本文介绍了一种图像生成提示词扩展方法，通过扩展原始提示词，能够提升图像生成模型的效果，特别是对于缺乏复杂提示词或缺乏画面感的用户来说，该方法非常实用。该方法尤其适用于 FLUX 等不自带提示词扩写的 DiT 模型。

🤔 **提示词扩展的原理：** 通过在原始提示词的基础上添加额外的描述和细节，例如拍摄风格、场景、人物特征等，可以为图像生成模型提供更丰富的参考信息，从而生成更符合预期效果的图像。例如，原始提示词为“简洁广告片，人像摄影，中国女性”，可以扩展为“简洁广告片，人像摄影，中国女性，穿着汉服，背景是古色古香的庭院，阳光明媚”。

💡 **针对 DiT 模型的优势：** 对于像 FLUX 这样的不自带提示词扩写的 DiT 模型，提示词扩展可以有效弥补其在提示词理解和生成方面的不足，帮助用户获得更精准的图像生成结果。

🎨 **实际应用效果：** 通过对比原始提示词和扩展后的提示词生成的图像，可以明显感受到扩展后的提示词能够生成更符合用户期望、更具细节和美感的图像。

🚀 **提升图像生成效率：** 提示词扩展可以帮助用户快速找到合适的提示词，避免反复尝试和调整，提高图像生成的效率。

👩‍🎨 **扩展提示词的技巧：** 在扩展提示词时，可以考虑以下几个方面： - **风格：** 例如写实、抽象、梦幻、卡通等； - **场景：** 例如室内、室外、街道、森林等； - **光线：** 例如阳光明媚、阴天、灯光昏暗等； - **色彩：** 例如鲜艳、柔和、冷色调、暖色调等； - **细节：** 例如人物表情、服饰、道具等。

💪 **总结：** 提示词扩展是提升图像生成效果的有效方法，尤其是对于缺乏经验的用户来说，可以帮助他们更好地利用图像生成模型，创作出更加精美的图像作品。

迭代了一个图像生成提示词扩展的提示词

试了一下效果不错，如果你也不知道怎么写复杂提示词或者脑子里没画面可以试试。

对 FLUX 这类不自带提示词扩写的 DiT 模型尤其管用。

右边图片的原始提示词为：简洁广告片，人像摄影，中国女性。