反向提示词

大多数扩散模型使用一种叫做无分类器引导的技术。每一步，模型都会做两次预测：一次以你的提示词为条件，一次以没有任何指示的参照为条件。最终的一步会远离参照、靠近你的提示词，而引导强度这个设置决定了移动的幅度。反向提示词用一段“你不想要什么”的描述，取代了那个空的参照，因此画面既被推向你要求的内容，也被推离你不想要的内容。软件文档有时把这第二个条件称为无条件提示或空提示，这也解释了为什么它可以被替换。

这既说明了它的威力，也说明了它的局限。不使用引导就能运行的模型，常见于那些为了几步出图而训练的极快模型，它们没有可以替换的参照，所以往往完全忽略反向提示词。即使在管用的地方，它也只是一种推动，而不是保证：点名你想避开的东西，有时反而会让它更容易出现，就像别人叫你不要去想粉红色大象一样；而一长串含糊的词，也很少比一份简短的清单起到更多作用。给词语加括号来调整权重，是某些界面的约定，而不是通行的规则。

好习惯很简单。在主提示词里把主体描述完整，反向提示词只留给几个反复出现的毛病：模糊、JPEG 压缩痕迹、变形的手、重复的脸、被裁掉的构图、多余的字幕，或者你不想要的水印。拍干净背景上的产品时，反光、灰尘、生硬的阴影和倾斜的地平线，比“丑陋”“糟糕”这类词更适合写进去，因为后者并没有描述网络可以避开的视觉特征。一次只改一处，并用相同的种子比较结果，这样你就能把每个差异归因到它的来源，就像摄影师在两次曝光之间只拧一个旋钮；再把效果好的组合简单记下来。也要小心互相矛盾：要求一个鲜艳的日落，却排除暖色调，会让网络在两条命令之间左右为难。缺陷顽固存在时，改写正向提示词，比如要求一张清晰的特写照片，往往比往反向清单里继续加词更有效。

工作室里有一个反向提示词输入框，最多 500 个字符，API 也接受一个同样长度的可选 negative_prompt，由支持它的模型使用。是否支持取决于模型，所以如果输入框似乎没有任何作用，先换一个模型试试，再去改你的措辞。图片生成器页面介绍了工作室的其余部分：八种格式和十五种风格，默认模型是 Z-Image Turbo，这是一个所有套餐都包含的开源模型，速度快到让比较两种措辞变得很轻松。

还有一个值得了解的细节，透明度页面里说明了：工作室的设置，包括反向提示词，以明文保存在你浏览器的本地存储里，不含任何对话内容。你生成的图片本身加密保存在浏览器里，而不论反向提示词写了什么，NeverNo 的硬性界限都适用于每一个请求。