Stable Diffusion中，Embedding相当于是一个提示词打包的功能，它能够把很多的提示词汇总到一个文件里。这时候，我们只需要调用这一个embedding文件，就相当于输入了很多的提示词，非常的方便。
那什么时候会用到文本量很大且固定不变的提示词呢？很多小伙伴可能猜到了，那就是我们的负向提示词。
这是我们最常见的负向起手式，可以排除掉一些低质量、坏手、姿态错误等等情况。我见过有人最夸张的是在负向提示词中使用词汇达几百个，密密麻麻的十几行，然后弹幕中有人就问他:你是在辟邪么……
如果不想把提示词搞得这么复杂，我们就可以使用一些打包好的负向提示词Embedding，就可以达到一词顶一百词的效果。
一，EasyNegative
这个embedding官方推荐是搭配二次元模型使用的，比如“Counterfeit”，或者“AbyssOrangeMix2”。
我们先使用“CounterfeitV30”模型，正向提示词描述一个“坐在树干上的小女孩”，然后在不使用任何负向提示词的情况下试试看。
可以看到画面有很多奇怪的地方，树的结构有问题，光影也有问题，人物姿态也有问题。
这时，我们在负向提示词中引入这个Embedding，再生成试试看。
可以看到，画面的效果好了很多，树的结构和人物姿势都合理了，光影也有了层次，可惜，手部的问题依然存在。这个也没有办法，手的问题是AI绘图的千古难题，不能指望仅靠负向提示词就能修好。
二、badhandv4
这个embedding是专门用于修复手的。还是刚才这个画面，我们加一个近景的提示词，把手部放大一点来观察一下，手部的问题还是挺明显的。
接着，在负面关键词中添加“badhand”的Embedding，试试看。
官方建议说，这个embedding的CFG值最好≥11。这个时候，就需要用到我们之前讲过的一个插件【Stable Diffusion】提示词服从度增强插件，CFG值修复，来避免因为CFG值太高导致画面崩坏。CFG值设为14，开启动态阈值。
生成一下看看，手的效果好了很多。
三、Deep Negative
这个embedding更常用在真实系的模型中，官方解释是可以避免一些错误的构图和颜色模式，包括错误的人体解剖结构、不好看的配色方案、颠倒的空间结构等等。使用它可以让图像变得更加合理一些。
四、veryBadImageNegative
这个embedding是槽糕图像的负面提示词集合，官方推荐的模型是AOM3。我们对比一下，在不使用这个embedding和在使用的情况下，出图的差别，可以说是显而易见的。
当然，这些负向Embedding的使用，不局限在官方推荐的模型里，大家使用的时候也可以自己去尝试。将下载好的Embedding放在这个文件夹下【……sd-webui-aki-v4embeddings】，点击刷新，就可以看到这些文件了。使用的时候，直接点击想用的embedding，就会自动加入了负向提示词当中了。
