sd文生图提示词由哪几部分构成，各部分权重如何调整？

写好一个文生图的提示词（Prompt），就像是给 AI 画师下达一个清晰的指令。指令越具体、结构越清晰，它就越能画出你想要的东西。这事儿不玄学，是有方法论的。咱们今天就把这事儿聊透，看看提示词到底由哪几部分构成，以及怎么调整各部分的权重，让 AI 更听话。

提示词的基本构成

一个好的提示词通常不是一句话，而是一系列由逗号隔开的关键词或短语的组合。你可以把它想象成在给画师贴标签，告诉他这幅画里需要包含哪些元素。虽然没有一个强制性的模板，但一个逻辑清晰的结构能帮你更好地组织思路，也能让 AI 更准确地理解你的意图。

一个常见的、有效的结构可以分为以下几个部分：

1. 核心主体 (Subject)：这是你画面中最想突出的东西，是整个图像的核心。可以是一个人、一个动物、一个物体或者一个场景。描述主体时要尽可能具体。比如，不要只说“一个女孩”，而是说“一个穿着红色连衣裙的长发女孩”。把最重要的主体放在提示词的最前面，因为通常越靠前的词权重越高。

2. 媒介/艺术形式 (Medium)：你希望这张图看起来像什么？是照片、油画、水彩画，还是 3D 渲染？明确媒介能为图像奠定一个基础的视觉基调。例如，“一张照片 (photo)”、“一幅油画 (oil painting)”、“素描 (sketch)”。

3. 风格 (Style)：这是决定画面整体艺术感的关键部分。你想要什么风格？是印象派、超现实主义、赛博朋克，还是动漫风格？ 比如，“印象派风格 (impressionist style)”、“赛博朋克 (cyberpunk)”、“吉卜力工作室风格 (Studio Ghibli style)”。

4. 艺术家 (Artist)：如果你想模仿某位特定艺术家的风格，可以直接写上他们的名字。 比如，“梵高风格 (by Vincent van Gogh)”或“格雷格·鲁特科夫斯基风格 (by Greg Rutkowski)”。AI 模型在训练时学习了大量艺术家的作品，直接调用他们的名字是一种非常高效的指定风格的方式。你甚至可以组合多个艺术家的名字，创造出混合风格。

5. 附加细节 (Additional Details)：这部分用来丰富画面的细节，让图像更有深度和故事感。可以包括构图、视角、环境、光照和颜色等。

   • 构图与视角 (Composition & Framing)：想让主体如何被呈现？是特写、全身像，还是广角？例如，“特写 (close-up shot)”、“广角镜头 (wide-angle shot)”、“鸟瞰视角 (bird’s eye view)”。
   • 光照 (Lighting)：光线是营造氛围的利器。 “电影光效 (cinematic lighting)”、“黄昏时分 (golden hour)”、“戏剧性光照 (dramatic lighting)”都能给画面带来完全不同的感觉。
   • 颜色 (Color)：你可以指定主色调或者特定物体的颜色。“柔和的色调 (pastel colors)”、“单色 (monochrome)”、“鲜艳的色彩 (vibrant colors)”。
   • 环境/背景 (Environment/Background)：主体所处的环境是什么样的？“在森林里 (in a forest)”、“背景是 90 年代的北京 (the background is Beijing in the 1990s)”。

6. 质量与分辨率 (Quality & Resolution)：在提示词的开头或结尾加上一些提升画质的词，算是一种“玄学”，但确实常常有效。比如，“最高画质 (best quality)”、“杰作 (masterpiece)”、“8K”、“超精细 (ultra-detailed)”。

所以，一个结构化的提示词组合起来可能是这样的：
(masterpiece:1.2), best quality, a beautiful long-haired girl in a red dress, oil painting, impressionist style, by Vincent van Gogh, close-up shot, cinematic lighting, in a forest.

什么是反向提示词 (Negative Prompts)？

除了告诉 AI 你想要什么（正向提示词），你还可以告诉它你不想要什么，这就是反向提示词。 这对于规避一些 AI 绘画中常见的错误，比如画崩的手、多余的肢体、低质量的画面等，非常有用。

常用的反向提示词包括：
* 规避低质量：low quality, worst quality, jpeg artifacts, blurry.
* 修正畸形：malformed hands, extra fingers, mutated hands, poorly drawn hands, extra limbs, ugly, deformed.
* 排除特定内容：text, watermark, signature, NSFW.

使用反向提示词能帮你过滤掉很多不理想的结果，让出图的成功率更高。

如何调整各部分权重？

现在我们知道了提示词由哪些部分构成，但有时候 AI 并不总能完美地平衡所有元素。可能你强调了主体，它却过分关注了背景；或者你想要一种风格，它却没能充分体现。这时候，就需要手动调整关键词的权重，告诉 AI 哪个部分更重要。

在 Stable Diffusion WebUI (特别是 AUTOMATIC1111) 中，主要有三种调整权重的方式。

1. 使用圆括号 () 和方括号 []

这是最简单直接的加减权重方法。

• 增加权重：把关键词用圆括号 () 包起来，每加一层括号，权重就乘以 1.1 倍。

  • (word)：权重变为 1.1 倍。
  • ((word))：权重变为 1.21 倍 (1.1 * 1.1)。
  • (((word)))：权重变为 1.331 倍。

• 降低权重：把关键词用方括号 [] 包起来，相当于将权重乘以 0.9 倍（或除以 1.1）。

  • [word]：权重变为 0.9 倍。
  • [[word]]：权重变为 0.81 倍 (0.9 * 0.9)。

举个例子：
假设你的提示词是 a girl with red hair and blue eyes。结果生成的图片里，女孩的眼睛是棕色的。这时候你就可以通过加括号来强调“蓝色眼睛”。

修改后的提示词：a girl with red hair and (blue eyes)，甚至可以更强硬一点 a girl with red hair and ((blue eyes))。这样 AI 就会更加关注“blue eyes”这个指令。

反之，如果画面中红色头发太抢眼，你想让它柔和一点，可以这样写：a girl with [red hair] and blue eyes。

2. 使用冒号加数字 (word:factor)

这种方法更精确，你可以直接指定一个具体的权重数值。语法是 (关键词:权重数值)。

• 权重数值大于 1 是增加权重。
• 权重数值小于 1 是降低权重。
• 默认权重是 1。

举个例子：
* (blue eyes:1.5)：将“blue eyes”的权重提升到 1.5 倍。这比用两层圆括号 (( )) 的 1.21 倍还要强。
* (red hair:0.8)：将“red hair”的权重降低到 0.8 倍。

这种方法的控制更精细，你可以微调数值，直到达到满意的效果。根据经验，权重的数值设置在 0.5 到 2 之间通常效果比较好，数值太高或太低都可能导致画面崩坏。

3. 词序的重要性

除了使用符号，提示词中关键词的顺序本身也隐含着权重关系。一般来说，越靠前的词，AI 会认为越重要。 所以，把你的核心主体和最重要的特征放在提示词的最前面，是一个简单但有效的技巧。

比如，a beautiful girl in a forest 和 a forest with a beautiful girl，前者会更倾向于生成以女孩为中心的图像，而后者则可能让森林占据画面的主导地位。

实践中的一些经验

• 迭代和实验：写提示词不是一次就能搞定的事。通常需要先写一个基础版本，生成几张图看看效果，然后根据结果不断修改、增加细节、调整权重。这是一个不断尝试和优化的过程。
• 注意词语污染：有时候一个词会“污染”到其他词。比如，当你在提示词里写了“red dress”（红色连衣裙）和“blonde hair”（金色头发），AI 有可能会把红色“溅”到头发上，生成红发。这时候就需要用权重来调整，比如加强 (blonde hair:1.3)，或者尝试用更复杂的语法将它们隔离开。
• 利用 BREAK 关键字：在 AUTOMATIC1111 中，提示词有 75 个 token（可以理解为单词或词组）的限制。超过这个限制，AI 会把提示词分成多个块来处理。 你可以使用大写的 BREAK 关键字来手动分块，这有时能让不同部分的描述更加独立，减少相互之间的影响。

最终，写提示词就像是和 AI 的一次对话。你需要清晰地表达自己，也要理解它的“思考”方式。通过掌握这些结构和权重调整的方法，你就能更自如地引导它，把脑海中的画面变成现实。多去看看别人分享的优秀作品和他们的提示词，也是学习和获取灵感的好方法。