1. 从“穿什么”到“怎么穿”：AI绘画中服饰提示词的底层逻辑

最近在玩Stable Diffusion的时候，我发现一个挺有意思的现象：很多朋友，包括我自己刚开始的时候，都觉得给人物“穿衣服”是件挺简单的事儿。不就是把“white dress”、“leather jacket”这些词扔进提示词里吗？但生成的图往往不尽人意——衣服要么和人物身体“长”在一起，要么材质质感像塑料，要么款式细节完全跑偏。这让我意识到，在AI绘画里，描述服饰远不止是“命名”那么简单，它更像是在给一个虚拟的服装设计师下达一份极其精确的工单。

我们面对的Stable Diffusion模型，本质上是一个基于海量图文数据训练出来的“联想大师”。当你输入“一位穿着裙子的女士”时，模型会从它学过的数百万张“裙子”和“女士”的图片中，提取最普遍、最平均的特征进行组合。结果就是，你很可能得到一张穿着非常普通、毫无特色的A字裙的女士图片。这显然不是我们想要的。我们想要的是特定风格、特定材质、特定剪裁，甚至带有特定情绪和故事感的服饰。

因此，“人物服饰”的提示词工程，核心在于用精确的语言，去约束和引导模型那过于发散的“想象力”，将模糊的概念锚定到具体、可实现的视觉特征上。这不仅仅是美术功底，更是一种结构化的“翻译”能力，把我们对服装的视觉想象，拆解成模型能听懂的一个个“视觉概念单元”。接下来，我就结合自己大量的试错经验，从最基础的词序结构，到高阶的材质光影控制，系统地拆解一下如何让Stable Diffusion里的人物真正“穿”上你想象中的那件衣服。

2. 服饰提示词的四层结构：从轮廓到灵魂

我习惯把描述一件服装的提示词分成四个由宏观到微观的层次来构建。这个结构能帮你理清思路，避免提示词变成一团乱麻。

2.1 第一层：主体与款式——确立服装的“骨架”

这是最基础的一层，决定了服装的大致形态。你需要明确回答：这是什么类型的服装？

• 基本品类：dress（连衣裙），suit（西装），hoodie（连帽衫），hanfu（汉服），kimono（和服），qipao（旗袍）。越具体的文化服饰，越需要搭配相应的模型（LoRA或Checkpoint）来获得正确形制。
• 款式描述：光说dress太笼统。要加上：
  • 长度：mini dress（超短裙），midi dress（中长裙），maxi dress（长裙），ankle-length dress（及踝长裙）。
  • 轮廓：A-line dress（A字裙），bodycon dress（紧身裙），ball gown（舞会礼服/大裙摆），sheath dress（直筒裙）。
  • 领型：V-neck（V领），off-shoulder（露肩），high collar（高领），sweetheart neckline（心形领）。
  • 袖型：sleeveless（无袖），short sleeves（短袖），long sleeves（长袖），puff sleeves（泡泡袖），bishop sleeves（主教袖）。

实操心得：这一层的词通常放在提示词的前部或中部，权重可以高一些（比如用(white wedding dress:1.3)）。但要注意，dress和skirt（半身裙）在模型看来可能是不同的东西，如果你既写了dress又写了long skirt，可能会造成冲突，导致生成奇怪的连体款式。

2.2 第二层：材质与纹理——赋予服装“肌肤”

材质直接决定了画面的质感和高级感。这是让衣服脱离“塑料感”的关键。

• 常见材质：
  • 织物：silk（丝绸），satin（缎面），velvet（天鹅绒），lace（蕾丝），linen（亚麻），denim（牛仔布），tweed（粗花呢），cashmere（羊绒）。
  • 皮革/特殊：leather（皮革），latex（乳胶），metallic（金属质感），translucent（半透明），mesh（网眼）。
• 纹理与图案：
  • 花纹：floral pattern（花卉图案），striped（条纹），plaid（格子），polka dot（波点），camouflage（迷彩）。
  • 工艺：embroidered（刺绣），printed（印花），ruffles（荷叶边），pleats（褶皱）。

踩坑记录：材质词非常敏感，容易互相污染。例如，silk和wet（湿身）一起用，很容易走向NSFW内容，因为训练数据中两者的关联性可能很强。同样，lace和see-through（透视）也需谨慎搭配。建议开始时先用单一强材质词，稳定后再尝试组合。

2.3 第三层：状态、合身度与细节——注入“生命感”

衣服不是静态挂在衣架上的，它是被人穿着的，有动态和状态。这一层能让画面立刻生动起来。

• 合身度：form-fitting（合身的），loose-fitting（宽松的），tight（紧身的），oversized（ oversized/超大款）。
• 穿着状态：unbuttoned（未系扣的），half-tucked（一半塞进裤子），flowing（飘逸的），billowing（随风鼓胀的），disheveled（凌乱的）。
• 细节装饰：with belt（带腰带），buttons（纽扣），zipper（拉链），pockets（口袋），frills（褶边）。

2.4 第四层：环境与光影互动——营造“氛围感”

这是高阶技巧，考虑服装与周围环境的交互，能极大提升画面的真实感和叙事性。

• 环境交互：wind-blown（被风吹动的），raindrops on（带有雨滴的），dusty（沾满灰尘的），mud-splattered（溅满泥点的）。
• 光影效果：iridescent（彩虹色的），luminescent（发光的），subsurface scattering（次表面散射，用于表现丝绸、皮肤等半透明材质的透光感）。

把这四层组合起来，一个完整的服饰描述可能是这样的：an elegant satin evening gown with a sweetheart neckline and flowing long sleeves, delicate lace embroidery on the bodice, slightly billowing in the gentle wind, iridescent under the moonlight（一件优雅的缎面晚礼服，心形领，飘逸的长袖，上身有精致的蕾丝刺绣，在微风中轻轻鼓动，在月光下泛着虹彩。）

3. 权重、顺序与语法：提示词的“编程艺术”

知道了词怎么写，还得知道怎么排兵布阵。在Stable Diffusion中，提示词的顺序、权重和连接词，共同决定了每个概念的“优先级”。

3.1 顺序的优先级：越靠前，越重要

模型会优先处理提示词开头的部分。所以，把你最核心的服装特征放在前面。通常的推荐顺序是：[人物主体] + [核心服饰描述] + [服饰细节/材质] + [人物特征/动作] + [场景/环境] + [画风/质量词]例如：1girl, wearing a red leather jacket, (detailed zippers and buckles:1.2), standing on a rooftop at night, cyberpunk style, masterpiece, best quality

3.2 权重的魔法：强调与弱化

用括号()可以增加权重，用方括号[]可以降低权重。多层括号效果更强。

• (red dress:1.5)：将“红色连衣裙”的权重提升至1.5倍。
• [blue]：弱化“蓝色”的影响。
• ((masterpiece))：双重强调“杰作”质量。

关键技巧：对于服饰的关键特征，如特定材质(silk:1.3)或独特款式(ball gown:1.4)，适度增加权重（1.2-1.5）有助于使其在生成结果中稳定出现。但权重过高（如>1.5）可能导致图像扭曲或其他特征被压制。

3.3 连接词与分隔：概念的隔离与融合

• 逗号 “,”：这是最常用的分隔符，它告诉模型“这是不同的概念”。良好的逗号分隔有助于模型更清晰地解析你的意图。
• “AND” 连接：white shirt AND black skirt。使用AND会让模型更倾向于将“白衬衫”和“黑裙子”作为两个独立但共存的物体来处理，而不是去生成一个“黑白相间的衬衫裙”。这在描述上下装搭配时非常有用。
• 否定词：使用no,without可以排除不想要的元素，例如no hat,without glasses。但请注意，模型对否定词的理解有时并不完美，更可靠的方法是用正面描述去覆盖。

4. 避坑指南：为什么我的衣服总是“长”在身上？

这是新手阶段最高频的问题之一。明明描述了漂亮的衣服，生成的人像却像是身体彩绘，衣服没有厚度和分离感。以下是我总结的排查链路和解决方案：

4.1 第一站：检查模型与提示词冲突

问题本质：你使用的基础大模型（Checkpoint）本身可能带有强烈的“风格化”倾向，与你描述的写实服装冲突。

• 排查：你用的是2.5D动漫风格模型，却想生成一件写实的tailored woolen suit（精纺羊毛西装）？这很难。模型在训练时，“西装”这个概念可能更多与动漫角色的简化服装关联。
• 解决：切换到一个以写实人物摄影见长的模型，例如epicRealism,Realistic Vision,ChilloutMix（需注意使用规范）。好的写实模型对布料质感、褶皱光影的理解更深。

4.2 第二站：强化服装的“实体”与“纹理”

问题本质：提示词过于单薄，没有强调服装的物理属性和复杂纹理。

• 排查：你的提示词是不是只有white dress？这太模糊了。
• 解决：加入大量描述实体感和纹理的词：
  • detailed clothing（详细的服装）
  • intricate details（复杂的细节）
  • textured fabric（有纹理的面料）
  • thick fabric（厚面料）
  • clothing folds（衣服褶皱）
  • separated clothing（分离的服装）—— 这是一个“魔法词”，能直接提示模型将服装与皮肤区分开。
  • 结合前面讲的材质词(lace,denim)和状态词(flowing,wrinkled)。

4.3 第三站：利用LoRA与Embedding“开小灶”

问题本质：通用大模型对某些特定、复杂的服饰类型学习不足。

• 解决：使用针对性的LoRA（小型模型）或Embedding（文本嵌入）。例如：
  • 想生成华丽的哥特式连衣裙，可以加载一个Gothic Lolita Dress的LoRA。
  • 想生成准确的中国汉服，一个Hanfu相关的LoRA或Embedding是必不可少的。
  • 这些微调模型能向大模型注入更专业、更稳定的服饰特征，效果立竿见影。
• 操作：在WebUI中加载LoRA后，在提示词中加入触发词，如<lora:gothic_dress:0.8>，并搭配该LoRA推荐的提示词（如gothic dress）。

4.4 第四站：采样器与步数的“雕刻”作用

问题本质：生成过程“火候”不到，细节来不及浮现。

• 排查：你是否在用Euler a这类收敛快的采样器，并且步数（Steps）只设了20？
• 解决：
  • 提高步数：对于复杂服饰，尝试将步数提高到30-50步，给模型更多迭代次数去“刻画”服装细节。
  • 更换采样器：尝试使用DPM++ 2M Karras或UniPC等采样器，它们可能在细节表现上更稳定。
  • 调整CFG Scale：这个参数控制提示词的相关性。太低（<7）则提示词约束力弱，衣服可能变形；太高（>12）可能使画面僵硬、色彩过度饱和。针对服饰，我通常设置在7-10之间微调。

4.5 第五站：ControlNet的终极控制

问题本质：你需要对服装的版型、轮廓有绝对控制权。

• 解决：使用ControlNet的OpenPose或Canny。
  • OpenPose：固定人物姿势后，服装的形态（如裙摆下垂的方向、袖子摆动）会更符合物理逻辑，而不是黏在扭曲的肢体上。
  • Canny：你可以先手绘一张简单的服装轮廓线稿，然后用Canny模式让AI严格按照你的线稿来“填充”衣服，彻底解决形制问题。这是制作特定款式服装的终极方案。

5. 风格化服饰的提示词配方

掌握了基础方法后，我们可以针对不同风格，组合特定的提示词“配方”。这里分享几个我常用的组合：

5.1 赛博朋克机能风

(cyberpunk clothing:1.3), (asymmetric design:1.2), tactical harness, (neon highlights:1.2), glowing LED strips, (textured synthetic fabric:1.2), multiple zippers and buckles, (wear and tear:1.1), (reflective materials), <lora:cyberpunk_style:0.7>

要点：强调“不对称”、“战术”、“霓虹光效”、“发光LED”、“合成面料”、“磨损做旧”和“反光材料”。搭配赛博朋克风格的LoRA和模型，效果更佳。

5.2 奇幻魔法师长袍

(fantasy wizard robe:1.4), (long flowing sleeves:1.3), intricate golden embroidery, (starry pattern:1.2), (ethereal glow:1.2), (silky fabric with subsurface scattering), runic patterns along the hem, (mysterious aura), <lora:fantasy_clothing:0.6>

要点：核心是“飘逸”、“复杂刺绣”、“星空图案”、“空灵辉光”。“次表面散射”这个词对于表现丝绸、魔法能量等半透明质感的神奇效果至关重要。

5.3 复古油画感连衣裙

(Portrait of a woman in a Victorian-era dress:1.5), (silk satin fabric:1.3), (abundant ruffles and lace:1.3), (pearl embellishments), (soft volumetric lighting), (painterly strokes:1.2), (oil painting texture), by Edmund Blair Leighton, masterpiece

要点：除了具体的服装描述（维多利亚时代、丝绸缎面、大量蕾丝褶边），更重要的是环境光效（soft volumetric lighting柔和的体积光）和画面纹理（painterly strokes画笔触感，oil painting texture油画质感）。最后引用一位古典画家的名字，能强力将风格拉向油画。

6. 实战：从零生成一套定制西装

让我们用一个完整的例子，串联以上所有知识点。目标：生成一张一位亚洲男性在都市天台，穿着合身的定制西装，傍晚微风轻拂的照片。

第一步：构建核心提示词

(masterpiece, best quality, 8k), 1handsome Asian man, (wearing a perfectly tailored navy blue suit:1.4), (wool and silk blend fabric:1.3), (notched lapel, single-breasted:1.2), (form-fitting, shows shoulders line:1.2), (white dress shirt underneath, unbuttoned at collar:1.1), (silky tie slightly flowing:1.1), (detailed clothing folds, textured fabric), standing on a modern building rooftop at dusk, (golden hour lighting:1.3), (wind-blown hair and suit jacket:1.2), photorealistic, dramatic atmosphere

拆解：

1. 质量词前置。
2. 人物主体。
3. 核心服饰：深蓝色西装，高权重(1.4)强调。
4. 材质与细节：羊毛丝绸混纺、戗驳领、单排扣、合身剪裁。衬衫和领带作为内搭描述，领口解开和领带飘动增加生动感。
5. 实体感强化：详细的衣服褶皱、有纹理的面料。
6. 场景与互动：天台、黄昏、黄金时刻光线、风吹动头发和西装外套——这是让画面活起来的关键。
7. 风格：照片写实，戏剧化氛围。

第二步：参数设置与模型选择

• 模型：选择epicRealism或Realistic Vision系列写实模型。
• 采样器：DPM++ 2M Karras。
• 步数：30。
• CFG Scale：8。
• 尺寸：768x1024（人像比例）。

第三步：利用ControlNet精修如果发现西装版型不够挺括，或姿势不理想：

1. 启用ControlNet Unit 1。
2. 预处理器选择openpose_full，模型对应control_v11p_sd15_openpose。
3. 上传一张姿势参考图（或生成一张满意的姿势图），提取骨骼线稿，固定人物姿态。这样能确保西装随着正确的体态产生褶皱。

第四步：迭代与调整生成第一版后，观察：

• 西装质感是否足够？不够则增加(textured wool fabric:1.2)。
• 风的效果是否明显？不明显则增加(wind effect on clothing:1.1)。
• 光线是否戏剧化？可以调整提示词为(cinematic lighting, rim light:1.3)来增加轮廓光。

通过这样一层层的“雕刻”，你就能得到一张服装细节丰富、人物与环境融合自然的作品。说到底，AI绘画中的服饰描述，是一个不断与模型沟通、调试、相互理解的过程。它没有唯一的标准答案，但掌握了这些结构化的方法和思考逻辑，你就能从“碰运气”走向“有把握的创造”，让你笔下的人物，真正穿上充满故事感的华服。