Полное руководство по промптингу в Stable Diffusion: синтаксис, веса, структура и трюки
Написание промптов для Stable Diffusion (и моделей на базе SDXL / SD 3.5) кардинально отличается от общения с текстовыми нейросетями вроде ChatGPT. Здесь модель не читает связные предложения — она считывает «мешок токенов», взвешивает их и выстраивает изображение по математическим законам.
Чтобы обуздать этот процесс, нужно знать правила синтаксиса, систему управления весами, барьеры токенов и идеальную структуру запроса. В этом исчерпывающем руководстве мы разберем все секреты мастерства промптинга.
1. Философия промптинга в Stable Diffusion
Главная ошибка новичков — писать запросы в стиле разговорной речи: «Нарисуй мне красивую девушку в красном плаще, которая гуляет по ночному дождливому городу в стиле киберпанк». Для закрытых систем это сработает, но Stable Diffusion начнет путаться в приоритетах.
Модель воспринимает текст как набор смысловых блоков, разделенных запятыми. При этом действует железное правило: порядок имеет значение. Токены, стоящие в самом начале промпта, имеют максимальный вес и определяют основу композиции, а слова в конце оказывают меньшее влияние.
2. Идеальная структура промпта: скелет успешного кадра
Чтобы модель не «терялась», опытные генераторщики используют проверенную скелетную структуру запроса. Вам не обязательно заполнять все шесть слоев каждый раз, но соблюдение порядка держит генерацию под контролем:
| Слот структуры | Что сюда писать | Пример |
|---|---|---|
| 1. Главный объект (Subject) | Кто или что находится в фокусе. Персонаж, предмет, существо. | 1girl, majestic cyber samurai |
| 2. Детали и описание (Descriptors) | Одежда, эмоции, позы, мелкие детали внешности, элементы окружения. | intricate cybernetic armor, glowing katana, determined expression |
| 3. Стиль и среда (Style & Medium) | В каком визуальном исполнении создается кадр (фото, масло, аниме, 3D). | cinematic film still, photorealistic, 8k resolution |
| 4. Освещение (Lighting) | Характер света, тени, время суток, источники освещения. | neon glow, volumetric lighting, dramatic shadows, cyberpunk rain |
| 5. Композиция и ракурс (Composition) | План съемки, фокусное расстояние объектива, точка обзора. | wide angle shot, rule of thirds, depth of field, bokeh |
| 6. Финальные теги качества (Quality) | Параметры резкости и детализации (без фанатизма). | masterpiece, sharp focus, highly detailed |
3. Синтаксис и веса: скобки, цифры и акценты
Интерфейсы вроде Automatic1111, Forge или ComfyUI поддерживают мощный математический синтаксис управления вниманием модели к конкретным словам.
| Синтаксис | Эффект | Множитель внимания |
|---|---|---|
(word) |
Усиление акцента на слово | Примерно в 1.1 раза (на 10%) |
((word)) / (((word))) |
Многократное вложение скобок (стекирование) | ~1.21x и ~1.33x соответственно |
[word] |
Ослабление внимания к слову | Примерно в 0.91 раза |
(word:1.5) |
Явное задание числового веса | Точное умножение внимания на 1.5 |
(word:0.7) |
Принудительное снижение веса цифровым методом | Умножение внимания на 0.7 |
0.7 до 1.5. Если выкрутить вес выше 1.6–1.7, модель начнет перенасыщать картинку, появятся кислотные цвета, «пережатые» артефакты и деградация структуры.
4. Проблема 75 токенов и ключевое слово BREAK
Текстовый кодировщик (CLIP) в архитектуре Stable Diffusion обрабатывает промпты блоками (чанками) ровно по **75 токенов**. Один токен — это не обязательно целое слово, часто это корень или слог.
Если ваш промпт перешагивает отметку в 75 токенов, модель автоматически создает второй чанк, но влияние слов во втором блоке может размываться. Чтобы жестко контролировать границы блоков и не позволять цветам «перетекать» друг на друга (например, чтобы синий цвет куртки не покрасил штаны), используется специальная команда BREAK (обязательно капслоком).
Команда BREAK принудительно закрывает первый чанк и начинает новый, сохраняя максимальную концентрацию внимания модели на обеих частях промпта.
5. Продвинутые техники: чередование и блендинг
Продвинутые интерфейсы (например, Automatic1111) поддерживают синтаксические фокусы для смешивания понятий:
- Чередование (Alternating words): Синтаксис
[cat | dog]заставляет модель рисовать кота на одном шаге генерации и собаку на следующем. В итоге получается гибридное существо. - Динамические веса во времени (Schedules): Запись вида
[cat : dog : 0.4]означает, что первые 40% шагов генерации модель будет рисовать кота, а оставшиеся 60% шагов превращать его в собаку. Это мощнейший инструмент для концепт-дизайна.
6. Искусство негативного промпта
Негативный промпт (Negative Prompt) — это отдельное поле, куда вы записываете всё то, чего вы не хотите видеть на итоговом изображении. В то время как позитивный промпт притягивает элементы, негативный отталкивает их.
deformed, bad anatomy, disfigured, poorly drawn face, mutation, extra limbs, ugly, blurry, low quality, glitchy, monochrome, watermark, signature
Не стоит забивать негативный промпт сотнями бессмысленных тегов — современные модели (особенно SDXL и SD 3.5) отлично обучены и без избыточного мусора. Фокусируйтесь на том, что реально портит кадр в вашем конкретном случае.
7. Типичные ошибки, убивающие качество
| Ошибка промптинга | К чему она приводит | Как исправить |
|---|---|---|
| Слишком много тегов качества («masterpiece, 8k, absurdres, raw photo…») |
Засорение токенов. Модель начинает тратить ресурс внимания на абстрактные слова вместо описания сути. | Оставить 3–4 проверенных тега стиля и сосредоточиться на деталях описания объекта. |
| Конфликтующие понятия | Иероглифы, смазанные текстуры или логический сбой в композиции (например, «ночь, яркое полуденное солнце»). | Проверять логику сцены и не смешивать взаимоисключающие условия. |
| Игнорирование весов | Главный объект теряется на фоне второстепенных деталей окружения. | Поднимать вес ключевого субъекта через скобки (subject:1.3). |
8. Готовые шаблоны и рецепты промптов
Рецепт 1: Фотореалистичный портрет в стиле киберпанк
1girl, detailed cybernetic face implants, neon illuminated street background, moody expression, cinematic lighting, photorealistic, 85mm lens, depth of field, sharp focus, professional color grading
Negative Prompt:
deformed, bad anatomy, cartoon, illustration, lowres, blurry, bad proportions, watermark
Рецепт 2: Эпичный фэнтези-пейзаж
epic fantasy landscape, ancient floating castle in the clouds, waterfalls, dramatic sunset sky, cinematic composition, matte painting, highly detailed, fantasy art by concept artists
Negative Prompt:
modern buildings, cars, low quality, grainy, oversaturated
9. Часто задаваемые вопросы (FAQ)
Работает ли этот синтаксис (скобки и веса) в SDXL и SD 3.5?
Да! Все стандартные интерфейсы (Automatic1111, ComfyUI, Forge) поддерживают одинаковый синтаксис со скобками (word), вложениями и числовыми весами (word:1.3) во всех версиях моделей Stable Diffusion.
Почему моя модель игнорирует слово в середине длинного промпта?
Скорее всего, промпт превысил лимит в 75 токенов и попал во второй чанк, либо «потерялся» из-за слишком большого количества второстепенных деталей. Попробуйте поднять вес этого слова через двоеточие или перенести его ближе к началу промпта.
Нужно ли писать промпты на английском языке?
Настоятельно рекомендуется использовать английский язык. Хотя некоторые современные кастомные чекпоинты понимают русский, основная масса качественных моделей и датасетов создавалась на английском, поэтому на нем вы получите самый предсказуемый и детальный результат.
Заключение
Промптинг в Stable Diffusion — это увлекательное сочетание лингвистики, математики и визуального искусства.
Понимая структуру кадра, управляя весами внимания и грамотно используя разделители вроде BREAK, вы перестаете бороться с нейросетью и начинаете профессионально управлять каждым пикселем создаваемого шедевра.
Главный итог: Структурируйте запрос от главного к второстепенному, не злоупотребляйте весами выше 1.5 и экспериментируйте с синтаксисом — именно так рождаются потрясающие генерации.
Обсуждение материала (0)