Syntaxe des prompts Stable Diffusion expliquée : ce que 787 prompts Civitai utilisent réellement

Les invites Stable Diffusion ne ressemblent en rien aux invites conversationnelles que les gens écrivent pour ChatGPT ou GPT Image. Elles sont pleines de parenthèses, de chiffres, de crochets angulaires et de mots comme « masterpiece » qui semblent ne rien faire. Nous avons examiné les 787 invites Civitai indexées dans le catalogue Wikiprompt pour voir lesquelles de ces habitudes sont réellement courantes et ce que chacune fait.

Ce que nous avons mesuré

Chaque invite de cet échantillon a été publiée avec son image générée sur Civitai, puis organisée dans Wikiprompt. L'invite médiane fait 68 mots de long, bien plus qu'une demande typique d'une ligne. Voici la fréquence à laquelle chaque modèle de syntaxe apparaît :

Les modèles de base les plus courants dans l'échantillon sont Illustrious, SDXL 1.0, Krea et SD 1.5, ainsi que de nombreuses variantes affinées avec LoRA. Les styles dominants sont l'anime, le cinématique, l'art numérique, le photoréaliste et l'illustration.

Les modèles, un par un

Invites négatives

La moitié des invites portent une invite négative : une seconde liste de choses que le modèle doit éviter, comme « flou, doigts supplémentaires, filigrane, basse résolution ». Les modèles de diffusion s'éloignent de ce qui se trouve dans l'invite négative, cela fonctionne donc comme un passage de nettoyage sur les défauts courants. Si vous copiez une invite Stable Diffusion, copiez aussi son invite négative : le résultat en dépend souvent autant que de l'invite positive.

Étiquettes de qualité : « masterpiece », « best quality », « absurdres »

Environ un tiers des invites commencent par une pile de mots de qualité. Ces étiquettes proviennent de la façon dont les modèles axés sur l'anime ont été entraînés : les images des données d'entraînement étaient étiquetées avec des évaluations de qualité, donc demander « masterpiece, best quality » tire la sortie vers la partie la mieux notée de ces données. Elles comptent le plus sur les modèles anime comme Illustrious et beaucoup moins sur les modèles photoréalistes ou plus récents.

Étiquettes de score : `score_9, score_8_up`

Les étiquettes de score sont la même idée, rendue explicite. Les modèles basés sur Pony et certains basés sur Illustrious ont été entraînés avec des scores esthétiques numériques, et score_9, score_8_up, score_7_up demande des images qui ont obtenu au moins ce score. Elles ne font rien sur les modèles qui n'ont pas été entraînés avec elles, c'est pourquoi elles n'apparaissent que dans 16 % de l'échantillon. Un bon exemple est Cabane médiévale cinématique dans un marais automnal, qui combine des étiquettes de score avec une description détaillée de la scène.

Étiquettes LoRA : `<lora:nom:0.8>`

Un tiers des invites chargent une LoRA, un petit modèle complémentaire qui enseigne au modèle de base un style, un personnage ou un concept. Le nombre après le nom est la force : environ 0,6 à 1,0 est typique, et des valeurs plus élevées peuvent dominer le reste de l'invite. Parce que le fichier LoRA doit exister dans votre configuration, ces invites sont les moins portables : sans la même LoRA, vous obtenez une image différente. Diorama fantastique miniature avec style lavis d'encre montre une LoRA utilisée pour un style artistique spécifique sur une description claire du sujet.

Termes pondérés : `(terme:1.2)`

14 % des invites ajustent l'emphase de mots individuels. (yeux brillants:1.3) rend ce détail plus fort, (arrière-plan:0.8) l'affaiblit, et des parenthèses simples ajoutent un petit boost. Les poids entre 0,8 et 1,4 sont la plage utile ; des valeurs extrêmes ont tendance à casser l'image. Voir Fille assise sous une forêt nocturne étoilée avec des lucioles pour des poids utilisés afin d'équilibrer le sujet et le décor.

`BREAK`

BREAK divise une longue invite en morceaux séparés, afin que les couleurs et attributs d'une partie ne fuient pas dans une autre (le problème classique d'une « robe rouge » qui rend toute la scène rouge). C'est le modèle le plus rare de l'échantillon à 6 %, et il apparaît surtout dans de longues invites de personnages comme Grand-père loup-garou alpha blanc.

Phrases naturelles

Un tiers des invites sont écrites en partie en phrases complètes au lieu d'étiquettes séparées par des virgules. Les modèles plus récents avec des encodeurs de texte plus forts (Flux, Krea et les affinages SDXL récents) comprennent bien le langage descriptif, donc la tendance évolue vers des descriptions simples avec quelques étiquettes pour le style. Le style chargé d'étiquettes reste la norme pour les modèles anime.

Une recette de départ rapide

Si vous écrivez une invite Stable Diffusion à partir de zéro, cette structure couvre ce que les meilleures invites de l'échantillon ont en commun :

Commencez sans poids. Ajoutez (terme:1.2) uniquement lorsqu'un détail spécifique continue de se perdre.

Explorer plus