Stable Diffusion 提示词生成器
免费的Stable Diffusion提示词生成器。创建高度详细、带权重的SDXL提示词，并自动生成负面提示词。
从朴实的想法到带权重的 SD 语法
描述你想看到的画面，这款 Stable Diffusion 提示词生成器就会处理好背后的工程：有序的标签、(keyword:1.2) 强调权重，以及一段带权重的质量前缀，全部在浏览器中几秒内构建完成。
输入你的想法
输入一个大白话的概念，从「雨中的赛博朋克小巷」到一份完整的场景简报都可以。你可以用自己的母语书写，依然能得到优化后的英文输出。
Magic Enhance 构建语法
一键就能把你的想法重构为 SD 友好的词元顺序，以像 (masterpiece, best quality, highly detailed:1.2) 这样带权重的质量块开头，并为决定画面的关键元素施加强调权重。
复制到你的 SD 界面
把结果直接粘贴到 AUTOMATIC1111、ComfyUI 或 Forge 中。需要修改？切换到编辑模式，用大白话的指令来调整提示词，而不必手动重写标签。
感知模型的提示词工程对 Stable Diffusion 意味着什么
Stable Diffusion 把提示词读作词元序列，而在去噪过程中，每个词元都在争夺注意力。往普通文本框里输入「detailed castle, dramatic lighting」，采样器会把这两个短语一视同仁。我们的 Stable Diffusion 提示词生成器会把你的想法重构为带权重的语法，施加像 (dramatic lighting:1.2) 这样的强调，让你在意的部分真正去引导扩散过程。它按照 SD 检查点训练时所期待的方式，将标签从主体到风格依次排序，把最重要的词元前置，并删去那些稀释注意力的填充词。
生成器不必为每个检查点周旋于不同的方言，而是产出一套经过验证的结构，SD 1.5、SDXL 和基于 Booru 训练的动漫模型都能可靠解析：一段带权重的质量前缀 (masterpiece, best quality, highly detailed:1.2)，其后是一句话的主体描述，以及十个权重很高、以逗号分隔的美学标签，用来捕捉你场景中的视觉细节——光线、质感和氛围。由于这套格式在每一次运行中都保持一致，你总能准确知道该在哪里收紧某个权重、替换某个风格标签，或插入某个触发词。如果你是从一张图片而非一个想法起步，我们的反向图片提示词查找器会先从原图中提取出视觉细节。
你生成的一切都可直接复制粘贴到 AUTOMATIC1111、ComfyUI 和 Forge 中，因为这三种解析器都遵循同样的 (keyword:weight) 强调惯例。结构化的输出为 LoRA 触发词留出了干净的插入位置，让你可以放入自定义的风格加载器而不打乱词元顺序。而由于一条权重得当的提示词所需的引导压力更小，你可以采用适中的 CFG 尺度值（通常为 5 到 8），而不必把引导拉得过高，以致颜色过曝、对比度溢出。想法只需输入一次，然后把你的 GPU 时间花在对种子的迭代上，而不是重写标签。
- 自动施加 (keyword:1.2) 强调权重
- 每条提示词都带有权重质量前缀
- 面向动漫检查点的 Booru 标签堆叠
- 可直接粘贴到 AUTOMATIC1111、ComfyUI 和 Forge
构建于带权重 SD 提示词之上的六种工作流
从爱折腾检查点的玩家到量产团队，以下这些人每天都在把输入的想法变成带权重的 Stable Diffusion 语法。
动漫画师
生成为动漫检查点调校的 Booru 风格标签堆叠，并配有带权重的质量前缀，引导渲染朝着锐利、连贯的细节发展。
概念设计师
把一句话的简报转成带权重的 SDXL 提示词，然后在每次渲染之间迭代种子，而不必重写标签。
ComfyUI 节点搭建者
把结构化、预先加权的提示词文本喂入 CLIP Text Encode 节点，无需在复杂的工作流图中手动平衡强调权重。
游戏素材创作者
为精灵图、环境和角色设定图制作一致的提示词模板，替换主体的同时，带权重的风格块保持锁定。
LoRA 训练者
为自定义 LoRA 模型起草顺序一致的测试提示词，让触发词与基础主体和风格标签清晰分隔。
SD 新手
省去数月的反复试错。研究每一条生成的输出，看看经验丰富的提示词玩家是如何为词元加权、如何排列标签堆叠的。
输入想法 vs. 手工搭建标签堆叠
在 Stable Diffusion 中，提示词质量决定渲染质量。下面来看看专门打造的 Stable Diffusion 提示词生成器，与自己手写标签或求助于一款不区分模型的提示词工具相比如何。
| 功能 | ImaginPrompt | 手动编写标签 | 通用提示词工具 |
|---|---|---|---|
| 词元加权语法 | ✅ 自动施加 (keyword:1.2) 强调 | ⚠️ 靠手工反复试错来调 | ❌ 通常只有纯文本 |
| 质量标签前缀 | ✅ 每条提示词都以 (masterpiece, best quality:1.2) 开头 | ⚠️ 用着用着就容易忘 | ❌ 完全没有 SD 质量标签 |
| 一致的提示词结构 | ✅ 每次运行都是相同的带权重标签堆叠 | ⚠️ 结构在不同时段间会漂移 | ❌ 自由格式文本，毫无排序 |
| Booru 标签惯例 | ✅ 支持动漫检查点 | ⚠️ 需要背记标签清单 | ❌ 无法感知检查点 |
| 每条可用提示词的耗时 | ✅ 从一个朴实的想法起，几秒即成 | ⚠️ 数分钟的手动微调 | ⚠️ 快，但需要针对 SD 做修补 |
| 为 LoRA 触发词预留的空间 | ✅ 保留干净的插入位置 | ✅ 完全手动控制 | ⚠️ 触发词可能破坏结构 |
手写标签给你完全的控制权，但耗费时间与专业功力；通用工具省时，却无视 SD 语法。这款生成器兼取两者之长：几秒内生成带权重、结构一致的提示词，而每一个词元依然由你来编辑。
让 Stable Diffusion 渲染更清晰的技巧
💡 把权重保持在 0.8 到 1.4 之间
高于 1.5 的数值会扭曲构图、灼烧色彩。如果某个元素在 (keyword:1.4) 下仍然拒绝出现，就换个说法或把它在提示词中往前移，而不要继续加大权重。
💡 让标签堆叠适配你的检查点
生成的带权重标签堆叠在 SD 1.5 和基于 Booru 训练的动漫模型上可原样使用。对于同样能处理更完整句子的 SDXL，你可以用编辑模式把一些标签松绑成短语。格式不匹配是导致渲染画面浑浊、偏离简报的常见原因。
💡 让强提示词搭配适中的 CFG
一条权重得当的提示词所需的引导更少。SDXL 从 CFG 6 到 7 左右起步；如果你发现自己一路推过 10，那通常是提示词需要修正，而不是尺度。
💡 把 LoRA 触发词放在主体块之后
把触发词紧接在你的主体描述之后、带权重的风格标签之前插入。这样能让 LoRA 引导主体，而不与堆叠中随后的美学关键词相冲突。
常见问题
(word:1.2) 加权语法到底有什么作用？+
它会在去噪过程中放大该词元的注意力权重，让模型优先处理它。数值 1.2 表示多出 20% 的强调；0.8 则会削弱。我们的生成器会为决定你场景的关键元素自动施加这些权重，因此你很少需要手动去调。
生成器也会写反向提示词吗？+
不会。每个结果都是一条经过优化的正向提示词，以带权重的质量块 (masterpiece, best quality, highly detailed:1.2) 开头，光是这一点就能让检查点避开许多低质量的输出。对于像多出的手指或水印文字这类顽固的瑕疵，可以在 AUTOMATIC1111 或 ComfyUI 里保存一份可复用的反向清单，并在每次渲染时一并使用。
我该用标签式还是自然语言式的提示词？+
标签式是更稳妥的默认选择。SD 1.5 和大多数动漫模型都是基于类标签的图注训练的，而 SDXL 解析带权重、以逗号分隔的标签，其可靠程度不亚于完整句子。这也是生成器对每次请求都产出同一套一致结构的原因：一段带权重的质量前缀、一句话的主体描述，以及十个带权重的美学标签。如果你在做 SDXL 渲染时偏爱流畅的句子，用编辑模式把标签松绑成短语即可。
我能给生成的提示词加上 LoRA 触发词吗？+
可以。输出是纯文本，所以你可以按 LoRA 文档所建议的位置插入触发词，通常就在主体描述之后。由于生成器让主体块和风格块保持可预期的顺序，触发词能干净地嵌入，而不扰动已有的强调权重。
这些提示词能在 AUTOMATIC1111、ComfyUI 和 Forge 中使用吗？+
可以。这三个界面都支持同样的 (keyword:weight) 强调语法，所以生成的提示词可直接粘贴进提示词输入框。ComfyUI 用户可以把文本放入向采样器供给的正向 CLIP Text Encode 节点中，无需任何转换。
Stable Diffusion 提示词生成器需要付费吗？+
所有用户都能获得每日免费额度，一切都在浏览器中运行，无需下载或安装任何东西。这份额度足以覆盖日常的提示词构建；只有当你在本地的 Stable Diffusion 环境中渲染结果时，才会消耗你自己的 GPU 时间。
CFG 尺度是如何与提示词相互作用的？+
CFG 尺度控制采样器遵循你提示词的严格程度。带权重、排序得当的提示词在适中的数值下就能立得住——在 SDXL 上大约为 5 到 8——这样能保留自然的色彩和对比度。弱提示词会迫使你为了让模型服从而提高引导，而过高的 CFG 会带来过饱和，那是任何反向提示词都无法完全修复的。
我需要写点技术性的东西，还是只要描述图像就行？+
只要描述画面就行。用大白话、以任何你觉得自然的措辞写出主体、场景和氛围。技术层面的东西由生成器来处理：词元顺序、强调权重和质量标签。你的想法里具体的名词和明确的形容词，能产出明显更有针对性的标签堆叠。