精心编写有效的提示词对于在 Stable Diffusion 等 AI 系统中生成高质量图像至关重要，这些系统依赖 CLIP（Contrastive Language–Image Pretraining）等模型。然而，了解 CLIP 的局限性并避免常见错误可以显著改善结果。本指南概述了需要避免的关键误区，并提供了编写更好提示词的可行策略。
目录
了解 CLIP 的局限性
CLIP 是连接文本与图像的强大工具，但它存在一些可能影响提示词解读方式的限制：
- 注重常用语言：CLIP 是在通用照片和说明文字上训练的。它能理解常用词语和概念，但在技术、科学或小众术语方面表现不佳。
- 不理解标点符号：逗号、句号等标点符号在模型处理过程中会被忽略。虽然它们可以提高人类可读性，但不会影响生成的图像。
- 简化的语言处理：CLIP 能有效处理名词、形容词和动词，但常常忽略冠词（例如 “the”）、介词（例如 “of”）和连词（例如 “and”）。多余的词语会削弱提示词的效果。
- 不是对话式 AI：与 ChatGPT 等大型语言模型不同，CLIP 更像是一个搜索引擎。它不理解礼貌的指令或冗长的措辞。
常见的提示词误区及避免方法
1. 用不必要的词语堆砌提示词
- 误区：添加冠词、连词以及 “Create an image of” 或 “Please generate” 之类的短语会浪费 token，对结果没有任何影响。
- 解决方案：保持提示词简洁直接。使用描述图像主题、风格和氛围的关键词。
- 示例：
- 较差：“Please create an image of a beautiful landscape with mountains and a sunrise.”
- 较好：“Beautiful mountain landscape, sunrise, vibrant colors.”
2. 用标点符号来追求效果
- 误区：添加逗号或其他分隔符，希望以此影响输出。这些字符会被 CLIP 忽略，只会增加随机性。
- 解决方案：仅在与他人分享提示词时使用标点符号以提高可读性，但不要期望它会改变结果。
- 示例：
- “Beautiful mountain landscape, sunrise, vibrant colors” 与 “Beautiful mountain landscape sunrise vibrant colors” 会产生相似的结果。请参阅上面的示例输出。
3. 期望 CLIP 理解技术术语
- 误区：使用 CLIP 未经训练识别的学名、行话或小众术语。
- 解决方案：坚持使用广为人知的常用名称和描述，尤其是那些在公开数据集中常见的描述。
- 示例：
- 较差：“Archilochus colubris perched on a branch.”
- 较好：“Ruby-throated hummingbird perched on a branch.”
4. 像对话一样写提示词
- 误区：把 CLIP 当作对话式 AI，加入礼貌的指令或过于冗长的措辞。
- 解决方案：像写搜索查询一样写提示词——简短扼要。
- 示例：
- 较差：“Can you please generate an image of a sunset over a calm ocean?”
- 较好：“Sunset over calm ocean, serene, warm colors.”
5. 忽视 CLIP 的训练背景
- 误区：期望 CLIP 理解公开数据集中通常没有收录的抽象或特定文化引用。
- 解决方案：使用符合大众普遍理解的语言，例如美国青少年熟悉的描述。
- 示例：
- 较差：“Baroque architecture with intricate rococo detailing.”
- 较好：“Elegant European palace, ornate design, gold accents.”
实际示例与案例研究
示例 1：简化冗长的提示词
- 冗长提示词：“Please create a detailed image of a forest in autumn with colorful leaves falling from the trees.”
- 优化后的提示词：“Autumn forest, colorful leaves, falling, serene atmosphere.”
示例 2：避免科学术语
- 科学术语提示词：“Archilochus colubris perched on a blooming flower.”
- 优化后的提示词：“Ruby-throated hummingbird on blooming flower, vivid colors.”
示例 3：使用常见描述
- 抽象提示词：“A surreal depiction of existential dread.”
- 优化后的提示词：“Dark surreal art, eerie atmosphere, abstract shapes.”
编写有效提示词的关键要点
- 保持简单：专注于清晰描述主题和期望风格的名词、形容词和动词。
- 避免多余词语：跳过冠词、介词和礼貌指令——它们对输出没有帮助。
- 使用常用语言：坚持使用广为人知的术语，避免过于技术性或晦涩的引用。
- 不要过度纠结标点符号：使用标点符号提高可读性，但不要期望它会影响图像生成。
- 与 CLIP 的训练数据保持一致：把提示词看作通用照片的说明文字——使用能引起大众共鸣的语言。