负面提示词怎么写才能最有效地排除画面中的干扰元素？

我们这些玩AI绘画的，肯定都遇到过这样的情况：满心期待地写好提示词，结果AI吐出来的图，不是多了个手指头，就是背景乱七八糟，或者画质像打了马赛克。这时候，负面提示词（Negative Prompts）就成了我们的“救星”。它就像告诉AI：“嘿，这些东西我可不要，你给我避开点！”

很多人觉得负面提示词就是随便堆一堆词语，但我的经验是，想让它真正发挥作用，帮你把画面中的干扰元素清理干净，这里面是有点门道的。它不只是“不想要什么”，更重要的是“怎么说才不想要”。

负面提示词到底是什么？

简单说，就是你告诉AI模型，在生成图片的时候，哪些元素、风格或者特征是你明确不希望看到的。正向提示词是我们“想要什么”，而负面提示词则是我们“不想要什么”。通过这种“一正一负”的组合，我们就能更精确地引导AI，让它生成出来的图片更符合我们的想象。

比如，你想要一张“日落时分的山水画”，AI可能会给你画出一些很棒的风景。但如果你不希望画面里有人、有电线杆，或者画质有点模糊，这时候负面提示词就能派上用场了。它不会直接删除这些东西，而是会降低它们出现的概率，让AI的注意力集中在你强调的正面元素上。

写好负面提示词的核心原则

写负面提示词，不是越多越好，也不是越复杂越好。它有几个核心原则，你掌握了这些，效果会好很多。

1. 具体，再具体一点
   这是最关键的一点。笼统的词语，比如“坏质量（bad quality）”，AI可能不太明白具体指的是什么。它可能会认为模糊也是坏质量，过曝也是坏质量，但你真正想排除的可能只有其中一种。所以，要用具体、明确的词语。
   举个例子，你想让画质清晰，那就不要只写“低质量（low quality）”。你应该写上“模糊（blurry）”、“像素化（pixelated）”、“颗粒感（grainy）”、“低分辨率（lowres）”这些具体的词。你想排除不自然的解剖结构，就写“糟糕的解剖结构（bad anatomy）”、“多余肢体（extra limbs）”、“畸形（deformed）”、“糟糕的手（bad hands）”、“变异的手指（mutated fingers）”、“融合的手指（fused fingers）”。
   我个人的经验是，如果你发现AI老是在某个细节上出错，比如手的细节，那就专门针对“手”去写负面词。而不是指望一个大而全的负面词能解决所有问题。

2. 逐步迭代，别一口吃个胖子
   别想着第一次就把所有负面词都写上。这就像调味料，一下子加太多，味道就毁了。太多的限制会把AI搞糊涂，结果反而可能出一些稀奇古怪的东西，或者让画面变得死板、不自然。
   我的做法是：

   • 先从常见的、通用的质量词开始。 比如“低质量（low quality）”、“模糊（blurry）”、“水印（watermark）”这些。
   • 然后根据第一次出图的结果，针对性地增加。 比如发现人物的手有问题，就加上“糟糕的手（bad hands）”、“多余手指（extra fingers）”；发现背景太乱，就加“杂乱（cluttered）”、“拥挤（crowded）”、“不必要的物体（unwanted objects）”。
     这个过程需要耐心，不断尝试、观察、调整。

3. 了解你用的AI模型
   不同的AI模型对负面提示词的理解和处理方式是不一样的。

   • Stable Diffusion：通常有一个独立的负面提示词输入框。它还支持权重，你可以给某个负面词更高的权重，让AI更强烈地避免它。比如，你可以在负面提示词里写 (blurry:1.5)，意思是让AI更用力地避免模糊。
   • Midjourney：它主要用 --no 参数来排除元素。比如你想排除文本和模糊，可以写 --no text, blur。Midjourney 以前也支持通过 :: 语法给负面词加权重（比如 dog:: -0.5），但最新的V6版本可能不再支持这种负面权重。所以，在使用Midjourney时，主要还是依靠 --no 参数，并用逗号分隔要排除的元素。

4. 避免与正面提示词冲突
   这是一个很常见的误区。你不能在负面提示词里写上你正面提示词里包含的关键元素。比如，你的正面提示词是“一只飞翔的龙”，结果负面提示词里写了“翅膀（wings）”或“飞（flying）”，那AI肯定会很困惑，甚至可能生成出奇怪的图。
   负面提示词的目的是修饰和排除干扰，而不是否定主体。

常用的负面提示词分类与实例

为了帮助你更好地排除干扰，我把一些常用的负面提示词分了个类，并给出一些具体的词语。你可以把它们当成一个清单，每次根据实际需求来选择和组合。

1. 图片质量类
   这类负面词主要针对图片的清晰度、细节和整体观感。

   • blurry (模糊的)
   • low quality (低质量)
   • worst quality (最差质量)
   • normal quality (普通质量)
   • lowres (低分辨率)
   • pixelated (像素化)
   • jpeg artifacts (JPEG伪影)
   • grainy (颗粒感)
   • cropped (裁剪过的)
   • out of focus (失焦)

   • bad photo (糟糕的照片)

   • 我的建议： 我通常会把lowres, blurry, worst quality, jpeg artifacts, grainy这些作为基础负面词。它们能帮你兜住图片质量的底线。

2. 人物和身体结构类
   AI在生成人物，尤其是手部、肢体和面部时，经常会出问题。这是最需要负面提示词干预的地方。

   • bad anatomy (糟糕的解剖结构)
   • deformed (畸形)
   • extra limbs (多余肢体)
   • extra fingers (多余手指)
   • extra hands (多余的手)
   • fused fingers (融合的手指)
   • missing fingers (缺少手指)
   • bad hands (糟糕的手)
   • poorly drawn hands (画得很差的手)
   • mutated hands (变异的手)
   • malformed limbs (畸形的肢体)
   • bad proportions (比例失调)
   • disfigured (毁容的)
   • poorly drawn face (画得很差的脸)
   • cloned face (克隆脸，指多个人物面部一致)
   • ugly (丑陋的)
   • multiple heads (多个头)
   • long neck (长脖子)

   • amputee (截肢者)

   • 我的建议： 对于人物图，我通常会把bad anatomy, deformed, extra limbs, extra fingers, bad hands, poorly drawn hands, mutated hands, bad proportions, poorly drawn face这些一起用上。这些词能显著改善人物细节，特别是手部的生成质量。

3. 多余元素和背景干扰类
   这包括画面中不请自来的文字、水印、以及杂乱的背景。

   • text (文字)
   • watermark (水印)
   • logo (标志)
   • signature (签名)
   • username (用户名)
   • random objects (随机物体)
   • cluttered (杂乱的)
   • crowded (拥挤的)
   • messy (凌乱的)
   • distorted background (扭曲的背景)
   • overlapping details (重叠的细节)

   • plain background (单调的背景) (如果你想要复杂的背景，这个可以用作负面词)

   • 我的建议： text, watermark, logo, signature是必加的，尤其是在生成商业用途或需要干净画面的图片时。对于背景，我会根据需要选择cluttered, crowded, messy，或者相反地用simple background来避免太复杂的背景。

4. 艺术风格和氛围类
   有时候AI会默认生成某种风格，如果你不想要，就需要明确排除。

   • cartoonish (卡通风格)
   • 3d render (3D渲染)
   • illustration (插画)
   • drawing (手绘)
   • sketch (草图)
   • anime (动漫风格)
   • monochrome (单色) (如果你想要彩色图片)
   • grayscale (灰度) (如果你想要彩色图片)
   • oversaturated colors (颜色过饱和)
   • underexposed (曝光不足)
   • overexposed (曝光过度)
   • low contrast (低对比度)
   • dark (黑暗的)

   • unnatural lighting (不自然的光照)

   • 我的建议： 当你想生成写实风格的图片时，我会加入cartoonish, 3d render, illustration, drawing, sketch, anime这些词。如果对色彩或光影有要求，oversaturated colors, underexposed, overexposed, low contrast, dark这些也很有用。

高级用法：权重和负面嵌入

在Stable Diffusion这样的模型里，负面提示词不仅仅是“有”或“没有”那么简单，你还可以给它们分配权重，这能让你对图片生成有更精细的控制。

比如，你特别讨厌图片模糊，就可以把blurry这个词的权重调高一点，写成 (blurry:1.5)。数字越大，AI避开这个元素的倾向就越强。但也要注意，权重过高可能会让图片变得不自然，甚至影响到你想要的其他元素。我的经验是，通常权重在0.5到1.5之间比较合理，更高的权重需要谨慎尝试。

另外，Stable Diffusion社区还有一些“负面嵌入（Negative Embeddings）”或者LoRAs，这些是预训练好的小模型，它们本身就包含了大量的负面提示词，可以更有效地排除某些问题，比如著名的EasyNegative或者bad-hands系列。直接加载这些嵌入，往往能事半功倍，特别是解决手部问题，效果很明显。

一些实用的小技巧

• 不要过度堆砌负面词： 就像前面说的，太多负面词反而会干扰AI，让它“不知道该听谁的”。重点关注最影响你视觉的几个问题。
• 结合上下文： 如果你想排除的元素是特定场景下的，可以结合上下文来写。比如，你想让城市风光图里没有汽车，写“no cars in the background of the cityscape”可能比单纯的“no cars”更有效。
• 迭代和测试： 每次调整负面提示词后，都生成几张图看看效果。观察哪些词有效，哪些没用，然后继续调整。这是一个反复试错的过程。
• 先从少开始，再逐渐增加： 当你不确定如何开始时，可以先用一个非常简洁的负面提示词列表，然后根据生成结果逐步添加和细化。
• 善用“反向”思考： 如果你想要一个非常干净的背景，除了负面排除cluttered, crowded，也可以在正面提示词里明确要求simple background, clean background。双管齐下往往效果更好。

写好负面提示词，真不是什么“魔法列表”。它更多的是一种思维方式，一种和AI沟通的技巧。它需要你细心观察AI的“小毛病”，然后用清晰、具体、有针对性的语言去纠正它。当你掌握了这些，你会发现AI生成的图片质量会有一个质的飞跃，画面也变得更加纯粹，更接近你脑海中的样子。这整个过程，就像是和一位有点笨拙但充满创造力的画家合作，你越能清晰地表达你的“不要”，他就能画出你“更想要”的东西。