模型（Model）

majicmixRealistic_v7

majicmixRealistic（麦橘写实）是融合了多种展现日常生活人物形象的写实风格模型，人物的外观更加接近现实生活，对于光影、皮肤、人物动态均有较好的表现，非常适合出美女图片。

LoRA

（1）add_detail

用于增强/减少细节，同时保持整体风格，它适用于所有类型的基础模型（包括动画和写实模型）/风格LoRA/角色LoRA等。

（2）GirlfriendMix2

一个混合多个人脸的女性LoRA模型，搭配主模型对图片中的人物脸部进行美化。

（3）tianfeng_filmgirls5

用于在majicmixRealistic（麦橘写实）主模型搭配下生成与墨幽人造人主模一样的胶片质感女孩的LoRA模型。

提示词（Prompt）

（1）画质风格提示词：highly detailed, sharp focus, extreme detail description, (vivid colors:0.6), cinematic lighting, extremely high-resolution details, photographic, realism pushed to extreme, fine texture, incredibly lifelike

含义：高度详细, 锐利对焦, 极致细节描写, (生动色彩:0.6), 电影级光影, 极高分辨率细节, 摄影感, 真实主义推至极致, 精细纹理, 非常逼真

（2）画面内容提示词：1girl, cityscape, skyscraper, sunset

含义：一个女孩, 城市景观, 摩天大楼, 夕阳

（3）艺术表现提示词：side light, bright color

含义：侧光, 明亮的色彩

反向词（Negative Prompt）

(watermark:1.4), (text:1.4), (worst quality:2), (low quality:2), (normal quality:2), lowres, ((monochrome)), ((grayscale)), skin spots, acnes, skin blemishes, age spot, (outdoor:1.4), backlight, (ugly:1.3), (duplicate:1.3), (morbid:1.2), (mutilated:1.2), mutated hands, (poorly drawn hands:1.3), blurry, (bad proportions:1.3), extra limbs, (disfigured:1.3), (missing arms:1.3), (extra legs:1.3), (fused fingers:1.6), (too many fingers:1.6), (unclear eyes:1.3), bad hands, missing fingers, bad body, (nsfw:1.4), easynegative, bad_prompt_version2-neg, bad-hands-5, ng_deepnegative_v1_75t,

含义：(水印:1.6), (文字:1.4), (最差画质:2), (低画质:2), (普通画质:2), 低分辨率, ((单色)), ((灰度)), 皮肤斑点, 粉刺, 皮肤瑕疵, 老年斑, (户外:1.6), 背光, (丑陋:1.3), (重复:1.3), (病态:1.2), (残缺:1.2), 畸变的手, (画得差的手:1.3), 模糊, (不好的比例:1.3), 多余的肢体, (畸形:1.3), (缺胳膊:1.3), (多余的腿:1.3), (融合的手指:1.4), (手指太多:1.4), (不清晰的眼睛:1.3), 不好的手部, 缺失的手指, 不好的身体, (不安全内容:1.4)

反向提示词排除了低画质、低分辨率、素描和四肢及皮肤的错误等因素，另外引入了TI（Textual Inversion）微调Embedding模型ng_deepnegative_v1_75t、bad-hands-5、bad_prompt_version2-neg、easynegative，用于对手臂（含手指）进行修正和提示词增强

采样（Sampler）

DPM++ 2M SDE Karras

DPM++ 2M SDE Karras是DPM++ 2M SDE方法的Karras改进版本，在采样效果上会有进一步的改善，而DPM++ 2M SDE是DPM++ 2M方法与稳定性差分方程（Stabilized Differential Equation）方法的结合，可提供更加准确的采样结果。

相关性（CFG scale）

7

相关性（CFG Scale）也称为提示词引导系数，较低的CFG值，可以使AI在生成内容时具有更高的创造性。在Stable Diffusion中，默认的CFG值为7，这是在创造性和严格遵循提示词之间取得最佳平衡的一个值。而太低的值也会使得提示词无法有效对生成的图像进行控制，通常情况下，一般不建议该值低于5，而过高的值也可能会导致生成的图像出现丑陋的伪影，达不到预期结果。

步数（Steps）

40

迭代步数（Steps）用于控制去噪步骤的数量，一般来说，步数越多越好。除非需要非常详细的纹理，一般建议值在30~50之间，太多的步数有时反而导致生成的图像出现不可预料的错误。

随机数（Seed）

随机数种子（Seed）表示初始随机噪声的数字，不同的值会得到不同的图像，默认值为-1。

参数设置 & 说明

（1）分辨率为720 x 960（3:4），如果有NVIDIA 3系以上的显卡，可以适当提高分辨率设置。如果需要更高分辨率图片，可以考虑使用放大算法对生成图片进行等比例放大。

（2）勾选Enable ADetailer，使用face_yolov8n_v2模型开启面部修复，可以使写实照片中的人脸更清晰、更符合预期。

（3）其他设置保持Stable Diffusion Web UI默认值即可。

案例样图

技巧分享

反向提示词都有哪些功能？

（1）提升输出质量。大多情况下会加入“最差画质”、“低画质”、“低分辨率”等词作为默认的反向提示词，来进一步提升画质，还有去除文字、水印等。

（2）排除不需要的物体或元素。

（3）控制图片的风格。加入3D、素描等，生成的图片就会倾向于写实照片风格。

（4）避免异常和错误。生成的图片经常会出现四肢异常情况，比如多手指、少手指、难看的脸部等，通常情况会加入一些错误的关键词，多出来的手指、多出来的四肢等。

（5）避免色情、暴力和版权等问题。生成的图片，偶尔会出现一些未成年人不宜的画面，因此，使用反向提示词，可以进行限制。

总结

篇幅有限，这里就不一一展示了，有需要的朋友可以点击下方的卡片进行领取！