Stable-Diffusion-v1-5-archive新手教程:30分钟掌握Prompt/Negative Prompt/Seed协同技巧

news2026/4/23 7:32:44
Stable-Diffusion-v1-5-archive新手教程30分钟掌握Prompt/Negative Prompt/Seed协同技巧你是不是也遇到过这种情况看到别人用Stable Diffusion生成的图片又美又精致轮到自己上手输入同样的描述词出来的图却总是“买家秀”和“卖家秀”的区别要么是画面混乱要么是细节缺失要么是风格跑偏。别灰心这很可能不是你手气不好而是没掌握好Stable Diffusion的“核心三件套”提示词Prompt、负向提示词Negative Prompt和随机种子Seed。这三个参数就像厨师手中的盐、火候和食材单独用哪个都做不出好菜只有协同得当才能稳定地烹饪出你想要的“视觉大餐”。今天我们就以经典的Stable Diffusion v1.5 Archive模型为例用30分钟的时间带你彻底搞懂这三者的关系与协同技巧让你从“抽卡玩家”变成“精准控图”的创作者。1. 环境准备与快速上手在开始我们的技巧之旅前我们先确保你已经站在了正确的起跑线上。Stable Diffusion v1.5 Archive是一个开箱即用的Web服务部署非常方便。1.1 访问你的创作空间部署成功后你会在Web界面看到类似下图的交互界面。别被密密麻麻的参数吓到我们今天只聚焦最核心的几个。界面主要分为三块左侧输入区你“发号施令”的地方包括Prompt和Negative Prompt。中间参数区你“微调火候”的地方包括Steps、Guidance Scale、Seed等。右侧输出区展示生成结果的“餐桌”。1.2 完成你的第一次生成我们先来一个最简单的流程感受一下在Prompt框里输入a cute cat(一只可爱的猫)。其他参数先保持默认Steps: 20,Guidance Scale: 7.5,Seed: -1。点击「Generate」按钮。稍等片刻你就能在右侧看到一只由AI生成的“猫”。它可能很抽象也可能很写实这完全取决于模型的“随机发挥”。记住这次生成时右侧显示的Seed值比如123456我们后面会用到它。2. 深入理解核心三要素现在我们来逐一拆解这三个核心工具看看它们各自扮演什么角色。2.1 Prompt告诉AI“你想要什么”Prompt是正向提示词是你向AI描述画面蓝图的最主要工具。它的质量直接决定了生成内容的上限。一个常见的误区是描述过于笼统。比如“一个美丽的女孩”这种描述留给AI的想象空间太大结果自然不稳定。我们需要学会结构化地描述。基础Prompt结构从主到次[主体] [场景/动作] [细节/属性] [艺术风格] [画质/镜头]举个例子对比笼统描述a beautiful girl(一个美丽的女孩)结构化描述a young woman with long silver hair, wearing a elegant white dress, standing in a field of sunflowers at golden hour, studio ghibli style, highly detailed, cinematic lighting(一位银色长发的年轻女子身着优雅白裙站在金色时刻的向日葵花田中吉卜力风格高细节电影感灯光)你可以立刻尝试用这两种描述分别生成图片感受一下细节和画面掌控力的天壤之别。2.2 Negative Prompt告诉AI“你绝对不要什么”如果说Prompt是“指挥棒”那么Negative Prompt就是“刹车片”和“过滤器”。它的作用是排除你不想要的元素、风格或瑕疵让画面更干净、更符合预期。为什么它如此重要SD1.5模型在训练时接触了海量质量参差不齐的图片。Negative Prompt能有效抑制那些常见的低质量特征比如模糊、畸形、水印等。一些通用的“负面词汇包”lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry, ugly, duplicate, morbid, mutilated, out of frame, extra fingers, mutated hands, poorly drawn hands, poorly drawn face, mutation, deformed, bad proportions, extra limbs, cloned face, disfigured, gross proportions, malformed limbs, missing arms, missing legs, extra arms, extra legs, fused fingers, too many fingers, long neck你可以将上面这段文本保存下来作为你的基础负面词库每次生成时都粘贴进去能显著提升出图的基本质量。2.3 Seed锁定结果的“魔法种子”Seed随机种子是一个数字它决定了AI生成过程中所有随机噪声的初始状态。相同的Seed在相同参数下会产出几乎完全相同的图片。它的核心价值在于“复现”和“微调”复现当你生成一张满意的图记下它的Seed。下次用同样的Prompt和参数就能得到一模一样的图。微调固定一个Seed然后只修改Prompt中的某个词比如把“红裙子”改成“蓝裙子”你就能得到两张构图、光影、人物姿势都高度一致仅颜色不同的图非常适合做系列作品或对比测试。操作技巧随机探索将Seed设为-1每次点击生成都会使用一个随机的新种子适合创意发散。固定创作当你找到满意的构图或感觉时将Seed固定为当前值然后在此基础上优化Prompt细节。3. 三要素协同实战从想法到精品理解了各自的作用后我们通过一个完整的案例看看如何让它们协同工作。我们的目标生成一张“未来赛博朋克风格的女武士”肖像。3.1 第一轮搭建基础框架只用Prompt我们先只用Prompt来构建基础想法。输入Prompt:cyberpunk female samurai, portrait, intricate armor, neon lights, rainy night, detailed face, sharp focusNegative Prompt: (留空)Seed:-1(随机)其他参数: 默认点击生成。你可能会得到一张还不错但有些问题的图比如脸部可能有些扭曲背景有奇怪的模糊块或者盔甲细节不够。记下这次生成的Seed例如334455。3.2 第二轮引入质量控制加入Negative Prompt现在我们固定Seed并加入Negative Prompt来修复常见缺陷。输入Prompt:cyberpunk female samurai, portrait, intricate armor, neon lights, rainy night, detailed face, sharp focus(不变)Negative Prompt: 粘贴我们之前准备的通用负面词库。Seed:334455(固定为上轮结果)其他参数: 不变再次生成。对比上一张图你会发现画面的“干净度”提升了。那些细微的畸形、模糊的瑕疵大概率被抑制了。画面主体更突出但可能风格还不够强烈。3.3 第三轮风格强化与细节微调协同优化最后我们在固定Seed和Negative Prompt的基础上优化Prompt增加风格化描述和细节。输入Prompt:masterpiece, best quality, cyberpunk female samurai, portrait, intricate biomechanical armor with glowing circuits, standing in neon-lit alley with rainy night, cinematic lighting, reflections on wet ground, highly detailed face, sharp focus, by greg rutkowski and wlop, 8k解读增加了masterpiece, best quality强调质量用biomechanical armor with glowing circuits细化了装甲增加了cinematic lighting电影灯光、reflections倒影等环境细节加入了艺术家风格by greg rutkowski and wlop来强化视觉风格最后用8k暗示超高细节。Negative Prompt:lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry(可以精简保留核心质量负面词)Seed:334455(依然固定)其他参数: 可以将Steps提高到25或30以增加细节渲染。生成最终图像。现在你应该得到了一张在构图不变的基础上质量、细节、风格感都全面升级的作品。通过这个“固定Seed迭代优化Prompt和Negative Prompt”的流程你实现了对生成结果的精准控制。4. 高效工作流与实用技巧掌握了核心方法后再分享几个能极大提升你效率的技巧。4.1 构建你的提示词库不要每次都从零开始写Prompt。建立自己的分类词库质量词masterpiece, best quality, ultra detailed, 8k, HDR镜头词close-up, medium shot, wide angle, birds eye view光影词cinematic lighting, soft light, rim light, golden hour风格词digital painting, concept art, oil painting, studio ghibli style, cyberpunk艺术家by artgerm, by greg rutkowski, by wlop写作时像搭积木一样从词库中组合。4.2 使用“提示词权重”进行微调在WebUI中你可以用括号()来调整某个词的重要性。(word)权重增加1.1倍((word))权重增加1.21倍[word]权重减少为0.9倍(word:1.5)权重设置为1.5倍例如在a cat and a dog中如果你觉得狗不够突出可以写成a cat and a (dog:1.3)。4.3 利用Seed进行“图生图”式创作这是Seed最强大的用法之一。找到一张构图、光影你都很喜欢的图可以是AI生成的也可以是别人的图记下它的Seed和大致Prompt。然后固定这个Seed将Prompt的主体彻底替换成你的新想法比如把“骑士”换成“宇航员”你可能会得到一张构图光影极佳的全新作品。这相当于用别人的“骨架”长出了自己的“血肉”。4.4 参数协同的黄金法则Prompt越复杂Guidance Scale可以适当调低如7-8避免过度渲染导致失真。追求高细节和复杂构图时提高Steps25-35并配合高质量的Prompt。固定Seed进行微调时优先修改Prompt而不是大幅调整Guidance Scale或Steps否则可能破坏原有构图。Negative Prompt是保障基础质量的底线通常可以保持不变除非你有特殊的排除需求。5. 总结好了30分钟的核心技巧之旅到此结束。让我们最后回顾一下关键点明确分工Prompt是创造力的方向盘负责描绘蓝图Negative Prompt是质量的控制阀负责排除干扰Seed是复现的锚点负责锁定状态。掌握流程最有效的工作流是“随机探索 - 固定Seed - 优化Prompt - 用Negative Prompt净化”。先找到一个不错的随机起点Seed然后在这个稳定的基础上进行精细化创作。结构化思考写Prompt时按照“主体-场景-细节-风格-画质”的结构来组织会让你的指令清晰十倍。善用工具建立自己的提示词库学会使用权重语法(word:1.5)把Negative Prompt当作标配。Stable Diffusion的创作三分靠模型七分靠提示。现在你已经掌握了最核心的“提示工程”心法。剩下的就是大胆地去实践、去组合、去试错。记住每一次不满意的生成其Seed和参数都是你下一次完美创作的垫脚石。打开你的Stable Diffusion v1.5 Archive开始你的精准控图之旅吧获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2421945.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…