Stable Diffusion提示词语法解析：787个Civitai提示词实际用法

Stable Diffusion提示词看起来与人们为ChatGPT或GPT Image编写的对话式提示词完全不同。它们充满了括号、数字、尖括号以及像“masterpiece”这样似乎不起作用的词语。我们查看了Wikiprompt目录中索引的787条Civitai提示词，以了解这些习惯中哪些实际上很常见，以及每一条的作用。

我们测量了什么

此样本中的每条提示词都与其生成的图像一起发布在Civitai上，然后被整理到Wikiprompt中。中位提示词长度为68个词，比典型的一行请求长得多。以下是每种语法模式出现的频率：

样本中最常见的基础模型是Illustrious、SDXL 1.0、Krea和SD 1.5，以及许多LoRA微调变体。主导风格是动漫、电影感、数字艺术、照片写实和插画。

逐项分析这些模式

负面提示词

一半的提示词带有负面提示词：一个模型应避免的事物的第二列表，例如“blurry, extra fingers, watermark, lowres”。扩散模型会避开负面提示词中的内容，因此它作为常见缺陷的清理步骤。如果你复制一个Stable Diffusion提示词，也要复制其负面提示词：结果往往同样依赖于它，就像依赖于正面提示词一样。

质量标签：“masterpiece”、“best quality”、“absurdres”

大约三分之一的提示词以一堆质量词开头。这些标签源于动漫专注模型的训练方式：训练数据中的图像被标注了质量评级，因此要求“masterpiece, best quality”会将输出拉向该数据中评分最高的部分。它们在像Illustrious这样的动漫模型上最重要，在照片写实或较新的模型上影响较小。

评分标签：`score_9, score_8_up`

评分标签是同样的想法，但更明确。基于Pony和一些基于Illustrious的模型使用数字美学评分进行训练，而score_9, score_8_up, score_7_up要求图像至少达到该评分。在未使用这些评分训练的模型上，它们不起作用，这就是为什么它们只出现在样本的16%中。一个很好的例子是Cinematic Medieval Cottage in Autumnal Marsh，它将评分标签与详细的场景描述相结合。

LoRA标签：`<lora:name:0.8>`

三分之一的提示词加载了一个LoRA，这是一个小型附加模型，教基础模型一种风格、角色或概念。名称后的数字是强度：通常在0.6到1.0之间，更高的值可能会压倒提示词的其余部分。由于LoRA文件必须存在于你的设置中，这些提示词的可移植性最差：没有相同的LoRA，你会得到不同的图像。Miniature Fantasy Diorama with Ink Wash Style展示了一个LoRA用于特定艺术风格，并叠加在清晰的主题描述之上。

加权术语：`(term:1.2)`

14%的提示词调整了单个词语的强调程度。(glowing eyes:1.3)使该细节更强，(background:0.8)削弱它，而普通括号则提供小幅增强。0.8到1.4之间的权重是有用的范围；极端值往往会破坏图像。参见Girl Sitting Under Starry Night Forest with Fireflies，了解用于平衡主题和风景的权重。

`BREAK`

BREAK将长提示词分成单独的块，这样一部分的颜色和属性不会泄漏到另一部分（经典问题如“红色连衣裙”使整个场景变红）。它是样本中最罕见的模式，占6%，主要出现在长角色提示词中，如White Alpha Werewolf Grandpa。

自然句子

三分之一的提示词部分以完整句子书写，而不是逗号分隔的标签。具有更强文本编码器的新模型（Flux、Krea和最近的SDXL微调版本）能很好地理解描述性语言，因此趋势正朝着带有少量风格标签的简单描述发展。标签密集的风格仍然是动漫模型的常态。

快速入门配方

如果你从零开始编写一个Stable Diffusion提示词，这个结构涵盖了样本中最佳提示词的共同点：

从无权重开始。只有当某个特定细节不断丢失时，才添加(term:1.2)。

探索更多