负向提示是 AI 视频里被推荐得最过头的一个技巧。它在图像生成里勉强算有用,在视频里更弱、更难预测,而且偶尔会直接造成它本来想防的那件事。
下面是机制,以及该换用什么。
负向提示在机制上做什么
在带引导的扩散模型里,负向提示会生成第二路条件信号,采样过程被推离它。它是一种转向修正,不是过滤器。
意味着它作用在输出的分布上,不是作用在一张清单上。它让"画面里不出现文字"稍微不容易被采样到。它并不禁止文字。
视频模型还多一个问题:时间一致性。一个在帧与帧之间忽开忽关的修正,比不修正更糟,因为它制造闪烁。这就是为什么在静态图上好用的负向词,一放到片子里就变得难看。
为什么说出一个东西会招来它
经典翻车:你写"不要血",然后得到血。
一部分原因是负向信号相对正向信号很弱,而"血"这个词仍然通过文本编码器挂在了你的场景上。另一部分是,很多视频流程对负向分支只是松散地施加,于是这个词作为正向材料漏了进来。
教训有点不舒服:描述你不想要什么,可能等于描述你想要什么。
有效的正向约束
每个有用的负向词都有一个正向说法。用那些。
| 别写 | 改写成 |
|---|---|
| 不要血 | 干净的脸,完整的皮肤 |
| 不要文字、不要水印 | 空背景,身后是素墙 |
| 不要模糊 | 两张脸都清晰对焦 |
| 不要多余的人 | 画面里只有两个人 |
| 不要快速运动 | 缓慢、极小的动作 |
| 不要畸形的手 | 手在画面外 |
右列有左列没有的性质:它描述的是一个模型可以朝它生成的状态,而不是一个要避开的(被排除)状态。
负向词什么时候真的有用
两种情况我还会用:
色偏。 "不要绿色调"有时有用,因为颜色是稳定的全局属性,修正成本低。
某一个反复出现的瑕疵。 如果同一个错误元素每次都出现——一顶不断冒出来的帽子、背景里多出来的第三个人——一个针对性的负向词偶尔能打断这个模式。去测,别假设。
还有一种情况它算有用:某个东西删不掉,那就裁掉或重新取景。这不是提示词的修法,是构图的修法,而且比两者都可靠。
尝试的顺序
片子回来不对的时候,按这个顺序试:
- 换源照片。 服装不对通常是照片的问题。
- 缩短提示词。 把花在它身上的注意力撤掉,就等于把它撤掉。
- 简化场景。 更少的物件,更少能出错的地方。
- 减少运动。 漂移随运动量放大。
- 加负向词。 最后,而且只针对某一个具体瑕疵。
多数人从第 5 步开始。所以他们觉得它没用。
负向词做不到什么
它修不了身份漂移。它加不出分辨率撑不住的细节。它也压不过内容安全过滤——负向提示不是一次政策申辩。
如果请求被拒绝,换一种否定说法也没用。拒绝发生在采样之前,是一个分类判定,要靠改请求本身来回答,而不是把它包装一下。
老实说
负向提示是对一个概率分布的轻推。效果真实,但很小。把它当成最后一公里的微调,别当成控制面板——力气花在源照片和场景上,杠杆在那儿。
常见问题
负向提示在 AI 视频里到底有用吗?
弱,而且不稳定。它比在静态图生成里不可靠得多,因为它可能引入闪烁。
为什么写"不要血"反而出现血?
负向信号弱,而这个词仍然到达了和你场景绑定的文本编码器。说出一个东西会把它拉向输出。
那该用什么?
正向描述你想要的状态:"干净的脸,完整的皮肤",而不是"不要血"。
负向提示能绕过内容过滤吗?
不能。拒绝发生在生成之前,要靠改请求来回答。
有没有明显更适合用负向词的情况?
有——全局色彩修正,以及打断某个每次都一样复现的瑕疵。