Stable Diffusion 提示词生成 Stable Diffusion 提示词生成 LLM：Python 环境配置

LLM 能做什么和不能做什么

图像模型对密集、具体的提示词反应良好：主体、场景、镜头、光照、媒介、情绪以及要避免的事物列表。大多数人输入三个词，得到的结果平淡无奇。LLM 通过获取你的简短想法并以一致的格式编写长版本，填补了这一差距。

明确分工。该服务是一个 纯文本 API。它不生成图像、音频或视频，也没有嵌入或微调功能。它位于你的图像流水线之前，编写流水线读取的指令。它是一个 OpenAI 兼容的接口，服务于来自独立提供商的一个开放权重模型，而非任何图像模型厂商的产品。

该模型经过调整，可在合法成人使用中无内容审查地回答，这对艺术家和游戏开发者很重要，因为他们的主题（恐怖、虚构暴力、成熟主题）在其他地方会被屏蔽。涉及未成年人的性内容是硬性限制，永远不会生成。

步骤 1：获取密钥并测试一次调用

使用 Google 或电子邮件和密码注册，然后打开 API 密钥页面。一键试用增加 $0.50 的额度，有效期 7 天且无需绑卡。正如成本部分所示，这足以进行数千次提示词扩展。

使用 curl 检查一切是否正常工作：

Copycurl https://api.sdxlapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [
      {"role": "system", "content": "You write Stable Diffusion prompts."},
      {"role": "user", "content": "lighthouse in a storm"}
    ]
  }'

一旦更改基础 URL 和密钥，任何 OpenAI SDK 均可使用。详细信息请参阅 文档。

步骤 2：提供稳定输出的系统提示词

系统提示词是质量的来源。告诉模型目标格式、元素顺序、长度限制以及要省略的内容。以下是一个作为起点的良好版本：

你将简短的图像创意转化为 SDXL 的提示词。编写一个 40 到 60 个词的正向提示词：首先是主体，然后是场景、构图、光照、媒介或风格，以及情绪。使用逗号分隔的短语，不要使用完整句子。然后编写最多 15 个短语的反向提示词。不要在图片中添加文字、水印或字幕。返回包含 "prompt" 和 "negative" 键的 JSON。

字数限制很重要。SDXL 的 CLIP 文本编码器以 77 个 token 的块读取提示词，超过此限制的内容要么被截断，要么由你 UI 中的分块功能处理。目标为 40 到 60 词，使大多数提示词位于一个块内，并将最重要的细节放在前面。

使用低到中等温度（0.7 到 0.9），以保持风格一致，但同一想法的两次运行会有所不同。如果需要相同的输出进行测试，请传递固定的 seed。

步骤 3：Python 脚本

此脚本从列表中读取想法，请求 JSON，并打印提示词对。它使用官方 OpenAI Python 包，但基础 URL 已更改。

Copyimport json
from openai import OpenAI

client = OpenAI(base_url="https://api.sdxlapi.com/v1", api_key="YOUR_KEY")

SYSTEM = (
    "You turn short image ideas into prompts for SDXL. Write one positive "
    "prompt of 40 to 60 words: subject, setting, composition, lighting, "
    "medium or style, mood, as comma-separated phrases. Then a negative "
    "prompt of up to 15 short phrases. Return JSON with keys "
    "'prompt' and 'negative'."
)

def expand(idea: str) -> dict:
    resp = client.chat.completions.create(
        model="uncensored",
        messages=[
            {"role": "system", "content": SYSTEM},
            {"role": "user", "content": idea},
        ],
        response_format={"type": "json_object"},
        temperature=0.8,
        max_tokens=400,
    )
    return json.loads(resp.choices[0].message.content)

for idea in ["lighthouse in a storm", "abandoned greenhouse at dawn"]:
    result = expand(idea)
    print(idea, "->", result["prompt"])
    print("negative:", result["negative"], "\n")

JSON 模式（response_format 为 json_object）使回复易于解析。在生产环境中，仍应将 json.loads 包裹在 try 块中，如果失败则重试一次，因为在 max_tokens 处截断的长回复可能会在对象中间结束。

步骤 4：将提示词发送给你的图像工具

输出是纯字符串，因此任何前端都可以使用它。在本地安装 Automatic1111 或 ComfyUI 的情况下，将这两个字段发布到其 API。对于遍历创意 CSV 的脚本，将结果写入文件，并将它们作为批处理加入队列。

• 将想法、提示词和负向提示词一起保存，以便将良好的图像追溯回产生它的指令。
• 当你希望系列具有匹配的外观时，从你自己的列表中添加风格行（"cinematic photograph"、"ink illustration"）作为用户消息中的额外字段。
• 保留一个简短的有效提示词库，并将其中两三个作为示例输入系统提示词。少样本示例比形容词更可靠地引导风格。

对于角色扮演或游戏项目，相同的模式可以展示故事中的场景，LLM 将最后几段转化为视觉描述。文本角色扮演场景一文涵盖了故事方面。

常见问题及解决方法

在几乎每个提示词生成器项目中都会出现一些问题。

模型添加评论

以 “这是你的提示词” 开头的回复会破坏管道。JSON 模式可消除大部分此类问题。如果你使用纯文本，请指定 "仅输出提示词，不要前缀"，并添加一个你绝不想看到的停止序列。

每个提示词看起来都一样

低温度和严格模板给出统一的结果。将温度提高到 1.0，改变你传入的风格行，或要求三个替代方案并选择一个。惩罚（frequency_penalty、presence_penalty）会透传，可以打破重复短语。

提示词对图像模型来说太长

在系统提示词中设置硬性字数限制，并在代码中检查长度。手动截断会丢失最后的细节，这些通常是最不重要的，但最好让模型一开始就写短。

你遇到了 429

你每分钟或同时发送的请求过多。等待几秒后重试；响应可能包含 Retry-After: 5。具有 4 到 8 个工作线程的小线程池的批处理保持在单个密钥的限制内。

1,000 次提示词的成本

定价为每 1M 输入 token $0.15，每 1M 输出 token $0.50。典型的扩展发送约 150 个 token 的系统提示词加上 15 个 token 的想法，即 170 个 token 输入，接收约 120 个 token 的 JSON。

• 输入：170 × $0.15 / 1M = $0.0000255。
• 输出：120 × $0.50 / 1M = $0.00006。
• 每次提示词：约 $0.0000855。
• 1,000 次提示词：约 $0.0855，或 $0.09。

对于更长的系统提示词或少样本示例，向上取整。如果你添加 600 个 token 的示例，输入变为 770 个 token，1,000 次提示词的输入成本约为 $0.1155，输出成本为 $0.06，总计约 $0.18。无论如何，$0.50 的试用足以覆盖数千次扩展。失败的请求不收费，且预付额度永不过期；请参阅 定价页面 进行充值（$20 到 $500，通过加密货币）。

更多指南

• ChatGPT SDXL 提示词生成器与你的 API 脚本对比
• 使用 LLM API 进行文本角色扮演场景