文生图提示词速查表 - 主体/风格/构图/光影/参数
文生图的提示词难写，是因为它要同时描述一件现实里不存在的画面的全部视觉要素，而模型只认关键词组合。多数人卡在主体描述上，其实损失的出图率来自后半段：景别、镜头焦距、光线和色调这四项决定了成图是"能看"还是"能直接用"。这张表按主体与细节、风格与艺术家、构图与镜头、光影与材质、负面与参数五组铺开，刻意与具体工具解耦，最后一组才给 SD 系的权重括号、步数采样和 MJ 的 ::、--ar/--v/--style。什么时候该翻它：一轮抽卡出了构图对但质感差的图——此时该加的不是风格词，而是镜头焦距与光线类型；或者同一张脸反复崩手，问题是主体描述里缺少"数量与布局"的显式约束。判断一条提示词是否到位的标准是另一套模型跑它也能出同类结果，如果换个模型就完全跑偏，说明你写的不是语义而是某个模型的私有暗号。
主体与细节 5
主体：{物体/人物}，细节：{材质/表情/动作}特写/全身/广角：{景别}，{环境}背景年代/文化语境：{赛博朋克2099/唐代}数量与布局：{三只猫，呈三角构图}关键特征加权重：(red hair:1.3)风格与艺术家 5
风格：{水彩/像素 art/3D 渲染/胶片}参考艺术家：by {Greg Rutkowski, Moebius}流派：{蒸汽朋克/极简主义/超现实}渲染引擎：{Unreal Engine 5/octane render}年代感：{1980s anime/baroque}构图与镜头 5
镜头：{85mm 人像/24mm 广角/微距}视角：{俯拍/仰拍/虫视/鸟瞰}构图：{三分法/对称/引导线/留白}景深：{浅景深/全景清晰}画幅：{竖版 9:16/正方形/宽幅}光影与材质 5
光：{伦勃朗光/霓虹/黄金时刻/体积光}材质：{磨砂金属/玻璃/绒布/液态}色调：{冷蓝/暖橙/低饱和/高对比}氛围：{朦胧/通透/电影感/梦幻}天气/时间：{雨夜/正午/雾}负面与参数 5
负面：blurry, lowres, deformed, extra fingers, watermarkMJ 参数：--ar 16:9 --v 6 --style rawMJ 权重：:: 分隔，::2 提权重SD 步数/采样：steps 30, sampler DPM++SD 分辨率：--w 1024 --h 1024（或 768）命令示例
SD 系完整五段式 + 参数
主体：戴 (red hair:1.3) 的少女，细节：亚麻衬衫，注视镜头
风格：水彩，by Greg Rutkowski
构图镜头：85mm 人像，浅景深，特写，暮色森林背景
光影材质：伦勃朗光，磨砂玻璃质感，冷蓝低饱和
负面：blurry, lowres, deformed, extra fingers, watermark
steps 30, sampler DPM++
--w 768 --h 768五段各司其职，768 是 SD 系原生训练分辨率，1024 以上容易出现重复肢体；分辨率与步数不写，模型只能按默认值猜。
Midjourney 多重提示与参数
主体：山脉云海::2，细节：翻涌的云层
风格：超现实主义，3D 渲染，octane render
构图镜头：24mm 广角，鸟瞰，引导线，宽幅
光影材质：体积光，金色晨光，通透
--ar 16:9 --v 6 --style raw:: 把不同意图分成多重提示，::2 给主体加权；--ar 定画幅（竖版 9:16 / 正方形 / 宽幅按平台选），--style raw 去掉默认美化。
多主体：数量与布局显式约束
主体：三只猫，呈三角构图，细节：一只侧坐、两只面向镜头
构图镜头：35mm，全景清晰，中景
环境背景：老式书房，木质书架不写数量模型通常只画一只；写清「三只」加「呈三角构图」再补每只的姿态，构图与数量才都可控。
语境与年代锚定 + 渲染引擎提质感
主体：街头修理机器人，细节：铜制关节、露出的线缆
年代文化语境：赛博朋克 2099
风格：极简主义，Unreal Engine 5
光影材质：霓虹，雨夜，湿地面反射年代语境一句话把整张图的世界观钉住，渲染引擎负责材质与光影的真实度，两者是「能看」到「能用」之间最省力的一跳。
常见坑与注意事项
- 主体只写「一个人」而不写数量与布局，模型默认只画一个主体，多主体需求直接落空。
- 整条提示词只有风格词没有镜头焦距与光型：构图对但质感差时该加的不是风格，而是焦距、视角与光影。
- SD 系把分辨率拉到 1024 以上，重复肢体等结构崩坏概率明显上升；768 是原生训练分辨率。
- 负面词堆到十几条，挤占语义空间把主体压到低权重，画面变得平淡无焦点。
- 权重堆得太高（多个 (词:1.3) 以上）会让画面过饱和、边缘发硬，反而比不加更差。
提示
- 文生图提示词通用结构：主体 → 风格/艺术家 → 构图/镜头 → 光影/材质 → 负面词/参数，五段按序堆叠，越靠前权重越高。
- SD 系用
(词:1.3)加权重、用负面提示词排雷；Midjourney 用::分隔多重提示并加::2提权，参数走--ar/--v/--style。 - 显式风格词（水彩/像素/3D 渲染）与参考艺术家能快速定调；焦距+视角决定透视与气势，是出片质感的关键。
- 负面提示词（blurry/lowres/deformed/extra fingers/watermark）是 SD 系保底线，能显著减少废片。
- 焦距决定透视：85mm 压缩人脸、24mm 拉开纵深，写镜头比写"好看"可控得多。
- 数量要显式写出（"三只猫，呈三角构图"），否则模型默认只画一个主体。
- SD 系 768 是原生训练分辨率，1024 以上容易出现重复肢体，参数写
steps 30, sampler DPM++更稳。
常见问题
一段到位的文生图提示词应该按什么顺序堆？
五段按序堆叠：主体（含细节）→ 风格/艺术家 → 构图/镜头 → 光影与材质 → 负面词/参数。越靠前的部分权重越高，所以主体必须最先写清楚主体是什么、细节是什么。多数人卡在主体描述上，但损失出图率的主要是后半段——景别、镜头焦距、光线和色调这四项决定了成图是「能看」还是「能直接用」。
为什么要写镜头焦距，而不是写「好看」？
因为焦距决定透视，形容词不改变任何几何关系。85mm 这类长焦压缩人脸、24mm 广角拉开纵深，微距则贴近细节；配上视角（俯拍、仰拍、虫视、鸟瞰）与景深（浅景深 / 全景清晰）以及构图法则（三分法、对称、引导线、留白），画面的空间关系才是可控的。判断提示词是否到位的标准是：换一个模型跑它也能出同类结果。
同一张脸反复崩手，问题通常在哪？
几乎总是主体描述里缺少「数量与布局」的显式约束。模型默认只画一个主体，所以必须写出数量与位置关系（例如「三只猫，呈三角构图」）。其余可调杠杆包括对关键特征加权重（SD 系写法 (red hair:1.3)）、用景别加环境（特写/全身/广角配背景），以及用年代或文化语境锚定（赛博朋克 2099、唐代）。
SD 系和 Midjourney 的参数写法差在哪？
SD 系靠权重括号、负面提示词、步数采样与分辨率控制：关键特征用 (词:1.3) 强调，负面提示排雷，steps 30 与 sampler DPM++ 更稳，分辨率 768 是原生训练分辨率、1024 以上容易出现重复肢体。Midjourney 用 :: 分隔多重提示、::2 提权，参数走 --ar / --v / --style（例如 --ar 16:9 --v 6 --style raw）。两套语法不能混用。
负面提示词到底解决什么问题？
它解决的是废片，不是构图。blurry、lowres、deformed、extra fingers、watermark 是 SD 系通用负向词，能显著减少废片，但没有哪条负面词能修好一个写糊了的构图——那属于主体、构图、光影三段没写够。负面提示堆太多同样会挤占语义，把主体挤到权重后面。
由 巧匠 维护
公开更新于 2026年8月23日，内容持续校对官方文档。