Stable-Diffusion-v1-5-archive负向提示词实战：规避lowres/blurry的精准写法

你是不是也遇到过这种情况：用Stable Diffusion生成图片，明明提示词写得挺详细，但出来的图总是有点糊，或者细节不够清晰，甚至出现一些奇怪的瑕疵？比如人物的手指多了一根，或者背景莫名其妙地模糊一片。

这很可能是因为你没有用好一个关键功能——负向提示词（Negative Prompt）。

今天，我们就来深入聊聊如何用Stable Diffusion v1.5 Archive这个经典模型，通过精准的负向提示词，把那些讨厌的“低分辨率感”和“模糊感”彻底赶出你的画面。我会用最直白的话，告诉你具体怎么写，为什么这么写，以及背后的逻辑。

1. 为什么你的图总是不够清晰？负向提示词是关键

在开始之前，我们先快速理解一下负向提示词到底是什么。你可以把它想象成给AI的一个“黑名单”或者“避雷指南”。

• 正向提示词（Prompt）：告诉AI“我想要什么”。比如“一个穿着红色裙子的女孩在森林里”。
• 负向提示词（Negative Prompt）：告诉AI“我绝对不想要什么”。比如“模糊的、低分辨率的、多手指的”。

AI在生成图片时，会努力靠近正向提示词描述的内容，同时拼命远离负向提示词描述的内容。所以，一个精准的负向提示词，能像过滤器一样，帮你屏蔽掉大量常见的、低质量的图像特征。

那么，为什么我们特别要针对 lowres（低分辨率）和 blurry（模糊）呢？ 因为Stable Diffusion v1.5这类模型，是在海量互联网图片上训练出来的。这些数据里本身就包含了大量低质量、模糊、有水印的图片。如果你不明确拒绝，AI就有一定概率“模仿”这些低质量特征，导致生成结果不尽如人意。

2. 基础防御：构建你的“清晰度守护”负向词库

我们先从最核心、最通用的部分开始。下面这个组合，可以说是SD1.5玩家的“出厂设置”，能解决80%的清晰度和基础质量问题。

直接把下面这段代码复制到你的Negative Prompt输入框里试试看：

lowres, blurry, text, watermark, signature, username, error, cropped, jpeg artifacts, out of frame, ugly, duplicate, morbid, mutilated, extra fingers, mutated hands, poorly drawn hands, poorly drawn face, mutation, deformed, extra limbs, extra arms, extra legs, malformed limbs, fused fingers, too many fingers, long neck

这段提示词就像一个组合拳，分别打击了不同维度的质量问题：

1. 针对画质与构图：
   • lowres, blurry：直接命令AI远离低分辨率和模糊的图像特征，这是提升清晰度的核心。
   • jpeg artifacts, cropped, out of frame：拒绝JPEG压缩带来的色块、被裁剪的或不完整的构图。
2. 针对内容瑕疵：
   • text, watermark, signature, username：拒绝任何形式的文字、水印和签名，保证画面干净。
   • ugly, duplicate, morbid：过滤掉审美上不佳、重复或令人不适的内容。
3. 针对人体结构错误（非常重要！）：
   • extra fingers, mutated hands, poorly drawn hands...：这一长串是针对SD早期模型最容易出错的“手部灾难”和人体畸形的特效药。它能极大降低生成“六指琴魔”或扭曲四肢的概率。

实战效果对比：

• 不使用负向提示词：生成的人物手部可能扭曲，背景可能有莫名的模糊块，整体有一种“网络小图”的质感。
• 使用上述基础组合：手部结构明显正常很多，画面整体更干净、清晰，基础质量有保障。

3. 进阶精准打击：根据你的需求定制负向提示词

基础组合是盾牌，能防御大多数攻击。但要想生成真正高质量、符合特定需求的图，我们还需要更精准的“手术刀”。下面我们分场景来优化。

3.1 追求极致清晰与细节：强化“清晰度”指令

如果你的目标是生成可用于放大、印刷或展示细节的图片，可以在基础组合上增加这些词：

(lowres, worst quality, low quality:1.4), blurry, soft, fuzzy, out of focus, grainy, pixelated, oversaturated, underexposed, overexposed

• 为什么这么写？
  • (lowres, worst quality, low quality:1.4)：使用括号和权重 :1.4 来强调对低质量的排斥，让AI更重视这一点。
  • soft, fuzzy, out of focus：不仅仅是“模糊”，还拒绝了“柔软”、“失焦”这种可能导致细节丢失的视觉效果。
  • grainy, pixelated：拒绝颗粒感和像素化，这对生成光滑肌肤或平整表面特别有用。
  • oversaturated, underexposed, overexposed：拒绝不正确的色彩和曝光，让画面色彩更自然。

适用场景：人物肖像、产品静物、风景大片等需要突出细节和质感的图片。

3.2 生成特定艺术风格：避免风格“污染”

当你想要生成比如“油画”、“卡通”风格时，要小心AI混淆风格，产生不伦不类的结果。

• 想生成写实照片，但怕变成卡通？ 在负向提示词中加入：3d render, cartoon, anime, drawing, painting, sketch, illustration 这能帮助AI锁定“摄影”而非“绘画”的视觉特征。

• 想生成古典油画，但怕变成现代插画？ 在负向提示词中加入：digital art, vector art, clip art, photorealistic, photography 这能帮助AI远离数字艺术和照片的质感，更专注于传统绘画的笔触和色彩。

核心思路：在负向提示词中，排除与你目标风格相悖的其他主要艺术风格。

3.3 控制画面内容与构图：做减法的高级技巧

负向提示词还能帮你精确控制画面里“不出现”什么。

• 想要干净的肖像，避免复杂背景？ 加入：background, crowd, busy, cluttered。这能引导AI更专注于人物本身，使用更简洁、虚化的背景。
• 生成室内场景，避免出现不想要的物体？ 比如生成一个书房，不想要电视。可以加入：television, tv, screen。
• 控制人物表情和姿态？ 比如生成一个冷静的角色，不想要大笑。可以加入：smiling, laughing, open mouth。

这个技巧非常强大，它让你不再完全依赖正向提示词去“描述一切”，而是通过负向提示词“排除干扰”，往往能获得更精准的控制。

4. 实战案例：从模糊到高清的完整流程

让我们通过一个完整的例子，看看负向提示词如何化腐朽为神奇。

目标：生成“一个穿着铠甲的骑士，站在悬崖边，眺望远方，电影光影”。

第一版（仅使用正向提示词）：

• Prompt: a knight in armor standing on a cliff edge, looking into the distance, cinematic lighting
• Negative Prompt: (空)
• 结果可能的问题：铠甲细节模糊，像是低分辨率贴图；背景的山峦模糊不清；整体画面有噪点，不够锐利。

第二版（加入基础防御组合）：

• Prompt: a knight in armor standing on a cliff edge, looking into the distance, cinematic lighting, intricate detail, highly detailed
• Negative Prompt: lowres, blurry, text, watermark, ugly, extra fingers, mutated hands
• 改进：画面干净了，没有水印和明显的人体错误。但清晰度提升有限，可能还是有点“软”。

第三版（使用进阶清晰度组合）：

• Prompt: masterpiece, best quality, a knight in intricate plate armor standing on a cliff edge, looking into the distance, dramatic cinematic lighting, highly detailed, sharp focus
• Negative Prompt: (lowres, worst quality, low quality:1.4), blurry, soft, fuzzy, grainy, pixelated, jpeg artifacts, out of frame, extra limbs, deformed
• 最终效果：铠甲的金属反光、磨损划痕等细节清晰可见；远处景深层次分明，但山体纹理依然结实；画面锐利，具有电影海报般的质感。

通过这个对比，你可以清晰地看到，负向提示词不是一个可选项，而是一个质量控制器。它和正向提示词一样，需要精心设计和调整。

5. 总结：让你的负向提示词更有效的几点建议

1. 从通用到专用：始终先使用 lowres, blurry 等通用质量词作为基础，再叠加你的风格或内容排除词。
2. 权重与括号：对于你特别想排除的元素，可以用括号 () 包裹并增加权重，如 (blurry:1.3)。但不要过度使用，否则可能影响画面平衡。
3. 中英文问题：正如Stable Diffusion v1.5 Archive使用手册所强调的，请始终使用英文编写负向提示词。模型对英文语义的理解远超中文，用中文负向提示词效果微乎其微，甚至可能产生反效果。
4. 迭代与实验：没有一套放之四海而皆准的负向提示词。生成人像和生成风景需要的侧重点不同。最好的方法是：固定一个随机种子（Seed），然后只修改负向提示词进行批量生成，直观对比不同组合的效果。
5. 理解而非死记：不要只是复制粘贴列表。理解每个词背后排除的“视觉特征”是什么，你才能根据生成结果灵活调整。看到画面模糊就加强 blurry, soft；看到色彩怪异就加入 oversaturated；看到结构扭曲就检查人体相关词汇是否到位。

负向提示词是释放Stable Diffusion真正潜力的钥匙之一。它把生成过程从“碰运气”变成了“有引导的创作”。花点时间掌握它，你收获的将是成倍提升的出图质量和创作可控性。现在，就打开你的WebUI，开始你的“清晰度净化”之旅吧。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。