模型/實用優質 Embeddings - deformityv6

實用優質 Embeddings - deformityv6

陳嘉欣 (Chan Ka-yan)

11/26/2025

1:09:33 PM

| Discussion|

提示

將下載的負面文本嵌入文件放入 Stable Diffusion 目錄下的 embeddings 文件夾。

使用『badv4』作為負面提示詞以啟用負面文本嵌入。

嵌入的向量數越少，留給提示詞的空間越大，因為提示詞中超過 75 個詞元的部分會被忽略。

向量強度通常範圍在[-0.05, 0.05]之間，強度越高效果越強。

版本亮點

主觀評價：deformityv6 是一個我早期製作的負面文本嵌入。它的效果不如本頁面下的其他負面文本嵌入。它主要用於複現一些已知參數的圖像。

作用範圍：畫質和不良解剖

向量數：2

向量強度：0.19

缺點：會輕微改變畫風。

Subjective evaluation: deformityv6 is a negative text embedding I made earlier. It doesn't work as well as other negative text embeds under this page. It is mainly used to reproduce images with known parameters.

Scope: quality and anatomy

Vector count: 2

Vector strength: 0.19

Disadvantage: slightly change the image style

介绍（中文）

基本信息

該頁面為推薦用於 AnimeIllustDiffusion [1] 模型的所有文本嵌入（Embedding）。您可以從版本描述查看該文本嵌入的資訊。

使用方法

您應該將下載到的負面文本嵌入文件置入您 stable diffusion 目錄下的 embeddings 文件夾內。之後，您只需要在填寫負面提示詞處輸入 badv4 即可。

評價參數

每個文本嵌入將從以下參數描述其特性：

正/負面文本嵌入：如果一個文本嵌入是正面文本嵌入，則您應該將它填寫在正面提示詞內發揮作用；反之，如果一個文本嵌入是負面文本嵌入，則您應該將它填寫在負面提示詞內發揮作用。

作用範圍：一個文本嵌入主要影響的畫面內容。

向量數：代表該文本嵌入佔多少個詞元。通常來說，您輸入提示詞中超過 75 個詞元的部分會被忽略。因此，一個文本嵌入的向量數越少，您填入它之後剩餘輸入提示詞的空間越多。

向量強度：一個詞元向量值的大小。向量強度越高，效果越強。普通詞元的向量強度為[-0.05,0.05]。不可將用括號增強提示詞等效於增強向量強度。

Introduction (English)

Basic Information

This page contains all the text embeddings recommended for use with the AnimeIllustDiffusion model [1]. You can view information about the text embeddings from the version description.

Usage

You should place the downloaded negative text embedding file in the embeddings folder of your Stable Diffusion directory. After that, you only need to enter "badv4" in the field for negative prompts.

Evaluation Parameters

Each text embedding is described by the following parameters:

Positive/Negative Text Embedding: If a text embedding is a positive text embedding, it should be used in positive prompts. Conversely, if a text embedding is a negative text embedding, it should be used in negative prompts.

Scope: The main content of the image that a text embedding will primarily affect.

Vector Count: The number of token that the text embedding represents. Generally, the part of a prompt containing more than 75 tokens will be ignored. Therefore, the fewer the number of vectors in a text embedding, the more space you will have left to input the prompt.

Vector Strength: The magnitude of a token's vector. The higher the vector strength, the stronger the effect. The vector strength of token is usually between [-0.05, 0.05]. Using parentheses to enhance prompts is not equivalent to increasing vector strength.