优化Stable Diffusion提示词Prompt来提升绘图质量

使用 Stable Diffusion 创作的时候，经常会发现生成的图质量不佳。这是一个很常见的问题，想要让 AI 创作出更好的作品，需要深入了解各个 prompt 到底有着什么样的作用。

Stable Diffusion 模型基于 seed 来生成图片，如果 prompt、参数、 seed 都相同，那么生成的图必然相同。利用这个特性可以对不同的 prompt 进行定性分析，填写一个 seed、固定其它参数和绝大多数的 prompt，然后调整或添加想要测试的那个 prompt，这样来确定不同 prompt 的作用和效果。

对 prompt 做定性定量分析，可以避免绘图时知其然而不知其所以然，避免对 prompt 语法相对片面的理解。AI绘画的本质是科学，科学需要实践。接下来介绍如何在 Stable Diffusion web UI 里使用 Script 参数的 X/Y/Z plot 来辅助分析。

输入 prompt，然后 Script 参数选择 X/Y/Z plot，X type 选择 Prompt S/R 选项，右侧的 X values 中填写 prompt，这里的第一个 prompt 是被替换的位点，后面的是希望被替换成什么 prompt，最后生成即可得到结果。

除此之外还可以尝试其它不是 Prompt S/R 的选项，比如用 Seed 比较不同种子、用 Step 比较不同步数，诸如此类。下面再来看一个不同 Step 的效果图对比。

不难发现高步数下，画面变得精细了，画面的表现有着明显提升。高步数在合适 prompt 的引导下，对于大多数细小、结构复杂的区块都效果拔群，但对于大块非复杂场景方面的营造存在显著边际效应。建议在简单画面的情况下不要将步数设为太高的数值，因为简单的画面步数过高并没有明显的细化效果。

上边介绍的案例比较简单，更深一步可以进行多组分析，以及通过排列组合或其它统计方法来确定多个要素之间的作用等，有兴趣的可以自己尝试探索看看。