DalšíDalší průvodce
Psaní výzev pro efektivní generování obrázků
Vizuální AI
Vizuální průvodce AI
Negativní prompt je text popisující, co nechcete, aby se objevilo na obrázku vygenerovaném umělou inteligencí.
Poslechněte si tento návodAI-vyprávěný · ~3 min
V difuzních modelech, jako je Stable Diffusion, nahrazuje prázdný prompt používaný v klasifikátorově nezávislém vedení (classifier-free guidance), takže každý krok odšumování je od této popisu odsunován. Negativní prompty dávají uživatelům přímý páku pro ovlivnění nežádoucích prvků, ale fungují pouze u modelů, které používají skutečné klasifikátorově nezávislé vedení, a při přehnaném používání mohou mít opačný efekt.
Diffusion models create an image by starting from random noise and removing it over many steps. At each step, the model predicts the noise twice: once conditioned on your prompt and once on an 'unconditional' input, normally an empty prompt. Classifier-free guidance, introduced by Jonathan Ho and Tim Salimans, combines the two. It starts from the unconditional prediction and moves further toward the conditional one, scaled by the guidance scale (often labeled CFG). The result follows the prompt more closely than the raw model would. A negative prompt simply replaces the empty prompt with your negative text. The formula now pushes away from the negative description as it moves toward the positive one. That is why a negative prompt is not a filter or a post-processing step: it shapes every denoising step. The technique spread through community tools such as the AUTOMATIC1111 web interface in 2022. It became especially popular with Stable Diffusion 2.x, whose results many users found improved noticeably with negatives. Negative prompts work best on concrete visual concepts the model knows well: 'blurry', 'text', 'watermark', 'monochrome', or a specific color or object. They work less well as abstract fixes. On many general-purpose models, terms like 'bad anatomy' or 'extra fingers' often do little, because those models rarely saw captions describing such failures. They can also make results worse. A long list pushes the image away from many directions at once. That can reduce variety, wash out or oversaturate colors, and produce stiff compositions, and high guidance scales amplify the effect. Some models, including guidance-distilled and few-step models, skip the unconditional pass entirely. On those, negative prompts are ignored unless the tool turns true CFG back on, which slows generation. A common misconception is that writing 'no cats' in the main prompt excludes cats. Text encoders handle negation poorly, so the phrase can add cats instead.
Fotograf produktů, který generuje studiové snímky hodinek, přidává do negativního promptu 'text, vodoznak, logo', aby odradil falešné značení na pozadí.
Ilustrátor, který chce čistý kreslený obrázek, zadá do negativního promptu 'stínování, barva, fotorealistický'. Napsání 'bez stínování' do hlavního promptu může naopak náhodně přidat stínování.
Uživatel vloží negativní prompt se 60 položkami zkopírovaný z fóra a zjistí, že obrázky jsou ploché a opakovací. Zkrácení na několik cílených výrazů obnoví rozmanitost.
Někdo přepne na model s destilovaným vedením a všimne si, že pole pro negativní prompt nic nedělá, protože model ve výchozím nastavení nikdy nepočítá druhou predikci, kterou by negativní prompt napájel.
Negativní prompty ztrácejí na významu, protože se modely zlepšují. Novější systémy s výkonnějšími textovými enkodéry věrněji sledují podrobné pozitivní prompty a modely s destilovaným vedením obětvují podporu negativních promptů ve prospěch rychlosti. Mezitím se pokračuje ve výzkumu metod vedení, které umožňují jemnější kontrolu bez vedlejších efektů běžného CFG, a některá rozhraní nabízejí samostatné ovládání pro potlačování prvků, jako je text nebo styl. Trvalou poukou pro praxi je mechanická: zkontrolujte, zda váš model skutečně spouští negativní větev, udržujte negativní prompty krátké a konkrétní a testujte každý výraz proti fixnímu seedu, abyste viděli, co skutečně mění.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Negativní prompt je text popisující, co nechcete, aby se objevilo na obrázku vygenerovaném umělou inteligencí. V difuzních modelech, jako je Stable Diffusion, nahrazuje prázdný prompt používaný v klasifikátorově nezávislém vedení, takže každý krok odšumování je od této popisu odsunován. Negativní prompty dávají uživatelům přímou páku pro ovlivnění nežádoucích prvků, ale fungují pouze u modelů, které používají skutečné klasifikátorově nezávislé vedení, a při přehnaném používání mohou mít opačný efekt.
CFG obvykle porovnává predikci s promptem s predikcí z prázdného promptu. Negativní prompt zaujme místo prázdného promptu, takže vedení od tohoto textu odvádí.
Enkodér zaregistruje 'kočky' jako silný koncept a většinou přehlédne 'bez'. Přesunutí slova do negativního promptu obrátí směr vedení.
Každý krok vyžaduje dvě predikce šumu, jednu pro každý prompt, a jsou kombinovány pomocí měřítka vedení.
Negativní prompty nejlépe fungují na konkrétních vizuálních konceptech, které model dobře zná. Vodoznaky se objevují na mnoha trénovacích obrázcích, zatímco popisy selhání, jako je 'špatná anatomie', se v obecných popiscích téměř nikdy neobjevují.
Bez ne podmíněné nebo negativní větve, kterou by se počítalo, nemá negativní text kam směřovat. Zapnutí skutečného CFG ho obnoví na úkor rychlosti.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Psaní výzev pro efektivní generování obrázků
Vizuální AI