Stable Diffusion提示词怎么写 Stable Diffusion提示词语法详解

Stable Diffusion提示词需遵循清晰结构、合理加权与规范语法：一、逗号分隔语义单元，名词前置；二、括号调节权重，支持数值指定与嵌套；三、反向提示词独立设置，排除不期望特征；四、风格与艺术家标签需准确引导；五、采用主体-场景-细节三级分层提升构图稳定性。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

如果您在使用Stable Diffusion生成图像时发现输出结果与预期偏差较大，很可能是因为提示词结构不清晰、权重分配不合理或语法格式不符合模型解析逻辑。以下是针对Stable Diffusion提示词语法的详细说明与多种实用写法：

一、基础提示词构成规则

Stable Diffusion将提示词按逗号分隔为多个语义单元，每个单元可独立加权或修饰。模型优先响应靠前的关键词，且对形容词+名词的组合敏感。空格、标点和大小写不影响解析，但括号和冒号具有特殊语法功能。

1、用英文逗号分隔不同描述维度，例如：a cat, sitting on a windowsill, realistic fur texture, soft lighting

2、避免中英文混用同一短语，如“红色 dress”应统一为“red dress”或“红色连衣裙”，混用会导致部分词汇被忽略

3、名词前置、修饰后置，如“golden retriever puppy”比“puppy golden retriever”更易被准确识别

二、权重调节语法（括号与数值）

通过圆括号控制关键词影响力强度，模型默认权重为1.0，括号可实现线性增强或衰减。双括号表示更强作用力，支持嵌套叠加。

1、单层括号提升权重至约1.1倍：(masterpiece) → 等效于 (masterpiece:1.1)

2、显式指定数值：(detailed eyes:1.3), (sharp focus:1.25)

3、降低某元素影响：[low contrast], [blurry background]

4、嵌套强化：(best quality:(ultra-detailed skin texture:1.4))

三、反向提示词（Negative Prompt）设置要点

反向提示词用于排除不希望出现的视觉特征，其作用机制独立于正向提示词，需单独填写且不可省略。模型对负面词汇的响应强度通常高于正面词汇，因此需谨慎选择粒度。

1、常用通用排除项：nsfw, lowres, bad anatomy, text, error, cropped, worst quality, low quality

2、针对性排除：(deformed hands), (mutated fingers), (disfigured face)

标签： git go windows ai win ultra red stable diffusion fig