ДалееСледующее руководство
Негативные подсказки в создании изображений
Визуальный ИИ
Визуальное руководство по искусственному интеллекту
Эффективный промпт для генерации изображений описывает картинку, которую вы хотите получить: объект, среду, стиль, освещение, композицию и камеру, сформулированные четко и конкретно, вместо того чтобы просить модель выполнить задачу.
Прослушайте это руководствоОзвучено ИИ · ~3 min
Модели изображений сопоставляют слова с визуальными признаками, а не следуют инструкциям так, как это делают чат-модели, поэтому описательный словарный запас и знание синтаксиса вашей модели отделяют шаблонный результат от того изображения, которое вы действительно себе представили.
A strong image prompt reads like a description of a finished picture. A useful order is subject first (who or what, doing what), then medium (photograph, oil painting, 3D render, pencil sketch), style or era (art nouveau, 1970s film still), lighting (soft diffused, rim light, neon), composition and camera (close-up, wide shot, low angle, 35mm lens, shallow depth of field), color palette, and finally aspect ratio. Specific nouns beat adjectives: "a weathered fisherman mending nets" gives the model more to work with than "an interesting old man." How you phrase this depends on the model. Older Stable Diffusion models use a CLIP text encoder and respond well to comma-separated keywords, and they only read a limited number of tokens. Newer systems such as DALL-E 3, Imagen and FLUX use stronger language encoders and handle full sentences, spatial relationships and text in the image far better. In ChatGPT, DALL-E 3 prompts are rewritten by the chat model before generation, so what you type is not exactly what the image model receives. Prompting images differs from prompting chat models. An image model is not reasoning about your request; it associates words with visual features. That explains the most common mistake: writing "a beach with no people" can add people, because the word "people" is present. Use a negative prompt field or Midjourney's --no parameter instead. Polite instructions, explanations of purpose and long backstories usually add noise. Other misconceptions: quality tags like "masterpiece, 8k, best quality" helped some older community models but do little on many modern ones, and longer prompts are not automatically better, since extra terms compete for influence. The reliable method is iteration: fix the seed, change one element at a time, and keep notes on which words produced which effects.
Владелец малого бизнеса меняет «сделай красивую картинку нашей свечи» на «фотография продукта: янтарная стеклянная свеча на ореховом столе, мягкий свет из окна слева, малая глубина резкости, кремовый фон» и получает пригодное для каталога изображение.
Учитель, иллюстрирующий урок, пишет «плоская векторная иллюстрация диаграммы круговорота воды, яркие основные цвета, четкие линии, белый фон» и заключает текст подписей в кавычки, чтобы более новая модель корректно отобразила слова.
Пользователь Stable Diffusion, который постоянно получает текст, похожий на водяной знак, добавляет «текст, водяной знак, подпись» в поле негативного промпта вместо того, чтобы писать «нет текста» в основном промпте.
Концепт-художник в Midjourney фиксирует сид, а затем меняет только фразу освещения с «overcast» на «golden hour backlight», чтобы сравнить настроение без изменения композиции.
Промптинг смещается от ремесла ключевых слов к разговору на обычном языке, поскольку генерация изображений встраивается в чат-ассистенты, способные редактировать изображение за несколько шагов. Более качественные текстовые кодировщики неуклонно улучшают отрисовку текста, подсчет объектов и пространственную компоновку. Элементы управления помимо слов, такие как референсные изображения, референсы стиля, скетчи, руководства по позам и региональный промптинг, становятся стандартными, что снижает объем того, что необходимо прописывать текстом. Базовые принципы, скорее всего, останутся полезными в любом случае: знание терминологии освещения, композиции, объективов и истории искусств позволяет попросить именно то, что вы имеете в виду, независимо от используемого интерфейса.
Бесплатная рассылка
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Эффективный промпт для генерации изображений описывает картинку, которую вы хотите получить: объект, среду, стиль, освещение, композицию и камеру, изложенные четко и конкретно, а не как задание для модели. Модели изображений сопоставляют слова с визуальными признаками, а не следуют инструкциям так, как это делают чат-модели, поэтому описательный словарный запас и знание синтаксиса вашей модели отделяют шаблонный результат от того изображения, которое вы действительно себе представили.
Начало с объекта сообщает модели, чему посвящена картинка, прежде чем накладывать среду, стиль, освещение и композицию.
Слово «люди» притягивает людей на изображение. Поле негативного промпта или параметр --no — это надежный способ что-то исключить.
Число — это вес. Значения больше 1 усиливают влияние фразы; значения меньше 1 ослабляют его.
Наведение обычно смещается от безусловного предсказания в сторону промпта. Подстановка негативного промпта вместо этой базы уводит генерацию от того, что в нем описано.
Сид определяет начальный шум. Его сохранение делает сравнение между версиями промпта осмысленным.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Негативные подсказки в создании изображений
Визуальный ИИ