如何编写图像生成提示词 - 第2部分 - 高级技巧和最佳实践

推荐： 在制作提示词之前，通过三个具体细节定义目标场景来锁定方向。描述主体、设置和照明，然后将目标与整体生成对齐。

提示： 在你的库中构建一个现成提示词的选集，以加速跨不同风格的测试。维护一个快速检查列表，显示哪些提示词已检查以及取得了什么结果；存储最佳表现者以供重复使用。

应用一个有纪律的测试工作流程：保留多种变体，但每次只更改一个元素（主体、环境、照明或风格）。使用简单评分标准跟踪渲染时间、保真度和连贯性，并在数据库中记录结果。让团队成员检查结果并将洞见反馈给团队。

在构建提示词时，使用清晰的结构：主体、环境、照明、风格和构图。示例：“一个崎岖的山脉范围在夜晚天空下，带有发光的星星，使用阳光色调，采用低相机角度捕捉，照片级真实。” 这展示了如何将俄语名词与英语描述符交织，以指导模型。

团队实用说明： 保持多种变体可用，并发布一个中心库，包含已验证的提示词（提示词）供开发者使用。定期审查用户反馈和性能指标，以优化提示词并扩展多种风格选项，包括科幻、自然主义和粗犷的城市设置。

使用具体属性定义精确的视觉目标：主体、风格、调色板、照明和构图

为一个绘图定义一个单一、精确的视觉目标。锁定五个具体属性：主体、风格、调色板、照明和构图。在计划中，编写精确参数并用提示词绑定它们。使用免费参考和深思熟虑的选择来保持焦点。如果你测试botsapp工作流程，尝试在生成中保持相同元素并稍后比较结果。

主体：选择一个单一、可读的主体，具有清晰的轮廓——例如，一只大眼睛的狐狸。将它放置在简单背景上，带有生长的表面以添加纹理。如果你之前绘制了一个版本，重用该参考以保持外观和规模的一致性。

风格：从卡通、照片级真实或绘画风格中选择单一美学。为了清晰和亲和力，从卡通开始并注明它是专业的。这种设置使线条从缩略图到海报都能良好阅读，并有助于快速工作。

调色板：限制为3-5种颜色；命名色调，设置饱和度，并控制对比度。使用鲜艳的色调来增强冲击力，或使用柔和的混合来营造氛围。构建一个紧凑的小吃调色板，并保持色调选择紧凑，以避免生成之间的漂移。如果需要，调整参数并重试。

照明：指定光方向（侧面、背面、顶部）、色温、强度和阴影质量。示例：黎明光线、柔和填充、在生长表面上的柔和阴影，以便颜色和纹理保持可读。将照明与调色板绑定以保持连贯性。

构图：在生成前设置构图规则：三分法、负空间和引导线指向主体。在提示词中编码为简洁的一行：“主体偏离中心，干净裁剪，线条引导到脸部。” 运行多个生成来测试稳定性。如果你生成了变体，选择最佳的并相应调整参数。连贯性原则：在迭代中保持主体、风格、调色板和照明不变。例如，对于大眼睛的主体，给它们更多空间；对于内省时刻，裁剪更紧。目标保持：一个清晰、精确的视觉目标。

以可预测的层次结构分层提示词：基础概念、风格指令和参数修饰符

首先锁定基础概念：定义主体、场景和动作。这使提示词对广泛的服务用户可用，并减少图像生成中的错误。从坚实的基础概念构建，然后添加风格指令，最后调整参数修饰符以实现精确性和重复性。当你保持这个顺序时，你可以进入复杂提示词而不丢失清晰度。

• 基础概念
  • 主体：选择一个具体的角色或物体，例如，女孩或猫，而不是模糊的轮廓。
  • 设置：清晰放置动作，例如沿着河流或在舒适的厨房中，带有可见的蛋糕中心件。
  • 动作或姿势：定义主体在做什么（站立、注视、拿着某物）。如果你想要叙事钩子，描述一个支持氛围的简单时刻，例如，一个女孩观察平静河流上的云彩。
  • 约束：注明任何不可谈判项（构图、焦距或负空间）并保持请求简洁以减少异常。
• 风格指令
  • 媒介和外观：卡通、水彩、照片级真实或矢量；选择与基础概念匹配的视觉语言。
  • 调色板和色调：指定颜色家族（柔和色调、温暖色调或高对比度）和纹理（柔和阴影、清晰线稿）。
  • 叙事感觉：欢快、梦幻、庄严——将氛围与基础概念对齐。特别是在你想要多个图像中一致的色调线程时特别有用。
  • 参考提示词：利用类似lexica的方法，通过命名你想要在生成中重复的形容词和主题，例如，“美味的调色板”或“阳光色调”。
  • 语言标签：如果你生成器支持，你可以信号俄语风格或双语提示词；这有助于指导措辞和排版——例如，你可能想要场景中的字母或脚本类似于手写西里尔重音。
  • 可复制示例：“卡通女孩在河边，柔和的柔和色调，柔和阴影，异想天开的氛围。”
• 参数修饰符
  • 纵横比和构图：使用 --ar 16:9 以获得电影感，或 --ar 4:3 以获得经典外观。
  • 质量和步骤：设置 --steps 以影响细节（例如，50–100）和 --quality 或 --q 以平衡速度和保真度。
  • 种子和变异性：分配 --seed 以再现特定的色调和形状排列；调整 --cfg 或等效比例以收紧或松开与基础概念的对齐。
  • 图像数量和迭代：如果你的服务支持，循环提示词并略微扰动以收集多种输出并比较变体（有助于捕捉错误或异常）。
  • 硬件或渲染偏好：如果服务提供多个引擎，指示分辨率或模型类型，例如，专用的“卡通”模型或“真实”模型。

示例分层提示词（说明性）：基础概念：女孩在河流旁，编码氛围：沉思；风格：卡通、柔和色调、柔和阴影、lexica启发的提示词；修饰符：--ar 16:9 --steps 60 --seed 98765 --quality 2。这种结构使图像可预测，并减少多次迭代，特别是当你需要简单发布或一系列图像的一致结果时。

利用负面提示词和排除术语来引导远离不需要的元素

从具体推荐开始：在开头附加简洁的负面提示词，并与清晰的排除术语配对，以引导远离不需要的元素。使用 -blurry 以防止模糊，-noise 以抑制颗粒，并 -lowres 以保持细节锐利。在参数中定义一小组约束，以便模型在多个变体中遵守你的意图。参考提示词社区和YouTube频道的可靠来源，以查看专业人士如何表述排除，然后将这些模式适应到你自己的工作流程中。当你独自工作时，专注于一个主体，例如老虎或女孩，并在所有变体中一致应用排除。

在实践中，构建一个两层排除策略：适用于每个生成图像的全局排除和当前任务的项目特定排除。将负面术语添加到提示词边缘，以便它们影响所有迭代。参考专业提示词使用者使用的已证明短语来源，从YouTube教程中收集想法，并组装一个可重用的排除列表。这种方法有助于在你的网站或作品集中生成更干净的结果，并最小化生成后重新处理图像的需求。

常见排除

-blurry	避免降低细节的模糊和柔和
-noise	减少颗粒和随机斑点
-lowres	保留清晰边缘和清晰度
-yellowish	消除黄色色偏和温暖色调
-pastel tones	避免冲淡对比度的柔和色调
-cartoonish	维护真实主义或选择的风格
-tiger	如果不需要，排除动物轮廓

对于实际执行，将这些术语组装成附加到你的提示词的简洁排除块。在变体中保持块紧凑和一致，然后使用不同的采样参数测试以确认稳定性。跟踪哪些排除最可靠地抑制不需要的特征，并相应优化你的源提示词。如果结果仍倾向于不需要的方向，双重检查源材料中的图像参考，并调整提示词以收紧对色调、照明和构图的控制。这种有纪律的方法有助于生成更干净的图像，减少迭代周期，并在YouTube教程或你自己团队的工作流程中花费更少时间调整。

为常见任务构建可重用模板和预设（肖像、风景、产品拍摄）

从三个主模板和一个简单的预设包开始，你可以跨项目重用。为肖像、风景场景和产品拍摄创建prompt1基线，并保存在bases中，以便快速应用调整。这种方法有助于想要更快浏览的用户，并保持生成中的高质量。对于柔和的调色板，优先选择柔和、温暖的色调，如果你需要鲜艳的强调，可以切换到生动变体，而无需从头重写提示词。

肖像模板：围绕紧凑框架构建，使用85mm视角、浅景深和柔和漫射照明。使用柔和的调色板，当简报要求温暖时使用大眼睛外观，并使用最小背景避免干扰。包括可选的蒙版层以隔离主体用于后期处理。将此保存为prompt1_portrait，并保持一个标记为high的高分辨率变体，以更容易交付给客户和用户。

产品拍摄模板：针对1:1纵横比和宏观就绪的特写、 pristine边缘和干净、中性背景。使用控制的高光强调纹理，并使用微妙的颜色分级保留真实色调。当精度重要时，使用蒙版将物体与背景分离，并为大胆品牌提供简单基础和高对比度promepte变体。存储在bases/product下，并将prompt1_product作为快速启动参考。

风景场景模板：针对宽阔视野，使用16:9或3:2比例、自然照明和深色深度。优先选择丰富但平衡的色调、一丝氛围和克制的锐度，以保持细节而不刺眼。只在框架中出现特写元素时包括宏观调整，并保持可缩放的蒙版选项以隔离前景元素如果需要。此预设位于bases/scene中，并可以通过单个切换交换以适合不同氛围。

为了保持工作流程简单，清晰命名预设并将它们与可预测的层次对齐：bases、柔和的、生动、宏观和prompty变体，如promtе或prompte。提示词的选集应易于在你自己的网站或内部存储库中浏览，以便快速与同事和客户分享。这种方法有助于用户更快迭代并在自己的项目中保持一致性。

存储和重用提示：维护一个适合你团队需求的小型库。使用简洁的命名约定编码任务、比例和氛围（例如portrait_v1_85mm_warm, scene_v2_16x9_rich）。使用一行笔记记录每个预设（它针对的任务和主要调整）并保持简单变更日志。你可以快速适应相同的基提示词用于工作室和现场拍摄，这节省了promptе迭代时间，并确保你准备好任何简报。

示例提示词：

Prompt1_portrait_high: 主体特写，85mm, f/1.4, 柔和漫射光，柔和调色板，大眼睛表情，最小背景，蒙版可选，高分辨率。

Prompt1_product_simple: 产品居中，1:1，宏观细节，中性背景，清晰边缘，柔和镜面高光，蒙版隔离产品，promtе变体用于干净品牌。

Prompt1_scene_warm: 宽阔视野，16:9，自然光，丰富但控制的颜色，前景突出处的浅景深，如果需要蒙版前景元素，辅助变体用于生动色调。

使用快速测试快速迭代：批量提示词、结果比较和彻底记录

将提示词批量分组为16、32或64，并在单个会话中运行它们。这让你可以直接比较输出并发现不同值如何影响结果的模式（值）。维护一个活的提示词库（库），并用简洁笔记标记每个条目，说明提示词旨在测试什么，包括具体的东西。在实践中，批量选择应针对高对比度提示词和微妙、细致的提示词，以便你可以看到模型在逼真细节（生活）上闪耀的地方以及它失败的地方。使用一个基线（一个）进行比较以保持结果公平。

定义批量参数：跨三个维度测试提示词：输入措辞、种子或随机性，以及针对的纹理或色调（色调）。对于颜色，实验黄色提示词（黄色）和生动（鲜艳）纹理。记录产生最佳结果的请求，并将提示词本身（本身）作为参考。维护一个单一基线（一个）来测量迭代间的差异。

结果比较：使用并排网格或CSV中的简单矩阵，根据清晰标准对每张图像评分：与提示词的对齐、颜色准确性、纹理丰富度（纹理）和整体影响。保持客观；使用0–5量表分配分数。对于大多数测试，匹配请求并保持连贯色调的输出获胜。在请求列中记录偏差。捕获精确细节（精确），如大小、纵横比和任何后期处理笔记。如果你与其他团队合作，同意共享评分标准以避免来自不同方面的偏差（方面）。

记录：构建轻量级日志结构，字段包括：prompt_text, batch_id, item_id, timestamp, model_name, seed, parameter (参数), and notes。包括对原始提示词（本身提示词）的引用和关键指标的值（值）。将结果存储在CSV中或公司使用的网站上；这使审计和跨项目再现实验变得容易。还保持生成提示词所用代码（代码）的副本，以启用稍后（现在）的再现。

节奏和自动化：每个批量后，快速审查；提取前20–30%结果，提取常见特征，并将它们应用到下一组。这加速学习并防止在单一路径上停滞；大多数改进来自提示词或纹理提示（纹理）的小调整。使用参数扫描但保持专注以避免请求数量爆炸。

实用提示：使用自动化脚本从基模板生成提示词；测试英语提示词和翻译（英语）。对于处理许多提示词的团队，为提示词和结果构建版本控制；当你重用有效短语时，注明它属于哪个项目。如果你管理公司（公司）或网站（网站）的资产，记录确切的请求ID以追溯到源数据集和图像（图片）中使用的纹理（纹理）。