负面提示词（negative prompt）是AI生成流程中最容易被忽视的一环。很多人在生成3D模型时只顾着堆砌正向描述，比如高精度、PBR材质、4K贴图，却忘了告诉模型什么东西不能出现。结果生成的模型动不动就是破洞、悬空面、扭曲的拓扑结构，后期修复的时间比重新生成还长。这篇文章整理了一份面向3D模型生成的负面提示词清单，按缺陷类型分类讲解，并说明这些关键词背后的成因，方便你按需取用。
一、几何伪影类负面提示词：对付破面、悬空面与拓扑混乱
几何问题是3D模型生成中最常见的缺陷类型。AI在生成三维数据时，对空间结构的理解并不总是准确，尤其是基于2D转3D或神经隐式表面重建的工具，经常会出现表面破裂、几何穿插等问题。以下关键词值得放进负面提示词里：
broken mesh, holes in surface, floating geometry, disconnected parts, non-manifold geometry, intersecting faces, self-intersection, flipped normals, inverted faces, double-sided faces, z-fighting, topology mess, irregular triangles, n-gons, degenerate triangles, stretched vertices, self-touching surfaces, open edges, boundary cracks
这里面有几个词需要特别说明。non-manifold geometry（非流形几何）指的是那些无法正常展开成流形结构的网格，比如一条边被三个以上的面共享，这类结构在大多数3D软件里都会导致渲染错误和布尔运算失败。z-fighting则是两个面几乎完全重叠时产生的闪烁现象，在游戏引擎里尤其明显。
还有一个高频问题是法线方向错误。flipped normals会让模型的某些面从外面看不见，看起来像是破了一个洞，实际上只是面的朝向反了。如果你的生成工具支持指定法线规范，建议同时在正向提示词里加入correct normals，正负配合效果更好。
二、材质与纹理类负面提示词：压制噪点、脏斑与贴图错位
材质层面的缺陷往往不如几何问题那么显眼，但会严重影响模型的最终观感。常见的材质问题包括纹理噪点、颜色溢出、UV接缝明显、贴图拉伸等。针对这些问题，可以使用以下负面关键词：
noisy texture, grainy surface, dirty spots, color bleeding, seam artifacts, visible UV seams, texture stretching, pixelated texture, blurry details, low resolution texture, oversaturated colors, washed out colors, uneven shading, specular artifacts, banding, compression artifacts, misplaced texture, texture misalignment, paint-like smudges, watercolor blur
UV接缝问题在3D生成里相当普遍。visible UV seams和seam artifacts能明显压制模型表面那条难看的分界线。如果你的工具支持分通道控制，可以把这两个词放在纹理生成的专属负面提示词中，权重给高一些。
另外要注意banding（色带）这个词。它原本多用于2D图像生成的负面词，但在3D材质生成时同样有效，特别是生成渐变天空盒或者金属光泽表面时，色带会让原本平滑的过渡出现一条条断层。配合posterization一起使用，压制效果更稳定。
三、结构与形体类负面提示词：避免多余部件和错误比例
除了表面问题，AI生成的模型还常出现结构性错误：多出来的手臂、悬空漂浮的装饰物、身体比例失调等。这类问题在生成人物、生物或复杂机械时尤其高发。对应的负面词包括：
extra limbs, missing limbs, extra fingers, fused body parts, duplicated objects, floating objects, detached components, disproportionate body, twisted anatomy, broken skeleton, unnatural pose, asymmetric structure, random protrusions, melted geometry, amorphous blob, overexposed edges, chunky silhouette
生成生物类模型时，twisted anatomy和fused body parts是两个必备词。AI对解剖结构的理解经常出错，比如把两条腿融合成一个柱状体，或者脖子扭转成不可能的角度。这类缺陷一旦出现，靠后期修复几乎救不回来，只能在生成阶段提前规避。
amorphous blob则针对另一种极端情况：模型整体失去了结构感，变成一坨模糊的团状物。这通常发生在提示词过于抽象或模型权重不足时，除了加负面词，还建议在正向提示词里明确写出主体数量和结构关系，比如single character, clear silhouette。
四、不同工具中负面提示词的使用差异与实用技巧
负面提示词的写法在不同平台上差异不小。以Stable Diffusion及其3D扩展为例，负面提示词有独立的输入框，支持权重语法，比如给holes加权重可以写成(holes:1.4)，数值越高压制力度越大，但超过1.6容易引发其他异常，建议控制在1.2到1.5之间。
而在Meshy、Tripo这类专门的3D生成平台里，负面提示词往往是可选的附加字段，有的平台甚至不提供该功能，只能通过在正向提示词中使用否定前缀来间接实现，例如写成clean topology, no holes。这种写法的效果不如真正的负面通道稳定，因为扩散模型对否定词的理解并不可靠，模型有时会把no holes里的holes当作正向特征学过去，这点务必留意。
几个实用建议：第一，负面词不要贪多，一次塞五六十个词反而会稀释关键项的权重，保留十个到二十个最相关的即可；第二，针对不同缺陷类型分批次生成对比测试，确认哪组词对你的工具真正有效；第三，负面提示词和采样参数要配合调整，如果步数过低，再精准的负面词也压不住伪影；第四，把验证有效的负面词组合保存成模板，按模型类型（人物、场景、硬表面）分类管理，长期积累下来就是一套很可观的提速资产。
最后提醒一点，负面提示词不是万能钥匙。如果生成结果持续出现严重破面，问题可能出在模型本身的能力上限或者输入参考图质量上，这时候换一个更强的底模或者优化输入素材，往往比继续堆负面词更有意义。工具和技巧始终是辅助，理解缺陷成因才能真正把控生成质量。