Diffusers 提示词加权实战使用 Compel 与 prompt_embeds 精确控制生成内容【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusers导读文本引导text-guided的扩散模型会严格按照给定提示词生成图像但一句提示里往往包含多个概念模型对各部分的重视程度并不均衡——你写了一只玩球的红色猫咪球却可能根本没被画出来。本文围绕 diffusers 仓库中 weighted_prompts.md 的核心内容讲解提示词加权Prompt Weighting的原理与两种落地方式以 Compel 库为代表的/--语法以及通过prompt_embeds参数直接向 pipeline 注入缩放后的文本嵌入。读完本文你将掌握给提示词任意部分加/减权、配合 Textual Inversion 使用以及为 SDXL 等模型传递pooled_prompt_embeds的完整实战能力。为什么需要提示词加权文本嵌入如何控制生成扩散模型并不是读懂提示词本身而是通过**上下文化的文本嵌入contextualized text embedding**来调节扩散模型的 cross-attention 层从而指导去噪过程。也就是说提示词先被文本编码器如 CLIP 的 text encoder映射为一组高维向量再在每一层 cross-attention 中与图像特征交互。既然生成结果由这些向量驱动一个自然而朴素的加权思路就诞生了把提示中想要强调的部分对应的嵌入向量放大把不想强调的部分缩小。这就是提示词加权Prompt Weighting。它在社区中是被请求最多的功能之一围绕它社区展开了大量讨论与实现。Diffusers 的做法暴露 prompt_embeds 参数diffusers 团队将自身的定位视为为其他项目提供能力基座的工具箱toolbox——比如 InvokeAI、diffuzers 等强大的 UI 正是构建在 diffusers 之上的。因此与其在库内固化一套加权语法diffusers 选择开放底层输入在包括StableDiffusionPipeline在内的大量 pipeline 中暴露prompt_embeds参数允许你把已经加权/缩放好的文本嵌入直接传给 pipeline。在 pipeline_stable_diffusion.py 的encode_prompt方法中可以看到这一设计若传入prompt_embeds则跳过内部的 tokenizer 与文本编码器推理L391 起若未传入则由prompt字符串走完整的编码流程negative_prompt_embeds同理用于无分类器引导classifier-free guidance时的负向条件L454 起。在__call__的 docstring 中diffusers 明确写道prompt_embeds是Pre-generated text embeddings. Can be used to easily tweak text inputs (prompt weighting)即提示词加权就是它的典型用途之一L846-L851。源码中的check_inputs还会做两项关键校验prompt与prompt_embeds不能同时传入二者互斥L653-L660当同时传入正/负向嵌入时prompt_embeds与negative_prompt_embeds的形状必须一致L671-L676。这样的设计使 diffusers 本身保持精简而把如何写加权语法交给生态库去实现。目前最推荐的方式就是使用Compel库来生成这些嵌入而不是手动准备张量。实战一用 Compel 给 Stable Diffusion 提示词加权第一步先跑一个未加权的基线以经典的CompVis/stable-diffusion-v1-4为例先用普通提示词生成一张图from diffusers import StableDiffusionPipeline, UniPCMultistepScheduler pipe StableDiffusionPipeline.from_pretrained(CompVis/stable-diffusion-v1-4) pipe.scheduler UniPCMultistepScheduler.from_config(pipe.scheduler.config) prompt a red cat playing with a ball generator torch.Generator(devicecpu).manual_seed(33) image pipe(prompt, generatorgenerator, num_inference_steps20).images[0] image示例中使用了UniPCMultistepScheduler多步统一预测调度器并固定随机种子33、去噪 20 步以保证结果可复现。基线生成结果中球ball往往没有被画出来——这正是提示词各概念权重不均的典型表现。接下来就对球加权。第二步安装 Compel 并创建处理对象pip install compelfrom compel import Compel compel_proc Compel(tokenizerpipe.tokenizer, text_encoderpipe.text_encoder)Compel需要你传入 pipeline 的tokenizer与text_encoder它会复用这套组件把加权语法解析成缩放后的嵌入向量。第三步用强调关键词Compel 使用后缀来放大某个词或短语的权重prompt a red cat playing with a ball注意此时不要再把字符串 prompt 直接传给 pipeline而是先经compel_proc处理成嵌入prompt_embeds compel_proc(prompt)然后通过prompt_embeds参数传入 pipelinegenerator torch.Generator(devicecpu).manual_seed(33) images pipe(prompt_embedsprompt_embeds, generatorgenerator, num_inference_steps20).images[0] image保持同样的种子与步数仅把球的权重放大图像中就会如愿出现球。这正对应了 pipeline_stable_diffusion.py 中prompt_embeds参数的设计意图——跳过内部文本编码直接使用外部准备好的嵌入。第四步用--弱化不想出现的内容与相对Compel 支持--后缀来降低某个部分的权重。例如把a red cat playing with a ball--传入compel_proc即可让球在图像中变得不那么显眼甚至消失。加权语法可以组合使用例如同时强调红猫、弱化球prompt a red cat playing with a ball-- prompt_embeds compel_proc(prompt) images pipe(prompt_embedsprompt_embeds, generatorgenerator, num_inference_steps20).images[0]负向提示词也能加权当使用无分类器引导guidance_scale 1时pipeline 需要负向条件。除了用negative_prompt字符串你也可以把加权后的负向嵌入直接传给negative_prompt_embedsnegative_prompt blurry, low quality, watermark negative_prompt_embeds compel_proc(negative_prompt) images pipe( prompt_embedsprompt_embeds, negative_prompt_embedsnegative_prompt_embeds, generatorgenerator, num_inference_steps20, ).images[0]如源码所示encode_prompt仅在do_classifier_free_guidance且未提供negative_prompt_embeds时才自行生成负向嵌入L454-L496因此外部传入的负向嵌入会被原样使用。结合 Textual InversionDiffusersTextualInversionManagerCompel 1.1.6 起新增了一个工具类用于配合 Textual Inversion文本反转使用。先实例化DiffusersTextualInversionManager再把它传给Compel的初始化textual_inversion_manager DiffusersTextualInversionManager(pipe) compel Compel( tokenizerpipe.tokenizer, text_encoderpipe.text_encoder, textual_inversion_managertextual_inversion_manager, )传入 manager 后Compel 能够识别你在提示词中引用的 learned token例如cat-toy这类通过 Textual Inversion 学到的特殊概念并把它们与普通词的加权语法统一解析。这与 pipeline_stable_diffusion.py 中TextualInversionLoaderMixin.maybe_convert_prompt的职责相呼应——多向量 token 在编码前需要被正确展开L392-L394。也就是说加权提示词可以与 Textual Inversion、DreamBooth 等适配器协同工作。进阶方案面向 SDXL/Flux 的 sd_embed 括号语法除 Compel 外另一条被官方文档记录的路径是sd_embed库见英文原版 weighted_prompts.md。它支持 Stable Diffusion、Stable Diffusion XL、Stable Diffusion 3、Stable Cascade 与 Flux 等新模型并支持更长提示词。安装方式!uv pip install githttps://github.com/xhinker/sd_embed.gitmainsd_embed 使用括号 数值乘数的语法括号越多权重越高写法权重效果(cat)放大 1.1 倍((cat))放大 1.21 倍(cat:1.5)放大 1.5 倍(cat:0.5)缩小至 0.5 倍一个 SDXL 加权示例import torch from diffusers import DiffusionPipeline from sd_embed.embedding_funcs import get_weighted_text_embeddings_sdxl pipeline DiffusionPipeline.from_pretrained( Lykon/dreamshaper-xl-1-0, dtypetorch.bfloat16, device_mapcuda # 或 mps、xpu、cpu ) prompt A (cute cat:1.4) lounges on a (floating leaf:1.2) in a (sparkling pool:1.1) during a peaceful summer afternoon. Gentle ripples reflect pastel skies, while (sunlight:1.1) casts soft highlights. The illustration is smooth and polished with elegant, sketchy lines and subtle gradients, evoking a ((whimsical, nostalgic, dreamy lofi atmosphere:2.0)), (anime-inspired:1.6), calming, comforting, and visually serene. prompt_embeds, _, pooled_prompt_embeds, *_ get_weighted_text_embeddings_sdxl(pipeline, promptprompt)注意 SDXL 与 SD 的关键差异SDXL 使用双文本编码器pipeline 除prompt_embeds外还要求pooled_prompt_embeds。在 pipeline_stable_diffusion_xl.py 的check_inputs中明确写着若提供了prompt_embeds而缺少pooled_prompt_embeds会直接报错并要求两者来自同一个文本编码器L681-L688。因此调用时要把两个嵌入一起传入image pipeline( prompt_embedsprompt_embeds, pooled_prompt_embedspooled_prompt_embeds, ).images[0]同理负向侧也对应negative_prompt_embeds与negative_pooled_prompt_embeds两个参数。说明sd_embed 的加权对提示遵循能力已经很强的新模型如 Flux不一定有明显收益它主要面向上述传统 CLIP 类文本编码器模型。注意事项与排查prompt与prompt_embeds二选一两者同时传会触发ValueError都不传也会报错L653-L660。形状一致性手动准备嵌入时prompt_embeds与negative_prompt_embeds的形状必须一致否则无法拼接执行 CFGL671-L676。使用 Compel/sd_embed 生成即可天然满足。SDXL 必须成对传参prompt_embeds要配pooled_prompt_embeds负向同理L681-L688。pipeline 支持范围prompt_embeds并非仅 Stable Diffusion 独有从仓库源码看Stable Diffusion XL、Stable Diffusion 3、Flux2、Wan、LTX、CogVideo、PAG 系列等大量 pipeline 均支持该参数可在src/diffusers/pipelines/下搜索prompt_embeds签名确认。如果你常用的 pipeline 缺少prompt_embeds输入可以到 diffusers 仓库提交 issue团队会尽力响应。保持种子与步数一致对比加权前/后效果时务必固定generator种子与num_inference_steps否则无法判断差异来自加权还是随机采样。加权的语义边界加权放大的是文本嵌入的范数本质上改变的是 cross-attention 对特定 token 的注意力分布。它适合微调主次关系但对于模型完全不认识的词加权无法凭空教会模型必要时仍需配合 Textual Inversion / DreamBooth 等适配器。小结提示词加权的完整链路是加权语法 → 文本嵌入缩放Compel / sd_embed→prompt_embeds SDXL 的pooled_prompt_embeds→ pipeline 的 cross-attention。diffusers 通过开放prompt_embeds参数把语法层留给了生态库让 Compel 的/--、sd_embed 的括号语法都能以统一接口接入任意支持该参数的 pipeline。掌握这一机制后你便能在不修改任何模型权重的前提下精确控制生成图像中每个概念的影响力并进一步与 Textual Inversion、DreamBooth 等适配器组合构建出更可控的生成工作流。【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusers创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Diffusers 提示词加权实战使用 Compel 与 prompt_embeds 精确控制生成内容【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusers导读文本引导text-guided的扩散模型会严格按照给定提示词生成图像但一句提示里往往包含多个概念模型对各部分的重视程度并不均衡——你写了一只玩球的红色猫咪球却可能根本没被画出来。本文围绕 diffusers 仓库中 weighted_prompts.md 的核心内容讲解提示词加权Prompt Weighting的原理与两种落地方式以 Compel 库为代表的/--语法以及通过prompt_embeds参数直接向 pipeline 注入缩放后的文本嵌入。读完本文你将掌握给提示词任意部分加/减权、配合 Textual Inversion 使用以及为 SDXL 等模型传递pooled_prompt_embeds的完整实战能力。为什么需要提示词加权文本嵌入如何控制生成扩散模型并不是读懂提示词本身而是通过**上下文化的文本嵌入contextualized text embedding**来调节扩散模型的 cross-attention 层从而指导去噪过程。也就是说提示词先被文本编码器如 CLIP 的 text encoder映射为一组高维向量再在每一层 cross-attention 中与图像特征交互。既然生成结果由这些向量驱动一个自然而朴素的加权思路就诞生了把提示中想要强调的部分对应的嵌入向量放大把不想强调的部分缩小。这就是提示词加权Prompt Weighting。它在社区中是被请求最多的功能之一围绕它社区展开了大量讨论与实现。Diffusers 的做法暴露 prompt_embeds 参数diffusers 团队将自身的定位视为为其他项目提供能力基座的工具箱toolbox——比如 InvokeAI、diffuzers 等强大的 UI 正是构建在 diffusers 之上的。因此与其在库内固化一套加权语法diffusers 选择开放底层输入在包括StableDiffusionPipeline在内的大量 pipeline 中暴露prompt_embeds参数允许你把已经加权/缩放好的文本嵌入直接传给 pipeline。在 pipeline_stable_diffusion.py 的encode_prompt方法中可以看到这一设计若传入prompt_embeds则跳过内部的 tokenizer 与文本编码器推理L391 起若未传入则由prompt字符串走完整的编码流程negative_prompt_embeds同理用于无分类器引导classifier-free guidance时的负向条件L454 起。在__call__的 docstring 中diffusers 明确写道prompt_embeds是Pre-generated text embeddings. Can be used to easily tweak text inputs (prompt weighting)即提示词加权就是它的典型用途之一L846-L851。源码中的check_inputs还会做两项关键校验prompt与prompt_embeds不能同时传入二者互斥L653-L660当同时传入正/负向嵌入时prompt_embeds与negative_prompt_embeds的形状必须一致L671-L676。这样的设计使 diffusers 本身保持精简而把如何写加权语法交给生态库去实现。目前最推荐的方式就是使用Compel库来生成这些嵌入而不是手动准备张量。实战一用 Compel 给 Stable Diffusion 提示词加权第一步先跑一个未加权的基线以经典的CompVis/stable-diffusion-v1-4为例先用普通提示词生成一张图from diffusers import StableDiffusionPipeline, UniPCMultistepScheduler pipe StableDiffusionPipeline.from_pretrained(CompVis/stable-diffusion-v1-4) pipe.scheduler UniPCMultistepScheduler.from_config(pipe.scheduler.config) prompt a red cat playing with a ball generator torch.Generator(devicecpu).manual_seed(33) image pipe(prompt, generatorgenerator, num_inference_steps20).images[0] image示例中使用了UniPCMultistepScheduler多步统一预测调度器并固定随机种子33、去噪 20 步以保证结果可复现。基线生成结果中球ball往往没有被画出来——这正是提示词各概念权重不均的典型表现。接下来就对球加权。第二步安装 Compel 并创建处理对象pip install compelfrom compel import Compel compel_proc Compel(tokenizerpipe.tokenizer, text_encoderpipe.text_encoder)Compel需要你传入 pipeline 的tokenizer与text_encoder它会复用这套组件把加权语法解析成缩放后的嵌入向量。第三步用强调关键词Compel 使用后缀来放大某个词或短语的权重prompt a red cat playing with a ball注意此时不要再把字符串 prompt 直接传给 pipeline而是先经compel_proc处理成嵌入prompt_embeds compel_proc(prompt)然后通过prompt_embeds参数传入 pipelinegenerator torch.Generator(devicecpu).manual_seed(33) images pipe(prompt_embedsprompt_embeds, generatorgenerator, num_inference_steps20).images[0] image保持同样的种子与步数仅把球的权重放大图像中就会如愿出现球。这正对应了 pipeline_stable_diffusion.py 中prompt_embeds参数的设计意图——跳过内部文本编码直接使用外部准备好的嵌入。第四步用--弱化不想出现的内容与相对Compel 支持--后缀来降低某个部分的权重。例如把a red cat playing with a ball--传入compel_proc即可让球在图像中变得不那么显眼甚至消失。加权语法可以组合使用例如同时强调红猫、弱化球prompt a red cat playing with a ball-- prompt_embeds compel_proc(prompt) images pipe(prompt_embedsprompt_embeds, generatorgenerator, num_inference_steps20).images[0]负向提示词也能加权当使用无分类器引导guidance_scale 1时pipeline 需要负向条件。除了用negative_prompt字符串你也可以把加权后的负向嵌入直接传给negative_prompt_embedsnegative_prompt blurry, low quality, watermark negative_prompt_embeds compel_proc(negative_prompt) images pipe( prompt_embedsprompt_embeds, negative_prompt_embedsnegative_prompt_embeds, generatorgenerator, num_inference_steps20, ).images[0]如源码所示encode_prompt仅在do_classifier_free_guidance且未提供negative_prompt_embeds时才自行生成负向嵌入L454-L496因此外部传入的负向嵌入会被原样使用。结合 Textual InversionDiffusersTextualInversionManagerCompel 1.1.6 起新增了一个工具类用于配合 Textual Inversion文本反转使用。先实例化DiffusersTextualInversionManager再把它传给Compel的初始化textual_inversion_manager DiffusersTextualInversionManager(pipe) compel Compel( tokenizerpipe.tokenizer, text_encoderpipe.text_encoder, textual_inversion_managertextual_inversion_manager, )传入 manager 后Compel 能够识别你在提示词中引用的 learned token例如cat-toy这类通过 Textual Inversion 学到的特殊概念并把它们与普通词的加权语法统一解析。这与 pipeline_stable_diffusion.py 中TextualInversionLoaderMixin.maybe_convert_prompt的职责相呼应——多向量 token 在编码前需要被正确展开L392-L394。也就是说加权提示词可以与 Textual Inversion、DreamBooth 等适配器协同工作。进阶方案面向 SDXL/Flux 的 sd_embed 括号语法除 Compel 外另一条被官方文档记录的路径是sd_embed库见英文原版 weighted_prompts.md。它支持 Stable Diffusion、Stable Diffusion XL、Stable Diffusion 3、Stable Cascade 与 Flux 等新模型并支持更长提示词。安装方式!uv pip install githttps://github.com/xhinker/sd_embed.gitmainsd_embed 使用括号 数值乘数的语法括号越多权重越高写法权重效果(cat)放大 1.1 倍((cat))放大 1.21 倍(cat:1.5)放大 1.5 倍(cat:0.5)缩小至 0.5 倍一个 SDXL 加权示例import torch from diffusers import DiffusionPipeline from sd_embed.embedding_funcs import get_weighted_text_embeddings_sdxl pipeline DiffusionPipeline.from_pretrained( Lykon/dreamshaper-xl-1-0, dtypetorch.bfloat16, device_mapcuda # 或 mps、xpu、cpu ) prompt A (cute cat:1.4) lounges on a (floating leaf:1.2) in a (sparkling pool:1.1) during a peaceful summer afternoon. Gentle ripples reflect pastel skies, while (sunlight:1.1) casts soft highlights. The illustration is smooth and polished with elegant, sketchy lines and subtle gradients, evoking a ((whimsical, nostalgic, dreamy lofi atmosphere:2.0)), (anime-inspired:1.6), calming, comforting, and visually serene. prompt_embeds, _, pooled_prompt_embeds, *_ get_weighted_text_embeddings_sdxl(pipeline, promptprompt)注意 SDXL 与 SD 的关键差异SDXL 使用双文本编码器pipeline 除prompt_embeds外还要求pooled_prompt_embeds。在 pipeline_stable_diffusion_xl.py 的check_inputs中明确写着若提供了prompt_embeds而缺少pooled_prompt_embeds会直接报错并要求两者来自同一个文本编码器L681-L688。因此调用时要把两个嵌入一起传入image pipeline( prompt_embedsprompt_embeds, pooled_prompt_embedspooled_prompt_embeds, ).images[0]同理负向侧也对应negative_prompt_embeds与negative_pooled_prompt_embeds两个参数。说明sd_embed 的加权对提示遵循能力已经很强的新模型如 Flux不一定有明显收益它主要面向上述传统 CLIP 类文本编码器模型。注意事项与排查prompt与prompt_embeds二选一两者同时传会触发ValueError都不传也会报错L653-L660。形状一致性手动准备嵌入时prompt_embeds与negative_prompt_embeds的形状必须一致否则无法拼接执行 CFGL671-L676。使用 Compel/sd_embed 生成即可天然满足。SDXL 必须成对传参prompt_embeds要配pooled_prompt_embeds负向同理L681-L688。pipeline 支持范围prompt_embeds并非仅 Stable Diffusion 独有从仓库源码看Stable Diffusion XL、Stable Diffusion 3、Flux2、Wan、LTX、CogVideo、PAG 系列等大量 pipeline 均支持该参数可在src/diffusers/pipelines/下搜索prompt_embeds签名确认。如果你常用的 pipeline 缺少prompt_embeds输入可以到 diffusers 仓库提交 issue团队会尽力响应。保持种子与步数一致对比加权前/后效果时务必固定generator种子与num_inference_steps否则无法判断差异来自加权还是随机采样。加权的语义边界加权放大的是文本嵌入的范数本质上改变的是 cross-attention 对特定 token 的注意力分布。它适合微调主次关系但对于模型完全不认识的词加权无法凭空教会模型必要时仍需配合 Textual Inversion / DreamBooth 等适配器。小结提示词加权的完整链路是加权语法 → 文本嵌入缩放Compel / sd_embed→prompt_embeds SDXL 的pooled_prompt_embeds→ pipeline 的 cross-attention。diffusers 通过开放prompt_embeds参数把语法层留给了生态库让 Compel 的/--、sd_embed 的括号语法都能以统一接口接入任意支持该参数的 pipeline。掌握这一机制后你便能在不修改任何模型权重的前提下精确控制生成图像中每个概念的影响力并进一步与 Textual Inversion、DreamBooth 等适配器组合构建出更可控的生成工作流。【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusers创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
