Stable Diffusion提示词需规范书写：按主体→属性→场景→风格顺序排列，用英文逗号分隔；括号“( )”增权、方括号“[ ]”降权；冒号“:”支持0.1–2.0精确权重；大写“AND”强制多条件并存；负向提示须避免正向符号且需具体描述。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您在使用Stable Diffusion生成图像时发现输出结果与预期偏差较大，很可能是Prompt书写不规范或权重分配不合理所致。以下是关于SD提示词语法格式及权重符号的具体说明：
一、基础Prompt结构与语序规则
Stable Diffusion对Prompt中关键词的顺序敏感，模型倾向于更重视靠前的描述词。主谓宾式逻辑结构（主体+属性+场景+风格）能提升语义解析准确率。逗号作为自然分隔符，有助于模型区分不同语义单元。
1、将核心主体词置于Prompt最前端，例如“a portrait of a young woman”；
2、紧随其后添加关键视觉属性，如“wearing steampunk goggles, silver hair, detailed freckles”；
3、再补充环境与构图信息，例如“in a sunlit library, shallow depth of field, centered composition”；
4、最后附加画风与质量强化词，例如“photorealistic, 8k uhd, sharp focus, cinematic lighting”；
5、所有词汇间统一使用英文逗号加空格分隔，禁止使用中文标点或连续空格。
二、括号权重语法：( ) 与 [ ] 的差异用法
圆括号“( )”用于提升关键词权重，模型会将其重复解析约1.1倍；方括号“[ ]”则用于降低权重，等效于乘以0.9系数。二者可嵌套使用实现精细调节，但单层嵌套已覆盖绝大多数需求。
1、需强调某特征时，在该词外围添加一层圆括号，例如“(masterpiece), (best quality)”；
2、若某元素干扰主体表现，将其放入方括号，例如“[blurry background], [low contrast]”；
3、叠加权重可用多重括号，如“((red dress))”≈1.21倍，“(((glowing eyes)))”≈1.33倍；
4、降权叠加同理，“[[faint outline]]”≈0.81倍，超过三层嵌套可能导致权重溢出或解析异常。
三、冒号权重符号：: 的精确数值控制
冒号后接浮点数可指定关键词的确切权重值，突破括号的固定倍率限制。默认权重为1.0，数值大于1增强影响，小于1削弱影响，支持0.1至2.0区间内的任意精度设定。
1、在关键词后输入英文冒号与数字，例如“cyberpunk city:1.3”；
2、负向提示词同样适用，例如“deformed fingers:-1.2”；
3、多个冒号权重可共存于同一Prompt，模型按顺序逐项应用；
4、小数点后最多保留一位数字，如“1.35”将被截断为“1.3”。
四、AND连接符与多概念并列写法
使用大写“AND”可强制模型同时满足两个独立条件，尤其适用于跨域组合（如人物+物体+风格）。该写法比逗号分隔更具逻辑约束力，但会增加生成难度。
1、在需强关联的两组描述之间插入“AND”，例如“a cat AND a vintage typewriter AND oil painting style”；
2、每组内部仍用逗号分隔属性，如“fluffy white cat, green eyes AND old mechanical typewriter, brass keys”；
3、避免在单组内混用“AND”与括号，例如“(cat AND dog)”属于无效语法；
4、连续使用超过两个“AND”可能引发条件冲突，导致采样失败或空白输出。
五、负向Prompt中的特殊符号处理
负向Prompt并非仅填写“ugly, deformed”等通用词，需结合符号规则抑制特定干扰模式。错误的负向表达反而会激活对应特征。
1、明确排除某类瑕疵时，使用方括号弱化其干扰强度，例如“[extra limbs], [disfigured hands]”；
2、对高频干扰词施加更强抑制，采用冒号负值，例如“mutated anatomy:-1.5, malformed fingers:-1.4”；
3、避免在负向Prompt中使用正向权重符号，如“(low quality)”会被强化而非抑制；
4、“nsfw”、“nude”等词不可单独出现在负向Prompt中，必须搭配具体视觉描述才生效。
