用AI生成人物图像时，最令人头疼的往往不是整体构图，而是细节部位的崩坏。明明脸型画得很漂亮，放大一看却有六根手指；姿势摆得很帅，脚却扭曲成了不可能的角度。这类问题的根源在于模型对复杂解剖结构的理解存在短板，而负向提示词正是解决这类问题最直接、成本最低的手段。本文将系统整理一套针对手脚和面部的特化负向词方案，配合通用负面词库，帮助你大幅提升出图的合格率。
为什么AI总是画不好手部和面部
要理解负向提示词为什么有效，先要明白AI模型为什么在这些部位频繁出错。手部是人体中结构最复杂的部位之一，五根手指长短不一、朝向多变，在不同角度下手掌的形态变化极大。训练数据中手部经常被遮挡、握拳或处于运动模糊状态，导致模型学到的手部特征非常杂乱。
面部的问题则略有不同。虽然模型在训练数据中见过海量的人脸，但正面特写占多数，一旦涉及极端角度、夸张表情或多人合影，五官的透视关系就容易混乱。眼睛不对称、牙齿数量异常、耳朵位置偏移等问题在高分辨率放大时尤为明显。
此外，采样步数不足、CFG权重过低、模型本身对解剖结构的优化不足，都会放大这些问题。负向提示词的作用就是告诉模型在去噪过程中避开这些错误特征，相当于给生成过程加了一条负面约束线。
手部特化负向提示词详解
手部是最常见的重灾区，下面这份手部专项负向词可以直接复制到Stable Diffusion的Negative Prompt框中使用：
bad hands, extra fingers, missing fingers, fused fingers, too many fingers, mutated hands, malformed hands, deformed hands, extra digit, fewer digits, long fingers, twisted fingers, broken fingers, disconnected hands, poorly drawn hands, bad anatomy of hands, wrong number of fingers, clenched fist deformity, thumb out of place, fingers crossed incorrectly
其中最核心的几个词是extra fingers、fused fingers和mutated hands。多数1.5代模型的负面词嵌入（如bad-hands嵌入文件）本质上就是这批词的向量化封装，如果你加载了专用的负面嵌入，就不必再重复输入这些基础词汇。
除了负向词，正向提示词中也可以主动加入detailed hands, five fingers, natural hand pose来引导正确结构。需要注意的是，手部问题描述过多有时会产生反效果，比如同时输入十几个手部负面词，模型可能把手藏起来或画得非常僵硬。建议先用核心词测试，观察出图效果后再逐步增补。
对于姿势复杂的手部特写，还可以借助ControlNet的OpenPose或Depth模型锁定骨架结构，负向词负责兜底纠错，两者结合的效果远好于单纯堆砌负面词。
面部与五官负向提示词方案
面部问题主要分为五官变形、皮肤瑕疵和表情失真三类，对应的负向词组合如下：
bad face, deformed face, distorted face, asymmetric eyes, crossed eyes, lazy eye, malformed ears, extra ears, bad teeth, crooked teeth, too many teeth, deformed nose, twisted mouth, drooling, ugly eyes, blurry face, low quality face, mutated facial features, extra chins, skin blemishes, skin spots, acne, freckles, moles, bad skin texture
五官修正类的关键词包括asymmetric eyes、crossed eyes和deformed nose，这些词能显著减少眼睛歪斜和鼻梁扭曲的情况。bad teeth和too many teeth则专门针对微笑场景中牙齿数量异常的经典翻车问题。
皮肤瑕疵类的词汇属于锦上添花。如果你的目标是写实风格人像，skin blemishes和bad skin texture能让肤质更加干净；但如果是追求真实感的生活照风格，过度排除瑕疵反而会让皮肤显得塑料化，这一点需要根据画风灵活取舍。
面部特写图中还推荐启用ADetailer之类的面部修复扩展，它会在生成后自动对人脸区域做二次修复，配合上述负向词基本可以杜绝五官崩坏。
脚部与全身解剖学修正关键词
脚部问题在全身图中高发，常见症状是多趾、断脚、脚踝反折等，对应的负向词如下：
bad feet, deformed feet, extra toes, missing toes, fused toes, mutated feet, malformed legs, extra legs, missing legs, three legs, broken ankle, twisted ankle, floating limbs, disconnected limbs, extra limbs, malformed limbs, amputated, bad proportions, disfigured body, out of frame body, cloned face
extra limbs和floating limbs是全身图的关键词，能有效抑制多余的肢体和悬空的手脚。bad proportions则针对头身比例失调的问题，在全身立绘场景中特别实用。
值得提醒的是，amputated这个词要谨慎使用。某些模型对它非常敏感，可能直接导致手臂消失。如果出现这种情况，可以降低该词的权重（写法如(amputated:0.6)）或直接删除。
通用负面词库与权重调节技巧
除了部位特化词汇，一份稳定的通用负面词底座是每张图的基础配置，业内流传最广的组合如下：
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
这套词汇适用于绝大多数二次元与写实模型，可以理解为出图的质量下限保障。在通用底座之上，再根据画面内容叠加手部、面部或脚部的特化词，形成分层结构，这样既不会词汇过载，又能精准命中问题区域。
关于权重调节，Stable Diffusion支持括号语法：单层圆括号(word)提升1.1倍权重，(word:1.5)指定具体倍数，方括号[word]则降低权重。手部问题严重时可以写(bad hands:1.3)加强约束，但权重超过1.5容易导致画面整体质量下降，需要控制幅度。
另一个实用技巧是按模型类型调整策略。SDXL和Flux系列模型对自然语言负向词的理解更好，可以直接写完整的描述句如a hand with six fingers, distorted facial features；而SD1.5模型则更依赖标签式的短语堆叠。Midjourney用户虽然没有传统意义上的负向提示词框，但可以在正向描述末尾添加--no bad hands, extra fingers, deformed face参数达到类似效果。
实战排查思路与进阶建议
当你发现某类崩坏反复出现时，排查顺序建议是：先确认模型本身是否适合该题材，再检查采样器与CFG设置，最后才调整负向词。换用对手部优化过的模型或LoRA，往往比堆负面词更治本。常用的辅助手段还包括提高分辨率后使用高清修复（Hires Fix），以及用Inpainting对局部崩坏区域手动重绘。
负向提示词不是万能钥匙，它更像是概率层面的排除法。合理的流程应该是：优质模型打底，ControlNet控制结构，负向词纠错兜底，局部重绘收尾。四层防线组合起来，即使是最容易翻车的手部特写，也能稳定产出结构正确、细节扎实的人物图像。建议把本文的词汇组合保存为模板文件，按场景分类调用，长期使用下来能明显降低出废片的概率。
AI绘画负向提示词Midjourney负面提示词Stable Diffusion手部修复修改时间：2026-08-31 22:16:45