AI漫剧负面提示词完全指南：消除常见画面瑕疵的必备技巧

在AI漫剧创作中，正面提示词决定了你"想要什么"，而负面提示词（Negative Prompt）则决定了你"不想要什么"。如果说正面提示词是给AI下达的"导演指令"，那么负面提示词就是"禁区清单"——它告诉AI哪些元素绝对不能出现在画面中。掌握负面提示词的使用技巧，能够显著提升画面质量，减少反复生成的次数，是AI漫剧创作者必须掌握的核心技能。

本教程将从负面提示词的基本原理出发，系统讲解AI漫剧画面中常见的瑕疵类型、对应的负面提示词解决方案、不同AI工具的负面提示词差异，以及针对不同场景的负面提示词模板库。

一、负面提示词的基本原理

1.1 什么是负面提示词

负面提示词是AI图像生成过程中的一种约束机制。在扩散模型（Diffusion Model）的工作原理中，AI通过逐步去噪来生成图像。正面提示词引导AI向特定方向生成，而负面提示词则告诉AI在去噪过程中要"远离"某些特征。

简单来说：

• 正面提示词：告诉AI"画面中应该有什么"
• 负面提示词：告诉AI"画面中不应该有什么"

举个例子，当你在正面提示词中写"一个美丽的女孩"时，AI可能会生成手部畸形、背景杂乱、色彩失真的画面。通过在负面提示词中加入"bad hands, messy background, oversaturated"，就能有效避免这些问题。

1.2 负面提示词的工作机制

从技术角度来看，负面提示词通过在扩散过程的反向去噪步骤中施加额外的梯度约束来实现。具体来说：

1. 文本编码阶段：负面提示词和正面提示词一样，会被CLIP文本编码器转换为向量表示
2. 去噪阶段：在每个去噪步骤中，模型会计算正面提示词和负面提示词之间的方向差异，确保生成结果远离负面提示词所描述的特征
3. 权重控制：负面提示词的权重可以通过特定语法进行调整，权重越高，约束力越强

[!INFO] 不同AI工具对负面提示词的支持程度不同。Stable Diffusion对负面提示词的支持最为完善，Midjourney从V6版本开始支持通过--no参数使用负面提示词，即梦AI等国产工具则在界面中提供了专门的负面提示词输入框。

1.3 负面提示词 vs 正面提示词的优先级

在实际使用中，负面提示词和正面提示词之间存在一种"博弈关系"：

[!WARNING] 负面提示词不宜过度使用。过多的负面提示词可能导致画面变得单调、缺乏细节，甚至产生意想不到的伪影。建议负面提示词控制在20-40个关键词以内。

二、AI漫剧画面常见瑕疵类型

在深入讲解负面提示词之前，我们需要先了解AI漫剧画面中常见的瑕疵类型。只有准确识别问题，才能对症下药。

2.1 人体结构类瑕疵

人体结构是AI绘画中最容易出现问题的领域，尤其是手部、面部和身体比例。

手部问题

手部是AI绘画的"重灾区"，常见问题包括：

• 手指数量异常：多指（6根以上手指）或少指（少于5根）
• 手指融合：相邻手指粘连在一起
• 关节方向错误：手指弯曲方向不符合人体解剖学
• 手指过长/过短：比例失调
• 指甲异常：指甲位置、形状不正确

对应的负面提示词：

bad hands, mutated hands, extra fingers, missing fingers, fused fingers,
extra digit, fewer digits, poorly drawn hands, deformed hands,
ugly hands, incorrect hand anatomy, cross-eyed hands

面部问题

面部瑕疵在特写镜头和近景镜头中尤为明显：

• 五官不对称：眼睛大小不一、嘴巴歪斜
• 面部崩坏：五官位置错误、面部扭曲
• 眼睛异常：瞳孔大小不一、虹膜颜色不均、斜视
• 牙齿问题：牙齿数量异常、排列不整
• 表情不自然：面部肌肉走向不正确

对应的负面提示词：

bad face, deformed face, asymmetric face, ugly face, disfigured,
poorly drawn face, mutated face, extra eyes, cross-eyed,
bad teeth, missing teeth, deformed teeth, unnatural expression,
bad anatomy, disproportionate facial features

身体比例问题

• 头身比异常：头部过大或过小
• 四肢比例失调：手臂过长/过短、腿部不协调
• 关节位置错误：肘部、膝盖位置不正确
• 姿势不自然：身体扭曲、姿态僵硬

对应的负面提示词：

bad anatomy, bad proportions, deformed body, disproportionate body,
extra limbs, missing limbs, mutated body, poorly drawn body,
unnatural pose, stiff pose, distorted body, extra arms, extra legs

2.2 画面质量类瑕疵

模糊与噪点

• 整体模糊：画面缺乏锐度，细节不清晰
• 局部模糊：某些区域（尤其是边缘）模糊
• 噪点过多：画面中存在明显的颗粒感
• 压缩伪影：JPEG压缩导致的块状伪影

对应的负面提示词：

blurry, out of focus, low quality, low resolution, pixelated,
noisy, grainy, jpeg artifacts, compression artifacts,
unclear, fuzzy, soft edges, oversharpened

色彩问题

• 过饱和：颜色过于鲜艳，失真
• 欠饱和：颜色过于灰暗
• 色彩偏移：整体色调不正确
• 对比度异常：对比度过高或过低

对应的负面提示词：

oversaturated, undersaturated, bad colors, washed out, grayscale,
monochrome (除非你确实想要黑白效果), bad contrast,
harsh lighting, flat colors, color banding

2.3 构图与风格类瑕疵

构图问题

• 主体不突出：画面中元素过多，主角被淹没
• 裁切不当：重要元素被画面边缘裁切
• 透视错误：远近关系不正确
• 画面拥挤：元素堆叠，缺乏留白

对应的负面提示词：

cropped, out of frame, cut off, truncated, crowded, cluttered,
busy background, too many elements, bad composition,
poor framing, off-center subject

风格偏差

• 风格不统一：同一系列画面风格不一致
• 写实感过强：动漫风格中出现写实元素
• 画风崩坏：整体画风偏离预期

对应的负面提示词（动漫风格）：

photorealistic, realistic, 3d render, photograph, oil painting,
watercolor, sketch, pencil drawing, western cartoon,
ugly, poorly drawn, amateur

2.4 文字与水印类瑕疵

AI漫剧画面中经常出现不需要的文字或水印：

text, watermark, signature, logo, caption, subtitle,
font, lettering, writing, words, characters (指文字字符)

[!TIP] 在Stable Diffusion中，可以使用深度反文本正则化（Deep Shrink）技术来进一步减少文字生成。此外，一些专门训练的模型（如CleanText模型）也能有效抑制文字生成。

三、不同AI工具的负面提示词差异

不同的AI图像生成工具对负面提示词的支持方式和语法各不相同。了解这些差异，能帮助你在不同平台上高效使用负面提示词。

3.1 Stable Diffusion

Stable Diffusion是对负面提示词支持最完善的工具，提供了丰富的控制选项：

基本用法：在WebUI或ComfyUI中有专门的负面提示词输入框。

权重语法：使用(关键词:权重值)来调整负面提示词的强度。

(bad hands:1.5), (deformed face:1.3), blurry, low quality

权重值大于1表示增强该约束，小于1表示减弱。通常范围在0.5-2.0之间。

Embedding（嵌入向量）：Stable Diffusion社区开发了大量的负面提示词嵌入向量，这些经过专门训练的向量比普通文本更有效：

[!TIP] 在Stable Diffusion中，推荐组合使用EasyNegative和badhandv4作为基础负面提示词，再根据具体需求添加额外的关键词。这种组合能有效解决80%以上的常见瑕疵。

3.2 Midjourney

Midjourney从V6版本开始支持负面提示词，使用--no参数：

/imagine prompt: a beautiful anime girl standing in a cherry blossom garden --no bad hands, deformed face, blurry

注意事项：

• Midjourney的负面提示词功能相对简单，不支持权重调整
• --no参数对每个关键词的效果较为均匀
• V7版本中负面提示词的理解能力有所提升，但仍不如Stable Diffusion精确
• Niji模型（动漫专用）对负面提示词的响应与标准模型略有不同

[!WARNING] Midjourney中不要在--no参数中放入正面概念。例如，如果你想要一个"没有帽子的人"，不要写--no hat，而应该在正面提示词中明确描述"bare head"。这是因为Midjourney的--no参数有时会引入意想不到的副作用。

3.3 即梦AI（Jimeng AI）

即梦AI是字节跳动推出的AI创作平台，内置了Seedream图像模型。它提供了直观的负面提示词输入方式：

• 在生成界面中有专门的"排除内容"输入框
• 支持中文负面提示词（这是相比国外工具的一大优势）
• 系统会自动将中文提示词转换为模型可理解的形式

中文负面提示词示例：

手部畸形, 多余手指, 面部崩坏, 模糊, 低质量, 水印, 文字

[!INFO] 即梦AI的Seedream 5.0模型在2026年已经具备了相当强的画面理解能力，很多以前需要负面提示词才能解决的问题（如手部畸形）在新版本中已经大幅改善。但负面提示词仍然是精细化控制的重要手段。

3.4 通义万相

通义万相是阿里云推出的AI绘画大模型，基于组合式生成模型Composer架构：

• 支持负面提示词，但主要通过正面提示词的精确描述来实现控制
• Composer架构允许对配色、布局、风格等元素进行独立控制，部分替代了负面提示词的功能
• API接口支持negative_prompt参数

3.5 工具对比总结

四、负面提示词模板库

以下模板库按照不同场景分类，你可以直接复制使用或根据需要进行调整。

4.1 通用基础模板

适用于大多数AI漫剧画面生成场景：

Stable Diffusion版本：

EasyNegative, badhandv4, (worst quality:1.2), (low quality:1.1),
(lowres:1.1), blurry, bad anatomy, bad hands, missing fingers,
extra digits, fewer digits, cropped, watermark, signature,
text, jpeg artifacts, pixelated

Midjourney版本：

--no worst quality, low quality, blurry, bad anatomy, bad hands,
missing fingers, extra fingers, watermark, text, cropped

即梦AI中文版本：

最差质量, 低质量, 模糊, 解剖错误, 手部畸形, 多余手指,
缺失手指, 水印, 文字, 裁切, 像素化

4.2 角色特写模板

适用于角色面部特写和半身像：

Stable Diffusion版本：

EasyNegative, badhandv4, (worst quality:1.2), (low quality:1.1),
(deformed face:1.3), (asymmetric face:1.2), (bad eyes:1.3),
cross-eyed, disfigured, bad teeth, deformed jaw, ugly,
poorly drawn face, mutated face, extra eyes, bad proportions,
bad anatomy, watermark, text, signature

[!TIP] 对于角色特写，面部相关的负面提示词权重应该设置得更高（1.2-1.5），因为特写镜头中面部的任何瑕疵都会被放大。

4.3 全身/动作场景模板

适用于角色全身像和动作场景：

Stable Diffusion版本：

EasyNegative, badhandv4, (worst quality:1.2), (low quality:1.1),
(bad anatomy:1.3), (bad proportions:1.2), (bad hands:1.5),
(missing limbs:1.3), (extra limbs:1.3), (deformed body:1.2),
mutated, poorly drawn body, unnatural pose, stiff pose,
disconnected limbs, bad perspective, watermark, text

4.4 场景背景模板

适用于需要精确控制背景的场景：

Stable Diffusion版本：

EasyNegative, (worst quality:1.2), (low quality:1.1),
(crowded:1.2), (cluttered:1.1), busy background,
bad perspective, distorted background, flat background,
boring background, empty background, watermark, text,
blurry background, low detail background

4.5 日系动漫风格模板

适用于日系动漫风格的AI漫剧：

Stable Diffusion版本：

EasyNegative, badhandv4, (worst quality:1.2), (low quality:1.1),
(photorealistic:1.3), (realistic:1.2), (3d render:1.2),
(photograph:1.3), western cartoon, ugly, poorly drawn,
bad anatomy, bad hands, watermark, text, signature,
oversaturated, undersaturated

[!WARNING] 在使用动漫风格模型（如Anything V5、Counterfeit等）时，部分负面提示词可能与模型的训练数据冲突。例如，某些动漫模型本身就包含一定的"扁平化"特征，过度使用"flat colors"作为负面提示词可能适得其反。

4.6 国漫风格模板

适用于中国漫画风格：

即梦AI中文版本：

最差质量, 低质量, 模糊, 写实风格, 3D渲染, 照片,
日系动漫, 美式卡通, 手部畸形, 面部崩坏, 水印,
文字, 裁切, 解剖错误, 比例失调

4.7 韩漫风格模板

适用于韩式网漫（Webtoon）风格，通常需要更精细的光影和色彩控制：

Stable Diffusion版本：

EasyNegative, badhandv4, (worst quality:1.2), (low quality:1.1),
(sketch:1.2), (line art:1.2), (monochrome:1.2),
bad anatomy, bad hands, deformed face, watermark, text,
flat shading, poor lighting, bad contrast, pixelated

五、负面提示词的高级技巧

5.1 权重策略

负面提示词的权重设置是一门学问。以下是一些实用的权重策略：

基础原则：

• 质量类关键词：1.0-1.2（如worst quality, low quality）
• 人体结构类：1.2-1.5（如bad hands, bad anatomy）
• 风格排除类：1.0-1.3（如photorealistic, 3d render）
• 水印文字类：1.0（如watermark, text）

分场景调整：

• 特写镜头：提高面部相关负面提示词权重
• 全身镜头：提高身体结构相关负面提示词权重
• 动作场景：提高姿势相关负面提示词权重
• 背景场景：提高构图相关负面提示词权重

5.2 动态负面提示词

不同的生成阶段可能需要不同的负面提示词。在Stable Diffusion中，你可以使用动态提示词插件来实现这一点：

生成初期（Steps 1-10）：侧重于整体构图和风格

bad composition, wrong style, blurry, low quality

生成中期（Steps 10-20）：侧重于人体结构

bad anatomy, bad proportions, deformed body, bad hands

生成后期（Steps 20-30）：侧重于细节修复

bad face, deformed face, extra fingers, missing fingers

5.3 负面提示词与采样器的配合

不同的采样器（Sampler）对负面提示词的响应不同：

[!TIP] 如果你发现负面提示词效果不明显，可以尝试切换到DPM++ SDE Karras采样器，它对负面提示词的响应最为灵敏。但请注意，SDE系列采样器的生成速度较慢。

5.4 负面提示词的"过拟合"问题

过度使用负面提示词可能导致以下问题：

1. 画面单调：过多的约束可能导致画面缺乏变化和细节
2. 色彩平淡：过度排除某些色彩特征可能导致画面色彩单一
3. 风格丢失：过度排除写实元素可能影响动漫风格的自然感
4. 生成不稳定：过多的负面约束可能导致模型生成困难，出现伪影

解决方案：

• 从少量负面提示词开始，逐步增加
• 定期检查生成结果，删除效果不明显的负面提示词
• 使用权重来精细控制，而不是简单地堆叠关键词
• 为不同场景维护不同的负面提示词配置

六、负面提示词实战案例

6.1 案例：修复手部问题

原始提示词：

正面：anime girl holding a flower, close-up of hands, detailed fingers
负面：EasyNegative, blurry, low quality

问题：生成的手部有多指和融合现象。

优化后：

正面：anime girl holding a flower, close-up of hands, detailed fingers,
graceful hand pose, natural hand position
负面：EasyNegative, badhandv4, (bad hands:1.5), (extra fingers:1.5),
(fused fingers:1.3), (mutated hands:1.3), (missing fingers:1.2),
(deformed hands:1.3), blurry, low quality

效果：通过提高手部相关负面提示词的权重，并在正面提示词中增加手部姿势的正面描述，手部质量显著提升。

6.2 案例：保持动漫风格纯净

原始提示词：

正面：beautiful anime girl, school uniform, cherry blossom background
负面：blurry, low quality

问题：生成的画面带有写实或3D渲染的痕迹。

优化后：

正面：beautiful anime girl, school uniform, cherry blossom background,
2d illustration, cel shading, anime art style, vibrant colors
负面：EasyNegative, (photorealistic:1.5), (realistic:1.3),
(3d render:1.5), (photograph:1.5), (oil painting:1.2),
(watercolor:1.2), (western cartoon:1.2), blurry, low quality

6.3 案例：批量生成场景一致性

在AI漫剧的批量生成中，负面提示词需要保持一致：

# 项目统一负面提示词配置
project_negative = """
EasyNegative, badhandv4, (worst quality:1.2), (low quality:1.1),
bad anatomy, bad hands, deformed face, watermark, text,
(photorealistic:1.3), (3d render:1.2), blurry, pixelated,
jpeg artifacts, cropped, out of frame
"""

# 场景1：教室
scene1_negative = project_negative + ", crowded, cluttered, bad perspective"

# 场景2：走廊
scene2_negative = project_negative + ", distorted perspective, flat background"

# 场景3：操场
scene3_negative = project_negative + ", bad lighting, oversaturated"

七、负面提示词的最佳实践总结

7.1 核心原则

1. 精准而非冗余：10个精准的负面提示词比50个笼统的关键词更有效
2. 权重分级：根据问题严重程度设置不同权重
3. 场景适配：不同场景使用不同的负面提示词配置
4. 持续迭代：根据生成结果不断优化负面提示词
5. 项目统一：同一AI漫剧项目使用统一的基础负面提示词

7.2 常见误区

7.3 检查清单

每次生成画面后，使用以下清单检查负面提示词是否需要调整：

• 画面中是否有手部问题？如有，增加/提高手部相关负面提示词
• 面部是否自然？如有问题，增加面部相关负面提示词
• 画面是否清晰？如有模糊，增加质量相关负面提示词
• 风格是否正确？如有偏差，增加风格排除类负面提示词
• 是否有水印或文字？如有，增加水印文字类负面提示词
• 画面是否过于单调？如是，减少负面提示词数量或降低权重

通过系统学习和实践负面提示词技巧，你将能够大幅提升AI漫剧画面的生成质量，减少后期修复的工作量，让创作流程更加高效流畅。记住，负面提示词是AI漫剧创作者的"质量守门员"，掌握它就掌握了画面质量的关键控制权。