1. 夜色倾城这四个字拆给Stable Diffusion听很多人第一次用Stable Diffusion跑夜景人像都会有一个共同的困惑提示词里明明写了“夜色倾城”“精致佳人”出来的图却要么是白天换了个月亮滤镜要么是脸部糊得没法看要么背景灯光糊成一片。问题不在这几个字不好而在于模型根本不靠“感觉”理解提示词——它靠的是词汇和视觉特征的对应关系。扩散模型的工作原理简单说就是从一个纯噪点画面开始根据你输入的提示词一步步“去噪”把图像还原成符合文本描述的样子。这个“还原”过程里提示词中的每一个词都会被编码成向量再映射到模型学过的图像特征上。麻烦在于模型学过的特征绝大多数来自真实图片和画作的标题、标签、描述所以它对“具体的、可视的、名词性的词汇”极其敏感而对“抽象的、情绪的、形容词性的词汇”相当迟钝。你写“夜色倾城”模型只能隐约知道你要夜晚氛围但夜晚氛围具体来自哪里来自路灯、霓虹灯、车流光轨、窗玻璃反射、湿润沥青路面的光点、深蓝天空下的建筑轮廓线。这些视觉元素你不写清楚模型就不知道往哪个方向“去噪”。“倾城”也是同理。这个词在人类的语言系统里代表“美得令人惊叹”但在SD的语义空间里它几乎没有可被视觉化的锚点。如果想让画面表现出“倾城”级别的精致人物正确的翻译方式应该是把美拆解成精细的五官刻画、明确的皮肤质感、高质量的面部光影、讲究的妆容细节、发丝分明的边缘再加上环境光的烘托。这不叫“翻译提示词”这叫“把美学需求转译成模型听得懂的视觉语法”。搞懂了这一层再去写提示词就不是碰运气而是有方向地引导。还有一个关键点Stable Diffusion对提示词的感知是有“优先级”的。靠前的词权重天然更高靠后的词容易被前面的词覆盖。很多人写提示词洋洋洒洒几十个词但把最重要的“主体、脸、光”塞在了后面结果模型把精力全花在了背景上。所以写夜景人像提示词顺序本身就是一种语法主体描述应该在环境描述之前面部光效描述要跟着主体走而画质词放在最前面或最后面都行——它影响的是整体渲染精度。提示把大而空的形容词替换成三到五个具体的视觉要素对SD来说比在同一个词后面加长串“((()))”有用得多。理解到这层下面所有步骤才有意义。否则只是背诵别人的提示词换个场景照样不会改那跟抄作业没什么区别。1.1 模型不是在看图是在“按提示词拼概率”得把扩散模型的逻辑再往深说一点因为很多新手之所以写不好提示词根源在于对模型的工作机制有误解。Stable Diffusion里有一个叫CLIP的文本编码器它负责把你的提示词转化成一组“语义向量”。这组向量的作用是告诉去噪过程中的UNet网络噪声画面的哪些区域应该往哪个方向演化。换句话说每一轮去噪模型都在根据提示词“猜测”图片内容并不断修正。这个机制决定了三件事。第一提示词里的每个词都会参与“猜”但词的先后顺序会影响猜测的权重分配所以重要词必须前置或加权重。第二模型“猜”的底子来自它的训练数据。比如它看过大量“night city”图片知道夜景通常伴随暗蓝的天空、明亮的灯光、建筑物轮廓但如果你只写“night city”而不写人物它就会专心画一个空无一人的城市场景反之你把人物描述放前面它才会把人物当作画面主体来安排。第三模型中人物面部的精细程度很大程度上取决于底模在“人脸数据集”上的训练充分度。一些写实类大模型比如majicmix realistic专门强化过亚洲面孔的质感所以你用同一个提示词在不同模型上跑人物精致度会天差地别。明白这三点你就能理解一个看似奇怪的现象有时候把提示词写得越“文艺”出图越四不像。因为模型没有“诗意”只有“概率”。它需要在无数真实标注图片中学到的视觉规律而这些规律99%以名词、材质词、光线词、风格词的形式存在。你的任务是用这些词去“勾引”出模型脑海里的视觉记忆。这个过程其实就是如今很多人在聊的“提示词工程”的底层原理。1.2 “精致佳人”在模型里长什么样接下来专门说说“精致佳人”这四个字怎么落地。先说结论想让SD画出一个“精致”的人最有效的方法不是直接写beautiful、pretty、gorgeous这类形容词而是给模型描述“精致的脸应该具备哪些视觉特征”。在实际操作中我会把“精致”拆成几个方面。首先是面部结构清晰的五官边界、对称且自然的脸型、大小适中的眼睛和嘴唇这些描述可以用“perfect face, symmetrical face, detailed eyes, delicate nose, full lips”这类词组去表达。其次是皮肤质感这也是写实人像和“AI塑料脸”之间最明显的分界线。写“realistic skin texture, pores visible, natural skin, detailed skin”能大幅减少那种像陶瓷一样光滑的假面感。再次是妆容和发丝夜晚灯光下人物的妆容细节眼影、唇色、眉毛往往是最能体现“精致”的部分而发丝处理则直接决定人像的自然度。可以用“detailed makeup, glossy lips, clear eyebrow, flyaway hair, detailed hair strands”这类描述。还有一个很实用的技巧在提示词里明确人物的“光环境”。夜场景下如果人物面部处于暗部哪怕你写了再多精致细节模型也会自动“省略”掉那些细节因为暗部本来就不适合刻画细节。这时候需要在提示词里加上面部受光的描写比如“face lit by warm street light”“soft window light on face”“rim light on hair”让模型知道面部是被照亮的然后它才舍得在脸上花功夫渲染细节。这一步对“精致佳人”的最终成片率影响极大我后面会专门展开讲但在这里先记住夜晚人像的精致感本质上是“光”的精致感而不是“五官描述”的精致感。2. 先把跑道铺好模型、LoRA与采样器的选择逻辑提示词再厉害也逃不过底模的基因限制。就好比你用一套写实提示词丢给一个二次元底模出来的图大概率会变成“半写实半动漫”的杂交风格怎么看怎么别扭。所以正式写提示词之前一定要先想清楚我要用什么底模、什么LoRA、什么采样器来承载这段提示词。这几个变量的组合直接决定了出图的天花板。我接触过不少新手一上来就装ComfyUI又是装插件又是拖节点折腾一下午连一张图都没跑出来。其实对于画“夜景人像”这种单图需求WebUI完全够用而且上手快、教程多、踩坑成本低。ComfyUI的优势在于批量处理、复杂工作流搭建、节点化精细控制那是进阶玩家的领域。你要是刚接触SD先把WebUI跑顺再用同一套思路去迁移到ComfyUI反而更容易理解背后的流程逻辑。热搜词里“stable diffusion安装”“秋叶整合包”常年挂在榜上说明很多人卡在环境这一关。这里给个稳妥建议Windows用户优先考虑秋叶整合包自带环境、常用模型一键切换、显存优化也已经配置好省去大量折腾时间。苹果芯片用户可以直接用Diffusion Bee或Draw Things做初步体验Mac上跑SD的生态这些年成熟了不少不过插件生态还是不如Windows完整。模型选择上针对“夜色倾城 精致佳人”这个主题我推荐三个方向你按自己偏好的风格去选。第一个是majicmix realistic偏韩系电影感对亚洲面孔的理解非常出色面部细节和皮肤质感在同体积模型里属于第一梯队夜景背景下表现尤其好因为它原生训练数据里包含大量带有环境光的人像图。第二个是chilloutmix在“亚洲写实”这个方向上成名已久胜在对提示词的响应非常稳定适合新手拿来练手、测试提示词效果。第三个是Realistic Vision偏欧美脸如果你的“佳人”定义偏欧美风格这个模型会更顺手但亚洲面孔的表现力会弱一些。注意同一段提示词在不同底模上的表现差异可能比你在提示词里加十个词还大。所以不要迷信“万能提示词”提示词永远跟着底模走。LoRA方面很多教程会推荐你加载“更真实的人像LoRA”来增强面部细节。我的经验是夜景人像这个题材底模选对之后LoRA不是必需品加了反而可能破坏底模原有的光影感。如果一定要用选一个面部结构增强类的轻量LoRA权重控制在0.5到0.7之间重在人脸的真实度不要选那种“改变风格”的LoRA否则会把夜景的色调带偏。当然如果你想要特定的风格比如胶片感、赛博朋克感那另说后面进阶部分我会讲到风格词和LoRA的搭配思路。最后是采样器。夜景图最大的特征是暗部面积大、高光区域多两者之间的过渡如果处理不好就会出现大量噪点和色块。所以采样器首选DPM 2M Karras这个采样器在细节保留和噪声控制之间平衡得很好出图的干净程度明显高于Euler a。追求更高细节的话可以试试DPM SDE Karras但步数需要加到30以上速度会慢一些。采样步数建议25到30之间再高意义不大再低会出现明显的颗粒感。3. 提示词逐段拆解能用、好看、有氛围的三层结构现在到全文最核心的部分。我会给出一段完整的、可复制的“夜景色佳人”提示词然后把它拆开一句一句告诉你为什么这么写。这是市面上很多教程不会做的事——他们只给你一份提示词让你抄但你换了场景、换了模型就又不会写了。先说提示词的总体结构。我习惯把提示词分成三层第一层是“基础画质层”负责确保出图不糊、不崩、不脏。这层的词包括masterpiece, best quality, ultra-detailed, 8k wallpaper, highres等等。它们的作用是整体拉高渲染精度让模型在每一步去噪时更愿意付出算力去刻画细节。第二层是“主体与光效层”负责描述人物长相、服装、姿态、面部光线。这一层决定画面里有没有一个“精致的佳人”以及她看起来是否自然、是否吸引人。第三层是“环境与氛围层”负责告诉模型这是什么时间、什么地点、什么气氛。这一层决定“夜色”和“倾城”的情境感。顺序上通常把主体放在最前环境紧跟其后画质词可以放最前也可以放最后。负面提示词单独一组。下面给出我实测过很多次的完整提示词底模为majicmix realistic采样器DPM 2M KarrasCFG 7步数28分辨率512x768高清修复2倍。masterpiece, best quality, ultra-detailed, highres, 1girl, solo, beautiful chinese woman, delicate facial features, detailed eyes, realistic skin texture, pores visible, natural skin, soft makeup, glossy lips, detailed hair strands, black long hair, wearing a slim black dress, gold necklace, elegant posture, night, city street, neon lights, bokeh, wet asphalt reflections, warm street light on face, rim light on hair, soft window light, cinematic lighting, depth of field, 50mm lens, f1.8, photorealistic, extremely detailed face, perfect face负面提示词ng_deepnegative_v1_75t, bad-hands-5, badhandv4, EasyNegative, bad anatomy, bad face, bad eyes, bad fingers, extra digits, missing fingers, extra limbs, low quality, worst quality, blurry, jpeg artifacts, watermark, username, text, overexposed, underexposed, dimmed lights这段提示词不是我随便拼出来的每个词背后都有它的作用。下面拆开讲。3.1 主体描述把“美”变成模型看得懂的特征先看主体部分。我写了“1girl, solo, beautiful chinese woman, delicate facial features, detailed eyes, realistic skin texture, pores visible, natural skin, soft makeup, glossy lips, detailed hair strands, black long hair”。这里有几个关键点。第一写“1girl, solo”是为了让模型把画面焦点集中在单人身上避免多余人物干扰画面。第二写“beautiful chinese woman”而不是“beautiful woman”因为底模majicmix realistic对亚洲面孔的刻画能力强你给“chinese”这个限定词模型会直接调用它最擅长的面部生成模式。第三“delicate facial features”负责控制五官的精致度相当于告诉模型“五官要小而精细”。第四“realistic skin texture, pores visible, natural skin”这一组词核心就是对抗“AI塑料脸”。你看很多夜景人像翻车脸光滑得像假人就是因为提示词里缺了这组皮肤质感词。最后妆容和发丝的描写——soft makeup, glossy lips, detailed hair strands——决定了人物是“精致”而不是“素颜”。夜景环境下唇妆和发丝的细节会成为画面里最吸引人的部分不加的话人物会显得寡淡。这组词里有一个容易被忽略的细节提示词里我特意写了“black long hair”黑色长发。为什么因为深色长发配合夜景背景可以在构图上形成“明暗对比”让主体从背景中凸出来。如果你写金发、棕发夜间光线下头发容易被环境光“吃掉”人物和背景融为一体画面的立体感就弱了。所以别小看发色的选择它本质上是在帮模型构图。3.2 环境与光线夜色不是“暗”而是“有选择的亮”再看环境和光效部分。“night, city street, neon lights, bokeh, wet asphalt reflections”这组词负责构建夜色的基本框架。注意我写的不是“darkness”而是“night”。这两个词的区别在于darkness描述的是“暗”模型会倾向于生成大面积黑色night描述的是“夜晚”模型会倾向于生成“暗色调但带有城市光元素”的场景。差别很微妙但落到画面上就是“黑成一片”和“有氛围的夜”的差别。“neon lights”提供色彩让夜景不至于单调“bokeh”产生虚化光斑这是营造“氛围感”和“高级感”的关键而“wet asphalt reflections”潮湿路面的倒影是我个人非常推荐的一个词。它不需要你额外写“下雨”只需在画面上增加一层光影反射城市的霓虹灯、路灯会在路面上拖出细碎的光影画面的层次一下子丰富起来。这也是“夜色倾城”最直观的视觉化表达。然后是人物受光部分warm street light on face, rim light on hair, soft window light。这组词是保证“精致佳人”面部不糊、不黑的关键。夜场景下人物本体几乎处于弱光环境如果不特意给面部补光模型会倾向于把脸画在一个相对暗的区域然后因为细节不足而“糊掉”。所以我把“warm street light on face”放在主体描述之后让模型在处理面部时就知道脸部有一盏暖色调的路灯光源。rim light on hair则是给头发勾一条亮边把发丝从背景中“抠”出来增加轮廓感。这个技巧在夜景人像里几乎百试百灵。3.3 画质与镜头语言让照片“像是相机拍的”镜头和画质词也很重要。“cinematic lighting, depth of field, 50mm lens, f1.8, photorealistic, extremely detailed face, perfect face”这串词负责让画面带上“摄影感”。很多人疑惑为什么自己生成的图一看就是AI画而别人的图像照片差的就是这层镜头语言。50mm镜头 f1.8大光圈这两个词组合起来会让模型模拟出标准镜头加大光圈的成像特点主体清晰、背景虚化、焦外光斑柔和。这就是为什么很多人像图背景会自带“高级感”的原因。depth of field保证前景和背景之间有明显的虚实过渡而不是所有东西都锐利到不真实。cinematic lighting则会让画面整体色调带上电影感偏向青蓝暗调加暖色点缀恰好契合夜景主题。提示在WebUI里这段提示词可以直接粘贴使用。如果设备的显存小于8GB先从512x512分辨率试跑再开启Hires.fix放大到768x1152避免一次开太高分辨率导致显存溢出。最后说说负面提示词。我强烈建议新手不要自己乱编负面词而是用社区验证过的组合。上面列出的ng_deepnegative_v1_75t、bad-hands-5、badhandv4、EasyNegative这类是专门的“负面嵌入”模型效果比你自己写几十个负面形容词好得多因为它们不仅包含词汇还包含了特定错误样本的语义特征。后面的bad anatomy、bad face、bad eyes、bad fingers、extra digits、missing fingers、extra limbs是针对人物结构的常见崩坏点low quality、worst quality、blurry、jpeg artifacts、watermark、username、text是保证画面干净overexposed和underexposed则是针对夜景高光和暗部丢失问题。这里有个容易踩的坑负面提示词不是越多越好。如果你用的底模本身质量很高比如majicmix realistic负面词堆太多反而会压制模型的表现力让画面变得平淡。所以负面词选取的关键是“覆盖该题材最容易翻车的问题”而不是“把所有可能的问题都列举一遍”。对夜景人像来说最重要的负面词是过曝、欠曝、脸部崩坏、手部崩坏、皮肤粗糙、文字水印、低清晰度。核心抓住这几个就够了。4. 参数精调夜景最容易翻车的地方都在这里到了参数环节你会发现一个很扎心的事实同一段提示词在不同分辨率、不同CFG、不同采样器下跑出来的效果完全是两回事。很多人盲目照搬网上的参数结果出图效果差得远就以为是提示词的锅。其实大部分时候参数才是决定成败的那个变量。对于夜景人像我维护了两套参数模板一套用于快速预览构图一套用于精修成片。参数项快速预览模板精修成片模板初始分辨率512x768512x768或576x864采样器DPM 2M KarrasDPM SDE Karras采样步数20-2530-35CFG Scale77.5Hires.fix放大倍数1.52Hires.fix重绘幅度0.40.3面部修复开启ADetailer开启ADetailer随机种子随意找到满意的种子后固定两套模板的区别在于快速预览模板追求效率先小分辨率定构图和整体氛围跑个五六张看看感觉精修成片模板在构图满意后用更高步数、更高放大倍数把细节顶上去。注意Hires.fix的“重绘幅度”denoising strength很关键——幅度太高人物会变形幅度太低放大的图像会发虚。夜景画面因为暗部多重绘幅度建议比白天人像低0.05到0.1因为暗部区域在放大重绘时更敏感幅度稍高就容易出现色块和噪点。CFG这个参数多说一句。CFG的全称是Classifier-Free Guidance Scale简而言之就是提示词对画面的“控制力强度”。CFG越高画面越贴近提示词但过高会损失自然度让画面生硬、过饱和CFG越低模型发挥空间越大画面自然但可能偏离你的描述。夜景人像建议CFG在6.5到8之间。低于6模型容易忽略光线的描述画面昏暗发灰高于9容易把灯光处渲染成一片亮白面部光影也会变得不自然。这个范围值得你多试几个值找到自己视觉最舒服的标定点。4.1 分辨率与构图为什么我不建议一上来就开1024Stable Diffusion WebUI里很多人喜欢直接把分辨率拉到1024x1024甚至更高觉得“分辨率越高画质越好”。这是个非常常见的误解。高分辨率确实会带来更多细节但对写实人像来说初始分辨率越高模型越容易在面部等局部区域出现“重复纹理”或“结构错乱”——比如牙齿变成一排小方块头发糊成一团。这是因为扩散模型在高分辨率下需要生成的内容量太大而现有的采样器在一些局部特征上容易出现“过度生成”。更稳的做法是先用512x768或者512x864的“非正方形”分辨率跑初始图。为什么非正方形因为人像题材的画面构图通常是竖构图而且512x768的宽高比更接近手机竖屏照片的比例人物在画面中自然占更大面积。初始图跑顺之后再用Hires.fix把画面放大到1024x1536甚至更高。分辨率还有一层影响512x512画人像全身脸只占画面的一小块区域模型分配给面部的“注意力”就不够出图容易崩脸。反过来512x768竖构图下人物上半身或七分身占画面比例更大面部拥有更多像素空间脸部细节自然更可控。所以如果你想要一张精致的脸请优先考虑拍摄范围小一点的构图——半身像比全身像更容易出好脸。4.2 ADetailer夜景人像的面部保险丝讲完分辨率必须要提一下ADetailer这个插件。它本质上是一个自动面部检测与修复工具先用目标检测模型比如face_yolov8n.pt在画面里定位人脸位置然后把人脸区域单独裁剪出来用你设定的采样参数重新“精修”一遍再把修好的脸贴回原图。这个过程对面部品质的提升立竿见影几乎可以说是“脸崩克星”。ADetailer的安装很简单WebUI的扩展列表里直接搜“ADetailer”或者从GitHub下载安装都行。安装完需要在设置里指定一个检测模型推荐用face_yolov8n.pt这个模型对正脸、侧脸、俯视脸的检测都挺稳。配置时把ADetailer的采样步数设置为20左右重绘幅度0.3到0.35之间CFG保持与主采样一致。如果一次修复后脸部仍然不满意可以开启“二次修复”ADetailer允许配置多个检测模型但一般来说一次就够了。为什么特别强调夜景人像要用ADetailer因为夜景环境下面部光照弱、阴影多模型很容易把脸的某个区域画成“黑团”或者把眼窝、鼻翼处的阴影结构画错。ADetailer单独对面部区域进行高权重重绘可以把这些光影细节拉回正常范围。实测下来同一组提示词和参数开启ADetailer后出图成功率至少翻一倍。提示ADetailer不是万能的它只能在“轻度到中度崩脸”的情况下补救。如果底模本身不擅长画写实人脸或者LoRA权重拉得太高修复效果也会打折扣。底模选对ADetailer才更有效。4.3 Hires.fix放大放在构图定稿之后不要每一步都开Hires.fix是WebUI内置的功能作用是先生成一张小图再通过低噪声重绘把它放大到更高分辨率。核心参数有两个放大倍数和重绘幅度。放大倍数好理解重绘幅度则代表了放大过程中“重新想象”的程度——幅度越高放大后的图像改动越大细节越丰富但也越容易偏离原图结构。实操中我的工作流是这样的第一步关掉Hires.fix用512x768小分辨率跑几张草图对照提示词检查构图、氛围、人物姿态是否满意。第二步找到满意的一张后固定随机种子再开启Hires.fix把重绘幅度设为0.3到0.35放大倍数设为2跑出最终成片。这样做的好处是可以避免浪费算力因为你如果开着Hires.fix跑草图每一次尝试的时间都会翻两到三倍而且放大过程中出现构图偏差时你根本分不清是提示词的问题还是放大的问题。夜景人像的Hires.fix有个特殊注意点重绘幅度不宜过高。因为夜景画面中有大量暗部区域这些区域在重绘时“可想象”的空间很大幅度一旦超过0.4暗部容易出现噪点、色块、甚至奇怪的纹理。建议夜景场景控制在0.3到0.35之间比白天人像0.4到0.45略低一档。5. 我最常被问到的问题排查从“出图”到“出好图”理论上记住上面的提示词和参数你已经能稳定出图了。但接下来才是真正拉开水平的环节当画面出问题时你能不能快速判断是哪里出了问题然后精准修改而不是靠“换随机种子”碰运气。这一章我把自己在夜景人像上踩过的坑以及帮朋友排查时最常遇到的几类问题整理成几条排查链路。比起直接给答案我更想把“看问题—定位原因—修正”这套思考过程展示出来。你以后遇到任何提示词级别的翻车都可以按这个思路去排查。5.1 脸部偏暗发青问题不一定在提示词这个现象非常典型。提示词里明明写了“warm street light on face”但出图的脸还是暗沉沉的甚至隐隐泛青。很多人第一反应是加重提示词里“face light”的权重结果改善有限。每次遇到这个问题我会按这个顺序排查。第一步检查底模风格。majicmix realistic本身偏冷调如果提示词里缺少暖色光源词默认面部色温就会偏冷发青。这很好解决把“warm street light on face”加重到1.2倍权重或者改成“face illuminated by warm golden street light”强调“golden”这个暖色词。第二步检查CFG。CFG偏高时模型会过度执行“夜色”“街道”这些描述把整个画面氛围往冷调带导致面部也被带偏。可以试着把CFG从7.5降到7.0同时检查负面提示词里有没有“dimmed lights”这类会抑制亮度的词。第三步查看面部周围区域。如果面部区域本身就很小比如全身图ADetailer对它的修复效果有限这时候应该考虑把构图改为半身甚至特写。实践下来90%的脸部偏暗问题靠“暖色光词1.1权重”就能解决剩下10%是底模和CFG的锅。这组链路适用于绝大多数“主体融不进环境光”的场景。推荐策略脸部暗沉时优先调整提示词中面部受光的关键词和权重不要一上来就动底模。调整无效再回头审视参数和构图。5.2 背景灯光过曝、画面整体发白另一个高频问题背景的霓虹灯、路灯全部过曝成一团白色的光斑整个画面发灰发白失去了“夜”的感觉。这类问题通常不是提示词少了而是“亮部太多暗部没守住”。当我想要一盏氛围灯时模型的思路可能是既然有灯光我干脆把画面点亮一点。所以你需要两条腿走路。一条是在提示词里加入“soft glowing lights, dim street lamps, moody atmosphere, dark background, shadows”这类“压暗”氛围的描述让模型知道夜晚的主体环境是暗的灯光只是局部点缀。另一条是在负面提示词中加入“overexposed, blown out, bright background, washed out”明确禁止画面过曝。同时调低CFG到7以下过高的CFG会让模型过于“努力”地去实现灯光描述结果就是灯光强度被放大过头。这里有个经验口诀你想要什么写在正面提示词里你不想要什么写在负面提示词里还有一条是“你不想要的画面特质也可能藏在参数里”——CFG就是最常见的隐藏变量。夜景灯光过曝优先查CFG再查正面提示词里有没有“灯火通明”这种感觉的词最后补负面词。5.3 显存不足、生成很慢基础环境三板斧很多用笔记本跑SD的人都会遇到爆显存、出图慢的问题。这里分享三个基础的优化手段而不是劝你换电脑。第一启动参数加上xformers。在WebUI的启动脚本webui-user.bat里加上--xformers它能显著减少显存占用并加速采样。如果你的显卡是N卡比较新还可以加上--opt-split-attention之类的优化参数但一般xformers就够用。第二降低初始分辨率并用Hires.fix补救。前面说过512x768初始图加2倍放大画质完全够用但显存压力远小于直接生成1024x1536。第三如果连512x768都跑不动试试Tiled VAE这个扩展它把VAE解码过程拆成多个小块处理能大幅降低显存峰值。秋叶整合包里可以在设置界面直接开启显存优化相关选项省去手动改参数这一步。还有一个小技巧连续出图时可以在批量生成之间加一个“清理显存”的过程或者在设置里开启“每次生成前清空显存缓存”。这些小改动看起来不起眼但对长时间批量调试提示词的人来说能省出不少等待时间。我自己最早用8GB显存的卡跑夜景人像时512x768加2倍放大一张图大概要一分半。优化之后时间能压到四十秒左右。虽然跟高端卡没法比但至少能顺畅地做测试。5.4 崩坏的手、崩坏的眼睛逐层定位是哪个环节的问题手部和眼睛的崩坏是Stable Diffusion最著名的“老大难”。但其实这两个部位的崩坏原因并不一样手部崩坏主要是因为模型训练数据里手的标注质量参差不齐导致模型对手部结构的理解不牢靠而眼部崩坏更多是分辨率不够或面部区域像素太少造成的。排查手部问题我建议按“先SD后提示词再插件”的顺序来。先看底模如果你用的底模本身对手部支持不好那再怎么调提示词都白搭。写实类大模型majicmix、Realistic Vision在手部的表现通常优于动漫模型这也是我推荐写实底模的原因之一。再看提示词可以加入“perfect hands, detailed fingers”这类词但效果有限因为模型对手部的理解问题不是靠词能完全修正的。更可靠的办法是借助反馈式修图开启ADetailer时同时给它配置一个手部检测模型如hand_yolov8n.pt让它在修复脸部的同时修正手部。或者用ControlNet的OpenPose先固定手部姿态减少模型自由发挥的空间。眼部问题相对简单。如果你的初始分辨率太低脸部只占几十个像素那眼部细节必然丢失最直接的解决方法是放大面部占比——改构图或提高分辨率。另一个常见坑是ADetailer的面部检测模型没有识别到侧脸导致眼睛没被修复这时候可以换一个更擅长侧脸检测的模型权重或者在提示词里把“gazing at viewer”改为“looking aside”来降低对眼部的正面检测要求。推荐策略遇到身体部位崩坏不要执着于“加提示词”一种手段。组合使用ControlNet约束姿态、ADetailer分区域修复、以及调节重绘幅度比单纯堆词见效更快。6. 把“精致佳人”放进夜色的进阶思路讲完基础出图和问题排查这部分聊聊怎么把画面往“作品感”方向推。很多玩SD的人跑出一张满意的图就停了但其实从“能看”到“能发朋友圈甚至商用”中间还有不少可操作的空间。这章提供三个我经常用的进阶思路都不复杂但有意识地使用它们画质和氛围感会有一个显著的提升。6.1 ControlNet固定姿态让构图主动权回到你手里如果你对“人物站在画面中央面朝镜头”这样的标准构图已经腻了想让佳人侧身回眸、倚靠栏杆、漫步街头最有效的方法是引路ControlNet。ControlNet是SD生态里的一套“引导工具”它允许你通过线稿、姿态骨架、深度图等条件去约束画面的生成过程简单说就是“图形引导”而不是“纯文字引导”。具体到夜景人像最常用的是OpenPose姿态控制。你可以找一张自己喜欢的人物姿态图比如网上任意一张街拍的背影、侧影用OpenPose预处理器提取出人物的骨骼线条然后这个骨骼线条就会被导入ControlNet作为画面构图的基本约束。之后你只需要在提示词里写清楚人物外貌和环境模型就会按照骨架姿态生成对应动作的人。夜景色佳人的常见玩法是姿态图设定一个“回眸看镜头”的动作把夜景街景放进环境描述出来的图立刻有故事感。安装ControlNet插件后会在WebUI界面多出一个选项卡。使用流程是上传姿态图在Preprocessor预处理器里选“openpose”在Model模型里选对应的control_openpose模型文件然后设置引导强度Control Weight在0.6到0.8之间宝宝能看出姿态约束但画面不会僵硬。如果背景也要一起控制可以再加一个Depth深度控制让远处建筑和近处路面的层次关系更稳定。6.2 局部重绘换背景、修灯光、改妆容的精细操作SD出图是个概率过程哪怕构图满意总会有某个小角落让你看着不爽发际线歪了、项链位置偏了、路灯的位置刚好挡住脸、嘴上的口红颜色不对。整张重跑不划算也不一定能再遇到同样的气质这时就需要用“局部重绘”Inpaint来做手术级别的修正。操作思路是把成片发送到图生图的“局部重绘”面板用画笔把想要修改的区域涂黑然后在提示词里只描述“这一小块区域的内容”即可。这里有个关键参数蒙版羽化程度Mask Blur通常设8到16之间让修改区域和周边画面有平滑过渡还有重绘幅度Denoising Strength局部修改一般建议0.4到0.6改动幅度越小越好否则会连累周边区域一起变化。修改妆容时比如想给人物加一个红唇效果只需要把唇部区域涂黑在提示词里加“red lipstick, glossy lips”重绘幅度0.5左右即可。想把背景的路灯换掉则把路灯区域涂黑提示词改为“dark night sky, bokeh light spots”重绘幅度0.55到0.65。记住局部重绘时保留原图上其他部分的信息是它的优势。如果你的重绘幅度调得太高局部修复就变成了局部重做很可能把原来的光影布局全部打乱得不偿失。提示做局部重绘前先把整张图放大到较高分辨率再操作这样蒙版边缘的过渡会更细腻涂抹时也更容易精准定位需要修改的细节部位。6.3 同一段提示词不同模型的风格差异最后分享一个“偷懒”思路。很多人以为提示词是出图的全部其实风格的决定权相当大程度在底模上。在同样的提示词下不同模型画出的“夜色倾城美人”会呈现完全不同的视觉气质。以我用的这段主提示词为例在majicmix realistic下出图是电影感、偏写实、面部像摄影棚打了柔光灯的效果换到chilloutmix画面色调会偏粉白细节稍微软一点有一种“轻写真”的感觉换到DreamShaper则会明显往插画方向偏移哪怕写的是photorealistic画面也会带上一层梦幻的画意。这不是参数能拉回来的差别而是模型训练数据里“审美基因”的差别。所以我的建议是同一个主题不要只盯着一款底模跑。可以准备两三个不同风格的底模来回切换着跑几组对比图你会发现不同底模对“夜色”“精致”“佳人”这三个词有完全不同的理解方式。挑一个最符合自己审美的底模作为主用再把它对应的LoRA、参数、提示词变体存成一套固定配置模板下次要出同类图直接微调即可。这套“配置模板”的思路比每次从头写提示词高效得多也更容易沉淀出自己的风格。最后再分享几个我压箱底的操作习惯这些内容在前面的正文里不方便展开但对长期用SD做图的人来说非常重要也是我踩过几次坑之后慢慢形成的固定习惯。第一每次跑出一张满意的图一定要把提示词、负面提示词、底模、采样器、CFG、步数、分辨率、种子、ADetailer配置全部记录在图片信息里或单独存一份文本。WebUI的PNG信息会保留绝大部分生成参数但ADetailer这类插件的配置不会自动保存所以我习惯了在文本文档里维护一个“出图日志”。过了一个月再翻回去看你能清楚回忆起这张图是怎么调出来的这对复盘很有价值。第二固定种子号。参数相同的情况下种子号决定了初始噪声也就决定了出图的构图和姿态走向。调试提示词阶段找到一张“八九十分满意”的图后我会把它的种子固定下来然后只做单项微调比如加一个环境词、改一个服装词这样每次改动的影响看得清清楚楚。如果不固定种子你永远不知道画面的变化到底是提示词引起的还是随机噪声引起的调试效率会低很多。第三保持对参考图的学习习惯。看到满意的摄影作品或电影截图下意识想一想这张画面的光线方向是什么高光是什么颜色暗部有没有环境反光人物服装和背景的明暗对比如何然后把观察到的元素翻译成提示词测试。我对夜景人像的很多描述词比如“wet asphalt reflections”“rim light on hair”其实都来自一张街头摄影作品。提示词能力本质上不是词汇量的较量而是观察力和视觉语言翻译能力的较量。第四显存不够也别急着放弃。我最早用8G显存的卡跑图时一连跑崩好几张是常态。后来总结了这套“低分辨率预览高分辨率精修”的流程之后一样能出高画质图。硬件确实有影响但它不应该是你放弃创作的理由。说到底Stable Diffusion只是一个工具提示词是工具和创作者之间的翻译层。真正让一张夜景人像有“倾城”气质的不是某个神秘词汇而是你对光线的理解、对构图的判断、对审美细节的偏执。把这些基本功练好再用SD把你的想法实现出来才是这个工具最迷人的地方。希望这篇拆解对你有点帮助也期待看到你跑出自己满意的“夜景色佳人”。
SD夜景人像提示词拆解：从“夜色倾城”到“精致佳人”的实现之道
1. 夜色倾城这四个字拆给Stable Diffusion听很多人第一次用Stable Diffusion跑夜景人像都会有一个共同的困惑提示词里明明写了“夜色倾城”“精致佳人”出来的图却要么是白天换了个月亮滤镜要么是脸部糊得没法看要么背景灯光糊成一片。问题不在这几个字不好而在于模型根本不靠“感觉”理解提示词——它靠的是词汇和视觉特征的对应关系。扩散模型的工作原理简单说就是从一个纯噪点画面开始根据你输入的提示词一步步“去噪”把图像还原成符合文本描述的样子。这个“还原”过程里提示词中的每一个词都会被编码成向量再映射到模型学过的图像特征上。麻烦在于模型学过的特征绝大多数来自真实图片和画作的标题、标签、描述所以它对“具体的、可视的、名词性的词汇”极其敏感而对“抽象的、情绪的、形容词性的词汇”相当迟钝。你写“夜色倾城”模型只能隐约知道你要夜晚氛围但夜晚氛围具体来自哪里来自路灯、霓虹灯、车流光轨、窗玻璃反射、湿润沥青路面的光点、深蓝天空下的建筑轮廓线。这些视觉元素你不写清楚模型就不知道往哪个方向“去噪”。“倾城”也是同理。这个词在人类的语言系统里代表“美得令人惊叹”但在SD的语义空间里它几乎没有可被视觉化的锚点。如果想让画面表现出“倾城”级别的精致人物正确的翻译方式应该是把美拆解成精细的五官刻画、明确的皮肤质感、高质量的面部光影、讲究的妆容细节、发丝分明的边缘再加上环境光的烘托。这不叫“翻译提示词”这叫“把美学需求转译成模型听得懂的视觉语法”。搞懂了这一层再去写提示词就不是碰运气而是有方向地引导。还有一个关键点Stable Diffusion对提示词的感知是有“优先级”的。靠前的词权重天然更高靠后的词容易被前面的词覆盖。很多人写提示词洋洋洒洒几十个词但把最重要的“主体、脸、光”塞在了后面结果模型把精力全花在了背景上。所以写夜景人像提示词顺序本身就是一种语法主体描述应该在环境描述之前面部光效描述要跟着主体走而画质词放在最前面或最后面都行——它影响的是整体渲染精度。提示把大而空的形容词替换成三到五个具体的视觉要素对SD来说比在同一个词后面加长串“((()))”有用得多。理解到这层下面所有步骤才有意义。否则只是背诵别人的提示词换个场景照样不会改那跟抄作业没什么区别。1.1 模型不是在看图是在“按提示词拼概率”得把扩散模型的逻辑再往深说一点因为很多新手之所以写不好提示词根源在于对模型的工作机制有误解。Stable Diffusion里有一个叫CLIP的文本编码器它负责把你的提示词转化成一组“语义向量”。这组向量的作用是告诉去噪过程中的UNet网络噪声画面的哪些区域应该往哪个方向演化。换句话说每一轮去噪模型都在根据提示词“猜测”图片内容并不断修正。这个机制决定了三件事。第一提示词里的每个词都会参与“猜”但词的先后顺序会影响猜测的权重分配所以重要词必须前置或加权重。第二模型“猜”的底子来自它的训练数据。比如它看过大量“night city”图片知道夜景通常伴随暗蓝的天空、明亮的灯光、建筑物轮廓但如果你只写“night city”而不写人物它就会专心画一个空无一人的城市场景反之你把人物描述放前面它才会把人物当作画面主体来安排。第三模型中人物面部的精细程度很大程度上取决于底模在“人脸数据集”上的训练充分度。一些写实类大模型比如majicmix realistic专门强化过亚洲面孔的质感所以你用同一个提示词在不同模型上跑人物精致度会天差地别。明白这三点你就能理解一个看似奇怪的现象有时候把提示词写得越“文艺”出图越四不像。因为模型没有“诗意”只有“概率”。它需要在无数真实标注图片中学到的视觉规律而这些规律99%以名词、材质词、光线词、风格词的形式存在。你的任务是用这些词去“勾引”出模型脑海里的视觉记忆。这个过程其实就是如今很多人在聊的“提示词工程”的底层原理。1.2 “精致佳人”在模型里长什么样接下来专门说说“精致佳人”这四个字怎么落地。先说结论想让SD画出一个“精致”的人最有效的方法不是直接写beautiful、pretty、gorgeous这类形容词而是给模型描述“精致的脸应该具备哪些视觉特征”。在实际操作中我会把“精致”拆成几个方面。首先是面部结构清晰的五官边界、对称且自然的脸型、大小适中的眼睛和嘴唇这些描述可以用“perfect face, symmetrical face, detailed eyes, delicate nose, full lips”这类词组去表达。其次是皮肤质感这也是写实人像和“AI塑料脸”之间最明显的分界线。写“realistic skin texture, pores visible, natural skin, detailed skin”能大幅减少那种像陶瓷一样光滑的假面感。再次是妆容和发丝夜晚灯光下人物的妆容细节眼影、唇色、眉毛往往是最能体现“精致”的部分而发丝处理则直接决定人像的自然度。可以用“detailed makeup, glossy lips, clear eyebrow, flyaway hair, detailed hair strands”这类描述。还有一个很实用的技巧在提示词里明确人物的“光环境”。夜场景下如果人物面部处于暗部哪怕你写了再多精致细节模型也会自动“省略”掉那些细节因为暗部本来就不适合刻画细节。这时候需要在提示词里加上面部受光的描写比如“face lit by warm street light”“soft window light on face”“rim light on hair”让模型知道面部是被照亮的然后它才舍得在脸上花功夫渲染细节。这一步对“精致佳人”的最终成片率影响极大我后面会专门展开讲但在这里先记住夜晚人像的精致感本质上是“光”的精致感而不是“五官描述”的精致感。2. 先把跑道铺好模型、LoRA与采样器的选择逻辑提示词再厉害也逃不过底模的基因限制。就好比你用一套写实提示词丢给一个二次元底模出来的图大概率会变成“半写实半动漫”的杂交风格怎么看怎么别扭。所以正式写提示词之前一定要先想清楚我要用什么底模、什么LoRA、什么采样器来承载这段提示词。这几个变量的组合直接决定了出图的天花板。我接触过不少新手一上来就装ComfyUI又是装插件又是拖节点折腾一下午连一张图都没跑出来。其实对于画“夜景人像”这种单图需求WebUI完全够用而且上手快、教程多、踩坑成本低。ComfyUI的优势在于批量处理、复杂工作流搭建、节点化精细控制那是进阶玩家的领域。你要是刚接触SD先把WebUI跑顺再用同一套思路去迁移到ComfyUI反而更容易理解背后的流程逻辑。热搜词里“stable diffusion安装”“秋叶整合包”常年挂在榜上说明很多人卡在环境这一关。这里给个稳妥建议Windows用户优先考虑秋叶整合包自带环境、常用模型一键切换、显存优化也已经配置好省去大量折腾时间。苹果芯片用户可以直接用Diffusion Bee或Draw Things做初步体验Mac上跑SD的生态这些年成熟了不少不过插件生态还是不如Windows完整。模型选择上针对“夜色倾城 精致佳人”这个主题我推荐三个方向你按自己偏好的风格去选。第一个是majicmix realistic偏韩系电影感对亚洲面孔的理解非常出色面部细节和皮肤质感在同体积模型里属于第一梯队夜景背景下表现尤其好因为它原生训练数据里包含大量带有环境光的人像图。第二个是chilloutmix在“亚洲写实”这个方向上成名已久胜在对提示词的响应非常稳定适合新手拿来练手、测试提示词效果。第三个是Realistic Vision偏欧美脸如果你的“佳人”定义偏欧美风格这个模型会更顺手但亚洲面孔的表现力会弱一些。注意同一段提示词在不同底模上的表现差异可能比你在提示词里加十个词还大。所以不要迷信“万能提示词”提示词永远跟着底模走。LoRA方面很多教程会推荐你加载“更真实的人像LoRA”来增强面部细节。我的经验是夜景人像这个题材底模选对之后LoRA不是必需品加了反而可能破坏底模原有的光影感。如果一定要用选一个面部结构增强类的轻量LoRA权重控制在0.5到0.7之间重在人脸的真实度不要选那种“改变风格”的LoRA否则会把夜景的色调带偏。当然如果你想要特定的风格比如胶片感、赛博朋克感那另说后面进阶部分我会讲到风格词和LoRA的搭配思路。最后是采样器。夜景图最大的特征是暗部面积大、高光区域多两者之间的过渡如果处理不好就会出现大量噪点和色块。所以采样器首选DPM 2M Karras这个采样器在细节保留和噪声控制之间平衡得很好出图的干净程度明显高于Euler a。追求更高细节的话可以试试DPM SDE Karras但步数需要加到30以上速度会慢一些。采样步数建议25到30之间再高意义不大再低会出现明显的颗粒感。3. 提示词逐段拆解能用、好看、有氛围的三层结构现在到全文最核心的部分。我会给出一段完整的、可复制的“夜景色佳人”提示词然后把它拆开一句一句告诉你为什么这么写。这是市面上很多教程不会做的事——他们只给你一份提示词让你抄但你换了场景、换了模型就又不会写了。先说提示词的总体结构。我习惯把提示词分成三层第一层是“基础画质层”负责确保出图不糊、不崩、不脏。这层的词包括masterpiece, best quality, ultra-detailed, 8k wallpaper, highres等等。它们的作用是整体拉高渲染精度让模型在每一步去噪时更愿意付出算力去刻画细节。第二层是“主体与光效层”负责描述人物长相、服装、姿态、面部光线。这一层决定画面里有没有一个“精致的佳人”以及她看起来是否自然、是否吸引人。第三层是“环境与氛围层”负责告诉模型这是什么时间、什么地点、什么气氛。这一层决定“夜色”和“倾城”的情境感。顺序上通常把主体放在最前环境紧跟其后画质词可以放最前也可以放最后。负面提示词单独一组。下面给出我实测过很多次的完整提示词底模为majicmix realistic采样器DPM 2M KarrasCFG 7步数28分辨率512x768高清修复2倍。masterpiece, best quality, ultra-detailed, highres, 1girl, solo, beautiful chinese woman, delicate facial features, detailed eyes, realistic skin texture, pores visible, natural skin, soft makeup, glossy lips, detailed hair strands, black long hair, wearing a slim black dress, gold necklace, elegant posture, night, city street, neon lights, bokeh, wet asphalt reflections, warm street light on face, rim light on hair, soft window light, cinematic lighting, depth of field, 50mm lens, f1.8, photorealistic, extremely detailed face, perfect face负面提示词ng_deepnegative_v1_75t, bad-hands-5, badhandv4, EasyNegative, bad anatomy, bad face, bad eyes, bad fingers, extra digits, missing fingers, extra limbs, low quality, worst quality, blurry, jpeg artifacts, watermark, username, text, overexposed, underexposed, dimmed lights这段提示词不是我随便拼出来的每个词背后都有它的作用。下面拆开讲。3.1 主体描述把“美”变成模型看得懂的特征先看主体部分。我写了“1girl, solo, beautiful chinese woman, delicate facial features, detailed eyes, realistic skin texture, pores visible, natural skin, soft makeup, glossy lips, detailed hair strands, black long hair”。这里有几个关键点。第一写“1girl, solo”是为了让模型把画面焦点集中在单人身上避免多余人物干扰画面。第二写“beautiful chinese woman”而不是“beautiful woman”因为底模majicmix realistic对亚洲面孔的刻画能力强你给“chinese”这个限定词模型会直接调用它最擅长的面部生成模式。第三“delicate facial features”负责控制五官的精致度相当于告诉模型“五官要小而精细”。第四“realistic skin texture, pores visible, natural skin”这一组词核心就是对抗“AI塑料脸”。你看很多夜景人像翻车脸光滑得像假人就是因为提示词里缺了这组皮肤质感词。最后妆容和发丝的描写——soft makeup, glossy lips, detailed hair strands——决定了人物是“精致”而不是“素颜”。夜景环境下唇妆和发丝的细节会成为画面里最吸引人的部分不加的话人物会显得寡淡。这组词里有一个容易被忽略的细节提示词里我特意写了“black long hair”黑色长发。为什么因为深色长发配合夜景背景可以在构图上形成“明暗对比”让主体从背景中凸出来。如果你写金发、棕发夜间光线下头发容易被环境光“吃掉”人物和背景融为一体画面的立体感就弱了。所以别小看发色的选择它本质上是在帮模型构图。3.2 环境与光线夜色不是“暗”而是“有选择的亮”再看环境和光效部分。“night, city street, neon lights, bokeh, wet asphalt reflections”这组词负责构建夜色的基本框架。注意我写的不是“darkness”而是“night”。这两个词的区别在于darkness描述的是“暗”模型会倾向于生成大面积黑色night描述的是“夜晚”模型会倾向于生成“暗色调但带有城市光元素”的场景。差别很微妙但落到画面上就是“黑成一片”和“有氛围的夜”的差别。“neon lights”提供色彩让夜景不至于单调“bokeh”产生虚化光斑这是营造“氛围感”和“高级感”的关键而“wet asphalt reflections”潮湿路面的倒影是我个人非常推荐的一个词。它不需要你额外写“下雨”只需在画面上增加一层光影反射城市的霓虹灯、路灯会在路面上拖出细碎的光影画面的层次一下子丰富起来。这也是“夜色倾城”最直观的视觉化表达。然后是人物受光部分warm street light on face, rim light on hair, soft window light。这组词是保证“精致佳人”面部不糊、不黑的关键。夜场景下人物本体几乎处于弱光环境如果不特意给面部补光模型会倾向于把脸画在一个相对暗的区域然后因为细节不足而“糊掉”。所以我把“warm street light on face”放在主体描述之后让模型在处理面部时就知道脸部有一盏暖色调的路灯光源。rim light on hair则是给头发勾一条亮边把发丝从背景中“抠”出来增加轮廓感。这个技巧在夜景人像里几乎百试百灵。3.3 画质与镜头语言让照片“像是相机拍的”镜头和画质词也很重要。“cinematic lighting, depth of field, 50mm lens, f1.8, photorealistic, extremely detailed face, perfect face”这串词负责让画面带上“摄影感”。很多人疑惑为什么自己生成的图一看就是AI画而别人的图像照片差的就是这层镜头语言。50mm镜头 f1.8大光圈这两个词组合起来会让模型模拟出标准镜头加大光圈的成像特点主体清晰、背景虚化、焦外光斑柔和。这就是为什么很多人像图背景会自带“高级感”的原因。depth of field保证前景和背景之间有明显的虚实过渡而不是所有东西都锐利到不真实。cinematic lighting则会让画面整体色调带上电影感偏向青蓝暗调加暖色点缀恰好契合夜景主题。提示在WebUI里这段提示词可以直接粘贴使用。如果设备的显存小于8GB先从512x512分辨率试跑再开启Hires.fix放大到768x1152避免一次开太高分辨率导致显存溢出。最后说说负面提示词。我强烈建议新手不要自己乱编负面词而是用社区验证过的组合。上面列出的ng_deepnegative_v1_75t、bad-hands-5、badhandv4、EasyNegative这类是专门的“负面嵌入”模型效果比你自己写几十个负面形容词好得多因为它们不仅包含词汇还包含了特定错误样本的语义特征。后面的bad anatomy、bad face、bad eyes、bad fingers、extra digits、missing fingers、extra limbs是针对人物结构的常见崩坏点low quality、worst quality、blurry、jpeg artifacts、watermark、username、text是保证画面干净overexposed和underexposed则是针对夜景高光和暗部丢失问题。这里有个容易踩的坑负面提示词不是越多越好。如果你用的底模本身质量很高比如majicmix realistic负面词堆太多反而会压制模型的表现力让画面变得平淡。所以负面词选取的关键是“覆盖该题材最容易翻车的问题”而不是“把所有可能的问题都列举一遍”。对夜景人像来说最重要的负面词是过曝、欠曝、脸部崩坏、手部崩坏、皮肤粗糙、文字水印、低清晰度。核心抓住这几个就够了。4. 参数精调夜景最容易翻车的地方都在这里到了参数环节你会发现一个很扎心的事实同一段提示词在不同分辨率、不同CFG、不同采样器下跑出来的效果完全是两回事。很多人盲目照搬网上的参数结果出图效果差得远就以为是提示词的锅。其实大部分时候参数才是决定成败的那个变量。对于夜景人像我维护了两套参数模板一套用于快速预览构图一套用于精修成片。参数项快速预览模板精修成片模板初始分辨率512x768512x768或576x864采样器DPM 2M KarrasDPM SDE Karras采样步数20-2530-35CFG Scale77.5Hires.fix放大倍数1.52Hires.fix重绘幅度0.40.3面部修复开启ADetailer开启ADetailer随机种子随意找到满意的种子后固定两套模板的区别在于快速预览模板追求效率先小分辨率定构图和整体氛围跑个五六张看看感觉精修成片模板在构图满意后用更高步数、更高放大倍数把细节顶上去。注意Hires.fix的“重绘幅度”denoising strength很关键——幅度太高人物会变形幅度太低放大的图像会发虚。夜景画面因为暗部多重绘幅度建议比白天人像低0.05到0.1因为暗部区域在放大重绘时更敏感幅度稍高就容易出现色块和噪点。CFG这个参数多说一句。CFG的全称是Classifier-Free Guidance Scale简而言之就是提示词对画面的“控制力强度”。CFG越高画面越贴近提示词但过高会损失自然度让画面生硬、过饱和CFG越低模型发挥空间越大画面自然但可能偏离你的描述。夜景人像建议CFG在6.5到8之间。低于6模型容易忽略光线的描述画面昏暗发灰高于9容易把灯光处渲染成一片亮白面部光影也会变得不自然。这个范围值得你多试几个值找到自己视觉最舒服的标定点。4.1 分辨率与构图为什么我不建议一上来就开1024Stable Diffusion WebUI里很多人喜欢直接把分辨率拉到1024x1024甚至更高觉得“分辨率越高画质越好”。这是个非常常见的误解。高分辨率确实会带来更多细节但对写实人像来说初始分辨率越高模型越容易在面部等局部区域出现“重复纹理”或“结构错乱”——比如牙齿变成一排小方块头发糊成一团。这是因为扩散模型在高分辨率下需要生成的内容量太大而现有的采样器在一些局部特征上容易出现“过度生成”。更稳的做法是先用512x768或者512x864的“非正方形”分辨率跑初始图。为什么非正方形因为人像题材的画面构图通常是竖构图而且512x768的宽高比更接近手机竖屏照片的比例人物在画面中自然占更大面积。初始图跑顺之后再用Hires.fix把画面放大到1024x1536甚至更高。分辨率还有一层影响512x512画人像全身脸只占画面的一小块区域模型分配给面部的“注意力”就不够出图容易崩脸。反过来512x768竖构图下人物上半身或七分身占画面比例更大面部拥有更多像素空间脸部细节自然更可控。所以如果你想要一张精致的脸请优先考虑拍摄范围小一点的构图——半身像比全身像更容易出好脸。4.2 ADetailer夜景人像的面部保险丝讲完分辨率必须要提一下ADetailer这个插件。它本质上是一个自动面部检测与修复工具先用目标检测模型比如face_yolov8n.pt在画面里定位人脸位置然后把人脸区域单独裁剪出来用你设定的采样参数重新“精修”一遍再把修好的脸贴回原图。这个过程对面部品质的提升立竿见影几乎可以说是“脸崩克星”。ADetailer的安装很简单WebUI的扩展列表里直接搜“ADetailer”或者从GitHub下载安装都行。安装完需要在设置里指定一个检测模型推荐用face_yolov8n.pt这个模型对正脸、侧脸、俯视脸的检测都挺稳。配置时把ADetailer的采样步数设置为20左右重绘幅度0.3到0.35之间CFG保持与主采样一致。如果一次修复后脸部仍然不满意可以开启“二次修复”ADetailer允许配置多个检测模型但一般来说一次就够了。为什么特别强调夜景人像要用ADetailer因为夜景环境下面部光照弱、阴影多模型很容易把脸的某个区域画成“黑团”或者把眼窝、鼻翼处的阴影结构画错。ADetailer单独对面部区域进行高权重重绘可以把这些光影细节拉回正常范围。实测下来同一组提示词和参数开启ADetailer后出图成功率至少翻一倍。提示ADetailer不是万能的它只能在“轻度到中度崩脸”的情况下补救。如果底模本身不擅长画写实人脸或者LoRA权重拉得太高修复效果也会打折扣。底模选对ADetailer才更有效。4.3 Hires.fix放大放在构图定稿之后不要每一步都开Hires.fix是WebUI内置的功能作用是先生成一张小图再通过低噪声重绘把它放大到更高分辨率。核心参数有两个放大倍数和重绘幅度。放大倍数好理解重绘幅度则代表了放大过程中“重新想象”的程度——幅度越高放大后的图像改动越大细节越丰富但也越容易偏离原图结构。实操中我的工作流是这样的第一步关掉Hires.fix用512x768小分辨率跑几张草图对照提示词检查构图、氛围、人物姿态是否满意。第二步找到满意的一张后固定随机种子再开启Hires.fix把重绘幅度设为0.3到0.35放大倍数设为2跑出最终成片。这样做的好处是可以避免浪费算力因为你如果开着Hires.fix跑草图每一次尝试的时间都会翻两到三倍而且放大过程中出现构图偏差时你根本分不清是提示词的问题还是放大的问题。夜景人像的Hires.fix有个特殊注意点重绘幅度不宜过高。因为夜景画面中有大量暗部区域这些区域在重绘时“可想象”的空间很大幅度一旦超过0.4暗部容易出现噪点、色块、甚至奇怪的纹理。建议夜景场景控制在0.3到0.35之间比白天人像0.4到0.45略低一档。5. 我最常被问到的问题排查从“出图”到“出好图”理论上记住上面的提示词和参数你已经能稳定出图了。但接下来才是真正拉开水平的环节当画面出问题时你能不能快速判断是哪里出了问题然后精准修改而不是靠“换随机种子”碰运气。这一章我把自己在夜景人像上踩过的坑以及帮朋友排查时最常遇到的几类问题整理成几条排查链路。比起直接给答案我更想把“看问题—定位原因—修正”这套思考过程展示出来。你以后遇到任何提示词级别的翻车都可以按这个思路去排查。5.1 脸部偏暗发青问题不一定在提示词这个现象非常典型。提示词里明明写了“warm street light on face”但出图的脸还是暗沉沉的甚至隐隐泛青。很多人第一反应是加重提示词里“face light”的权重结果改善有限。每次遇到这个问题我会按这个顺序排查。第一步检查底模风格。majicmix realistic本身偏冷调如果提示词里缺少暖色光源词默认面部色温就会偏冷发青。这很好解决把“warm street light on face”加重到1.2倍权重或者改成“face illuminated by warm golden street light”强调“golden”这个暖色词。第二步检查CFG。CFG偏高时模型会过度执行“夜色”“街道”这些描述把整个画面氛围往冷调带导致面部也被带偏。可以试着把CFG从7.5降到7.0同时检查负面提示词里有没有“dimmed lights”这类会抑制亮度的词。第三步查看面部周围区域。如果面部区域本身就很小比如全身图ADetailer对它的修复效果有限这时候应该考虑把构图改为半身甚至特写。实践下来90%的脸部偏暗问题靠“暖色光词1.1权重”就能解决剩下10%是底模和CFG的锅。这组链路适用于绝大多数“主体融不进环境光”的场景。推荐策略脸部暗沉时优先调整提示词中面部受光的关键词和权重不要一上来就动底模。调整无效再回头审视参数和构图。5.2 背景灯光过曝、画面整体发白另一个高频问题背景的霓虹灯、路灯全部过曝成一团白色的光斑整个画面发灰发白失去了“夜”的感觉。这类问题通常不是提示词少了而是“亮部太多暗部没守住”。当我想要一盏氛围灯时模型的思路可能是既然有灯光我干脆把画面点亮一点。所以你需要两条腿走路。一条是在提示词里加入“soft glowing lights, dim street lamps, moody atmosphere, dark background, shadows”这类“压暗”氛围的描述让模型知道夜晚的主体环境是暗的灯光只是局部点缀。另一条是在负面提示词中加入“overexposed, blown out, bright background, washed out”明确禁止画面过曝。同时调低CFG到7以下过高的CFG会让模型过于“努力”地去实现灯光描述结果就是灯光强度被放大过头。这里有个经验口诀你想要什么写在正面提示词里你不想要什么写在负面提示词里还有一条是“你不想要的画面特质也可能藏在参数里”——CFG就是最常见的隐藏变量。夜景灯光过曝优先查CFG再查正面提示词里有没有“灯火通明”这种感觉的词最后补负面词。5.3 显存不足、生成很慢基础环境三板斧很多用笔记本跑SD的人都会遇到爆显存、出图慢的问题。这里分享三个基础的优化手段而不是劝你换电脑。第一启动参数加上xformers。在WebUI的启动脚本webui-user.bat里加上--xformers它能显著减少显存占用并加速采样。如果你的显卡是N卡比较新还可以加上--opt-split-attention之类的优化参数但一般xformers就够用。第二降低初始分辨率并用Hires.fix补救。前面说过512x768初始图加2倍放大画质完全够用但显存压力远小于直接生成1024x1536。第三如果连512x768都跑不动试试Tiled VAE这个扩展它把VAE解码过程拆成多个小块处理能大幅降低显存峰值。秋叶整合包里可以在设置界面直接开启显存优化相关选项省去手动改参数这一步。还有一个小技巧连续出图时可以在批量生成之间加一个“清理显存”的过程或者在设置里开启“每次生成前清空显存缓存”。这些小改动看起来不起眼但对长时间批量调试提示词的人来说能省出不少等待时间。我自己最早用8GB显存的卡跑夜景人像时512x768加2倍放大一张图大概要一分半。优化之后时间能压到四十秒左右。虽然跟高端卡没法比但至少能顺畅地做测试。5.4 崩坏的手、崩坏的眼睛逐层定位是哪个环节的问题手部和眼睛的崩坏是Stable Diffusion最著名的“老大难”。但其实这两个部位的崩坏原因并不一样手部崩坏主要是因为模型训练数据里手的标注质量参差不齐导致模型对手部结构的理解不牢靠而眼部崩坏更多是分辨率不够或面部区域像素太少造成的。排查手部问题我建议按“先SD后提示词再插件”的顺序来。先看底模如果你用的底模本身对手部支持不好那再怎么调提示词都白搭。写实类大模型majicmix、Realistic Vision在手部的表现通常优于动漫模型这也是我推荐写实底模的原因之一。再看提示词可以加入“perfect hands, detailed fingers”这类词但效果有限因为模型对手部的理解问题不是靠词能完全修正的。更可靠的办法是借助反馈式修图开启ADetailer时同时给它配置一个手部检测模型如hand_yolov8n.pt让它在修复脸部的同时修正手部。或者用ControlNet的OpenPose先固定手部姿态减少模型自由发挥的空间。眼部问题相对简单。如果你的初始分辨率太低脸部只占几十个像素那眼部细节必然丢失最直接的解决方法是放大面部占比——改构图或提高分辨率。另一个常见坑是ADetailer的面部检测模型没有识别到侧脸导致眼睛没被修复这时候可以换一个更擅长侧脸检测的模型权重或者在提示词里把“gazing at viewer”改为“looking aside”来降低对眼部的正面检测要求。推荐策略遇到身体部位崩坏不要执着于“加提示词”一种手段。组合使用ControlNet约束姿态、ADetailer分区域修复、以及调节重绘幅度比单纯堆词见效更快。6. 把“精致佳人”放进夜色的进阶思路讲完基础出图和问题排查这部分聊聊怎么把画面往“作品感”方向推。很多玩SD的人跑出一张满意的图就停了但其实从“能看”到“能发朋友圈甚至商用”中间还有不少可操作的空间。这章提供三个我经常用的进阶思路都不复杂但有意识地使用它们画质和氛围感会有一个显著的提升。6.1 ControlNet固定姿态让构图主动权回到你手里如果你对“人物站在画面中央面朝镜头”这样的标准构图已经腻了想让佳人侧身回眸、倚靠栏杆、漫步街头最有效的方法是引路ControlNet。ControlNet是SD生态里的一套“引导工具”它允许你通过线稿、姿态骨架、深度图等条件去约束画面的生成过程简单说就是“图形引导”而不是“纯文字引导”。具体到夜景人像最常用的是OpenPose姿态控制。你可以找一张自己喜欢的人物姿态图比如网上任意一张街拍的背影、侧影用OpenPose预处理器提取出人物的骨骼线条然后这个骨骼线条就会被导入ControlNet作为画面构图的基本约束。之后你只需要在提示词里写清楚人物外貌和环境模型就会按照骨架姿态生成对应动作的人。夜景色佳人的常见玩法是姿态图设定一个“回眸看镜头”的动作把夜景街景放进环境描述出来的图立刻有故事感。安装ControlNet插件后会在WebUI界面多出一个选项卡。使用流程是上传姿态图在Preprocessor预处理器里选“openpose”在Model模型里选对应的control_openpose模型文件然后设置引导强度Control Weight在0.6到0.8之间宝宝能看出姿态约束但画面不会僵硬。如果背景也要一起控制可以再加一个Depth深度控制让远处建筑和近处路面的层次关系更稳定。6.2 局部重绘换背景、修灯光、改妆容的精细操作SD出图是个概率过程哪怕构图满意总会有某个小角落让你看着不爽发际线歪了、项链位置偏了、路灯的位置刚好挡住脸、嘴上的口红颜色不对。整张重跑不划算也不一定能再遇到同样的气质这时就需要用“局部重绘”Inpaint来做手术级别的修正。操作思路是把成片发送到图生图的“局部重绘”面板用画笔把想要修改的区域涂黑然后在提示词里只描述“这一小块区域的内容”即可。这里有个关键参数蒙版羽化程度Mask Blur通常设8到16之间让修改区域和周边画面有平滑过渡还有重绘幅度Denoising Strength局部修改一般建议0.4到0.6改动幅度越小越好否则会连累周边区域一起变化。修改妆容时比如想给人物加一个红唇效果只需要把唇部区域涂黑在提示词里加“red lipstick, glossy lips”重绘幅度0.5左右即可。想把背景的路灯换掉则把路灯区域涂黑提示词改为“dark night sky, bokeh light spots”重绘幅度0.55到0.65。记住局部重绘时保留原图上其他部分的信息是它的优势。如果你的重绘幅度调得太高局部修复就变成了局部重做很可能把原来的光影布局全部打乱得不偿失。提示做局部重绘前先把整张图放大到较高分辨率再操作这样蒙版边缘的过渡会更细腻涂抹时也更容易精准定位需要修改的细节部位。6.3 同一段提示词不同模型的风格差异最后分享一个“偷懒”思路。很多人以为提示词是出图的全部其实风格的决定权相当大程度在底模上。在同样的提示词下不同模型画出的“夜色倾城美人”会呈现完全不同的视觉气质。以我用的这段主提示词为例在majicmix realistic下出图是电影感、偏写实、面部像摄影棚打了柔光灯的效果换到chilloutmix画面色调会偏粉白细节稍微软一点有一种“轻写真”的感觉换到DreamShaper则会明显往插画方向偏移哪怕写的是photorealistic画面也会带上一层梦幻的画意。这不是参数能拉回来的差别而是模型训练数据里“审美基因”的差别。所以我的建议是同一个主题不要只盯着一款底模跑。可以准备两三个不同风格的底模来回切换着跑几组对比图你会发现不同底模对“夜色”“精致”“佳人”这三个词有完全不同的理解方式。挑一个最符合自己审美的底模作为主用再把它对应的LoRA、参数、提示词变体存成一套固定配置模板下次要出同类图直接微调即可。这套“配置模板”的思路比每次从头写提示词高效得多也更容易沉淀出自己的风格。最后再分享几个我压箱底的操作习惯这些内容在前面的正文里不方便展开但对长期用SD做图的人来说非常重要也是我踩过几次坑之后慢慢形成的固定习惯。第一每次跑出一张满意的图一定要把提示词、负面提示词、底模、采样器、CFG、步数、分辨率、种子、ADetailer配置全部记录在图片信息里或单独存一份文本。WebUI的PNG信息会保留绝大部分生成参数但ADetailer这类插件的配置不会自动保存所以我习惯了在文本文档里维护一个“出图日志”。过了一个月再翻回去看你能清楚回忆起这张图是怎么调出来的这对复盘很有价值。第二固定种子号。参数相同的情况下种子号决定了初始噪声也就决定了出图的构图和姿态走向。调试提示词阶段找到一张“八九十分满意”的图后我会把它的种子固定下来然后只做单项微调比如加一个环境词、改一个服装词这样每次改动的影响看得清清楚楚。如果不固定种子你永远不知道画面的变化到底是提示词引起的还是随机噪声引起的调试效率会低很多。第三保持对参考图的学习习惯。看到满意的摄影作品或电影截图下意识想一想这张画面的光线方向是什么高光是什么颜色暗部有没有环境反光人物服装和背景的明暗对比如何然后把观察到的元素翻译成提示词测试。我对夜景人像的很多描述词比如“wet asphalt reflections”“rim light on hair”其实都来自一张街头摄影作品。提示词能力本质上不是词汇量的较量而是观察力和视觉语言翻译能力的较量。第四显存不够也别急着放弃。我最早用8G显存的卡跑图时一连跑崩好几张是常态。后来总结了这套“低分辨率预览高分辨率精修”的流程之后一样能出高画质图。硬件确实有影响但它不应该是你放弃创作的理由。说到底Stable Diffusion只是一个工具提示词是工具和创作者之间的翻译层。真正让一张夜景人像有“倾城”气质的不是某个神秘词汇而是你对光线的理解、对构图的判断、对审美细节的偏执。把这些基本功练好再用SD把你的想法实现出来才是这个工具最迷人的地方。希望这篇拆解对你有点帮助也期待看到你跑出自己满意的“夜景色佳人”。
