stable-diffusion-prompt-reader
Stable Diffusion Prompt Reader 是一款轻量级的独立查看器,专为读取 Stable Diffusion 生成图片中隐藏的提示词(Prompt)而设计。在使用各类 AI 绘图工具时,生成的图片往往嵌入了详细的创作参数,但若不通过原始生成平台或复杂代码,普通用户很难直接查看这些信息。这款工具完美解决了这一痛点,让用户无需启动庞大的 WebUI 界面,即可轻松提取、编辑或移除图片内的元数据。
它非常适合设计师、AI 艺术爱好者以及需要整理素材的研究人员使用。无论是想学习优秀作品的咒语写法,还是批量管理本地图库,都能从中获益。其技术亮点在于广泛的兼容性,支持 Windows、macOS 和 Linux 全平台,并能识别 A1111 WebUI、NovelAI、InvokeAI 等多种主流生成工具的格式。操作极其简便,只需拖拽图片即可查看详情,支持一键复制提示词、导出文本文件,甚至反向将提示词写入图片。此外,它还提供了命令行接口(CLI)以满足开发者需求,并具备深色/浅色模式切换及按字母排序等贴心功能,是探索和管理 AI 绘画作品的高效助手。
使用场景
某数字艺术工作室的设计师在整理海量历史素材库时,需要从数千张由不同 AI 工具生成的图片中快速提取创作参数,以便复用优质风格或进行二次微调。
没有 stable-diffusion-prompt-reader 时
- 依赖特定环境:必须启动庞大的 Stable Diffusion WebUI 才能查看图片元数据,为了读一个提示词而加载整个模型界面,耗时且占用显存。
- 格式兼容困难:面对来自 NovelAI、InvokeAI 或旧版工具生成的图片,普通系统自带的图片查看器无法解析其中嵌入的非标准提示词信息。
- 批量处理低效:无法一次性提取多个文件的参数,只能逐个打开图片复制粘贴,手动记录到文档中,极易出错且效率低下。
- 信息清洗麻烦:若想去除图片中附带的敏感提示词信息再分享给客户,缺乏便捷的本地化工具进行无损擦除。
使用 stable-diffusion-prompt-reader 后
- 独立轻量运行:直接拖拽图片到软件界面即可秒级显示完整提示词、负向提示词及生成参数,无需启动任何重型 WebUI 环境。
- 全格式自动识别:自动检测并解析来自 A1111、NovelAI 等多种生成工具的元数据,统一以清晰的结构化视图呈现,打破格式壁垒。
- 一键复制与导出:支持将提示词一键复制到剪贴板,或直接批量导出为文本文件,让素材整理和风格复用流程自动化。
- 灵活编辑与清理:不仅能查看,还能直接在图中修改提示词或一键移除元数据,方便在不重绘的情况下净化图片素材。
stable-diffusion-prompt-reader 将原本繁琐的元数据提取工作转化为简单的拖拽操作,极大提升了 AI 绘图工作流中素材管理与复用的效率。
运行环境要求
- Windows
- macOS
- Linux
未说明
未说明

快速开始
Stable Diffusion 提示词阅读器
一款简单的独立查看器,用于在 WebUI 外部读取 Stable Diffusion 生成图像中的提示词。
功能 • 支持的格式 • 下载 • 使用方法 • 命令行界面 • ComfyUI 节点 • 常见问题解答 • 致谢
[!TIP] SD 提示词阅读器现在已作为 ComfyUI 节点提供。请查看 ComfyUI 提示词阅读器节点 以获取更多信息。
功能
- 支持 macOS、Windows 和 Linux。
- 提供图形界面和命令行界面。
- 简单的拖放交互。
- 可将提示词复制到剪贴板。
- 可从图像中移除提示词。
- 可将提示词导出为文本文件。
- 可编辑或导入提示词到图像中。
- 垂直方向显示及按字母顺序排序。
- 可检测生成工具。
- 支持多种格式。
- 支持深色和浅色模式。
支持的格式
| PNG | JPEG | WEBP | TXT* | |
|---|---|---|---|---|
| A1111 的 webUI | ✅ | ✅ | ✅ | ✅ |
| Easy Diffusion | ✅ | ✅ | ✅ | |
| StableSwarmUI* | ✅ | ✅ | ||
| StableSwarmUI(0.5.8-alpha 之前版本)* | ✅ | ✅ | ||
| Fooocus-MRE* | ✅ | ✅ | ||
| NovelAI(stealth pnginfo) | ✅ | ✅ | ||
| NovelAI(旧版) | ✅ | |||
| InvokeAI | ✅ | |||
| InvokeAI(2.3.5-post.2 之前版本) | ✅ | |||
| InvokeAI(1.15 之前版本) | ✅ | |||
| ComfyUI* | ✅ | |||
| Draw Things | ✅ | |||
| Naifu(4chan) | ✅ |
* 存在限制。详情请参阅 格式限制。
[!NOTE] 如果您使用的工具或格式未在此列表中,请通过在 Issues 中上传由您的工具生成的原始文件来帮助我支持该格式,谢谢。
[!TIP] 对于 ComfyUI 用户,SD 提示词阅读器现在已作为 ComfyUI 节点提供。
ComfyUI 提示词阅读器节点 是本项目的子项目,建议在您的工作流中将 Prompt Saver 节点 嵌入到 ComfyUI 提示词阅读器节点 中,以确保最大程度的兼容性。
下载
对于 Windows 用户
从 GitHub Releases 下载可执行文件。
对于 macOS 用户
从 GitHub Releases 下载可执行文件。
通过 Homebrew Cask 安装
您也可以通过 Homebrew cask 安装 SD 提示词阅读器。
brew install --no-quarantine receyuki/sd-prompt-reader/sd-prompt-reader
参数 --no-quarantine 是因为 SD 提示词阅读器目前尚未签名,正如我在 这里 所提到的。
对于 Linux 用户(未定期测试)
我相当确定 Linux 用户无需可执行文件也能自行解决。
- Python 的最低要求版本是 3.10。
- 确保您的 Python 已安装 tkinter 包。
如果未安装,请使用包管理器安装 python3-tk 包。
例如,对于基于 Debian 的发行版:sudo apt-get install python3-tk
您可以选择使用 pip 安装或手动运行。
使用 pip 或 pipx 安装
pip install sd-prompt-reader
或者
pipx install sd-prompt-reader
要启动图形界面,只需在终端输入 sd-prompt-reader。
对于命令行界面,请使用 sd-prompt-reader-cli。
手动运行源代码
- 克隆此仓库。
或者下载仓库的 zip 文件。git clone https://github.com/receyuki/stable-diffusion-prompt-reader.git - 进入目录并安装依赖项。
cd stable-diffusion-prompt-reader pip install -r requirements.txt - 运行。
python -m sd_prompt_reader.app
使用方法
读取提示词
- 打开可执行文件(.exe 或 .app),然后将图片拖放到窗口中。
或者
- 右键点击图片,选择“使用 SD 提示词阅读器打开”。
或者
- 直接将图片拖放到可执行文件(.exe 或 .app)上。
将提示词导出为文本文件
- 点击“导出”按钮,会在图片文件旁边生成一个 txt 文件。
- 若要保存到其他位置,点击展开箭头并选择“选择目录”。

从图片中移除提示词
- 点击“清除”按钮,会在原图片文件旁边生成一个带有
_data_removed后缀的新图片文件。 - 若要保存到其他位置,点击展开箭头并选择“选择目录”。
- 若要覆盖原图片文件,点击展开箭头并选择“覆盖原图”。

编辑图片
[!注意] 编辑后的图片将以 A1111 格式保存,这意味着无论原始图片是什么格式,编辑后都会转换为 A1111 格式。
- 点击“编辑”进入编辑模式。
- 直接在文本框中编辑提示词,或导入 txt 格式的元数据文件。
- 点击“保存”按钮,会在原图片文件旁边生成一个带有
_edited后缀的编辑后图片文件。 - 若要保存到其他位置,点击展开箭头并选择“选择目录”。
- 若要覆盖原图片文件,点击展开箭头并选择“覆盖原图”。

复制为单行提示词
复制图片的提示词和设置,格式可被 来自文件或文本框的提示词 识别。支持以下参数:
| 设置 | 参数 |
|---|---|
| 种子 | --seed |
| 变异种子强度 | --subseed_strength |
| 种子缩放起始高度 | --seed_resize_from_h |
| 种子缩放起始宽度 | --seed_resize_from_w |
| 采样器 | --sampler_name |
| 步数 | --steps |
| CFG 比例 | --cfg_scale |
| 尺寸 | --width |
| 尺寸 | --height |
| 人脸修复 | --restore_faces |
- 点击展开箭头并选择“单行提示词”。
- 将其粘贴到 webui 脚本“来自文件或文本框的提示词”下方的文本框中。

ComfyUI SDXL 工作流
[!注意] SDXL 工作流不支持编辑。如有需要,请先从图片中移除提示词再进行编辑。
如果图片的工作流包含多组 SDXL 提示词,即 Clip G(text_g)、Clip L(text_l) 和 Refiner,SD 提示词阅读器会切换到多组提示词显示模式,如图所示。多组提示词显示模式有两种界面选项,可通过按钮切换。
命令行工具
提供了一个用于读取、修改和清除元数据的命令行工具。
平台
对于 Windows 用户
SD Prompt Reader CLI.exe 将作为单独的可执行文件包含在压缩包中。
示例:
"SD Prompt Reader CLI.exe" -i example.png
对于 macOS 用户
可执行文件位于 SD Prompt Reader.app/Contents/MacOS/SD Prompt Reader。
示例:
/Applications/SD\ Prompt\ Reader.app/Contents/MacOS/SD\ Prompt\ Reader -i example.png
对于 pip 用户
示例:
sd-prompt-reader-cli -i example.png
模式与选项
模式
- 读取模式:通过
-r或--read标志激活。 - 写入模式:通过
-w或--write标志激活。 - 清除模式:通过
-c或--clear标志激活。
通用选项
-i,--input-path:输入图片文件或包含图片文件的目录路径,必填参数。-o,--output-path:输出文件或目录路径,用于保存处理后的文件。-l,--log-level:指定日志详细程度(例如 DEBUG、INFO、WARN、ERROR)。
读取选项
-f,--format-type:指定输出元数据的格式,可选“TXT”或“JSON”。默认格式为“TXT”。
写入选项
-m,--metadata:提供元数据文件以供写入。-p,--positive:提供正面提示词字符串以供写入。-n,--negative:提供负面提示词字符串以供写入。-s,--setting:提供设置字符串以供写入。
基本使用
- 如果未指定输出路径,修改后的图片将保存在当前目录,并在原文件名后添加后缀。
- 若要覆盖源文件,需将输出路径设置为与输入路径相同。
- 写入模式仅支持对单张图片的修改。
读取模式
- 从图片中读取元数据。
- 使用方法:
sd-prompt-reader-cli [-r] -i <input_path> [--format-type <format>] [-o <output_path>] - 示例:
sd-prompt-reader-cli -i example.pngsd-prompt-reader-cli -i example.png -o metadata.txtsd-prompt-reader-cli -r -i example.png -f TXT -o output_folder/sd-prompt-reader-cli -r -i input_folder/ -f JSON -o output_folder/
写入模式
- 向图片中写入元数据。
- 使用方法:
sd-prompt-reader-cli -w -i <input_path> -m <metadata_path> [-o <output_path>] - 示例:
sd-prompt-reader-cli -w -i example.png -m new_metadata.txtsd-prompt-reader-cli -w -i example.png -m new_metadata.txt -o output.pngsd-prompt-reader-cli -w -i example.png -m new_metadata.json -o output_folder/
清除模式
- 从图片中移除所有元数据。
- 使用方法:
sd-prompt-reader-cli -c -i <input_path> [-o <output_path>] - 示例:
sd-prompt-reader-cli -c -i example.pngsd-prompt-reader-cli -c -i example.png -o output.pngsd-prompt-reader-cli -c -i example.png -o output_folder/sd-prompt-reader-cli -c -i input_folder/ -o output_folder/
格式限制
TXT
- 仅在编辑模式下允许导入 txt 文件。
- 仅支持 A1111 格式的 txt 文件。您可以使用 A1111 webui 生成的 txt 文件,或使用 SD 提示词阅读器从 A1111 图片中导出 txt。
StableSwarmUI
[!重要] StableSwarmUI 仍处于 Alpha 测试阶段,其格式未来可能会发生变化。我将持续关注 StableSwarmUI 的后续更新。
ComfyUI
[!重要] 当使用自定义节点或工作流变得过于复杂时,元数据很可能无法被正确读取。 这是因为ComfyUI并不存储元数据,而只保存完整的工作流。SD Prompt Reader仅能处理基础的工作流。 建议在您的工作流中将Prompt Saver节点嵌入到ComfyUI Prompt Reader节点中,以确保最大的兼容性。
- 如果设置框中有多个数据集(seed、steps、CFG等),则表示流程图中存在多个KSampler节点。
- 由于ComfyUI的特性,工作流中的所有节点和流程图都会被存储在图像中,包括未使用的部分。此外,一个流程图可以有多个分支、输入和输出。 (例如:在一个流程图中同时输出高分辨率修复后的图像和原始图像) SD Prompt Reader会遍历所有流程图和分支,并显示具有完整输入和输出的最长分支。
- ComfyUI SDXL工作流
Easy Diffusion
默认情况下,Easy Diffusion不会将元数据写入图像。请将设置中的_元数据格式_更改为_embed_,以将元数据写入图像。
Fooocus-MRE
由于原始版本的Fooocus不支持将元数据写入图像文件, SD Prompt Reader仅支持由Fooocus MoonRide Edition生成的图像。
常见问题解答
恶意软件警告
[!警告] 部分杀毒软件报告的误报是由打包工具_pyinstaller_引起的,这是_pyinstaller_用户常见的问题。 我之前曾花费大量时间尝试解决Windows Defender的误报问题,但无法对所有杀毒软件都有效。 因此,您可以选择信任Windows Defender,或者按照针对Linux用户的说明来使用此应用。
“SD Prompt Reader.app”已损坏,无法打开。您应该将其移到废纸篓
[!重要] 这是macOS上运行未经签名的非App Store应用时非常常见的问题, 开发者需要每年向苹果支付99美元才能消除此问题。 您可以选择在安全性与隐私设置中启用允许任何来源的应用程序,但这可能存在风险。 我更倾向于移除隔离属性。
从“应用程序”文件夹中打开终端。
输入以下命令并按回车键。
xattr -r -d com.apple.quarantine /path/to/app.app在我的例子中是:
xattr -r -d com.apple.quarantine /Applications/SD\ Prompt\ Reader.app
如果仍然担心应用程序的安全性,可以参考针对Linux用户的说明来使用此应用。
待办事项
- 批量图像处理工具
- 图库/文件夹视图
- 用户偏好设置
致谢
- 灵感来源于Stable Diffusion Web UI
- 应用图标由Stable Diffusion结合IconsMI生成。
- 特别感谢Azusachan提供的SD服务器。
- NovelAI的隐蔽pnginfo解析器基于NovelAI官方元数据提取脚本。
版本历史
v1.3.52024/05/21v1.3.5-beta.22024/05/13v1.3.5-beta.12024/04/30v1.3.4-post.22024/01/25v1.3.4-post.12023/12/11v1.3.42023/10/25v1.3.4-beta.22023/10/12v1.3.4-beta.12023/09/27v1.3.3-post.12023/09/05v1.3.32023/09/03v1.3.3-beta.22023/08/28v1.3.3-beta.12023/08/23v1.3.22023/07/13v1.3.12023/06/05v1.3.02023/05/25v1.2.02023/04/24v1.1.12023/04/09v1.1.02023/04/04v1.0.12023/03/31v1.0.02023/03/30常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。