ADetailer项目中的PROMPT关键字使用技巧解析
2025-06-13 00:41:52作者:胡唯隽
ADetailer作为Stable Diffusion WebUI中一个强大的面部细节修复扩展,提供了精细控制图像生成过程的能力。本文将深入探讨ADetailer中一个鲜为人知但极为实用的功能——PROMPT关键字的使用方法。
PROMPT关键字的作用原理
PROMPT关键字允许用户在ADetailer的提示词中引用主提示词内容,实现提示词的动态组合。当ADetailer检测到[PROMPT]标记时,会自动将其替换为原始生成提示词的全部内容。
这一功能解决了面部细节修复时提示词重复输入的痛点。传统方式下,用户需要手动复制主提示词到ADetailer设置中,并在需要添加面部特征时进行修改,过程繁琐且容易出错。
实际应用场景
假设我们需要生成一位红发绿眼的女性角色,并希望在面部添加伤疤特征:
- 主提示词:
杰作,1女孩,红色头发,绿色眼睛
- ADetailer提示词:
[PROMPT],面部有伤疤
ADetailer在处理时会自动组合成完整提示词:
杰作,1女孩,红色头发,绿色眼睛,面部有伤疤
这种方式确保了面部修复时既保留了原始提示的所有特征,又能精准添加所需的面部细节。
进阶使用技巧
-
提示词权重控制:可以在ADetailer提示词中添加括号来调整某些特征的强度
[PROMPT], (面部伤疤:1.3) -
特征隔离:使用[PROMPT]配合负面提示可以确保某些特征只出现在面部区域
[PROMPT], 面部雀斑 -
多ADetailer组合:在不同ADetailer实例中使用[PROMPT]配合不同特征,实现分区域控制
与传统方式的对比
传统方式需要完全手动复制提示词,存在以下缺点:
- 修改主提示词时需要同步修改ADetailer提示词
- 容易遗漏重要特征
- 工作流程效率低下
使用[PROMPT]关键字后:
- 主提示词修改自动同步
- 减少重复劳动
- 降低出错概率
- 提升创作效率
注意事项
- 关键字需使用大写[PROMPT],小写形式无效
- 可以与其他ADetailer专用关键字如[SEP]、[SKIP]配合使用
- 在复杂提示词组合时,注意特征间的相互影响
ADetailer的这一功能虽然简单,但极大提升了工作流程的流畅度,是精细控制AI图像生成的利器。掌握这一技巧后,用户可以更专注于创意表达,而非技术细节的重复操作。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
Ascend Extension for PyTorch
Python
503
609
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
391
285
暂无简介
Dart
905
218
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
862
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108