AI生图反向提示词的优先级和权重应该如何设定？

大家好，今天我们来聊聊AI生图的反向提示词，这玩意儿到底该怎么设置优先级和权重，才能让AI老老实实地画出我们想要的东西，而不是那些奇奇怪怪的“艺术品”？就像跟朋友聊天一样，咱们直接开门见山，不说那些虚头巴脑的。

你想啊，我们平时给AI写正向提示词，告诉它“要画什么”，比如“一个阳光明媚的海滩，上面有棕榈树和蓝色的海”。但AI这东西吧，有时候它就是会“脑补”一些不该有的东西，或者把细节画得一塌糊涂，比如多几根手指、画风不对、或者图像模糊。这时候，反向提示词（Negative Prompt）就派上用场了，它就像给AI一个“禁止清单”，告诉它“不要画什么”。

反向提示词：为什么它这么重要？

以前玩AI生图，可能就是一股脑儿地堆砌正向提示词。结果呢？不是画面出现奇怪的文字，就是人物比例失调，或者整体画质惨不忍睹。 后来大家发现，光说“要什么”不行，还得明确“不要什么”。反向提示词就是这个“不要”的清单，它能显著提升你生成图像的质量和相关性。 比如，你想画一个精美的肖像，但AI老是给人物加上额外的肢体或者奇怪的面部表情，那你就得在反向提示词里写上“extra limbs, distorted face”之类的词。 这样，AI在生成的时候就会主动避开这些元素。

反向提示词不仅仅是用来“纠错”的，它还能帮你控制画面的风格一致性。比如Midjourney，它有时候会默认生成一些动漫或者赛博朋克的风格。如果你想追求一种独特的风格，反向提示词就能帮你去掉那些干扰元素，比如 --no comic book style。 这就跟我们装修房子一样，不仅要告诉设计师想要什么风格的家具，还得告诉他“我可不要那种俗气的碎花壁纸啊！”

优先级和权重：给你的“禁止清单”排个序

说到优先级和权重，这其实是让反向提示词更“聪明”的关键。不是所有你不想看到的东西，都应该被AI平等地对待。有些是你坚决不能接受的，有些则是次要的。这就是优先级。而权重，就是给这些“禁止”的程度，再加一个强度条。

1. 常见的通用反向提示词列表

很多时候，我们都有一些“万金油”的反向提示词，几乎在任何场景下都适用。这些词通常用来避免AI生成图常见的质量问题，比如：

• worst quality (最差画质)
• low quality (低画质)
• normal quality (普通画质，有时候也要避免，因为我们追求的是高质量)
• low res (低分辨率)
• blurry (模糊的)
• distortion (扭曲的)
• extra fingers (多余的手指)
• bad anatomy (糟糕的解剖结构)
• disfigured (毁容的)
• text (文字，因为AI经常会生成乱七八糟的文字)
• watermark (水印)
• logo (标志)
• signature (签名)
• cropped (裁剪的)
• bad composition (糟糕的构图)

这些词属于“基础款”，你可以把它们放在反向提示词列表的最前面，或者直接使用一些社区提供的整合包（比如Stable Diffusion里的EasyNegative嵌入文件），让它们拥有较高的默认优先级。毕竟，谁也不想生成一张质量差、手部扭曲的图片，对吧？

2. 针对特定问题调整权重

不同的AI生图工具，调整权重的方式略有不同。我们主要看看Stable Diffusion和Midjourney这两种常用的。

• Stable Diffusion的权重调整：括号和冒号

  在Stable Diffusion里，你可以用 (keyword:weight) 这种语法来调整关键词的权重。 weight 通常是一个数值，大于1表示增加强调，小于1则表示减少强调。
  比如，如果你发现AI老是生成模糊的背景，你可以这样写：(blurry background:1.5)。这样，AI就会更努力地避免模糊背景。
  或者，如果你想降低某个反向提示词的影响，比如你觉得“cartoonish”这个词有时会过度限制AI的创造力，你可以给它一个小于1的权重，比如(cartoonish:0.8)。

  除了冒号加数字，Stable Diffusion也支持用括号来快速调整权重：
  * (keyword) 会将关键词强度增加1.1倍。
  * [[keyword]] （或[keyword]）则会降低强度0.9倍。
  * 连续使用多个括号，效果是累乘的，比如 ((keyword)) 相当于 (keyword:1.21)。

  我个人经验是，对于那些你特别痛恨的元素，比如“多余的手指”，我会给它一个比较高的权重，比如 (extra fingers:1.3)。但如果是一个没那么致命的问题，像“过于鲜艳的颜色”，我可能会给它一个相对温和的权重，比如 (oversaturated colors:1.1)，而不是直接完全排除。

• Midjourney的权重调整：:: 和 --no

  Midjourney的处理方式稍微不同。它主要有两种方式来设置反向提示词：
  * --no 参数：这是最直接的方式，你可以在你的正向提示词后面加上 --no，然后跟着你不想要的东西。比如 a beautiful landscape --no trees。 这种方式是“绝对排除”，它会非常强硬地告诉Midjourney不要包含这些元素。
  * 负向权重：Midjourney也允许你通过 :: 语法来给提示词（包括反向提示词）设定权重。 比如，a dog::2, cat::-1，这里的 -1 就表示AI在生成时会尽量避免出现猫。但要注意，Midjourney V6版本之后，直接的负向提示词权重可能不再像以前那样有效， --no 参数通常是更可靠的选择。

  我通常会先用 --no 参数排除那些我绝对不想看到的东西，比如文字、畸形的手。如果在此基础上还有一些细微的、我希望AI尽量避免但又不完全禁止的元素，我才会考虑使用负向权重。毕竟，很多时候，越简单直接的指令，AI越容易理解和执行。

3. 优先级设定：从常见到特定，从通用到细节

我建议的优先级设定逻辑是这样的：

• 第一层：通用质量控制
  把那些你基本所有图片都不想要的低质量元素，比如 (worst quality, low quality, low res, blurry, distorted, bad anatomy, extra fingers) 放在你的反向提示词列表最前面。这些是“底线”，是确保图片“能看”的基础。 可以考虑把这些词的权重设置得稍高一点，比如 (worst quality:1.2), (extra fingers:1.3)。

• 第二层：常见风格/内容排除
  根据你的生成目标，排除一些AI模型默认容易产生的、你不想要的风格或内容。比如，如果你不想图片看起来像卡通，就加 cartoonish, anime, 3d render。如果你想避免AI生成文字，就加 text, watermark, logo。 这部分词的权重可以根据你对它们的厌恶程度来定，一般保持在默认或略高一点就行。

• 第三层：特定场景下的细节排除
  当你生成一张图片后，发现它还是有一些特定的小问题，这时候就要具体问题具体分析了。比如，你画一个日出，但AI老是出现“刺眼的光线”，那你就可以添加 (harsh lighting:1.2)。如果你画的是城市夜景，但AI总是在背景里塞进“奇怪的汽车”，那就加 (ugly cars in background:1.1)。 这些是你在迭代过程中不断发现和添加的。

  有个重要的点是，不要一次性塞太多反向提示词。使用过多的反向提示词可能会让AI困惑，反而导致不想要的结果出现。 最好是先从少量、关键的反向提示词开始，然后根据生成结果逐步调整和增加。

4. 顺序也很重要吗？

在Stable Diffusion的Web UI中，一些人认为提示词的顺序也会影响权重，通常越靠前的词权重越高。 虽然不像直接设定权重那么精确，但作为一种辅助手段，把最重要的反向词放在前面也是一个不错的习惯。比如，我习惯把通用质量词放在最前面，然后是风格词，最后是针对性排除的词。

5. 迭代和实验：这是AI生图的精髓

说到底，AI生图不是一蹴而就的。你不可能写一串提示词就完美无缺。你需要不断地尝试，观察AI的反应，然后调整你的正向提示词和反向提示词。 这就像科学实验一样，每一次生成都是一次实验，你需要分析结果，然后改进你的“配方”。

比如，我之前尝试生成一张“赛博朋克风格的猫”，结果AI老是把猫画得很机械化，缺乏生命力。我的正向提示词是 cyberpunk cat, neon city, futuristic。反向提示词一开始只有 blurry, low quality。后来我发现问题出在“机械化”上，于是我添加了 (robot, mechanical, wires:1.2) 到反向提示词。结果立刻就改善了，猫变得更像一只“穿着赛博朋克装备”的猫，而不是一个机器人。

不同的模型对反向提示词的理解程度也不同。有些AI工具，比如Kaiber，可能对负向提示词的效果就不那么明显，主要还是依赖正向提示词。 所以，了解你正在使用的AI模型的特性也很重要。

总结一下我的经验：

设定AI生图反向提示词的优先级和权重，其实就是一场与AI的“沟通”游戏。

1. 从通用到具体：先搞定那些所有图片都不想要的通用质量问题（比如模糊、畸形），这是第一优先级。
2. 权重精细化：用权重语法（Stable Diffusion是 (keyword:weight)，Midjourney是负向权重或 --no）来控制每个“禁止”的强度。特别不想要的，权重高一点；只是想尽量避免的，权重低一点。
3. 少量多次迭代：别一开始就塞满反向提示词。先用一组核心的，生成看看，再根据问题逐步添加和调整。
4. 模型差异要注意：不同的AI模型对反向提示词的响应程度不一样，多试试看，找到最适合你的方法。

AI生图这东西，玩得越久，你就越能摸清楚它的脾气。反向提示词就像给AI画个“红线”，让它在创作的同时，不至于跑偏到我们不希望的方向去。希望这些经验能帮你在AI生图的路上少走点弯路，多出点好图！