Stable Diffusion Prompt编写规范详解

Stable Diffusion Prompt编写规范详解

一、语法结构规范

(一)基础模板框架

markdown 复制代码
[质量强化] + [主体特征] + [环境氛围] + [风格控制] + [镜头参数]
  • 质量强化best quality, ultra detailed, 8k resolution
  • 主体特征(1girl:1.3), long silver hair, cyberpunk armor
  • 环境氛围neon-lit cityscape, raining, cinematic lighting
  • 风格控制studio ghibli style, unreal engine 5 rendering
  • 镜头参数wide angle, 35mm f1.4, depth of field

(二)语义分层原则

  • 优先级排序

    • 画风描述 → 主体对象 → 细节特征 → 环境元素 → 镜头参数‌
  • 分层示例

    markdown 复制代码
    masterpiece, (1girl:1.2), cherry blossom kimono, floating petals, studio ghibli style, soft focus, 85mm lens

二、权重控制体系

(一)符号权重系统

符号 作用 数学公式 示例
( ) 增强1.1倍 weight^1.1 (detailed eyes)
{ } 增强1.05倍 weight^1.05 {realistic skin}
降低0.9倍 weight*0.9 blurry
: 精确控制 (sunset:1.5) (neon lights:1.3)

(二)动态权重策略

  • 渐进式增强

    markdown 复制代码
    ((cyberpunk city:1.1)) → 1.21倍权重叠加

  • 条件式权重

    markdown 复制代码
    (winter landscape:1.2 when season=winter)

三、高级控制技巧

(一)交替采样技术

markdown 复制代码
red hair | blue highlights → 交替生成不同发色特征

(二)反向提示词模板

markdown 复制代码
nsfw, low quality, bad anatomy, extra fingers, mutated hands, poorly drawn face

使用反向提示词来避免不希望出现的特征‌

(三)CLIP模型交互

  • 分层控制原理

    markdown 复制代码
    CLIP_stop_at_last_layers=2 → 增强语义理解深度

    通过调整CLIP模型的层数来控制语义理解的深度‌

  • 跨层特征融合

    markdown 复制代码
    (color harmony:1.3@layer5) → 指定CLIP层特征

    在特定的CLIP层上应用权重,以实现更精细的控制‌

四、场景化应用模版

(一)二次元角色设计

markdown 复制代码
masterpiece, (anime girl:1.3), twintails, school uniform, sakura background, by WIT studio, sharp focus

结合高质量、主体特征、细节描述和风格控制,设计出精美的二次元角色‌

(二)写实场景构建

markdown 复制代码
photorealistic, modern architecture, golden hour lighting, 8k textures, Zeiss 24-70mm f2.8, depth of field

通过写实风格、现代建筑、光影效果和镜头参数,构建出逼真的场景‌

提示

  • 使用sd-webui-prompt-all-in-one插件可实时预览提示词权重分布,帮助用户更好地理解和调整提示词‌。
  • 通过Ctrl+Enter可激活多模态语义联想功能,提升提示词的编写效率和准确性‌。
相关推荐
在路上走着走着3 天前
Prompt Engineering 入门指南:从原理到上手
人工智能·prompt
coft4 天前
Loop Engineering — 从“写 prompt“到“设计循环“,AI Agent 的下一次进化
人工智能·prompt
CoLiuRs4 天前
从 Prompt 到 Loop:AI 工程到底在卷什么
人工智能·prompt
AI 小老六4 天前
GEPA 架构拆解:让 Prompt 和 Skill 优化不靠玄学
数据库·人工智能·ai·架构·开源·prompt
凯丨4 天前
从写 Prompt 到Loop Engineering:AI 编程的下一次跃迁
prompt
奋飛4 天前
从 Prompt 到 Agent:LangChain 究竟解决了什么问题
ai·langchain·prompt·agent
沪漂阿龙4 天前
Context Engineering:比 Prompt Engineering 更重要的上下文工程
人工智能·langchain·prompt
猿人谷4 天前
从 Prompt Engineering 到 Loop Engineering:AI 编程正在进入“闭环工程”时代
大数据·人工智能·prompt
老刘说AI4 天前
类Sora模型:解锁动态视觉艺术的密码
人工智能·stable diffusion·架构·embedding
python-码博士4 天前
Stable Diffusion 3 / FLUX 类模型中的 Flow Matching:怎么用、怎么调、怎么避坑
stable diffusion