2025 版 Stable Diffusion 提示词手册：中英 prompt+CFG scale/LoRA 技术指南

AI Insight 专栏作者

2025-07-14

4.6k 阅读

58 评论

✨ 2025 版 Stable Diffusion 提示词手册：中英 prompt+CFG scale/LoRA 技术指南

? 一、2025 版 Stable Diffusion 核心更新与提示词适配

2025 年 Stable Diffusion WebUI 1.8.0 版本带来了多项关键升级，直接影响提示词的使用逻辑。比如新增的 LCM 采样器，能将生成速度提升 2-5 倍，此时提示词的权重分配需要更精准。实测发现，使用 LCM 采样器时，提示词的顺序权重影响减弱，但 关键词的语义连贯性 变得更为重要。例如，“cyberpunk city, neon lights, flying cars” 这样的短语组合，在 LCM 模式下生成的画面元素关联性更强。

另外，SDXL-Inpaint 模型 的加入，让局部重绘的提示词设计有了新玩法。当需要修复画面中的特定区域时，提示词需要明确描述 修复目标与周边环境的关系。比如，“replace the broken window with a stained glass design, matching the Gothic architecture style”，这样的描述能让模型更精准地完成修复。

? 二、中英 prompt 设计的核心差异与优化策略

1. 中文 prompt 的结构化技巧

中文提示词需要更注重 语义分层。比如，“古风少女，手持油纸伞，漫步江南雨巷，青石板路，雾气缭绕，水墨风格” 这样的结构，将主体、动作、场景、风格依次拆解，能有效提升生成质量。同时，文化锚点的注入 尤为重要，比如在描述古建筑时加入 “飞檐斗拱，黛瓦白墙” 等专业术语，能让模型更好地还原中式美学。

2. 英文 prompt 的权重语法进阶

英文提示词的权重控制更依赖 符号组合。例如，“((1girl:1.2)) with (long hair:1.1) and (red dress:1.3)” 这样的写法，通过双层括号和冒号语法，能精准控制人物特征的突出程度。另外，交替语法（如 “(cat|dog) sitting on a chair”）可生成融合元素，但需注意并非所有采样器都支持。

3. 中英混合使用的避坑指南

当需要混合使用中英词汇时，建议 将中文关键词单独用括号包裹，避免模型误判。例如，“(汉服少女) holding a (sword:1.2) in a fantasy forest”，这样既能保留中文特色，又能通过英文语法调整权重。同时，反向提示词 的中英文差异也需注意，比如 “low quality, blurry” 对应的中文应为 “低质量，模糊，结构畸形”，覆盖更全面的负面特征。

?️ 三、CFG scale 调节：从新手到专家的进阶之路

1. CFG scale 的基础逻辑

CFG scale 控制提示词对生成结果的约束强度。在 2025 版中，默认值 7-10 仍是大多数场景的首选，但针对不同模型需灵活调整。例如，使用 LCM LoRA 模型 时，CFG scale 应降至 1-2，以平衡速度与质量。实测发现，CFG scale 过高（如 >12）会导致画面细节僵化，而过低（如 <5）则可能偏离提示词核心。

2. 动态调节技巧

分阶段调节：在生成初期（前 10 步）使用低 CFG scale（如 5），让模型自由探索；后期（后 20 步）提升至 8-10，强化提示词约束。
结合反向提示词：当需要突出某元素时，可在正向提示词中提高其权重，同时在反向提示词中排除干扰项。例如，“(cyberpunk:1.5) cityscape” 搭配 “((realistic:0.8))”，能增强赛博朋克风格的同时避免过度真实化。

3. 特殊场景的 CFG 策略

艺术创作：使用 4-6 的 CFG scale，允许更多随机细节，适合生成抽象或超现实作品。
商业设计：提高至 8-10，确保品牌元素（如 logo 颜色、产品形态）精准还原。

? 四、LoRA 技术实战：从训练到应用的全流程指南

1. LoRA 模型的选择与加载

2025 年的 LoRA 模型库更加丰富，涵盖风格、材质、人物等多个维度。例如，“Misty Forest LoRA” 能为画面添加雾效和植被细节，使用时只需在提示词末尾加入 “(lora:MistyForest:0.7)” 即可激活。加载多个 LoRA 时，权重分配需遵循 0.3-0.8 的安全范围，避免风格冲突。

2. 自定义 LoRA 训练技巧

数据准备：收集 50-100 张风格一致的参考图，命名格式为 “Repeat 值_主题名”（如 “30_anime_eyes”），Repeat 值越高，训练越精细。
参数设置：学习率设为 1e-4 至 1e-5，批次大小 1，训练总轮数 200 左右。为防止过拟合，可加入 class-specific prior preservation loss 正则化项。

3. LoRA 与提示词的深度融合

风格叠加：例如，“(lora:VanGoghStyle:0.6) starry night, (lora:DigitalPainting:0.4) vibrant colors”，可混合梵高风格与数字绘画质感。
局部强化：配合 ControlNet 的蒙版功能，对特定区域应用 LoRA。例如，“(lora:CyberneticArmor:0.8) on the character's chest”，能精准强化盔甲细节。

? 五、2025 年提示词工程的十大趋势与工具推荐

1. 多模态提示词崛起

Stable Diffusion 已支持 文本 + 图像 + 3D 模型 的多模态输入。例如，上传一张线稿图，结合提示词 “convert this sketch into a realistic oil painting”，能生成逼真的油画效果。

2. 长上下文窗口的应用

新一代模型支持百万 Token 级输入，可描述复杂场景。例如，“A medieval city at dawn, bustling market, knights in shining armor, children playing, detailed stone buildings, distant mountains, soft golden light”，能生成包含数百个元素的史诗级画面。

3. 实用工具推荐

PromptHero：提供分类清晰的提示词库，支持按风格、主题筛选。
Lexica：海量 AI 生成图像与提示词的对应案例库，适合灵感参考。
Civitai：全球最大的 LoRA 模型社区，涵盖各种细分领域的预训练模型。

? 结语

2025 年的 Stable Diffusion 提示词工程已从 “技巧” 升级为 “科学”。通过精准的中英 prompt 设计、灵活的 CFG scale 调节和深度的 LoRA 技术应用，任何人都能成为 AI 绘画的大师。记住，提示词是驾驭 AI 的缰绳，而创意才是决定方向的骑士。持续探索，你将解锁无限可能！

【该文章由 dudu123.com 嘟嘟 AI 导航整理，嘟嘟 AI 导航汇集全网优质网址资源和最新优质 AI 工具】