属性AI绘画控准的写法与权重:12种发色立绘实测

属性AI绘画控准的写法与权重:12种发色立绘实测
属性AI绘画主题封面:同一位角色的多种发色瞳色服装属性对比立绘

先把话挑明:属性控制拼的不是词汇量,是"隔离"——让每个属性待在自己该待的位置。写法上具体名词优于抽象形容,权重数值1.1到1.3之间够用,属性一多就得上负面词兜底。以下是10月12种发色立绘实测出来的账。

属性AI绘画的核心命题就一个:你要的每个属性都出现,且只出现在该出现的地方。听着简单,做起来全是意外。我在西安,平时喜欢攒角色立绘,10月给自己排了个活:同一张脸做12种发色发式版本,从雾灰蓝到酒红全要。做到第4种我就意识到了问题的严重性——发色这个属性特别不安分,它总要往衣服上、背景里、眼睛上跑。

我的机器是张3080,12GB显存,本地跑图512x768一张6秒左右,抽卡成本几乎为零,所以这个月我做了大量糙汉子式的对比实验,结论都是笨办法堆出来的。

属性互串的三种典型翻车

发色外溢、瞳色扩散、服装色互相污染是属性控制的三大事故,属性越鲜艳、数量越多越容易串。互串的根源是模型没学会"这个颜色只属于这个部位"。

发色外溢最常见。酒红色头发配白裙,出来的图裙摆总是粉一块,像被染坊的水溅过。瞳色扩散更隐蔽:你写"amber eyes",出图是没错,可整个画面的光都带上了琥珀色,人物像站在蜂蜜里。服装互撞最头疼——"red jacket, blue skirt"十次里有三四次出紫色套装,红蓝它在色盘上给你现场调和了。

10月8日那天我为了一个"银发+金瞳+黑红双色外套"的设定连抽四十多张,最接近的一版,银发对了,金瞳对了,外套的黑和红却从双色变成了斜条纹。那天我学到一件事:属性列表越长,模型越倾向于"全都表现一点",而不是"各自表现到位"。

写法实测:标签、权重与自然语言

标签加权重是最可控的写法,颜色词紧跟部位词是防串关键,负面提示词负责兜底清理。三种写法的实测差距比换模型还明显。

写法实测表现适用情况
标签直写:white hair, blue eyes基础款,两三个属性时够稳属性少于4个
权重加持:(silver hair:1.2)显色更准,但超过1.4容易烧糊画面属性被吃掉时
自然语言:a girl whose hair is silver隔离感好,部分模型响应差属性互串严重时

防串的关键操作是"颜色紧跟部位"。别写"white and red, jacket and skirt",要写"red jacket, white skirt"——颜色和部位贴死了,模型才不会自由配对。再加一层负面词兜底,比如担心发色染到衣服,就把"colored clothes"扔进负面里,简单粗暴,出问题率直接掉一半。

自然语言写法是个隐藏选项。有一次我被红发渗进背景折磨到崩溃,顺手把提示词改写成完整的英文句子"her hair is deep red, while the background stays cool gray",串色当场就停了。后来我才想明白:句子结构自带隔离,从句里的属性天然只管自己的主语。部分模型对这种写法不感冒,值得先试一张再决定用不用。

12种发色的完整排产记录

整套立绘10月13日开工,16日收工,四种发色靠直出,六种靠调权重,剩下两种换了词才成。每一个顽固属性背后都有一次重写提示词的经历。

顺利的大头:黑、棕、金、灰四个基础色基本直出。费劲的中档:雾灰蓝和薄荷绿总被染上别的色,权重提到1.25才老实。最难缠的两个:酒红一直往裙子上跑,最后是"deep wine red hair, plain white dress"加负面词三管齐下才压住;另一个是荧光绿,这颜色太出挑,无论怎么写都会抢掉整张图,最后我降权到0.9再让服装全素,勉强过关。

固定同脸也有讲究。12张必须同一张脸,我的办法是先定一张满意的底图,之后每张都从它出发改提示词,种子锁死。即便这样,眉眼还是会有细微漂移,第9张的鼻子明显比底图挺——我把这当成抽卡的余味,挑最接近的用。本地跑图这点好,参数折腾得起,想看3080本地部署的门道可以翻翻之前那篇3080跑AI绘画。

16日晚最后一张薄荷绿定稿,12张在文件夹里排开,像一排不同口味的水果糖。回头算账,真正的技术含量不在那12个颜色词,而在每一次颜色跑偏之后你怎么改:换词、调权、上负面、写句子,四招轮着来。属性控制的进步,全是被翻车逼出来的。

常见问题

一次最多能稳几个属性?

我的经验是四个以内。发色、瞳色、上装、下装各一个正好;再往上加配饰、纹身之类的,就该做好反复重绘的心理准备。

权重拉满1.5是不是更显色?

显色是显了,画面也毁了。超过1.4很容易出现色块糊边、纹理断裂。我最高只敢用到1.3,不够就换更准的颜色词。

渐变色头发怎么写?

写"gradient hair, pink to blue"这类结构,但崩率高,经常渐变到一半断色。更稳的做法是分段生成加局部重绘,虽然麻烦,成图质量高一大截。

属性写中文还是英文好?

多数模型对英文属性词响应更准,尤其是颜色。中文提示词不是不行,但"酒红""薄荷绿"这类有色号的词,翻译成英文具体词成功率明显更高。