LiblibAI抽卡怎麼提高出圖率 提示詞實用技巧

在 LiblibAI 上抽卡，很多人跑了幾十張才出一張能看的，問題往往不在模型，而在提示詞的寫法和引數設定。同樣的模型，換個提示詞結構、調一下 CFG 和取樣器，出圖率能差好幾倍。下面把實操中真正管用的幾個技巧拆開說。

提示詞按固定順序排

別把想到的詞隨便堆在一起，按固定順序寫：畫質詞、主體描述、外貌細節、服裝、動作、背景、光照、鏡頭、風格。畫質詞放最前面，比如 masterpiece, best quality, ultra detailed。主體和細節用逗號隔開，每個逗號一個獨立資訊點，AI 識別起來更準。順序亂了 AI 的注意力會被分散，出圖質量不穩定。

用權重符號控制重點

想讓某個元素更突出，用括號加權重。圓括號每套一層權重乘 1.1 倍，方括號每套一層乘 0.9 倍。比如 (red dress:1.3) 表示紅裙權重拉到 1.3，[blurry:0.5] 表示模糊效果減半。權重別超過 1.5，太高會導致畫面崩壞或者元素變形。調整的時候一次只改一個權重，方便判斷哪個起了作用。

負向提示詞提前排雷

負向提示詞是提高出圖率的關鍵。基礎保底串直接貼上：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。如果畫人物老是崩手，在負向里加 bad hands, extra fingers, mutated hands。如果畫面偏灰，加 gray, dull, washed out。

取樣器和步數別亂設

取樣器優先選 DPM++ 2M Karras，這個在速度和質量之間平衡最好。步數設 20 到 30 之間，低於 15 畫面會糊，高於 40 提升有限還拖慢速度。如果你追求更細膩的質感，可以試 DPM++ SDE Karras，但速度會慢一些。取樣器和步數定下來之後別頻繁換，變數太多反而找不到最優組合。

CFG Scale 卡在 7 附近

CFG Scale 控制模型對提示詞的服從程度。設 7 是最穩的起點，低於 5 畫面自由發揮太多，跟描述對不上；高於 9 人物五官容易扭曲、畫面過飽和。如果出圖顏色偏暗或者風格不夠強烈，微調到 7.5 或 8。如果畫面出現奇怪的色塊或者過曝，降到 6 或 6.5。

用高解析度修復拉細節

基礎解析度跑出滿意的構圖後，點 “高解析度修復”。放大演算法選 R-ESRGAN 4x+ Anime6B（二次元）或 R-ESRGAN 4x+（寫實）。重繪幅度設 0.3 到 0.5，太低等於沒修，太高會把原來的構圖改掉。放大倍數先試 1.5 倍，跑完看看細節有沒有提升，再決定要不要繼續放大。

批次抽卡和種子鎖定

想提高出圖率就批次跑。把 Batch count 設成 4 到 8，一次生成多張，從裡面挑最好的。如果抽到一張構圖特別滿意的，點圖片下方的 “隨機種子” 圖示鎖定它，然後微調提示詞再跑，能在保持構圖的基礎上改變細節。種子不鎖的話每次都是全新的隨機結果，很難復現好的效果。