स्टेबल डिफ्यूज़न प्रॉम्प्ट सिंटैक्स समझाया गया: 787 Civitai प्रॉम्प्ट वास्तव में क्या उपयोग करते हैं

स्टेबल डिफ्यूज़न प्रॉम्प्ट उन वार्तालापी प्रॉम्प्ट से बिल्कुल अलग दिखते हैं जो लोग ChatGPT या GPT Image के लिए लिखते हैं। वे कोष्ठक, संख्याओं, कोण कोष्ठक और "masterpiece" जैसे शब्दों से भरे होते हैं जो कुछ नहीं करते प्रतीत होते हैं। हमने Wikiprompt कैटलॉग में 787 अनुक्रमित Civitai प्रॉम्प्ट देखे ताकि पता चल सके कि इनमें से कौन सी आदतें वास्तव में सामान्य हैं, और प्रत्येक क्या करती है।

हमने क्या मापा

इस नमूने में हर प्रॉम्प्ट उसकी उत्पन्न छवि के साथ Civitai पर प्रकाशित किया गया था और फिर Wikiprompt में संकलित किया गया। माध्य प्रॉम्प्ट 68 शब्द लंबा है, जो एक सामान्य एक-पंक्ति अनुरोध से कहीं अधिक लंबा है। यहाँ बताया गया है कि प्रत्येक सिंटैक्स पैटर्न कितनी बार दिखाई देता है:

नमूने में सबसे सामान्य आधार मॉडल Illustrious, SDXL 1.0, Krea और SD 1.5 हैं, साथ ही कई LoRA-ट्यून किए गए वेरिएंट भी हैं। प्रमुख शैलियाँ एनीमे, सिनेमैटिक, डिजिटल कला, फोटोरियलिस्टिक और इलस्ट्रेशन हैं।

पैटर्न, एक-एक करके

नकारात्मक प्रॉम्प्ट

आधे प्रॉम्प्ट में एक नकारात्मक प्रॉम्प्ट होता है: चीजों की एक दूसरी सूची जिसे मॉडल को टालना चाहिए, जैसे "blurry, extra fingers, watermark, lowres"। डिफ्यूज़न मॉडल नकारात्मक प्रॉम्प्ट में जो कुछ भी है उससे दूर चले जाते हैं, इसलिए यह सामान्य दोषों पर सफाई पास के रूप में काम करता है। यदि आप एक स्टेबल डिफ्यूज़न प्रॉम्प्ट कॉपी करते हैं, तो उसका नकारात्मक प्रॉम्प्ट भी कॉपी करें: परिणाम अक्सर उस पर उतना ही निर्भर करता है जितना सकारात्मक पर।

गुणवत्ता टैग: "masterpiece", "best quality", "absurdres"

लगभग एक तिहाई प्रॉम्प्ट गुणवत्ता शब्दों के ढेर के साथ शुरू होते हैं। ये टैग इस बात से आते हैं कि एनीमे-केंद्रित मॉडल कैसे प्रशिक्षित किए गए थे: प्रशिक्षण डेटा में छवियों को गुणवत्ता रेटिंग के साथ लेबल किया गया था, इसलिए "masterpiece, best quality" माँगना आउटपुट को उस डेटा के शीर्ष-रेटेड हिस्से की ओर खींचता है। वे Illustrious जैसे एनीमे मॉडल पर सबसे अधिक मायने रखते हैं और फोटोरियलिस्टिक या नए मॉडल पर बहुत कम।

स्कोर टैग: `score_9, score_8_up`

स्कोर टैग वही विचार हैं, जिन्हें स्पष्ट किया गया है। Pony-आधारित और कुछ Illustrious-आधारित मॉडल संख्यात्मक सौंदर्य स्कोर के साथ प्रशिक्षित किए गए थे, और score_9, score_8_up, score_7_up उन छवियों के लिए पूछता है जिन्होंने कम से कम उतना उच्च स्कोर किया। वे उन मॉडलों पर कुछ नहीं करते जो उनके साथ प्रशिक्षित नहीं थे, यही कारण है कि वे नमूने में केवल 16% में दिखाई देते हैं। एक अच्छा उदाहरण है Cinematic Medieval Cottage in Autumnal Marsh, जो स्कोर टैग को विस्तृत दृश्य विवरण के साथ जोड़ता है।

LoRA टैग: `<lora:name:0.8>`

एक तिहाई प्रॉम्प्ट एक LoRA लोड करते हैं, एक छोटा ऐड-ऑन मॉडल जो आधार मॉडल को एक शैली, चरित्र या अवधारणा सिखाता है। नाम के बाद की संख्या ताकत है: लगभग 0.6 से 1.0 सामान्य है, और उच्च मान बाकी प्रॉम्प्ट को दबा सकते हैं। क्योंकि LoRA फ़ाइल को आपके सेटअप में मौजूद होना चाहिए, ये प्रॉम्प्ट सबसे कम पोर्टेबल हैं: समान LoRA के बिना, आपको एक अलग छवि मिलती है। Miniature Fantasy Diorama with Ink Wash Style एक स्पष्ट विषय विवरण के ऊपर एक विशिष्ट कला शैली के लिए उपयोग किए गए LoRA को दिखाता है।

भारित शब्द: `(term:1.2)`

14% प्रॉम्प्ट व्यक्तिगत शब्दों के जोर को समायोजित करते हैं। (glowing eyes:1.3) उस विवरण को मजबूत बनाता है, (background:0.8) इसे कमजोर करता है, और सादे कोष्ठक एक छोटा बूस्ट जोड़ते हैं। 0.8 और 1.4 के बीच के भार उपयोगी सीमा हैं; चरम मान छवि को तोड़ देते हैं। विषय और दृश्य को संतुलित करने के लिए उपयोग किए गए भार के लिए Girl Sitting Under Starry Night Forest with Fireflies देखें।

`BREAK`

BREAK एक लंबे प्रॉम्प्ट को अलग-अलग हिस्सों में विभाजित करता है, ताकि एक हिस्से के रंग और विशेषताएँ दूसरे में लीक न हों (एक "red dress" की क्लासिक समस्या जो पूरे दृश्य को लाल कर देती है)। यह नमूने में 6% पर सबसे दुर्लभ पैटर्न है, और ज्यादातर लंबे चरित्र प्रॉम्प्ट में दिखाई देता है जैसे White Alpha Werewolf Grandpa।

प्राकृतिक वाक्य

एक तिहाई प्रॉम्प्ट अल्पविराम-पृथक टैग के बजाय आंशिक रूप से पूर्ण वाक्यों में लिखे गए हैं। मजबूत टेक्स्ट एनकोडर वाले नए मॉडल (Flux, Krea और हाल के SDXL फाइन-ट्यून) वर्णनात्मक भाषा को अच्छी तरह समझते हैं, इसलिए प्रवृत्ति शैली के लिए कुछ टैग के साथ सादे विवरण की ओर बढ़ रही है। टैग-भारी शैली अभी भी एनीमे मॉडल के लिए आदर्श है।

एक त्वरित शुरुआती नुस्खा

यदि आप शुरू से एक स्टेबल डिफ्यूज़न प्रॉम्प्ट लिख रहे हैं, तो यह संरचना नमूने में सर्वश्रेष्ठ प्रॉम्प्ट की सामान्य बातों को कवर करती है:

भार के बिना शुरू करें। (term:1.2) केवल तब जोड़ें जब एक विशिष्ट विवरण बार-बार खो जाता है।

और अधिक अन्वेषण करें