看到一些的图片，就是手部出现一系列的问题；有教程在使用复杂的方法来修复手，但在我看来，如果你遵循下面分享的方法，你生成的人物图像不会出现严重的手部问题，就算要修复也是较为省事的；
下面我将要样式用提示词、Embeddings、高分辨率修复方式演示怎么生成高质量手部的人物图像，这些方法不仅适合生成真实人物图片，也适用二次元风格人物插图；这里以真实系大模型beautifulRealistic来演示这些技巧；在正式介绍技巧之前，先说明一下，文章涉及的资源可以进入我上面给的B站链接查看。
一、用提示词和Embeddings初步保证生成质量
1、提示词技巧
在正向提示词框输入内容提示词，对要生成的内容进行具体的描述，如下面这些提示词描述一个穿着牛仔短裤时尚的21岁女生；
1girl,21 years old,front view,looking at viewer,solo,jewelry,shorts,bag,necklace,brown hair,bracelet,phone,cellphone,handbag,shirt,smile,blurry,short shorts,blurry background,smartphone,shoulder bag,denim,bangs,cowboy shot,lips,再输入正向提示词框后面加上高质量高分辨率的标准化提示词，以强化生成图片的质量
best quality,ultra detailed,masterpiece,highres,8k,extremely detailed CG unity 8k wallpaper,使用反向提示词，这些输入一下通用的人物反向提示词，避免低质量、丑陋、不正常五官和肢体；
NSFW,(worst quality:2),(low quality:2),(normal quality:2),lowres,normal quality,((monochrome)),((grayscale)),skin spots,acnes,skin blemishes,age spot,(ugly:1.331),(duplicate:1.331),(morbid:1.21),(mutilated:1.21),(tranny:1.331),mutated hands,(poorly drawn hands:1.5),blurry,(bad anatomy:1.21),(bad proportions:1.331),extra limbs,(disfigured:1.331),(missing arms:1.331),(extra legs:1.331),(fused fingers:1.61051),(too many fingers:1.61051),(unclear eyes:1.331),lowers,bad hands,missing fingers,extra digit,bad hands,missing fingers,(((extra arms and legs))),2、使用Embeddings嵌入
使用正面的标准化提示词和通用的人物反向提示词，能一定程度改善生成的效果了；但仍然会产生绘制不好或变异的手；加上Embeddings会明显改善这些问题，建议在反向提示词置入手部的Embeddings和通用的Embeddings；
如下是常用于stableDiffusion中训练固定手部的Embeddings，它们是作为负面嵌入使用的，即放到反向提示词起作用，通常可以只挑选其中一个，但是个别模型可能不支持其中某个，懒人做法就是全部都嵌入：
badhandv4
bhands-neg
negative_hand-neg,
此外还有一些Embedding可以修复图像多方面的不良问题，除了手，还包含腿、五官等下面是我推荐的三款：
EasyNegative
FastNegativeV2
ng_deepnegative_v1_75t,
3、案例效果
使用上面的提示词和Embedding，然后宽高512×768，总批次数设为5，其他保持默认
生成图片如下
二、使用高分辨率修复
在上面提示词和Embeddings的基础上，生成的手如果还有问题，可以先尝试高分辨率修复
使用高分辨率修复的原理是，当手部占画幅的尺寸太小，stable Diffusion因像素不够无法生成更多细节的手；让尺寸宽高都在768以上通常能生成更多的细节。
但开始时我们为了提高抽卡效率，宽高不宜设置过大（4090显卡限制少很多）；直到抽出一张满意的图，再给它单独高分辨率修复放大。
以上面生成的第四张图为例，进行高分辨率修复放大；这里放大算法选择Latent（如果懵逼，直接无脑选R-ESRGAN 4x+），重绘幅度设为0.6 （根据手部变形程度设置，如果是轻微修复，建议0.5或更小），放大倍数设为2倍的默认值就好
生成的结果已经比修复前好很多了，只是还有一些小瑕疵；
三、搭配ControlNet的openpose
上面都是抽卡产生随机姿势的，其实加入ControlNet自定义姿势，以上提示词、Embeddings嵌入、高清分辨率修复技巧同样适用；准备加上openpose控制后再次抽卡。
3.1案例
先关闭高清修复，随机数种子设为1，总批次数设为5
拖入一张准备好的图片作为姿势参考对象，启用，勾选完美像素，可以点击“爆炸图标”查看下姿势提取是否正确，没问题的话直接生成（如果有问题需要编辑它，下节课会提到）；
生成图片，第四张相对较好
我们对它进行高分辨率修复放大，放大算法用R-ESRGAN 4x+，重回幅度改0.5，用随机种子固定它，
看下生成的手基本没多大问题了
3.2案例
换个稍晚复杂姿势，
生成的图片，手部问题更多，就这第四张好些
使用高分比率修复后，还是有些瑕疵，这些需要修图了
四、高效输入提示词的技巧
可以把常用提示词做成模板预设
命名，输入标注化提示词和人物通用的方向提示词，保存，关闭
回到生成，在下拉框选择刚才命名的预设，然后点击“文档”图标，这时预设里的正向提示词和反向提示词都能回填进去
五、最后想说
AIGC（AI Generated Content）技术，即人工智能生成内容的技术，具有非常广阔的发展前景。随着技术的不断进步，AIGC的应用范围和影响力都将显著扩大。以下是一些关于AIGC技术发展前景的预测和展望：
1、AIGC技术将使得内容创造过程更加自动化，包括文章、报告、音乐、艺术作品等。这将极大地提高内容生产的效率，降低成本。2、在游戏、电影和虚拟现实等领域，AIGC技术将能够创造更加丰富和沉浸式的体验，推动娱乐产业的创新。3、AIGC技术可以帮助设计师和创意工作者快速生成和迭代设计理念，提高创意过程的效率。
未来，AIGC技术将持续提升，同时也将与人工智能技术深度融合，在更多领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程。
对于从来没有接触过AI绘画的同学，我已经帮你们准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。
AIGC学习必备工具和学习步骤
工具都帮大家整理好了，安装就可直接上手
现在AI绘画还是发展初期，大家都在摸索前进。
但新事物就意味着新机会，我们普通人要做的就是抢先进场，先学会技能，这样当真正的机会来了，你才能抓得住。
如果你对AI绘画感兴趣，我可以分享我在学习过程中收集的各种教程和资料。
学完后，可以毫无问题地应对市场上绝大部分的需求。
这份AI绘画资料包整理了Stable Diffusion入门学习思维导图、Stable Diffusion安装包、120000+提示词库，800+骨骼姿势图，Stable Diffusion学习书籍手册、AI绘画视频教程、AIGC实战等等。
【Stable Diffusion安装包（含常用插件、模型）】
【AI绘画12000+提示词库】
【AI绘画800+骨骼姿势图】
【AI绘画视频合集】
还有一些已经总结好的学习笔记，可以学到不一样的思路。
实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
总结
### 文章总结本文围绕如何生成高质量的手部图像，特别是针对人物图像中出现的常见手部问题，提供了一套详尽的方法和技巧。主要针对AIGC（人工智能生成内容）技术中的AI绘画应用，特别是使用beautifulRealistic模型及stableDiffusion算法进行展示。以下是文章核心内容的总结：
#### 一、用提示词和Embeddings初步保证生成质量
1. **提示词技巧**：
- **正向提示词**：描述详细的人物特征，如年龄、服饰、表情等，以增强图片的个性化。
- **高质量提示词**：使用如“best quality, ultra detailed”等标准化高质量提示词，强化生成图像的整体质量。
- **反向提示词**：输入人物特征的负面描述，避免低质量、丑陋等不希望的元素出现在图片中，尤其是针对手部变异等相关问题。
2. **使用Embeddings嵌入**：
- 利用特定的Embeddings来针对性解决手部绘制问题，如“badhandv4”，通过在反向提示词中使用这些Embeddings来减少手部变异。
- 推荐了多种全面的Embeddings改善图像多方面的问题。
3. **案例效果**：展示了按照上述方法生成的图片示例，效果显著改善。
#### 二、使用高分辨率修复
- 对已经生成但手部仍有问题的图像进行高分辨率修复，放大尺寸至768以上以提升手部细节。
- 介绍了修复工具如Latent和R-ESRGAN的使用，并通过调整重绘幅度和放大倍数进一步优化图像质量。
#### 三、搭配ControlNet的openpose自定义姿势
- 在基础方法上加入ControlNet以使用自定义姿势生成图像，适用于更具体和复杂的场景需求。
- 介绍了如何使用openpose控制网和人像图片提取姿势，并调整随机数种子和总批次数生成高质量图像。
- 提供了高分辨率修复后的效果展示。
#### 四、高效输入提示词的技巧
- 将常用提示词做成模板预设，提高输入效率。
#### 五、AIGC技术发展前景与学习资源推荐
- 探讨了AIGC技术的广阔前景，包括内容创造的自动化、娱乐产业的创新和设计师创意工作的提效。
- 为感兴趣的学习者提供了详细的AIGC学习资源和学习路线图，包括Stable Diffusion的安装包、提示词库、骨骼姿势图、学习书籍和视频教程等。
#### 总结
本文不仅是一篇关于如何生成高质量手部人物图像的技术指南，还展望了AIGC技术的发展前景，为学习者提供了宝贵的学习资源和方向。通过运用提示词、Embeddings和高分辨率修复等技巧，能够显著提升AI绘画中手部图像的质量，为创意设计提供了有力的技术支持。