LiblibAI抽卡怎么提高出图率 提示词实用技巧

在 LiblibAI 上抽卡，很多人跑了几十张才出一张能看的，问题往往不在模型，而在提示词的写法和参数设置。同样的模型，换个提示词结构、调一下 CFG 和采样器，出图率能差好几倍。下面把实操中真正管用的几个技巧拆开说。

提示词按固定顺序排

别把想到的词随便堆在一起，按固定顺序写：画质词、主体描述、外貌细节、服装、动作、背景、光照、镜头、风格。画质词放最前面，比如 masterpiece, best quality, ultra detailed。主体和细节用逗号隔开，每个逗号一个独立信息点，AI 识别起来更准。顺序乱了 AI 的注意力会被分散，出图质量不稳定。

用权重符号控制重点

想让某个元素更突出，用括号加权重。圆括号每套一层权重乘 1.1 倍，方括号每套一层乘 0.9 倍。比如 (red dress:1.3) 表示红裙权重拉到 1.3，[blurry:0.5] 表示模糊效果减半。权重别超过 1.5，太高会导致画面崩坏或者元素变形。调整的时候一次只改一个权重，方便判断哪个起了作用。

负向提示词提前排雷

负向提示词是提高出图率的关键。基础保底串直接粘贴：lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry。如果画人物老是崩手，在负向里加 bad hands, extra fingers, mutated hands。如果画面偏灰，加 gray, dull, washed out。

采样器和步数别乱设

采样器优先选 DPM++ 2M Karras，这个在速度和质量之间平衡最好。步数设 20 到 30 之间，低于 15 画面会糊，高于 40 提升有限还拖慢速度。如果你追求更细腻的质感，可以试 DPM++ SDE Karras，但速度会慢一些。采样器和步数定下来之后别频繁换，变量太多反而找不到最优组合。

CFG Scale 卡在 7 附近

CFG Scale 控制模型对提示词的服从程度。设 7 是最稳的起点，低于 5 画面自由发挥太多，跟描述对不上；高于 9 人物五官容易扭曲、画面过饱和。如果出图颜色偏暗或者风格不够强烈，微调到 7.5 或 8。如果画面出现奇怪的色块或者过曝，降到 6 或 6.5。

用高分辨率修复拉细节

基础分辨率跑出满意的构图后，点 “高分辨率修复”。放大算法选 R-ESRGAN 4x+ Anime6B（二次元）或 R-ESRGAN 4x+（写实）。重绘幅度设 0.3 到 0.5，太低等于没修，太高会把原来的构图改掉。放大倍数先试 1.5 倍，跑完看看细节有没有提升，再决定要不要继续放大。

批量抽卡和种子锁定

想提高出图率就批量跑。把 Batch count 设成 4 到 8，一次生成多张，从里面挑最好的。如果抽到一张构图特别满意的，点图片下方的 “随机种子” 图标锁定它，然后微调提示词再跑，能在保持构图的基础上改变细节。种子不锁的话每次都是全新的随机结果，很难复现好的效果。