Stable Diffusion 咒語（Prompt）是你用文字告訴 AI「要畫什麼」的指令，寫得越精準，出圖品質越高。本篇從基礎語法、權重調整、Negative Prompt 到進階 img2img 應用，搭配大量實際範例，幫你從新手快速進階成熟練的 AI 詠唱師。
看完本篇可以學到：
Stable Diffusion 是什麼？一分鐘認識 AI 繪圖工具
Stable Diffusion 是由 Stability AI 於 2022 年推出的開源 AI 圖像生成模型，使用者輸入文字描述（Prompt），AI 就能產出對應圖片。它基於潛在擴散模型（Latent Diffusion Model，LDM）技術，透過大量圖像數據訓練，讓 AI 學會理解文字與圖像之間的關係。
截至 2026 年，Stable Diffusion 已發展出多個版本：SD 1.5、SDXL、SD3，以及社群衍生的 Flux 模型。每個版本在圖像品質、解析度與提示詞理解能力上都有顯著進步。其中 SDXL 支援原生 1024×1024 解析度，SD3 則引入了 MMDiT 架構，大幅提升文字渲染與構圖能力。
與其他 AI 繪圖工具（如 Midjourney、DALL-E 3）相比，Stable Diffusion 最大優勢在於完全開源免費，且支援本地端運行，用戶對模型、數據與生成結果擁有完全控制權。
線上版 vs 電腦版：哪種方式適合你？
新手建議從線上版入門，熟悉後再轉電腦版以獲得完整功能與更快的出圖速度。兩種版本各有優缺，以下是詳細比較：
| 比較項目 | 線上版 | 電腦版（WebUI / ComfyUI） |
|---|---|---|
| 上手難度 | 低，開瀏覽器即用 | 中高，需安裝環境 |
| 硬體需求 | 無，雲端運算 | NVIDIA 顯卡 VRAM 6GB 以上 |
| 出圖速度 | 較慢（需排隊） | 快（取決於本地硬體） |
| 客製化程度 | 低 | 極高（支援 LoRA、ControlNet 等） |
| 模型選擇 | 有限 | 無限制，可自由載入 Checkpoint |
| 費用 | 免費或按量計費 | 免費（硬體成本另計） |
線上版推薦平台包括 Stable Diffusion Online、Civitai Generate、以及 Google Colab 雲端方案。電腦版目前主流介面有兩種：AUTOMATIC1111 WebUI 與 ComfyUI，後者採用節點式工作流，適合進階用戶。
Stable Diffusion 咒語基礎：Prompt 與 Negative Prompt
Prompt（正面提示詞）告訴 AI「要畫什麼」，Negative Prompt（負面提示詞）告訴 AI「不要畫什麼」，兩者搭配使用才能精準控制出圖結果。
撰寫 Prompt 時，建議按照以下結構分段組織：
- 品質詞：masterpiece, best quality, ultra detailed
- 主體描述：1 girl, solo, black dress, long hair
- 場景與動作：standing, indoors, Tokyo street, night
- 風格與光線：cinematic lighting, photorealistic, anime style
- 模型指令：LoRA 觸發詞（如有使用）
Negative Prompt 常見組合範例：
(worst quality, low quality:1.4), bad anatomy, bad hands, missing fingers, extra digits, blurry, watermark, text, signature
搭配社群開發的 Negative Embedding（如 EasyNegative、bad_prompt_version2），可以用一個觸發詞取代長串負面提示詞，大幅簡化操作。
實戰經驗：我在實際出圖時發現，Negative Prompt 對手部品質的影響遠大於正面提示詞。與其在 Prompt 裡寫 “perfect hands”，不如在 Negative Prompt 加入 “bad hands, missing fingers, extra digits”，再搭配 EasyNegative embedding，手指崩壞率能降低約 60-70%。這是多數新手忽略的關鍵技巧。
咒語權重調整語法：精準控制每個元素
透過權重語法，你可以強調或弱化特定關鍵字的影響力，讓 AI 更精準地呈現你要的畫面。以下是完整的權重調整語法表：
| 語法 | 效果 | 範例 |
|---|---|---|
(keyword) |
權重 x1.1 | (blue eyes) 稍微強調藍色眼睛 |
((keyword)) |
權重 x1.21 | ((long hair)) 明顯強調長髮 |
(((keyword))) |
權重 x1.33 | (((masterpiece))) 大幅提升品質 |
[keyword] |
權重 x0.91 | [glasses] 弱化眼鏡出現機率 |
(keyword:1.5) |
直接指定 1.5 倍權重 | (red dress:1.5) 精確控制紅色洋裝強度 |
(keyword:0.6) |
直接指定 0.6 倍權重 | (background:0.6) 降低背景影響 |
[A|B] |
A 與 B 交替融合 | [red|blue] hair 產出紅藍混色髮 |
權重建議控制在 0.5 至 1.8 之間。超過 2.0 容易導致圖像失真或出現色塊偽影。對於新手，建議先用括號語法微調，熟練後再使用精確數值控制。
人物特徵咒語大全：從髮型到服裝
人物描述是 Stable Diffusion 最常見的應用場景，掌握特徵關鍵字能讓角色細節更加到位。以下按類別整理常用咒語：
| 類別 | 常用關鍵字範例 |
|---|---|
| 髮型 | ponytail, bob cut, twin tails, braid, bun, pixie cut, wavy hair, straight hair |
| 髮色 | blonde, silver hair, pink hair, gradient hair, black hair, brown hair |
| 眼睛 | blue eyes, heterochromia, detailed eyes, glowing eyes, closed eyes |
| 表情 | smile, blush, shy, serious, crying, laughing, wink |
| 服裝 | school uniform, black dress, hoodie, armor, kimono, maid outfit, casual wear |
| 頭飾 | crown, headband, hair ribbon, tiara, beanie, flower hairpin |
| 體型 | slim, muscular, petite, tall, curvy |
以下是一組實際範例，展示人物特徵咒語的效果：
範例 Prompt：((masterpiece)), ((high quality)), realistic, ultra detail, 1 girl, solo, hoody, cute, look up, professional lighting, sitting, long hair, perfect body, blush, shy, short pants, outdoor, low angle
只要替換髮型、服裝等關鍵字，就能產出風格完全不同的角色。更多案例可參考 AI 電繪關鍵字查詢和大量實際案例。
咒語撰寫方式彙整：4 種核心語法
Stable Diffusion 的提示詞支援自然語言與關鍵字標籤兩種撰寫方式，以下是 4 種最常用的語法結構。
| 語法類型 | 說明 | 範例 |
|---|---|---|
| 關鍵詞分隔 | 使用英文逗號分隔不同標籤 | 1girl, long hair, London street, ponytail, wearing skirt |
| 要素混合 | 用 | 融合多個要素 |
1girl, |pink black hair|, ponytail |
| 權重調整 | 用括號或數值控制關鍵字強度 | (1girl:1.2), (bow headband:1.1), (queen dress:0.9) |
| 分步描述 | 指定關鍵詞從第幾步開始渲染 | [London_street:girl:10] 前 10 步畫街景，之後加入人物 |
實務上，大多數使用者以「關鍵詞分隔」為主，搭配「權重調整」微調細節。分步描述適合需要控制構圖層次的進階場景。
進階應用：img2img 圖生圖功能
img2img 是 Stable Diffusion 的核心進階功能，讓你以一張現有圖片為基礎，透過咒語指令進行局部或整體改造。這項功能適合以下場景：
- 更換人物服裝或背景
- 調整圖片風格（寫實轉動漫、動漫轉油畫）
- 修正 txt2img 產出的局部瑕疵
- 以手繪草稿為底，生成精緻成品
以下是一組實際案例，使用 img2img 將背景從巴黎公寓陽台換到紐約高樓：
使用咒語：on the top of building, new york skyline in the background, sunset
img2img 的關鍵參數是去噪強度（Denoising Strength）：數值越高（接近 1.0），改動越大；數值越低（接近 0.1），越接近原圖。一般建議從 0.4-0.6 開始嘗試。
更多案例與詳細做法可以參考 Stable Diffusion img2img 教學（附大量案例）
安裝 Stable Diffusion 的硬體需求與方式
安裝 Stable Diffusion 電腦版需要 NVIDIA 顯卡（VRAM 至少 6GB），或者可選擇零硬體門檻的 Google Colab 雲端方案。
方式一：安裝在本機
本機安裝的最低硬體需求：
- 顯卡：NVIDIA GTX 1660 以上（VRAM 6GB），建議 RTX 3060 12GB 或更高
- 記憶體：16GB RAM（跑 SDXL 建議 32GB）
- 硬碟：SSD，至少預留 20GB 空間（含模型檔案）
- 軟體：Python 3.10+、Git、最新版 NVIDIA 驅動（含 CUDA）
AMD 顯卡用戶可透過 DirectML 或 ROCm 方案運行，但相容性與效能仍不及 NVIDIA。Apple Silicon（M1/M2/M3）用戶則可透過 MPS 後端運行，出圖速度約為同級 NVIDIA 顯卡的 50-70%。
方式二：Google Colab 雲端（零硬體門檻）
Google Colab 提供免費的雲端 GPU 運算環境，流程如下：
- 開啟 GitHub 上的開源 Colab 筆記本（如 camenduru 的 SD WebUI Colab）
- 點擊「在 Colab 中開啟」，連接 Google 帳號
- 執行安裝 Cell，等待環境自動建置（約 3-5 分鐘）
- 取得 WebUI 連結，在瀏覽器中開始使用
詳細教學請參考 免費安裝 Stable Diffusion：iPhone、手機、Mac 都能跑
AI 詠唱師：從興趣到職業的新路徑
熟練掌握 Stable Diffusion 咒語的人被稱為「AI 詠唱師（Prompt Engineer）」，這已從網路迷因發展為一個真實的職業方向。
根據 2025 年人力銀行數據，台灣「AI 圖像生成」相關職缺年增超過 40%，涵蓋電商視覺、遊戲原畫、廣告素材、社群內容等領域。AI 詠唱師的核心能力不只是會寫 Prompt，更包括：
- 理解不同 Checkpoint 模型的特性與適用場景
- 熟悉 LoRA、ControlNet、IP-Adapter 等進階控制工具
- 具備基礎美學素養（構圖、色彩、光影）
- 能將客戶需求轉化為精準的 Prompt 組合
更詳細的 AI 溝通技巧，可以參考學會用精準關鍵字 Prompt 跟 AI 溝通。
常見問題 FAQ
Stable Diffusion 咒語一定要用英文嗎？
是的，目前主流的 Stable Diffusion 模型（SD 1.5、SDXL、SD3）僅支援英文提示詞。因為訓練數據以英文圖文配對為主，使用中文會導致模型無法正確理解指令。建議用 ChatGPT 或 Google 翻譯將中文構想轉為英文 Prompt。部分社群模型（如中文特化版）可支援有限的中文輸入，但效果不穩定。
Negative Prompt 怎麼寫才有效？
最有效的做法是「通用品質排除 + 針對性瑕疵排除 + Negative Embedding」三層組合。第一層寫 (worst quality, low quality:1.4)；第二層針對你遇到的問題加入對應詞（如手部問題加 bad hands, missing fingers）；第三層載入 EasyNegative 或 bad_prompt_version2 等 embedding，它們封裝了數百個負面詞彙。
權重數值設多少最適合？
一般建議控制在 0.6 至 1.5 之間，超過 1.8 容易導致圖像失真。對於細微調整（如稍微強調眼睛顏色），用 1.1-1.2 即可。對於需要明顯改變的元素（如強制特定服裝），可用 1.3-1.5。低於 0.5 的權重幾乎沒有效果，高於 2.0 則會產生色塊、偽影等異常。
SD 1.5、SDXL、SD3 該選哪個版本？
2026 年的主流推薦是 SDXL，兼顧品質與生態成熟度。SD 1.5 模型數量最多（Civitai 上超過 10 萬個），適合需要特定風格 LoRA 的場景。SDXL 原生支援 1024×1024，畫質顯著提升，社群生態快速成長中。SD3 品質最高但生態尚未成熟，適合追求最新技術的進階用戶。
沒有顯卡也能用 Stable Diffusion 嗎？
可以，透過 Google Colab 免費方案或線上版即可零硬體使用。Google Colab 免費帳戶提供 T4 GPU（15GB VRAM），足以運行 SD 1.5 和 SDXL。但免費版有使用時數限制，重度使用者建議升級 Colab Pro（月費約 US$10）或購買一張 RTX 3060 12GB（二手約 NT$5,000-7,000）作為長期方案。
Stable Diffusion 生成的圖片有版權問題嗎？
Stable Diffusion 開源授權下，生成圖片的版權歸使用者所有，可商用。但需注意：若使用的 Checkpoint 模型或 LoRA 有特殊授權限制（如禁止商用），則需遵守該模型的授權條款。此外，生成與真實人物高度相似的圖像可能涉及肖像權問題，商用前建議確認法律風險。
如何讓 Stable Diffusion 出圖更像真人照片？
選擇寫實風格的 Checkpoint 模型（如 Realistic Vision、ChilloutMix）是最關鍵的一步。搭配以下 Prompt 技巧可進一步提升真實感：加入 photorealistic, RAW photo, 8k uhd, DSLR 等品質詞；使用 film grain, depth of field, bokeh 模擬相機效果；Negative Prompt 排除 painting, drawing, anime, cartoon 等繪畫風格詞。
Stable Diffusion 咒語實戰操作指引
以下是從零開始寫出高品質 Prompt 的完整步驟，照著做就能產出滿意的 AI 圖像。
- 確定主題與風格：先想清楚要畫什麼（人物/風景/物件）以及風格（寫實/動漫/油畫），這決定了你要選用的 Checkpoint 模型
- 組織正面 Prompt：按「品質詞 → 主體 → 場景 → 風格 → 模型觸發詞」順序撰寫，關鍵元素放前面，重要度由左至右遞減
- 設定 Negative Prompt：加入品質排除詞（worst quality, low quality）與常見瑕疵詞（bad hands, extra fingers），建議搭配 EasyNegative embedding
- 調整權重：對不夠明顯的特徵加
(keyword:1.2)強調，對過於強烈的特徵用(keyword:0.8)弱化，避免超過 1.8 - 批次生成與篩選：一次產出 4-8 張圖，從中挑選構圖最佳的，再用 img2img 或 Inpaint 微調細節
- 建立個人咒語庫：將測試成功的 Prompt 組合存成模板，標註使用的模型與參數，方便日後快速套用
