ERNIE-Image 提示词权重控制与负向提示进阶：CFG Scale / Negative Prompt 完全解析

发布日期: 2026-06-05
作者: ERNIE-Image 技术团队
关键词: ernie-image cfg scale ernie-image negative prompt ernie-image guidance scale ernie-image prompt weighting

引言

在 AI 图像生成中，提示词（prompt）是控制输出质量的核心。但对于 ERNIE-Image 这样的 Diffusion Transformer 模型，仅有好的 prompt 文本还不够——你需要掌握 CFG Scale（Guidance Scale）、Negative Prompt（负向提示） 和 Prompt Weighting（提示词权重） 三个关键技术参数，才能真正实现对生成结果的精确控制。

许多新用户在使用 ERNIE-Image 时遇到以下困惑：

"为什么我的 negative prompt 完全不生效？"
"CFG Scale 调到 7 为什么反而画质变差了？"
"如何让模型更关注 prompt 中的某个特定元素？"

本文逐一解答这些问题，并提供经过验证的最佳实践。

一、CFG Scale（Guidance Scale）：控制 prompt 遵循度

1.1 什么是 CFG Scale？

CFG（Classifier-Free Guidance）Scale 控制了生成过程中模型对 text prompt 的遵循程度。简单来说：

CFG = 1：模型几乎忽略 prompt，自由发挥
CFG = 4.0（默认）：平衡遵循度和创意自由度
CFG ≥ 7：严格遵循 prompt，但可能损失色彩自然度和多样性

1.2 ERNIE-Image 的 CFG Scale 推荐值

模式	默认值	推荐范围	说明
ERNIE-Image (Base)	4.0	3.0 - 5.0	标准生成
ERNIE-Image-Turbo	1.0	1.0 - 2.0	DMD+RL 优化，低 CFG 即可
放大精修阶段	3.0	2.5 - 3.5	降低 CFG 保持原图结构
文字渲染场景	4.5	4.0 - 5.5	提高 CFG 增强文字准确性

关键区别：ERNIE-Image-Turbo 经过 DMD 和 RL 优化，默认 CFG 为 1.0 即可达到高质量输出。如果将 Turbo 的 CFG 设置到 4.0 以上，反而会产生过饱和和伪影。

1.3 CFG Scale 对输出质量的影响

CFG 1.0  →  色彩柔和，构图自由，可能偏离 prompt
CFG 2.5  →  平衡状态，大多数场景的甜蜜点
CFG 4.0  →  严格遵循 prompt，标准推荐值
CFG 5.0  →  高度遵循，细节精确但可能过饱和
CFG 7.0+ →  色彩失真，可能出现过度锐化或伪影

1.4 Diffusers 中的 CFG 设置

from diffusers import ERNIEImagePipeline
pipe = ERNIEImagePipeline.from_pretrained("baidu/ERNIE-Image")
标准生成
image = pipe(

prompt="a cat sitting on a windowsill",

guidance_scale=4.0,  # 默认推荐值

num_inference_steps=50,

).images[0]
Turbo 模式 — 低 CFG
image_turbo = pipe(

prompt="a cat sitting on a windowsill",

guidance_scale=1.0,  # Turbo 默认值

num_inference_steps=8,

).images[0]

二、Negative Prompt（负向提示）：排除不想要的内容

2.1 ERNIE-Image 是否支持 Negative Prompt？

支持，但有条件。 ERNIE-Image 基于 DiT 架构，其 Diffusers pipeline 接受 negative_prompt 参数。但与传统的 SD 1.x/2.x 不同，DiT 模型对 negative prompt 的响应方式有差异：

需要较高的 CFG Scale：Negative prompt 在 CFG ≥ 3.0 时效果明显
Turbo 模式下效果有限：由于 Turbo 的默认 CFG 为 1.0，negative prompt 几乎不起作用
ComfyUI 中可单独调节 Negative Guidance Scale

2.2 Negative Prompt 最佳实践

from diffusers import ERNIEImagePipeline
pipe = ERNIEImagePipeline.from_pretrained("baidu/ERNIE-Image")
有效使用 negative prompt
image = pipe(

prompt="a professional headshot portrait of a woman, studio lighting",

negative_prompt="cartoon, anime, drawing, painting, blurry, low quality, deformed, ugly, bad anatomy, extra limbs",

guidance_scale=4.5,  # 需要较高的 CFG

num_inference_steps=50,

).images[0]

2.3 Negative Prompt 使用注意事项

场景	建议
使用 Base 模型 + CFG ≥ 3.0	✅ Negative prompt 有效
使用 Turbo 模型	⚠️ Negative prompt 效果有限（CFG 默认 1.0）
在 ComfyUI 中	✅ 可通过 Negative Guidance Scale 单独调节
文字渲染场景	⚠️ Negative prompt 可能干扰文字生成，建议慎用

重要提示：ERNIE-Image-Turbo 由于 DMD 蒸馏优化，默认 CFG=1.0。在此设置下，negative prompt 几乎不生效。如果需要使用 negative prompt，请使用 Base 模型或将 Turbo 的 CFG 提升到 3.0 以上（但可能影响 Turbo 的画质优势）。

三、Prompt Weighting（提示词权重）：精细控制元素重要性

3.1 为什么需要提示词权重？

在实际使用中，你经常需要强调 prompt 中的某些元素而弱化其他元素。例如：

"一只非常详细的猫，在窗户边上" → 希望模型更注重猫的细节
"赛博朋克风格的城市，有行人" → 希望风格比内容更重要

ERNIE-Image 支持多种 prompt 权重语法。

3.2 提示词权重语法

方法一：括号加权 (word)

在需要强调的词/短语周围添加括号，增加其权重：

# 不加权重
"a cat on a windowsill with flowers"
加权重 — 猫更重要
"(cat:1.3) on a windowsill with flowers"
多重加权 — 猫最重要，花朵次要
"(cat:1.5) on a windowsill with (flowers:1.2)"

方法二：重复强调

通过重复关键词来增加其重要性：

# 中等强调 "cat, cat, on a windowsill" 强强调

"cat, cat, cat, on a windowsill"

方法三：位置优先

Diffusion 模型对 prompt 开头的词给予更多注意力。将最重要的描述放在 prompt 开头：

# 猫是焦点 "close-up portrait of a cat, detailed fur, sitting on windowsill, flowers in background" 花朵是焦点（不推荐，效果差）

"sitting on windowsill, flowers, close-up portrait of a cat, detailed fur"

3.3 权重系数参考

权重	效果	使用场景
1.0	标准权重	默认，不需要强调
1.2	轻微强调	次要元素需要稍多关注
1.3-1.5	中等强调	核心元素需要更多关注
1.5+	强强调	关键元素，必须突出
0.5-0.8	降权	需要弱化的元素

注意：过高的权重（>2.0）可能导致模型注意力失衡，产生异常输出。建议权重范围在 0.5-1.5 之间。

四、ComfyUI 中的高级控制

4.1 ComfyUI 中的 CFG 和 Negative Guidance Scale

在 ComfyUI 中，ERNIE-Image 工作流提供了更细粒度的控制：

KSampler 节点:
├── positive — 正面向 prompt
├── negative — 负向 prompt
├── cfg — CFG Scale (全局)
└── denoise — 去噪强度 (img2img 模式)

对于 Flux/DiT 类模型，ComfyUI 支持 Negative Guidance Scale，可以在 CLIPTextEncodeFlux 节点中单独设置：

CLIPTextEncodeFlux 节点:
├── text — prompt 文本
├── guidance — 该 prompt 的权重 (默认 3.5)
└── (negative guidance scale — 负向权重)

4.2 ComfyUI 中 Negative Prompt 的高级用法

ComfyUI 社区发现了一个有趣的技巧：即使 negative prompt 为空，调高 Negative Guidance Scale 也能影响输出质量：

正面向 prompt: "a beautiful landscape"
负向 prompt: "" (empty)
CFG Scale: 6.0
Negative Guidance Scale: 30 (高值增加对比度和锐度)

这个技巧在 FLUX Dev 模型上被广泛验证，ERNIE-Image 作为同架构模型也可能受益。

五、不同场景的最佳参数组合

5.1 参数速查表

场景	Model	CFG	Negative Prompt	推荐步数
快速概念验证	Turbo	1.0	不建议	8
标准照片	Base	4.0	通用负面词	50
文字渲染	Base	4.5	少用/不用	50
动漫风格	Base	3.5	"realistic, photo"	50
产品摄影	Base	4.0	"blurry, low quality"	50
放大精修	Base	3.0	少用	20-30
风格化创作	Base	2.5-3.0	视风格而定	50

5.2 通用 Negative Prompt 模板

# 通用高质量负面词（适用于大多数场景） negative_prompt = "blurry, low quality, worst quality, deformed, distorted, disfigured, bad anatomy, extra limbs, poorly drawn face, poorly drawn hands, mutation, watermark, text, signature, username" 照片写实场景 negative_prompt = "cartoon, anime, drawing, painting, illustration, 3d render, blurry, low quality, deformed" 动漫/插画场景 negative_prompt = "photorealistic, realistic photo, blurry, low quality, deformed, watermark" 文字渲染场景（谨慎使用）

negative_prompt = "blurry text, illegible text, distorted text"

六、常见问题与排错

Q1: Negative prompt 完全不生效怎么办？

排查步骤：

确认使用的是 Base 模型（不是 Turbo）
确认 CFG Scale ≥ 3.0
在 ComfyUI 中确认 negative prompt 正确连接到 KSampler
尝试简化 negative prompt（3-5 个核心词即可）

Q2: CFG 调高后画面变丑/过饱和怎么办？

降低 CFG 到 3.0-4.0 范围
减少 inference steps（从 50 降到 30）
尝试在 prompt 中加入 "natural lighting, soft colors" 等软化描述

Q3: 如何让某个元素特别突出？

使用括号加权：(element:1.5)
将该元素放在 prompt 开头
在 negative prompt 中加入竞争元素：如 "a cat, not a dog"

Q4: Turbo 模式下 negative prompt 无效？

这是正常行为。Turbo 的默认 CFG=1.0 使得 negative prompt 效果微弱。解决方案：

使用 Base 模型生成，然后 Turbo 放大精修
或在 Turbo 中手动将 CFG 提升到 3.0（牺牲部分速度）

七、总结

掌握 CFG Scale、Negative Prompt 和 Prompt Weighting 是释放 ERNIE-Image 全部潜力的关键：

CFG Scale：Base 模型推荐 3.0-5.0，Turbo 推荐 1.0-2.0。过高导致过饱和，过低偏离 prompt。
Negative Prompt：在 Base 模型 + CFG ≥ 3.0 时有效。Turbo 模式下效果有限。
Prompt Weighting：使用括号加权 (word:1.3) 和位置优先策略，精细控制元素重要性。

这三个参数组合使用，可以让你从"碰运气生成"进化到"精确控制输出"。

ERNIE-Image 提示词权重控制与负向提示进阶：CFG Scale / Negative Prompt 完全解析

Table of Contents

ERNIE-Image 提示词权重控制与负向提示进阶：CFG Scale / Negative Prompt 完全解析

引言

一、CFG Scale（Guidance Scale）：控制 prompt 遵循度

1.1 什么是 CFG Scale？

1.2 ERNIE-Image 的 CFG Scale 推荐值

1.3 CFG Scale 对输出质量的影响

1.4 Diffusers 中的 CFG 设置

标准生成

Turbo 模式 — 低 CFG

二、Negative Prompt（负向提示）：排除不想要的内容

2.1 ERNIE-Image 是否支持 Negative Prompt？

2.2 Negative Prompt 最佳实践

有效使用 negative prompt

2.3 Negative Prompt 使用注意事项

三、Prompt Weighting（提示词权重）：精细控制元素重要性

3.1 为什么需要提示词权重？

3.2 提示词权重语法

方法一：括号加权 (word)

加权重 — 猫更重要

多重加权 — 猫最重要，花朵次要

方法二：重复强调

强强调

方法三：位置优先

花朵是焦点（不推荐，效果差）

3.3 权重系数参考

四、ComfyUI 中的高级控制

4.1 ComfyUI 中的 CFG 和 Negative Guidance Scale

4.2 ComfyUI 中 Negative Prompt 的高级用法

五、不同场景的最佳参数组合

5.1 参数速查表

5.2 通用 Negative Prompt 模板

照片写实场景

动漫/插画场景

文字渲染场景（谨慎使用）

六、常见问题与排错

Q1: Negative prompt 完全不生效怎么办？

Q2: CFG 调高后画面变丑/过饱和怎么办？

Q3: 如何让某个元素特别突出？

Q4: Turbo 模式下 negative prompt 无效？

七、总结