AI绘画提示词实战：精准控制角色情绪表达的维度拆解与组合公式

这次我们来看一个在AI内容创作领域非常实用的话题：如何让AI生成的角色拥有更丰富、更精准的情绪表达。无论是用Stable Diffusion生成角色立绘，还是用Midjourney创作插画，甚至是驱动AI数字人，角色的情绪都是让作品“活”起来的关键。很多朋友在生成角色时，常常遇到“表情呆板”、“情绪不符”的困扰，这背后往往不是模型能力不行，而是提示词（Prompt）没有用对。

这篇文章不讲复杂的模型原理，直接聚焦于“如何用提示词控制AI角色的情绪”。我们会拆解情绪表达的构成要素，提供可直接套用的高质量情绪提示词库，并演示在不同AI绘画工具（如Stable Diffusion WebUI、Midjourney）中的实际应用效果。无论你是想为小说角色配图，还是为游戏设计角色，或是制作带有情感的数字人内容，掌握这套方法都能让你的作品质量提升一个档次。

1. 核心能力速览：用提示词驾驭AI情绪

在开始具体操作前，我们先明确一下，通过提示词控制AI角色情绪，本质上是在做什么。这并非调用某个特定的“情绪模型”，而是利用现有文生图、图生图大模型的理解能力，通过精准的语言描述，引导模型在角色面部表情、肢体语言、场景氛围等多个维度上，生成符合目标情绪的画面。

简单来说，这是一项“零成本”提升你现有AI绘画工作流产出质量的关键技能。下面，我们就从情绪的解构开始。

2. 情绪表达的维度拆解：不止于“表情”

要让AI理解情绪，我们不能只输入“happy”或“sad”。人类的情绪表达是一个综合系统，需要从多个维度向AI描述：

2.1 面部表情 (Facial Expression)

这是最直接的情绪载体。需要具体化，而非笼统。

• 基础情绪：smile（微笑）， grin（露齿笑）， frown（皱眉）， scowl（怒视）， pout（噘嘴）， tearful（含泪的）。
• 眼部神态：sparkling eyes（闪闪发光的眼睛）， distant gaze（遥远的目光）， fierce glare（凶狠的瞪视）， gentle eyes（温柔的眼神）， narrowed eyes（眯起的眼睛）。
• 眉毛与额头：raised eyebrows（扬起的眉毛）， furrowed brow（紧锁的眉头）， relaxed forehead（放松的额头）。

2.2 肢体语言与姿势 (Body Language & Pose)

姿势能极大强化情绪感染力。

• 开放 vs 封闭：open arms（张开双臂）， hugging oneself（抱紧自己）， slumped shoulders（耷拉的肩膀）， standing tall（昂首挺立）。
• 动作与动态：jumping for joy（高兴地跳起来）， face in hands（双手掩面）， shaking fist（挥舞拳头）， thoughtful chin resting（沉思状托着下巴）。
• 方向与互动：turning away（转过身去）， leaning in（身体前倾）， looking down（低头看）。

2.3 场景与氛围 (Scene & Atmosphere)

环境能烘托和解释情绪。

• 光影与色调：warm golden hour lighting（温暖的金色时刻光线）， harsh shadows（强烈的阴影）， soft diffuse light（柔和的漫射光）， cool blue tones（冷蓝色调）， high contrast（高对比度）。
• 天气与元素：rainy scene（雨景）， sunny meadow（阳光明媚的草地）， dark stormy clouds（黑暗的暴风云）， confetti falling（五彩纸屑飘落）。
• 构图与镜头：close-up portrait（特写肖像）， dynamic low angle（动态低角度）， lonely figure in wide shot（广角镜头中的孤独身影）。

2.4 抽象与风格化描述 (Abstract & Stylized)

用更艺术或比喻的方式传达情绪感受。

• 氛围词：melancholic（忧郁的）， euphoric（狂喜的）， tense（紧张的）， serene（宁静的）， chaotic（混乱的）。
• 比喻词：like a weight has been lifted（如释重负）， carrying the world on one’s shoulders（肩负重担）， bursting with energy（充满活力）。

理解这些维度后，我们就可以像搭积木一样，组合出富有感染力的提示词。

3. 高质量情绪提示词库与组合公式

这里提供一套可直接复制使用的提示词模块，并给出组合公式。

3.1 核心情绪关键词库（按强度分类）

轻度情绪：

• 愉悦：content（满足的）， peaceful（平和的）， amused（被逗乐的）， gentle smile（温柔的微笑）。
• 忧伤：pensive（沉思的）， wistful（惆怅的）， somber（阴郁的）， distant look（疏远的目光）。
• 惊讶：slightly surprised（略显惊讶）， curious（好奇的）， raised eyebrow（挑眉）。

中度情绪：

• 喜悦：joyful（快乐的）， laughing（大笑的）， bright eyes（明亮的眼睛）， cheerful（兴高采烈的）。
• 悲伤：sad（悲伤的）， tearful（含泪的）， downcast eyes（低垂的眼睛）， sighing（叹息的）。
• 愤怒：annoyed（恼怒的）， frustrated（沮丧的）， stern expression（严肃的表情）， crossed arms（交叉双臂）。

强烈情绪：

• 狂喜：ecstatic（狂喜的）， overjoyed（欣喜若狂）， triumphant（胜利的）， tears of joy（喜悦的泪水）。
• 悲痛：heartbroken（心碎的）， weeping（哭泣的）， in despair（绝望的）， anguished（极度痛苦的）。
• 暴怒：furious（暴怒的）， enraged（愤怒的）， shouting（大喊）， clenched fists（紧握的拳头）。

3.2 情绪提示词组合公式

一个有效的情绪提示词 =角色主体 + 核心情绪 + 表情/肢体细节 + 氛围烘托 + (风格/质量词)。

公式应用示例：

1. 目标：生成一个在雨中感到孤独和忧伤的年轻女性角色。

   • 提示词：A young woman, solo, standing on a rainy street at night, melancholic and lonely, looking down with a sorrowful expression, wet hair clinging to face, streetlights reflecting on wet pavement, cinematic lighting, photorealistic, 8k.
   • 拆解：
     • 角色主体：A young woman, solo
     • 核心情绪+氛围：melancholic and lonely, standing on a rainy street at night
     • 表情/肢体细节：looking down with a sorrowful expression, wet hair clinging to face
     • 氛围烘托：streetlights reflecting on wet pavement, cinematic lighting
     • 质量词：photorealistic, 8k

2. 目标：生成一个赢得比赛后狂喜的运动员。

   • 提示词：An athlete, triumphant and ecstatic, raising both arms in victory, shouting with joy, sweat on forehead, stadium crowd in blurred background, confetti in the air, dynamic sports photography, sharp focus.
   • 拆解：
     • 角色主体：An athlete
     • 核心情绪：triumphant and ecstatic
     • 肢体细节：raising both arms in victory, shouting with joy, sweat on forehead
     • 氛围烘托：stadium crowd in blurred background, confetti in the air
     • 风格词：dynamic sports photography, sharp focus

3.3 负面提示词（Negative Prompt）的妙用

负面提示词可以强力抑制不想要的情绪或表情，让生成更精准。

• 通用负面词：(bad anatomy, deformed, disfigured:1.3)（始终建议保留）
• 抑制错误情绪：针对“喜悦”场景，可加入sad, crying, angry, frown。针对“沉思”场景，可加入big smile, laughing, exaggerated expression。
• 抑制不相关元素：text, watermark, signature, extra limbs, multiple people。

4. 在Stable Diffusion WebUI中的实战应用

我们以最流行的开源工具Stable Diffusion WebUI为例，演示如何应用上述提示词。

4.1 环境准备与模型选择

• 基础环境：已安装并可正常运行的Stable Diffusion WebUI（AUTOMATIC1111或Forge等版本均可）。
• 模型建议：选择擅长人物表现的大模型。对于写实风格，可尝试epiCRealism、Realistic Vision；对于动漫风格，可尝试Anything系列、Counterfeit。使用ChilloutMix等模型时，需注意其特性。
• LoRA/插件：可搭配一些表情增强LoRA（如Detail Tweaker、表情控制类LoRA），但非必需。提示词是核心。

4.2 文生图（txt2img）情绪控制实战

案例：生成一位在图书馆中专注阅读、略带思考神情的学者。

1. 正向提示词：

   (masterpiece, best quality), 1 mature male scholar, in a cozy ancient library, surrounded by old books, pensive and focused expression, gentle light from a desk lamp, resting chin on hand while reading, thoughtful eyes, slight frown of concentration, (detailed face:1.2), atmospheric, volumetric lighting, 8k

   • pensive and focused expression：定义核心情绪（沉思、专注）。
   • resting chin on hand while reading, thoughtful eyes, slight frown of concentration：具体化肢体和面部细节。
   • cozy ancient library, gentle light from a desk lamp, atmospheric, volumetric lighting：营造氛围。

2. 负面提示词：

   (worst quality, low quality:1.4), (bad anatomy, deformed, disfigured:1.3), text, watermark, signature, blurry, smile, laughing, happy, multiple people, cartoon, 3d render

   • 加入了smile, laughing, happy来抑制与“沉思”冲突的愉悦表情。

3. 关键参数设置：

   • 采样方法（Sampler）：DPM++ 2M Karras 或 Euler a（出图快，适合测试）。
   • 迭代步数（Steps）：20-30步。
   • 提示词引导系数（CFG Scale）：7-9。过低情绪不明显，过高可能画面失真。
   • 分辨率：根据模型支持情况，如512x768或768x512。可开启高分辨率修复（Hires. fix）提升细节。

4. 生成与调整：

   • 点击生成后，观察角色表情是否符合“pensive”（沉思）。
   • 如果表情仍偏中性或愉悦，可以：
     • 加强情绪关键词权重：(pensive:1.3)。
     • 在负面提示词中增加neutral expression。
     • 尝试使用“提示词矩阵脚本”（Prompt matrix），同时测试不同权重。

4.3 图生图（img2img）的情绪改造

如果你有一张角色图但表情不对，可以用图生图来“改写”情绪。

操作步骤：

1. 将原图拖入img2img标签页。
2. 在正向提示词中，重点描述你想要的新情绪和对应的面部/肢体变化，同时保留原图的角色特征（如发色、衣着）。
   • 示例：原图是微笑的少女，想改为忧伤。
   • 正向提示词：[原角色描述]，sad and melancholic expression, teary eyes, looking away, subdued lighting, (keep same hair and dress:1.1)
3. 设置较低的重绘幅度（Denoising strength），如0.4-0.6。太高会导致人物变化过大，太低则情绪改变不明显。
4. 生成并逐步调整重绘幅度和提示词，直到在改变情绪的同时，最大程度保留角色身份。

5. 在Midjourney等其他平台的应用要点

Midjourney对自然语言的理解更强，但提示词结构同样重要。

5.1 Midjourney提示词结构

Midjourney V6及Niji模型对情绪表达非常出色。建议使用更完整的句子描述。

• 基础公式：[场景与角色描述]， [情绪与表情描述]， [艺术风格与质量词]
• 示例：A fierce warrior queen after a hard-fought battle, standing amidst ruins, expression is a mix of exhaustion, pride, and grim determination, blood and dirt smeared on face, holding a chipped sword, sunset casting long dramatic shadows, epic fantasy art style, dynamic composition, by Greg Rutkowski and Artgerm.
  • 这里用expression is a mix of exhaustion, pride, and grim determination描述了复杂的混合情绪。

5.2 参数调整

• --style raw：在V5.2/V6中，使用此参数可以让Midjourney更严格地遵循你的提示词，对情绪控制更有帮助。
• --chaos：较低的--chaos值（如10-30）有助于生成更符合提示词设定的稳定情绪；较高的值可能产生意外但富有戏剧性的表情。
• 多提示词权重：使用::分隔并赋予权重，如sad expression::2 determined look::1，来平衡混合情绪。

5.3 迭代与变体（Vary）

利用Vary (Subtle)或Vary (Strong)，在已生成的情绪基调上微调表情细节，是Midjourney工作流中优化情绪表达的利器。

6. 进阶技巧：复杂情绪、连续表情与一致性

6.1 刻画复杂与矛盾情绪

人是复杂的，高级的角色刻画需要表现矛盾情绪。

• 提示词示例：smiling but eyes look tired（微笑但眼神疲惫），angry yet holding back tears（愤怒却又忍着泪水），confident pose with a hint of anxiety in the eyes（自信的姿态但眼中流露出一丝焦虑）。
• 方法：用but,yet,with a hint of,mixed with等连接词组合情绪关键词，并通过对眼睛、嘴角等局部细节的强调来实现。

6.2 为角色设计表情序列（表情包/故事板）

如果你想为同一个角色生成一系列表情（如喜怒哀乐），保持角色一致性是关键。

1. 生成满意的角色基础图：先得到一张高质量、表情中性的角色定妆照。
2. 使用图生图+角色引用：
   • 在SD WebUI中，将基础图送入img2img。
   • 提示词结构：[基础角色描述]， [新情绪描述]， (extremely consistent character appearance:1.3)。
   • 使用ControlNet的Reference only或IP-Adapter功能，能极大增强一致性。将基础图作为参考图，在低权重下控制生成的新图保持相同面容。
   • 重绘幅度控制在0.5-0.7，多次尝试。

6.3 利用LoRA微调特定情绪风格

社区有许多训练好的LoRA模型，专门用于生成特定情绪风格，如“哭泣”、“大笑”、“邪恶微笑”等。在C站（Civitai）搜索“expression”、“emotion”、“cry”等关键词可以找到。使用时，在提示词中加入对应的LoRA触发词，并调整权重（通常0.6-0.8）。

7. 常见问题与效果优化排查

即使使用了提示词，效果可能仍不理想。以下是常见问题及解决方案：

8. 最佳实践与工作流建议

1. 从简单到复杂：先用一个核心情绪词（如“angry”）生成，观察效果，再逐步添加肢体、场景细节。
2. 建立个人关键词库：将测试成功的情绪提示词片段（如“teary eyes with red rims”、“a defiant smirk”）记录下来，形成可复用的资产。
3. 善用批量生成：在SD WebUI中，使用“X/Y/Z图表”脚本，对同一个情绪关键词测试不同的CFG Scale、采样器，快速找到最佳参数组合。
4. 角色情绪板：为长期项目中的主要角色，专门制作一个包含多种标准表情（中性、喜、怒、哀、惊）的图集，方便后续创作时参考和保持一致性。
5. 合规与伦理提醒：在创作涉及强烈负面情绪（如极度痛苦、恐惧）或特定现实人物的角色时，请务必考虑作品用途和传播范围，遵守法律法规和平台规范，避免造成不当影响。

掌握AI角色情绪表达，本质上是提升我们与AI协作的“沟通精度”。它不需要高深的代码能力，而是考验我们对视觉语言的拆解和重组能力。通过本文提供的维度拆解、词库公式和实战方法，你应该能够更有方向地去调试提示词，让生成的每一个角色都真正“活”起来，充满故事感和感染力。下次生成角色前，不妨先花一分钟构思一下：这个角色此刻的感受是什么？它会如何通过面部、肢体和周围环境表现出来？把这些答案变成提示词，就是创作的开端。