ComfyUI 完全入门：反推提示词的四种方法

大家好，我是每天分享AI应用的萤火君！

在AI绘画中提示词是一个很重要的方面，有效的提示词才能生成期望的图像。提示词就像是图像的引路灯，往往一个词就有化腐朽为神奇的力量。关于提示词的重要性，这里就不多说了，用过的同学应该都知道。

这篇文章的主题是反推提示词。有时候我们看到一张图特别棒，想要模仿它的构图或者某些风格；又或者我们想要在重绘图像时保持图像的基本元素不变；再或者我们想要训练自己的模型，就需要给所有的训练图片打标。这些时候就需要反推提示词了。

最基本的反推方法是人力反推，我们根据自己的认识，参考图片内容，手动编写，不过大家的认识都是有限的，很多元素和风格可能不知道如何描述，即使能描述出来，还要翻译成英文，人力反推费时费力，最终出图效果也不一定好，可谓低质低效。因此本文并不是介绍人工反推提示词的方法。

本文介绍的都是通过AI模型反推提示词的方法，用到的AI绘画工具是ComfyUI，只需要上传一张图，就可以生成各种风格的高质量提示词。

如果你对提示词还是一知半解，缺少一个整体的认识，可以先看看我之前分享过一些提示词教程：

• Stable Diffusion提示词编写教程
• Stable Diffusion提示词插件
• AI摄影教程：镜头尺寸与角度

环境准备

本地手工部署

如果你本地有一个24G显存的Nvidia显卡，可以参考我这篇文章，在本地部署一个ComfyUI：

ComfyUI 完全入门：安装部署

不过想要运行本文介绍的工作流，你还要安装缺失的插件节点、下载相关的模型，这个难度和工作量不容小视，建议仅对这一套比较熟悉的同学尝试。

云环境免费体验

如果你本地没有相关的资源，也不想费力吧啦的自己部署，或者就是想看看效果，可以直接使用我的云镜像，一键开启，直接使用。这个平台注册就送一定的额度，大家可以免费使用几个小时，足够时间体验反推提示词了。

镜像访问地址：https://www.haoee.com/applicationMarket/applicationDetails?appId=27&IC=XLZLpI7Q

注册成功后，点击页面上的“立即创建”，即可开启 ComfyUI 应用，如下图所示：

应用创建后会自动跳转至“工作台”。启动成功后，状态将显示为“运行中”，此时点击“打开应用”，即可在浏览器进入操作界面。本应用启动大约需要1-2分钟，如果打开页面显示空白，请刷新再尝试。

ComfyUI在浏览器中启动后，我们可以先通过设置切换到中文界面，选择“中文”：

然后点击“加载”旁边的小箭头，选择一个“提示词”工作流，点击“添加提示词队列”，就可以开始愉快的生成了。

反推提示词的各种方法

目前在ComfyUI中我们可以使用多种提示词反推方法，这里将逐一介绍。

文末有模型和工作流的下载方式。

1、WD14 Tagger

WD14 Tagger 出来的比较早，Stable Diffusion WebUI 中也有这个插件，使用特别广泛，它会生成标签式的提示词。看下边工作流中使用红框圈出来的节点，只需要选择一个反推模型，设置提示词的阈值，就可以自动生成标签式的提示词，然后我们可以用这个提示词再去生成一张新的图片。

这个插件的完整名称是：ComfyUI-WD14-Tagger

2、CLIP询问机

CLIP询问机会生成偏自然语言风格的提示词，但是也会出现很多标签词，算是一个提示词的折中版本。

我是用的是 comfyui-mixlab-nodes 插件提供的，这个节点支持多种提示词模式：最快、经典、最好，还可以生成反向提示词。

3、JoyCaption

这个插件的完整名称是：Comfyui_CXH_joy_caption。

JoyCaption 内部提供了多个提示词反推方法，下图对比了使用 Min2_6、Joy_caption、Florence2反推提示词的效果。

对应生成的图像如下所示：

简单介绍下这几个提示词反推模型：

MIn2_6 使用的模型是：MiniCPMv2_6-prompt-generator，这是通过微调 MiniCPM-V 2.6 实现的，MiniCPM-V 2.6 是一个适用于图片和视频的多模态大语言模型。MiniCPMv2_6-prompt-generator在 2x 4090 24GB GPU上进行训练，并使用来自Midjourney的3000多个样本进行训练。该模型可以生成具有自然语言风格的短提示和长提示，可用于LORA训练时生成图像标签。使用整数量化版本可以降低GPU内存使用量（约7GB）。

Joy_caption 本身有一个自己的模型，这里搭配了Llama-3.1-8B的一个微调模型，应该是用来优化提示词的。

Florence2 使用的模型是：CogFlorence-2.2-Large，它是通过微调微软发布的 Florence-2-large 模型实现的。Florence-2-large是一个先进的视觉基础模型，可以解释简单的文本提示，执行如标注、对象检测和分割等任务。它学习了包含1.26亿张图像的54亿个注释。CogFlorence-2.2-Large 在4万张图像子集中进行了调优，可以生成自然语言风格的提示词，也可以生成传统标签风格的提示词，这对于支持两个CLIP文本编码器的Flux等模型特别有意义。

这几个里边，个人体感，Joy_caption的效果最好，其次是 Florence2、MIn2_6。

Joy_caption还支持批量打标，方便训练模型：

4、Miaoshouai-Tagger

这个插件也会使用上文提到的 Florence2 模型，使用的是 Florence-2-large-PromptGen-v1.5,，然后它可以同时输出两种格式提示词（caption_method选择mixed），搭配Flux，生成效果比较完美。演示效果如下图所示：

这个插件的完整名称是：ComfyUI-Miaoshouai-Tagger。它也支持批量达标，方便大家去训练模型。

个人认为，这个插件对原始参考图像的还原度是最高的。

中文提示词

考虑到很多同学书写英文比较费劲，这里额外介绍一个可以直接输入中文提示词的节点。

这个节点是 comfyui-mixlab-nodes 插件提供的，提示词允许输入中文，它会自动翻译，然后还可以根据我们的提示词进行自动优化，优化能力来源于大量用户使用的Midjourney提示词。

资源下载

本文大部分工作流都可以通过我的公众号免费获取，给G众/号“萤火遛AI”发消息“工作流”即可获取。

本文介绍的模型都可以通过 Github 和 Huggingface 下载到，如果你下载不方便也可以通过我整理的网盘资源获取，另外还包括 Stable Diffusion WebUI 和 ComfyUI 的使用教程，也包括本文介绍的所有工作流，有兴趣的可以看看：https://xiaobot.net/post/03340243-9df6-4ea0-bad6-9911a5034bd6

---

以上就是本文的主要内容，从测试结果看 Miaoshouai-Tagger 和 Joy_caption 的效果是最好的，搭配Flux更是如虎添翼，有兴趣的同学快去试试吧。