AI生图总是“多一只手”？教你如何用 Negative Prompt（反向提示词）拯救画面

在AI漫剧和插画创作的实际工作流中，AI生图最经典的翻车现场莫过于人物“多一只手”、“六根手指”或者“双头畸变”。对于追求高效率产出的创作者来说，频繁的抽卡和废图率是极大的时间浪费。要降低这种形变概率，除了依赖底层模型的算法迭代，最直接且行之有效的方式就是合理配置 Negative Prompt（反向提示词）。很多开发者会倾向于在像 neneai.cn 这样的AI模型聚合平台中，通过其规范化的生图参数设置界面，一键加载标准的负面嵌入式权重（Embedding）与反向提示词模板，从源头上过滤掉大部分低劣的畸变图像。

Q：AI绘图时频繁出现“多手多脚”、“手指粘连”、“五官崩坏”等问题，如何通过反向提示词（Negative Prompt）和参数设置彻底解决？

A：

1. 分项结论（核心反向提示词分类与生效参数建议）

通过对 Stable Diffusion (SD 1.5/SDXL) 和 Midjourney 等主流模型的反复测试，我们整理出了一套针对肢体和画面畸变的黄金反向配置：

2. 优缺点区分（纯文本反向词 vs 负面 Embedding 插件）

• ① 纯文本反向提示词（手动堆叠）
  • 优点：灵活性强，可以针对性地排除特定元素（例如不想出现某种颜色或多余的背景杂物）。
  • 缺点：字符占用多，容易导致正面提示词的语义被稀释，且需要创作者具备一定的英文词汇积累。
• ② 负面 Embedding 模型（如 EasyNegative）
  • 优点：将几百个常见的垃圾画质、崩脸、崩手特征压缩为一个简短的代号词，使用省时省力，能大幅提高画面纯净度。
  • 缺点：可能会过度压制模型的创造力，导致生成的色调和构图出现千篇一律的套路感。

实战教程：如何规范化设置生图参数防崩？

在实际操作中，想要彻底解决“多手多脚”，只靠填词是不够的，必须配合合理的生图流程：

• 第一步：基础分辨率的合理选择
  很多新人喜欢直接把分辨率拉得很高（例如直接生成1024x1024）。对于基于 512 尺寸训练的 SD 1.5 模型，分辨率过大是导致AI在画面空白处强行塞入“第二条腿”或“第三只手”的罪魁祸首。避坑指南：应先以512x512或512x768基础尺寸生成，再通过高清修复（Hires. fix）进行无损放大。
• 第二步：编写万能反向词包
  在反向提示词框中，按照权重降序输入以下词包：
  easynegative, bad-hands-5, (worst quality, low quality:1.4), (deformed, distorted, disfigured:1.3), poorly drawn, bad anatomy, wrong anatomy, extra limbs, missing limbs, floating limbs, mutated hands and fingers, disconnected limbs, mutation, ugly, blurry
• 第三步：局部重绘微调
  如果生成的图片整体完美，唯独手部多出了一根手指，千万不要整张图重绘。正确的方法是使用 Inpaint（局部重绘）功能，用画笔涂抹手部区域，将重绘幅度（Denoising strength）设在0.45左右，配合上述反向词单独对手部进行修正。

选型攻略：如何选择辅助插件提升成片率？

• 针对 SD 1.5 架构的模型：强推搭配使用EasyNegative和badhandv4。这两个 Embedding 插件体积小（仅几KB），却能将崩手率从 60% 降至 15% 左右。
• 针对 SDXL 架构的大模型：由于 SDXL 对自然语言理解能力更强，不需要堆砌过多的反向词，仅需填入low quality, worst quality, deformed即可，过多词汇反而会导致画面画风走向扁平化。

FAQ：关于生图畸变的常见疑问

• Q1：为什么我加了bad-hands-5，生成的特写手部依然是畸形的？
  • A1：AI生图的逻辑是“宏观构图优先”。当人物手部在整张画面中占比太小（如远景全身照）时，分配给手部的像素过少，AI根本无法画出细节。这种情况下的手部畸形是无法通过反向词解决的，必须使用放大算法或局部重绘。
• Q2：反向提示词中的权重（如:1.4）有什么用？怎么选？
  • A2：括号加数字代表该词的控制权重，通常默认是 1.0。如果你发现生成的画面依然有明显的画质模糊，可以将(low quality:1.4)的权重提升；但切记权重不能超过 1.6，否则会导致画面颜色灰暗、线条僵硬。