为什么SD WebUI txt2img生成空白图？Prompt为空与Negative Prompt语法排查

Stable Diffusion WebUI的txt2img功能出现空白图，很多时候并不是模型权重损坏或者显存不足，而是提示词输入层面触发了异常的采样路径。尤其是Prompt为空时，去噪过程会退化为一种接近无条件的生成模式，如果此时CFG Scale设置偏高或者采样器对初始噪声比较敏感，最终画面就可能被纯色或噪声填满。Negative Prompt的语法问题同样值得警惕，一个看似不起眼的多余空格或者半角逗号，就足以让负面条件解析失败，从而把原本该被抑制的劣质特征重新引入生成结果。

Prompt为空时txt2img为什么会输出空白图

在Stable Diffusion的推理过程中，正向提示词负责把去噪方向拉向用户描述的内容，而CFG Scale则控制生成结果在正向条件与无条件结果之间插值的强度。当Prompt为空时，模型只能依赖无条件分支进行采样。如果CFG Scale设置为1，理论上就等同于完全无条件生成，此时某些模型会输出灰蒙蒙的噪声图或者接近纯色的低信息图像。很多用户习惯把CFG Scale调到7甚至更高，但在空Prompt场景下，高CFG会试图在空条件和无条件之间强行拉开差距，这种没有实际语义约束的放大操作，很容易让去噪过程发散，最终形成大面积空白或色块。

另一个容易忽略的因素是采样器。DDIM、DPM++ 2M Karras等确定性采样器对初始噪声的利用方式不同，在空Prompt条件下，它们可能把噪声均匀分布到整个画布，看起来就像一张纯色图。相比之下，Euler a这类带有随机性的祖先采样器在空Prompt下有时还能生成一些抽象纹理。所以如果你需要测试空Prompt行为，建议先把CFG Scale降到1到3之间，采样器换成Euler a，步数设置在20步左右，看空白图是否消失。这样能快速判断问题是出在参数配置还是提示词本身。

# 使用WebUI API测试空Prompt时的参数组合
import requests
import base64

url = "http://127.0.0.1:7860/sdapi/v1/txt2img"
payload = {
    "prompt": "",
    "negative_prompt": "",
    "steps": 20,
    "cfg_scale": 2.0,
    "sampler_name": "Euler a",
    "width": 512,
    "height": 512
}
response = requests.post(url, json=payload)
if response.status_code == 200:
    data = response.json()
    image_data = base64.b64decode(data["images"][0])
    with open("empty_prompt_test.png", "wb") as f:
        f.write(image_data)
    print("测试图已保存")
else:
    print("请求失败:", response.status_code, response.text)

上面的脚本将CFG Scale设为2.0，并选用Euler a采样器，这是排查空Prompt空白图时一个相对温和的起点。如果你仍然得到纯色图，那么问题可能不在采样参数，而在于WebUI前端向API传递的Prompt字符串里包含了不可见字符，例如零宽空格或从网页复制时带入的特殊换行符。这些字符虽然视觉上看起来是空的，但会被分词器当成有效token，导致正向条件被污染，采样方向偏离预期。可以用Python快速检查字符串长度和编码，确认Prompt是否真的为空。

Negative Prompt的常见语法错误与排查

Negative Prompt在WebUI中通常填写在单独输入框里，多个负面词用英文逗号分隔。一个常见的错误是把中文逗号或全角逗号混入负面提示词中，例如写lowres，bad anatomy，extra fingers。这种写法下，分词器会把整个字符串当成一个长短语，而不会按逗号切分，负面条件就会失效。更隐蔽的问题是多余空格：lowres, bad anatomy 和 lowres,bad anatomy 在解析结果上可能存在差异，某些版本的WebUI对空格比较敏感，空格会被编码为额外的分隔符，导致负面词被截断或合并。

权重语法也是出错重灾区。WebUI支持用圆括号提高负面词权重，例如(worst quality:1.4)，但如果括号不匹配，比如(worst quality:1.4，整个负面提示词会解析失败，甚至影响正向提示词的编码。需要特别注意的是，负面提示词中如果出现类似<lora:badhands:0.8>这样的扩展语法，尖括号必须完整闭合，否则前端可能直接报错或者静默忽略。建议在修改负面提示词后，先清空生成参数，再逐步添加，每加一段就测试一次，这样可以快速锁定是哪一组词导致空白图或异常。

错误示例1：lowres，bad anatomy，extra fingers   （使用了全角逗号）
错误示例2：lowres, bad anatomy                    （bad anatomy前多了一个空格，可能导致解析异常）
错误示例3：(worst quality:1.4                     （括号不闭合）
正确示例：lowres,bad anatomy,extra fingers,(worst quality:1.4)

从实际排查角度看，先把负面提示词全部清空，只保留正向Prompt测试，能判断Negative Prompt是否就是空白图的诱因。如果清空后出图正常，再逐条恢复负面词。这种二分法虽然原始，但比盲目调整采样参数有效得多。同时也要检查WebUI设置里的CLIP Skip层数，如果CLIP Skip设置过高，模型会跳过部分文本编码层，对空Prompt或极短Prompt的编码质量影响更明显，可能让负面提示词完全无法参与条件计算。

从空白图到正常出图的完整排查流程

当你面对一张txt2img输出的空白图时，第一件事不是换模型，而是确认Promp是否真的为空。打开WebUI页面，用鼠标全选输入框内容并删除，再手动输入一个最简单的测试词，比如1girl，然后生成。如果能正常出图，说明模型和采样器基本正常，问题集中在空Prompt场景。如果连简单测试词也输出空白，就要检查VAE是否加载正确，有些模型自带的VAE损坏或者未加载时，输出会呈现纯灰或纯黑，但这种空白通常带有一点噪点，和提示词无关。

确认VAE正常后，再检查Negative Prompt。建议暂时使用最简负面提示词模板：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。这个模板覆盖了绝大多数需要抑制的劣质特征，语法上也没有多余的标点或空格。生成时把CFG Scale保持在7左右，步数25到30步，采样器可以选DPM++ 2M Karras或Euler a。如果这个组合下依然空白，再把CFG Scale逐级降低，观察画面是否从空白慢慢出现轮廓。

# 逐步降低CFG Scale并测试负面提示词影响的脚本
import requests
import base64

def generate_image(prompt, negative, cfg):
    payload = {
        "prompt": prompt,
        "negative_prompt": negative,
        "steps": 28,
        "cfg_scale": cfg,
        "sampler_name": "DPM++ 2M Karras",
        "width": 512,
        "height": 512
    }
    r = requests.post("http://127.0.0.1:7860/sdapi/v1/txt2img", json=payload)
    if r.status_code == 200:
        img = base64.b64decode(r.json()["images"][0])
        with open(f"test_cfg_{cfg}.png", "wb") as f:
            f.write(img)
        return True
    return False

negative_template = "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"
for cfg in [7.0, 5.0, 3.0, 1.5]:
    ok = generate_image("1girl, solo, looking at viewer", negative_template, cfg)
    print(f"CFG={cfg} 生成结果: {ok}")

这段脚本用固定正向提示词和标准负面模板，循环测试不同CFG Scale下的生成结果。通过观察从7.0到1.5的变化，可以判断空白图是否由CFG与负面提示词联合作用引起。如果低CFG下图像恢复，说明高CFG放大了负面条件中的某个异常项；如果所有CFG下都空白，则提示词解析层一定有更深层的问题，比如扩展插件冲突或者WebUI版本与模型不兼容。此时可以尝试禁用所有扩展，或者在启动参数中加入--no-half-vae避免半精度计算误差。

最后还要留意一个容易被忽视的细节：txt2img界面中的宽度和高度设置。如果误将宽高设为1像素，生成结果当然就是一个几乎不可见的点，视觉上等同空白图。检查这个最简单的可能性，可以省去大量无谓的排查时间。把这些步骤串联起来，从空Prompt机制、负面提示词语法、VAE与采样参数再到基础尺寸设置，绝大多数SD WebUI txt2img空白图问题都能在几分钟内定位并解决。

SD WebUItxt2imgNegative Prompt修改时间：2026-09-20 18:01:30