提示词类型
提起人工智能绘画的文生图技术,很多人都会觉得学习这一技术的门槛较低,实则不然,要想得到与自己心里期望较为一致的图像,需要使用者熟悉并掌握大量的相关专业提示词。例如人物角色作品、室内设计作品、建筑表现作品需要的提示词都是不同的,如何正确用词是我们能够较快得到满意图像的关键。
在 Stable Diffusion 中,提示词分为正向提示词(Prompt)和反向提示词(NegativePrompt),用户可以分别在对应的文本框内输入正向提示词和反向提示词来控制图像的内容,如图 2-4 所示。

正向提示词
正向提示词用于描述图像里将要包含的内容,例如输入中文 “鸭子,池塘,荷叶”。翻译过来的英文为 “duck,pond,lotus leaf,”,如图 2-5 所示。这些提示词生成的图像如图 2-6 和图 2-7 所示。



我们也可以将上述提示词连成一句话:“鸭子在有荷叶的池塘里”。翻译过来的英文为 “ducks in a pond with lotus leaves,”,如图 2-8 所示。这些提示词所生成的图像如图 2-9 和图 2-10 所示。通过对比可以看出,提示词无论是一句话还是多个单词,所得到的图像结果均较为相似。



反向提示词
反向提示词用于设置图像中不希望出现的内容。观察我们刚刚使用提示词 “educk,pondel,lotus leaf,(鸭子,池塘,荷叶)” 生成的图像,由于使用了 “lotus leaf(荷叶)”,所以生成的图像中不但有荷叶,还有一些荷花出现。如果我们希望图像里面没有荷花,则可以通过输入反向提示词来实现。我们可以在反向提示词文本框内输入中文 “荷花”,翻译过来的英文是 “lotus,”,如图 2-11 所示。重新生成 AI 作品,得到如图 2-12 和 2-13 所示的图像结果,我们可以看到这两幅作品中都没有出现荷花。



嵌入式(T.I.Embedding)
嵌入式模型是提示词的补充,在 “嵌入式(T.I.Embedding)” 选项卡中,可以看到这里有一些嵌入式模型,使用这些模型可以极大地降低图像出错的概率,用户可以根据这些模型上面的说明来将其添加至正向提示词或者反向提示词中,如图 2-14 所示。

提示词权重
用户可以通过对提示词增加或减少权重来控制图像中某一内容在生成画面中存在的比重。当我们将光标放置在某一提示词上时,Stable Diffusion 会显示出用于控制该提示词的一些图标,如图 2-15 所示。

工具解析
-
用于降低所选提示词的权重,每单击一次降低 0.1,降低 0.1 后的提示词显示结果为(提示词: 0.9)。
-
用于增加所选提示词的权重,每单击一次增加 0.1,增加 0.1 后的提示词显示结果为(提示词: 1.1)。
-
每层 () 增加 1.1 倍的提示词权重效果,增加 3 层 () 后的提示词显示结果为 。
-
单击一次消除所选提示词一层 ()。
-
每层 [] 降低 0.9 倍的提示词权重,增加 3 层 [] 后的提示词显示结果为
[[[提示词]]]
。 -
单击一次消除所选提示词一层 []。
-
提示词换行,换行不影响权重。
-
将输入的中文提示词翻译为英文。
-
复制提示词。
-
收藏提示词。
-
添加到黑名单。
-
禁用所选提示词。