Stable Diffusion 3.5 提示词撰写指南

Stable Diffusion 3.5 支持更自然的中文提示词输入,本指南详解如何组合风格、主体动作、构图、光线、镜头术语及文本嵌入等要素,并善用负面提示精准排除干扰,兼顾新手易上手与高手深度控制需求。

发布于2024年11月14日 07:32
编辑零重力瓦力
评论0
阅读144

Stable Diffusion 3.5 提示词撰写指南

提示词是一种有效利用生成性 AI 图像模型的宝贵技术。提示词的结构直接影响生成图像的质量、创意和准确性。Stable Diffusion 3.5 在可定制性、高效性能、多样化输出和多样化风格方面表现出色,非常适合初学者和专家。本指南提供了实用的提示词技巧,帮助您快速而精确地生成精美的图像。

提示词结构

将 SD3.5 模型视为具有创造力的合作伙伴。通过自然语言清晰表达你的想法,会给模型最佳机会生成符合自己愿景的图像。

撰写提示词,首先要确定以下关键要素。

风格

定义美学方向,如插图风格、绘画的媒介、数字艺术风格或摄影。尝试混合不同风格,如线条艺术、水彩、油画、超现实主义、表现主义或是产品摄影。
Stable Diffusion 3.5 提示词撰写指南

主题和动作

如果图像有主体,提示词应首先增强其存在感,然后再描述主体的动作。
Stable Diffusion 3.5 提示词撰写指南

构图和框架

通过指定特写镜头或广角视图,描述所需的构图和框架。
Stable Diffusion 3.5 提示词撰写指南

光线和颜色

使用“背光”、“硬边光”和“动态阴影”等术语描述场景中的光线或阴影。
Stable Diffusion 3.5 提示词撰写指南

技术参数

使用电影术语指定技术参数,以展现画面的视角和构图。如 “鸟瞰图”、“特写”、“吊臂镜头”和“广角镜头” 用于指导构图。或使用 “鱼眼镜头” 等术语以实现独特的视觉效果。
Stable Diffusion 3.5 提示词撰写指南

文本

SD3.5 模型可以将文本融入图像。为了获得最佳效果,请将文本用“双引号” 括起来,并保持单词或短语尽量简短。
Stable Diffusion 3.5 提示词撰写指南

负面提示

负面提示允许对颜色和内容进行精确控制。虽然主要提示词塑造了图像,但负面提示通过过滤不需要的元素、纹理或色调来细化图像,帮助实现集中的、精细的结果。使得对最终图像的控制更加精准,确保干扰最小化,并使输出的画面更贴近你想要的结果。
Stable Diffusion 3.5 提示词撰写指南

示例

以下是根据这份指南,通过 SD 3.5 生成的示例图像。

文本

Stable Diffusion 3.5 提示词撰写指南
Stable Diffusion 3.5 提示词撰写指南

摄影

Stable Diffusion 3.5 提示词撰写指南

线条艺术

Stable Diffusion 3.5 提示词撰写指南

3D艺术

Stable Diffusion 3.5 提示词撰写指南

表现主义艺术

Stable Diffusion 3.5 提示词撰写指南

水彩画

Stable Diffusion 3.5 提示词撰写指南

数字插画

Stable Diffusion 3.5 提示词撰写指南

体素艺术

Stable Diffusion 3.5 提示词撰写指南

结论

AI 绘画模型有很多,使我们能够轻松将想法转变成画面。然而,要从这些模型中获得最佳结果,我们需要充分描述我们的愿景。SD 3.5 提供了最先进的模型,可以理解自然语言提示。这意味着我们可以像与其他人交流一样,向模型描述我们想要的内容。

原文链接:https://stability.ai/learning-hub/stable-diffusion-3-5-prompt-guide

相关文章

Ploy 从 Claude Opus 4.8 迁移到 GPT-5.6 完整实录
智能体工程
2026年7月14日
0 条评论
零重力瓦力

Ploy 从 Claude Opus 4.8 迁移到 GPT-5.6 完整实录

Ploy 公司将 AI agent 从 Claude Opus 4.8 迁移至 GPT-5.6 Sol 后,构建耗时缩短过半且成本降低,但过程中遭遇三大工程挑战。一是评测框架适配旧模型导致误判;二是新模型填充冗余参数引发工具调用异常,需通过 schema 变换解决;三是缓存机制差异致命中率归零,需重构 key 策略。这表明生产环境模型迁移并非简单替换,需针对调用习惯与基础设施进行深度工程适配。

#智能体工程#ChatGPT#Claude
阅读全文
AI 工程的 4 步进化:每一步都站在上一步肩上
智能体工程
2026年7月3日
0 条评论
零重力瓦力

AI 工程的 4 步进化:每一步都站在上一步肩上

AI 工程化演进并非替代而是叠加,包含四个关键维度:Prompt engineering 解决单次输出准确性;Context engineering 通过 RAG 等技术优化信息输入;Harness 赋予模型工具与环境以具备行动能力;Loop 则通过迭代验证提升多步执行稳定性。这四个阶段分别对应模型的表达、记忆、手脚与工程纪律,缺一不可。成熟的 AI 产品需同时整合这四层能力,当前行业仍在探索如何平衡 Loop 的自动化与人工验证机制。

#智能体工程#提示词工程#上下文工程
阅读全文
GLM 5.2 裸跑击败 Claude Code:Semgrep 安全基准实验里的意外结果
智能体工程
2026年6月29日
0 条评论
零重力瓦力

GLM 5.2 裸跑击败 Claude Code:Semgrep 安全基准实验里的意外结果

Semgrep 实验显示,开源模型 GLM 5.2 在无脚手架辅助下,IDOR 漏洞检测 F1 达 39%,超越 Claude Code 且单漏洞成本仅 0.17 美元。该模型采用 MoE 架构与 MIT 许可,编码能力接近闭源前沿水平。结果表明模型推理能力提升正缩小脚手架红利,低成本优势或改变安全审计部署策略。尽管结论受限于特定任务,但证实开源模型在安全领域已具备实战竞争力,值得纳入候选池测试。

#GLM#AI 安全
阅读全文
互动讨论

评论区

围绕《Stable Diffusion 3.5 提示词撰写指南》展开交流,未登录用户可浏览评论,登录后可参与讨论。

评论数
0
登录后参与评论
支持发表观点与回复一级评论,互动后将同步到消息中心。
登录后评论
暂无评论,欢迎成为第一个参与讨论的人。