Stable Diffusion 人物高级提示词：动作、表情、眼神

Stable Diffusion 是一款非常强大的 AI 生成工具，可以通过提示词（prompt）生成风格化的图片。对于生成人物图像来说，提示词的精确度直接决定了最终效果的细腻程度。在本文中，我们将重点讲解如何编写高级提示词来控制人物的 动作、表情 和 眼神，并通过代码示例和图解演示来详细解析如何实现这些效果。

1. 高级提示词基础构造

提示词构成要素

1. 人物属性：

   • 性别：man, woman, child
   • 年龄：young, middle-aged, old
   • 外貌特征：blue eyes, blonde hair, freckles, etc.

2. 动作描述：

   • 描述人物姿势，例如：running, jumping, sitting with crossed legs

3. 表情和眼神：

   • 表情：happy, sad, surprised, angry, etc.
   • 眼神：gazing intently, looking away, sparkling eyes

4. 环境和风格：

   • 可结合场景和艺术风格，例如：in a vibrant forest, digital art style

示例：

a young woman with blonde hair and blue eyes, smiling softly, looking at the camera with sparkling eyes, sitting on a chair, surrounded by a vibrant forest, digital art style, highly detailed, 4k resolution

2. 使用代码生成高级人物图像

以下代码演示如何利用提示词生成包含动作、表情和眼神控制的人物图像。

代码示例

from diffusers import StableDiffusionPipeline
import torch

# 加载模型
pipe = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4").to("cuda")

# 定义高级提示词
prompt = (
    "a young man with black hair and green eyes, smiling confidently, "
    "running in a park, gazing forward with determination, "
    "cinematic lighting, ultra-realistic, 8k resolution"
)

# 配置生成参数
num_inference_steps = 50  # 生成步骤
guidance_scale = 7.5      # 提示词强度

# 生成图像
image = pipe(prompt, num_inference_steps=num_inference_steps, guidance_scale=guidance_scale).images[0]

# 保存生成结果
image.save("advanced_character.png")
print("图像生成完成！结果保存为 advanced_character.png")

3. 提示词细节解析

动作描述

• 动作词汇：running, jumping, sitting, dancing, etc.

• 组合示例：

  • "a woman sitting on a chair, her hand resting on her chin"
  • "a man jumping high, arms stretched out, in a dynamic pose"

表情控制

• 基础表情词汇：

  • happy, sad, surprised, angry, confused, smiling, crying

• 高级表情词汇：

  • smirking, grinning, beaming, frowning, with a hint of melancholy

• 示例：

  • "a child smiling shyly with sparkling eyes"

眼神控制

• 眼神描写：

  • gazing intently, looking away, staring blankly, with piercing eyes

• 示例：

  • "a woman looking away with a melancholic gaze, her eyes glistening with unshed tears"

4. 参数优化与效果对比

参数说明

1. num_inference_steps：生成细节的决定因素，通常设置为 50～100。
2. guidance_scale：控制提示词权重，建议值为 7.0～8.5。

效果对比图

5. 提示词设计模板

以下为常见动作、表情和眼神的提示词模板，可直接应用：

动作模板

a person sitting with legs crossed, holding a book, under a tree
a woman dancing gracefully, wearing a flowing red dress, on a stage

表情模板

a man smiling broadly, with a twinkle in his eye
a child looking sad, tears streaming down their face

眼神模板

a woman gazing at the camera with piercing eyes
a boy staring into the distance, his eyes filled with determination

6. 提示词进阶语法

Stable Diffusion 支持更复杂的提示词，通过添加加权语法可以实现更加细腻的控制。

加权语法

• 语法格式：(关键词: 权重)

• 示例：

  a young man with blonde hair, (smiling confidently:1.2), (gazing forward:1.5)

多样化风格融合

将多种描述融合在一个提示词中：

a futuristic cyborg woman with glowing eyes, smiling softly, standing in a vibrant neon city, digital art style, (ultra-realistic:1.3)

7. 常见问题与解决方法

问题 1：表情或动作不明显

• 原因：提示词描述不够详细。
• 解决：增加细节性描述，例如“smiling confidently”比“smiling”更具体。

问题 2：生成结果偏离预期

• 原因：提示词与权重设置不合理。
• 解决：尝试调整 guidance_scale 或对关键词加权。

问题 3：人物细节模糊

• 原因：生成步数不足。
• 解决：适当提高 num_inference_steps。

8. 总结

通过精心设计提示词，Stable Diffusion 可以生成具有复杂动作、细腻表情和生动眼神的人物图像。掌握提示词的语法和参数优化技巧，将帮助你更好地实现创意图像生成。

赶快试试，为你的作品增添更多细节与生动感吧！