Stable Diffusion Prompt Book

• 站点名称：Stable Diffusion Prompt Book
• 站点 URL：https://openart.ai/promptbook
• Title：Stable Diffusion 提示词库 - 中英双语高质量 AI 绘画模板及优化技巧
• Keywords：Stable Diffusion 提示词，AI 绘画 prompt 模板，prompt 优化技巧，免费 prompt 资源，text-to-image 关键词，中英双语提示词，CFG scale 调整，negative prompt, LoRA 模型叠加
• Description：
  OpenArt 出品的 Stable Diffusion 提示词手册，提供中英双语高质量 prompt 模板及优化技巧，覆盖人像、风景、建筑等多场景，支持 CFG scale 调整、LoRA 模型叠加等技术，帮助用户快速生成专业级 AI 图像。包含数百张示例图和对比分析，适合新手入门与进阶创作。

站点简介

1. 结构化提示词模板：按 “质量 + 风格 + 主体 + 细节” 分类，包含数千个关键词组合，支持权重调整（如(masterpiece:1.2)）和负向提示词（negative prompt）过滤冗余元素。
2. 技术深度解析：详解 CFG scale（分类器自由指导）、Denoising strength（降噪强度）等参数对生成效果的影响，结合实际案例演示如何通过参数优化提升图像细节和风格匹配度。
3. 模型兼容性支持：集成 LoRA、Hypernetworks 等扩展模型，用户可直接调用预设模板（如<lora:filename:multiplier>）叠加风格，实现从写实到动漫的多样化创作。
4. 社区驱动更新：定期整合社区优质提示词，同步 Stable Diffusion XL 等最新模型特性，确保内容时效性与实用性。

核心功能

1. 多场景提示词模板

• 人像生成：提供 “8K 高清人像”“赛博朋克角色” 等模板，包含面部细节（如beautiful detailed eyes）、服装材质（如silk dress）、光影效果（如cinematic lighting）等关键词组合，搭配负向提示词（如bad anatomy, extra fingers）规避常见生成缺陷。
• 建筑与景观设计：针对建筑效果图、园林规划等场景，提供 “新中式庭院”“未来城市” 等模板，集成 ControlNet 插件参数（如深度图控制），实现空间结构与透视关系的精准把控。
• 二次元风格：整合 Anime Diffusion、Anything v3 等模型提示词，支持 “日系插画”“厚涂质感” 等风格生成，结合动态控制插件（如 AnimateDiff）可输出连贯动画序列。

2. 参数优化与模型叠加

• CFG scale 调整：通过调整 CFG 值（通常 5-10）平衡创意与忠实度，数值越大越贴近提示词描述，反之增加随机性。
• LoRA 模型叠加：支持同时加载 2-3 个 LoRA 模型（如 “写实人物 + 赛博场景”），通过<lora:filename:multiplier>语法动态调节权重，实现风格融合与细节增强。
• 高清修复与局部控制：结合 Highres fix、Inpainting 等功能，可对生成图像进行二次优化，修复手部畸形、背景模糊等问题。

3. 学习资源与案例库

• 中英双语对照：每个模板均提供中英文关键词对比，降低非英语用户的使用门槛。
• 效果对比分析：通过同一提示词在不同参数（如采样器、步数）下的生成结果对比，直观展示参数影响规律。
• 视频教程与社区问答：配套 110 分钟视频教程及常见问题解答，帮助用户快速掌握复杂操作（如 Dreambooth 微调）。

特点优势

1. 中英双语结构化内容：
   区别于纯英文资源，该手册采用 “质量词 + 风格词 + 主体词 + 细节词” 的层级化结构，结合中文语境优化关键词组合（如 “古风汉服”“水墨画意境”），显著提升中文用户的生成效果。
   
   
2. 技术深度与实战结合：
   不仅提供提示词模板，更深入解析 CFG scale、Denoising strength 等参数的底层逻辑，通过 “参数调整 - 效果对比 - 优化建议” 的闭环教学，帮助用户实现从 “套用” 到 “创作” 的进阶。
   
   
3. 模型生态兼容性：
   支持 Stable Diffusion 全系列模型（1.5/2.0/XL）及主流插件（ControlNet、AnimateDiff），并提供模型加载冲突解决方案（如权重衰减策略）。
   
   
4. 社区驱动的持续更新：
   定期整合 Civitai、Hugging Face 等社区的优质提示词，同步 Stable Diffusion XL 等新模型特性，确保内容始终处于技术前沿。
   
   
5. 多模态创作支持：
   除文生图外，还涵盖图生图、视频生成（如 Deforum 插件）、3D 模型渲染等场景，满足设计师、游戏开发者等专业用户的复杂需求。
   
   

适用人群

1. AI 绘画新手：
   提供从基础语法（如逗号权重、括号叠加）到进阶技巧（如 LoRA 调用）的系统化教学，搭配示例图与视频教程，快速入门 Stable Diffusion。
   
   
2. 设计师与艺术家：
   针对广告设计、游戏原画师等群体，提供 “商业级海报”“角色概念设计” 等模板，支持与 Midjourney、DALL-E 等工具对比使用，提升创作效率。
   
   
3. 学术研究者：
   解析扩散模型原理（如隐空间采样、去噪过程），提供模型微调（如 Dreambooth）与数据标注指南，助力 AI 生成技术的学术研究。
   
   
4. 技术爱好者：
   深度整合 ControlNet、ComfyUI 等插件，提供节点流程图与参数配置方案，满足对 AI 绘画技术细节的探索需求。
   
   
5. 跨领域创作者：
   覆盖建筑、景观、教育等多领域，如 “虚拟教室场景生成”“历史建筑复原”，为教师、建筑师等提供创意可视化工具。
   
   

使用指南

1. 基础操作流程

1. 选择模型：根据需求选择基础模型（如 Stable Diffusion 2.0）或风格模型（如 Anything v3），通过--ckpt参数加载。
2. 构建提示词：
   • 按 “质量 + 风格 + 主体 + 细节” 结构编写，例如：(masterpiece:1.2), cinematic lighting, 1 girl in traditional Chinese dress, holding a fan, cherry blossoms background。
   • 负面提示词必填：(worst quality, low quality:2), bad anatomy, watermark，并可根据生成结果动态调整。
   
   
3. 参数设置：
   • CFG scale：建议 5-8，人像生成可适当提高至 10 以增强细节。
   • 采样步数：25-50 步，复杂场景可增至 75 步但需权衡耗时。
   
   
4. 生成与优化：
   • 使用 Highres fix 提升分辨率，配合 Inpainting 修复局部缺陷。
   • 加载 LoRA 模型（如lora:chinese_style:0.8）叠加风格，注意权重不超过 1.5 以避免冲突。
   
   

2. 进阶技巧

• 权重调整：通过(关键词:1.2)或((((关键词))))提升特定元素权重，例如((((detailed eyes))))强化眼部细节。
• 动态控制：使用 AnimateDiff 插件生成连贯动画，通过关键帧插值实现镜头运动效果。
• 多模型融合：在 ComfyUI 中组合 ControlNet（控制构图）与 DeepFace（优化人脸），实现精准人像生成。

3. 移动端适配

• 使用 Stable Diffusion Mobile 等应用，通过简化界面快速调用模板，支持离线生成与实时预览。
• 调整提示词长度至 75 令牌以内，避免移动端内存不足导致崩溃。

常见问题及解决方案

1. 生成图像与提示词不符

• 原因：提示词结构松散、权重分配不合理或模型兼容性问题。
• 解决方案：
  1. 采用 “质量 + 风格 + 主体 + 细节” 结构，确保关键词顺序与重要性匹配（如质量词前置）。
  2. 逐步增加 CFG scale 值（每次 + 1），观察生成结果变化，找到平衡创意与忠实度的临界点。
  3. 检查模型版本与插件兼容性，例如 Stable Diffusion 2.0 需搭配专用 ControlNet 权重。
  
  

2. 人物面部畸形或手部异常

• 原因：模型对复杂人体结构的理解不足，缺乏细节约束。
• 解决方案：
  1. 在正向提示词中添加perfect hands, detailed fingers，并在负面提示词中强化bad anatomy, extra fingers。
  2. 使用 ADetailer 插件自动检测并修复手部，或手动框选重绘。
  3. 加载手部优化 LoRA 模型（如hand_v1.0），调整权重至 0.5-0.8。
  
  

3. 生成速度过慢

• 原因：采样步数过多、模型分辨率过高或硬件性能不足。
• 解决方案：
  1. 降低采样步数至 25-30 步，同时启用 “快速采样器”（如 Euler a）。
  2. 优先生成低分辨率图像（如 512x512），再通过 4x-Ultrasharp 等工具放大。
  3. 切换至 GPU 加速模式，确保 CUDA 驱动与 PyTorch 版本兼容。
  
  

4. 风格模型加载失败

• 原因：模型文件损坏、路径错误或 WebUI 扩展未启用。
• 解决方案：
  1. 验证模型哈希值，重新下载损坏文件。
  2. 将 LoRA 文件放置在models/Lora目录，确保 WebUI 的 Civitai Helper 扩展已激活。
  3. 检查插件依赖，例如 ControlNet 需安装对应的 Python 库。
  
  

相关产品推荐

1. FlowGPT：
   全球最大的 AI 提示词分享社区，提供数千个专业模板（如 “小红书爆款文案”“PPT 设计”），支持直接调用 Stable Diffusion 生成图像。
   
   
2. Stable Diffusion WebUI：
   开源图形界面工具，支持插件扩展（如 ControlNet、Dreambooth），提供参数可视化与批量生成功能，适合进阶用户。
   
   
3. 智源 AltDiffusion：
   中英双语优化模型，支持长 Prompt 生成与中国风元素识别，生成效果与原版 Stable Diffusion 对齐，特别适合中文创作者。
   
   
4. 秋叶整合包：
   一站式安装包，预配置 Stable Diffusion、常用插件及提示词库，降低本地部署门槛，适合新手快速上手。
   
   
5. Lexica.art：
   基于 Stable Diffusion 的在线生成平台，提供海量公共提示词库与风格筛选功能，支持 API 调用与商业授权。