Negative prompt

负向提示是一种使用稳定扩散的方法，允许用户指定他不想看到的内容，而无需对模型进行任何额外的负担或要求。据我所知，我是第一个使用这种方法的人；添加该功能的提交是757bb7c4。这个功能在用户中非常受欢迎，他们使用它来消除稳定扩散中的常见缺陷，比如多余的肢体。除了能够指定不想看到的内容之外，有时候可以通过常规提示实现，有时候则不行，这种方法允许您在不使用提示的75个令牌之一的情况下实现这一点。

负向提示的工作原理是在进行采样时，使用用户指定的文本而不是空字符串作为unconditional_conditioning。

以下是来自txt2img.py的（简化后的）代码：

# prompts = ["a castle in a forest"]
# batch_size = 1

c = model.get_learned_conditioning(prompts)
uc = model.get_learned_conditioning(batch_size * [""])

samples_ddim, _ = sampler.sample(conditioning=c, unconditional_conditioning=uc, [...])

这将启动采样器，重复执行以下操作： - 对图片进行去噪，使其更像您的提示（conditioning） - 对图片进行去噪，使其更像一个空的提示（unconditional_conditioning） - 比较两者之间的差异，并使用它生成噪声图片的一组变化（不同的采样器在这一部分的处理方式不同）

要使用负向提示，只需要这样：

# prompts = ["a castle in a forest"]
# negative_prompts = ["grainy, fog"]

c = model.get_learned_conditioning(prompts)
uc = model.get_learned_conditioning(negative_prompts)

然后，采样器将比较图像去噪后的结果与您的提示（一座城堡）以及图像去噪后的结果与您的负面提示（有颗粒感、有雾）之间的差异，并试图将最终结果朝着前者移动，远离后者。

### 示例：

一张森林中有一座城堡的彩色照片，有树木和((((灌木)))), 作者是Ismail Inceoglu，((((有阴影)))), ((((高对比度)))), 动态阴影，((hdr)), 详细的植被，数字绘画，数字绘图，详细的绘画，一幅详细的数字绘画，哥特艺术，被deviantart收录 步骤：20，采样器：Euler a，CFG比例：7，种子：749109862，尺寸：896x448，模型哈希：7460a6fa ```

负面提示	图像
无
雾
有颗粒感
雾，有颗粒感
雾，有颗粒感，紫色