Negative Prompt 到底在做什么?classifier-free guidance 拆解

用文生图工具的人大多有过同一个困惑:把”不要变形、不要多余手指、不要水印、不要低质量”认认真真写进负向提示词,出图反而发灰、对比度塌掉、构图变松;删掉一长串负向词,画面有时倒更干净。也有人发现,换成某些新模型后压根没有负向提示词输入框,却照样能控制画面。Negative Prompt 到底是一个”黑名单”,还是别的什么东西?

答案是:它不是过滤器,而是一次额外的模型前向 + 一次向量外推。把它当成减法,几乎一定会调错参数。

第一步:先看扩散模型每一步在算什么

去噪网络做的事可以写成 ε_θ(x_t, t, c):给定第 t 步的带噪图 x_t 和文本条件 c,预测这一步该减掉的噪声。采样就是从纯噪声出发,一步步减去预测值,走到清晰图像。

关键点在于,所有”引导”都发生在这个预测噪声上,不是在成图后把不想要的东西抠掉。模型没有任何”检查画面里有没有六根手指再删掉一根”的环节。负向提示词能起作用,只能是通过改变预测噪声的方向。

第二步:CFG 用”有条件减无条件”外推

早期做法叫 classifier guidance,需要额外训一个能在带噪图上分类的分类器,用它的梯度把采样往目标类别推,工程成本很高。

2022 年的 classifier-free guidance(CFG)换了个思路:不训分类器,让同一个模型跑两次。一次带提示词 c 得到 ε_cond,一次用空条件(空字符串或学习到的 null embedding)得到 ε_uncond,然后按差值外推:

ε_guided = ε_uncond + s · (ε_cond − ε_uncond)

这里的 s 就是界面上的 guidance scale(CFG scale),典型值 7~9。s = 1 等价于普通条件采样;s > 1 相当于把”有提示词相对没提示词多出来的那个方向”放大,让结果更贴合文本。

一句话理解:模型并不”知道”要避开什么,它只是被沿着某个方向推得更远。

第三步:负向提示词的真实身份

负向提示词做的事,是把上面公式里的无条件项 ε_uncond 换成”以负向文本为条件”的 ε_neg:

ε_guided = ε_neg + s · (ε_cond − ε_neg)

也就是说,采样轨迹被推向”远离负向描述”的方向。这个定义能解释三个常见现象:

  • 抽象形容词几乎无效。 “丑””不高级””难看”在图文语义空间里没有稳定的方向可外推,模型无法把它变成一个明确的向量差。真正有效的是训练语料里与低质图片强共现的具体词,比如 jpeg artifacts、lowres、blurry、watermark、text。
  • 负向词堆太多会互相干扰。 十几个词叠在一起,ε_neg 落到一个训练时很少见的复合分布上,外推方向变得漂移,画面容易发灰、饱和度失控、对比度被压平。常用量是 8~15 个词,超过 25 个就该收敛了。
  • 它和 CFG scale 共用同一套机制。 两者叠加会放大副作用,所以”负向词越写越糟”往往不是词不对,而是 scale 已经偏高。

第四步:为什么 scale 拉高会”烧焦”

s 越大,每一步外推的步长越大,采样轨迹越容易被推出训练数据的高密度区。典型表现是过锐、高对比、颜色过饱和、结构被简化成几块大色块,人像出现塑料皮肤,细纹理和文字崩坏——社区里叫 CFG burn,通常从 s > 12~15 开始明显。反过来 s < 5 画面柔和,但提示词遵循度下降、构图松散。

而且 s 不是孤立的,它与采样步数、调度器耦合:步数少(20 步以内)时高 s 更容易崩;DPM++ 2M Karras、Euler a 一类调度器的耐受区间也不同。这就是为什么同一个”7.5″在两套工作流里效果不一样。

第五步:为什么新模型可以没有负向框

Flux、SD3 一类模型把引导强度直接蒸馏进权重,或改用整流流(rectified flow)训练,推理时的 guidance 变成固定值(例如 Flux-dev 蒸馏版常设 3~3.5),负向文本通道干脆关闭。还有一类方法不依赖负向文本,比如 PAG(扰动注意力引导)用自扰动产生对照信号,同样能提升结构质量。

所以”没有负向提示词”不等于不能控制,只是引导机制换了位置:从输入框移到了模型和采样器里。

可操作的结论

  1. 负向词写成看得见的名词,不写评价。推荐一组基础项:extra fingers, mutated hands, extra limbs, watermark, text, logo, jpeg artifacts, blurry, lowres;按”结构错误 / 画质退化 / 不想出现的实体”三组各放几条,别堆同义词。
  2. CFG scale 分模型设起点:SD1.5 约 7,SDXL 4.5~7,Flux 蒸馏版 3~3.5;配合 25~30 步。调参时固定种子和步数,一次只动 0.5,不同时改负向词。
  3. 出现发灰、过饱和、烧焦先降 scale,而不是继续加负向词或加清晰度词。
  4. 想精确去掉某个具体物体,别指望负向词。它的作用范围是全局语义方向,局部修改应交给遮罩重绘,那是另一套机制。
  5. 把参数卡记全:模型版本、调度器、步数、CFG scale、负向词、种子,六项缺一项都复现不出来。批量出图尤其要锁死这六项。

一句话收束:负向提示词不是”不许画什么”的清单,而是给采样轨迹定了一个要远离的方向;方向越具体越有效,推力越大越容易翻车。

在 AI广告制作 的产线里,我们通常把 CFG、负向词和种子一起写进”参数卡”随版本交付,避免同一套素材隔一周就复现不出来。评估 AIGC制作公司 的流程成熟度时,可以直接问一句:你们的出图参数怎么留档、怎么复现?能给出参数卡和 A/B 记录的团队,通常真把量产跑顺过。

相关文章

  • AI模型迭代与在线学习,科技感服务器机房场景

    AI会自己”进化”吗?从在线学习到模型迭代的真相

    内容目录 第一步:先分清”模型”和”系统”第二步:真正的”在线学习”为什么几乎不存在第三步:那模型确实在变聪明,靠什么?第四步:产品里的”记忆”是怎么回事给普通使用者的三个结论结语 AI会自己”进化”吗?从在线学习到模型迭代的真相 很多人和AI聊天时都有过这种体验:昨天它还不会的东西,今天突然就会了。于是不少人得出结论——”AI在偷偷学习我,它自己变聪明了”。这个判断听起来合理,其实混淆了两件完全不同的事:模型权重的更新和模型体验的变化。今天把这件…

    爱上学习 2026年11月5日
  • AIGC广告:提示词注入与AI应用安全边界示意图

    什么是提示词注入?AI应用最容易忽略的安全边界

    内容目录 第一步:根源——模型分不清”指令”和”数据”第二步:最常见的形态——间接注入第三步:真正危险的是”有手”的 AI第四步:防御思路——分层设防,而不是换提示词结论 什么是提示词注入?AI应用最容易忽略的安全边界 一家公司上线了 AI 客服,运行良好——直到有人发来一份”产品说明书”PDF,机器人读完突然开始承诺五折退款。没人改过它的系统设定,问题出在说明书里藏了一句话。这就是提示词注入(Prompt Injection):AI 应用最常见、也最容易被忽略的安全漏洞…

    爱上学习 2026年11月10日
  • 为什么AI写的产品文案"太满"?留白与信息密度

    为什么AI写的产品文案”太满”?留白与信息密度

    内容目录 第一步:先搞清”太满”是从哪来的第二步:区分”信息量”和”信息密度”第三步:留白的三个具体手法第四步:怎么用提示词把AI”逼”出密度可操作的结论 为什么AI写的产品文案”太满”?留白与信息密度 把产品资料丢给AI,让它写一段电商详情页文案,出来的东西通常是这样:每一句都在使劲,形容词叠着形容词,”匠心工艺”后面接”极致体验”,读完两百字,脑子里的印象是零。 很多人把原因归结为”AI文笔不行”…

    爱上学习 2026年10月30日
  • 玉兔唤醒了故宫的“宝贝”们,赶赴一场奇妙的团圆之约

    玉兔唤醒了故宫的“宝贝”们,赶赴一场奇妙的团圆之约

    赞微海报分享

    AIGC作品 2025年10月9日
  • 霸王茶姬AI广告

    霸王茶姬AI广告

    赞(1)微海报分享

    AIGC作品 2025年4月24日
  • Sora到底有多强大

    Sora到底有多强大

    有时候生活中的无力感就是,你明知道世界正在发生巨大颠覆,却无法参与这一变迁,只能旁观他人的狂欢,甚至你还清楚不久的将来,你的生活一定会因此被裹挟着向前。 作为一个从业快20年的广告工作者,我这能献上双膝,然后说卧槽,变化太快,让我们如何是好?   Open AI 正是这么一家改变全人类生活的伟大公司,继文本模型ChatGPT、图像模型Dall-E大杀四方后,OpenAI继续祭出大杀器——Sora,这回他们选择颠覆视频领域。那可能会有很多人觉得视频领域要被搞死了,在我看来不仅仅是视频领域…

    灵动观点 2024年2月22日
免费垂询
在线咨询
企微咨询
企微咨询
顾问名片
顾问名片
看视频号
看视频号
分享本页
返回顶部