砌关键词的方式来编写提示词：a girl, standing, beach，不同的关键词之间用英文逗号分隔，不同关键词之间的空格可有可无。

提示词的结构

开发程序时，我们不是拿到需求之后，马上就开始编码的。我们首先要弄懂业务需求，然后思考通过什么样的功能和流程来满足这个需求，也就是做产品设计;然后是做程序概要设计、详细设计这些，确定要使用的技术平台、框架、中间件，以及模块的划分、接口的定义、数据表的设计等等;最后才是编码工作。我们通过这样分阶段分层次的工作，最终把系统实现出来。这种工作方法可以称为结构化方法。

我们编写提示词也需要这种结构化的思维，这里分享一个常用的结构：

(质量)+风格+主体+细节+其它

质量

质量就是图片整体看起来如何，相关的指标有分辨率、清晰度、色彩饱和度、对比度、噪声等，高质量的图片会在这些指标上有更好的表现。正常情况下，我们当然是想生成高质量的图片。

常见的质量提示词：

为什么要给这个“质量”加上括号呢?

因为在 SDXL 中这些质量提示词对生成图片的影响很小，SDXL 模型默认就会生成高质量的图片。但是如果使用的是 SD 1.5 的模型，这些提示词还是很有必要的。

你可能还会问为什么 SD 1.5 的模型就需要质量提示词呢?

这可能是因为 SD 1.5 的模型训练的时候使用了各种不同质量的图片，训练时使用了大量的质量提示词，所以使用 SD 1.5 的模型生成图片时质量提示词的影响会比较大。

风格

风格就是我们想要一张什么样的图片，比如真实照片、漫画、油画、插画等等。

给大家分享一些风格提示词。

除了这些，我们还可以指定更具体的风格，比如：impressionist(印象派)、cubism(立体派)、abstractionism(抽象派)、pop art(波普艺术)等等，再比如指定画家：Vincent van Gogh(19 世纪印象派画家)、 John Sargent(19 世纪美国画家)，注意风格和画家需要是比较知名的，因为比较小众的风格和画家可能没有被用来训练模型，模型不认识它们，提示词就没什么用。

需要注意的是除了使用提示词生成风格图片，大家还喜欢通过各种风格模型(包括大模型和Lora模型)来生成指定风格的图片，这些模型一般都经过特定风格图片的训练，比如Anything比较擅长二次元风格、RealisticVision比较擅长真实照片风格，在绘制指定风格图片时，它们相比官方发布的基础模型往往有着更好的表现，特别是针对 SD 1.5 的模型。

主体

主体就是我们想要画个什么，也就是画面中的主要事物，比如：1个女孩、几座高楼、若干狗子、山山水水等等，下面是一些例子：

细节

如果没有细节，AI绘画很难画出我们想要的内容，这也是很多同学感觉AI比较傻的主要原因。如果我们不给它提供细节，它就会自由发挥，它发挥的方向和努力程度就得听天由命了。特别是 SD 1.5 的模型自由发挥时出图的质量往往比 SD XL 有明显的差距，就像 GPT-3.5 回答问题的质量比 GPT-4 要差一些。

比如主体是：1个女孩，那么细节可能包括：

人物的一些特征：脸型、头发的颜色、头发的长短、眼睛的颜色、鼻子的形状、嘴唇的颜色、上衣的款色、裤子或者裙子的款色、鞋子的款色等等。

背景和周边环境：银色的海滩、白色的邮轮、蔚蓝的天空、棉花糖的白云、高高的椰子树、红色的玫瑰花等等。

光照和光线：studio lighting(工作室照明)、soft lighting(柔光)、ambient lighting(环境照明)、ring lighting(环形照明)、sun lighting(阳光照片)、cinematic lighting(电影照明)等等。

细节这块比较零碎，编写时要放开想象力，努力描述出你心中的画面特征。

这里分享一个完整的提示词例子：

提示词权重

使用权重

提示词的权重，也就某个提示词在生成图片时的重要程度，这是因为在使用一连串提示词时，模型可能会自动做一些取舍，这会导致生成的图片中缺少或弱化某些提示词对应的元素，如果我们要强化某个元素，就需要增加它的权重。

格式是：keyword:factor

keyword是要设置权重的提示词，factor是权重，权重的默认值是1.小于1表示降低权重，大于1表示增加权重。

比如我们强调红色的头发，就可以这样写：red hair:1.3

()和[]符号

权重还可以使用小括号()和中括号[]来代替，()表示1.1倍，[]表示0.9倍，括号可以叠加。

(keyword) 等价于 keyword:1.1

((keyword)) 等价于 keyword:1.21

[keyword] 等价于 keywor:0.9

[[keyword]] 等价于 keywor:0.81

关键词混合

语法格式：[keyword1 : keyword2: factor]

factor 控制把 keyword1 切换到 keyword2 的步骤值，取之范围0-1.

以马斯克和扎克伯格合体为例，提示词如下：

best quality,ultra detailed, UHD 4K, portrait photo, [Elon Musk:Zuckerberg:0.6]

不同切换步骤的效果：

反向提示词

负面提示词，即填入不想要的元素或特征，以在采样过程中避免出现。

可以用来去除物体、修改特征、修改风格等。

去除物体

比如去掉胡子，我们就可以在反向提示词中输入：mustache

修改特征

比如不要蓝色眼睛，可以在反向提示词中输入：blue eyes

修改风格

比如不要动漫风格，可以在反向提示词中输入：cartoon、anime

优化图片

比如用来提升质量：blur

不出现坏手、坏脸：bad fingers、bad face

对于人物照片，常用的反向提示词：

提示词工具

纯手写提示词还是有点麻烦的，这里介绍几个工具给大家。

大模型生成

使用ChatGPT等大模型生成提示词。

使用下边这个GPT提示词，让GPT学习如何写 Stable Diffusion 提示词。

{%yinhao|# Stable Diffusion prompt 助理

你来充当一位有艺术气息的Stable Diffusion prompt 助理。

## 任务

我用自然语言告诉你要生成的prompt的主题，你的任务是根据这个主题想象一幅完整的画面，然后转化成一份详细的、高质量的prompt，让Stable Diffusion可以生成高质量的图像。

## 背景介绍

Stable Diffusion是一款利用深度学习的文生图模型，支持通过使用 prompt 来产生新的图像，描述要包含或省略的元素。

## prompt 概念

- 完整的prompt包含“**Prompt:**”和"**Negative Prompt:**"两部分。

- prompt 用来描述图像，由普通常见的单词构成，使用英文半角","做为分隔符。

- negative prompt用来描述你不想在生成的图像中出现的内容。

- 以","分隔的每个单词或词组称为 tag。所以prompt和negative prompt是由系列由","分隔的tag组成的。

## () 和 [] 语法

调整关键字强度的等效方法是使用 () 和 []。(keyword) 将tag的强度增加 1.1 倍，与 (keyword:1.1) 相同，最多可加三层。[keyword] 将强度降低 0.9 倍，与 (keyword:0.9) 相同。

## Prompt 格式要求

下面我将说明 prompt 的生成步骤，这里的 prompt 可用于描述人物、风景、物体或抽象数字艺术图画。你可以根据需要添加合理的、但不少于5处的画面细节。

### 1. prompt 要求

- 你输出的 Stable Diffusion prompt 以“**Prompt:**”开头。

- prompt 内容包含画面主体、材质、附加细节、图像质量、艺术风格、色彩色调、灯光等部分，但你输出的 prompt 不能分段，例如类似"medium:"这样的分段描述是不需要的，也不能包含":"和"."。

- 画面主体：不简短的英文描述画面主体, 如 A girl in a garden，主体细节概括(主体可以是人、事、物、景)画面核心内容。这部分根据我每次给你的主题来生成。你可以添加更多主题相关的合理的细节。

- 对于人物主题，你必须描述人物的眼睛、鼻子、嘴唇，例如'beautiful detailed eyes,beautiful detailed lips,extremely detailed eyes and face,longeyelashes'，以免Stable Diffusion随机生成变形的面部五官，这点非常重要。你还可以描述人物的外表、情绪、衣服、姿势、视角、动作、背景等。人物属性中，1girl表示一个女孩，2girls表示两个女孩。

- 材质：用来制作艺术品的材料。例如：插图、油画、3D 渲染和摄影。Medium 有很强的效果，因为一个关键字就可以极大地改变风格。

- 附加细节：画面场景细节，或人物细节，描述画面细节内容，让图像看起来更充实和合理。这部分是可选的，要注意画面的整体和谐，不能与主题冲突。

- 图像质量：这部分内容开头永远要加上“(best quality,4k,8k,highres,masterpiece:1.2),ultra-detailed,(realistic,photorealistic,photo-realistic:1.37)”， 这是高质量的标志。其它常用的提高质量的tag还有，你可以根据主题的需求添加：HDR,UHD,studio lighting,ultra-fine painting,sharp focus,physically-based rendering,extreme detail description,professional,vivid colors,bokeh。

- 艺术风格：这部分描述图像的风格。加入恰当的艺术风格，能提升生成的图像效果。常用的艺术风格例如：portraits,landscape,horror,anime,sci-fi,photography,concept artists等。

- 色彩色调：颜色，通过添加颜色来控制画面的整体颜色。

- 灯光：整体画面的光线效果。

### 2. negative prompt 要求

- negative prompt部分以"**Negative Prompt:**"开头，你想要避免出现在图像中的内容都可以添加到"**Negative Prompt:**"后面。

- 任何情况下，negative prompt都要包含这段内容："nsfw,(low quality,normal quality,worst quality,jpeg artifacts),cropped,monochrome,lowres,low saturation,((watermark)),(white letters)"

- 如果是人物相关的主题，你的输出需要另加一段人物相关的 negative prompt，内容为：“skin spots,acnes,skin blemishes,age spot,mutated hands,mutated fingers,deformed,bad anatomy,disfigured,poorly drawn face,extra limb,ugly,poorly drawn hands,missing limb,floating limbs,disconnected limbs,out of focus,long neck,long body,extra fingers,fewer fingers,,(multi nipples),bad hands,signature,username,bad feet,blurry,bad body”。

### 3. 限制：

- tag 内容用英语单词或短语来描述，并不局限于我给你的单词。注意只能包含关键词或词组。

- 注意不要输出句子，不要有任何解释。

- tag数量限制40个以内，单词数量限制在60个以内。

- tag不要带引号("")。

- 使用英文半角","做分隔符。

- tag 按重要性从高到低的顺序排列。

- 我给你的主题可能是用中文描述，你给出的prompt和negative prompt只用英文。%}

然后我们给它一些关键词，它就会自动生成提示词了：

提示词工具

提示词的工具也有很多，这里介绍一个：

https://huggingface.co/spaces/Gustavosta/MagicPrompt-Stable-Diffusion

这个工具是基于 lexica.art 上提取的8W组数据训练而来的，我们只需要在左侧的输入框中填写要绘制的主体，这个工具就会我们生成几组高质量的提示词。

提示词插件

提示词的插件有很多，这里给大家推荐秋叶整合包默认使用的提示词插件。

https://github.com/Physton/sd-webui-prompt-all-in-one

在“扩展”中安装：

重新启动 Stable Diffusion WebUI 之后，在“文生图”和“图生图”的提示词、反向提示词输入框下方会出现一些书写提示词的辅功能，这里简单介绍下使用方法。

在下图1的位置输入中文关键字，键盘回车之后，就会把关键字填写到提示词输入框中，并自动翻译为英文。

我们也可以在提示词输入框中直接输入中文关键字，然后再点击下图中的翻译按钮，翻译为英文。

如果你实在不知道该写点啥，可以试试下图中这些预置好的关键词，相信一定可以给你带来一些灵感，点击就可以自动填写到提示词输入框中。不过需要注意这些内置的提示词不一定在所有的模型中都是有效的。

提示词分享

除了自己创造提示词，我们还可以直接使用别人贡献出来的提示词。这里分享两个获取别人提示词的方法。

一是从分享网站直接获取：

这里给大家介绍两个知名的 Stable Diffusion 提示词分享网站：

C站：https://civitai.com/

哩布哩布AI：https://liblib.ai/

二是从 Stable Diffusion 生成的图片中提取：

Stable Diffusion WebUI中集成了一个查看图片提示词的工具，我们只要在“图像信息”这里上传一张图片，页面的右侧就会自动显示生成这张图片时的一些参数。不过这个生成信息是可以被抹除的，遇到了也不要惊讶。

原理

最后给感兴趣的同学介绍下 Stable Diffusion 中提示词的原理，我从网上找了一张图，给大家解读下。

最左侧是提示词：paradise cosmic beach，提交到 Stable Diffusion 之后，它首先通过 Text Encoder 把提示词编码为一组带有文字语义的向量(向量可以理解成1位数组)，然后把这组向量投递给一个图片生成器( Image Information Creator)，图片生成器根据向量的值来构建出相应语义的图片信息，这些信息还不是我们常见的图片格式，然后还需要 Image Decoder 进行图片解码处理，转换为PNG图片格式，就是肉眼可见的了。

这里说下语义向量。向量就像是一条有箭头的线，它可以用来表示物体的位置、速度或方向。在机器学习中，我们用向量来描述数据的特征。比如，在三维空间里，一个像素点可以被表示为一个长度为1的向量，它有三个分量，分别代表红、绿、蓝三种颜色的强度。而带有文字语义的向量，它的维度一般都在50以上，模型可以通过在向量空间中的位置来捕捉它的语义和上下文信息，然后生成对应的图片内容。

需要注意 Stable Diffusion 的提示词数量是有限制的，限制的单位是Token，有时翻译成词元，一般1个单词就是1个Token(标点符号也会计入Token数量)，但是如果 Stable Diffusion 不认识这个单词，它就会拆分单词，这时候就会计算为多个Token。Text Encoder编码提示词时实际上编码是这里的Token。

在提示词输入框的右上角，我们可以看到当前已经输入的Token数量和限制的最大Token数量。在基本的Stable Diffusion v1 模型中，该限制是75 个tokens。不过在 Stable Diffusion WebUI 中，你可以写75个Token以上的提示，当超过 75个Token时，WebUI 会对提示词进行分组，提交多组提示词。