Πώς να γράψεις prompt για το Stable Diffusion v1.5

Το 1.5 διαβάζει ένα prompt σε τμήματα περίπου 75 tokens, δηλαδή 50 με 60 λέξεων, και το Mage περνά ένα μεγαλύτερο prompt σε περισσότερα τμήματα. Παρ' όλα αυτά ανταποκρίνεται καλύτερα σε ένα συμπαγές: πρώτα το θέμα και η βασική του λεπτομέρεια, μετά το σκηνικό, το φως και το μέσο, ως σύντομες φράσεις χωρισμένες με κόμματα.

Περιέγραψε ό,τι φαίνεται, με απλά λόγια. Η ιστορία, οι αφηρημένες ιδέες και οι λέξεις διάθεσης χωρίς κάτι οπτικό από πίσω τού δίνουν λίγα να ζωγραφίσει.

Το Negative Prompt μετράει περισσότερο στο 1.5 απ' ό,τι στα νεότερα μοντέλα. Ένα τυπικό: blurry, lowres, bad anatomy, extra fingers, deformed, text, watermark. Πρόσθεσε το αντίθετο του στυλ σου: cartoon, illustration για φωτογραφία· photo, realistic για πίνακα ζωγραφικής.

Τα βάρη λειτουργούν και στα δύο prompts: το (phrase:1.3) τονίζει μια φράση, το (phrase) προσθέτει λίγο, το [phrase] αφαιρεί λίγο. Το Mage περιορίζει τα βάρη στο 1.6. Γράψε τις κυριολεκτικές παρενθέσεις ως \( και \).

Η ρύθμιση Model επιλέγει το checkpoint του 1.5 και η προεπιλογή του Mage είναι ένα γενικό fine-tune. Κάθε checkpoint της κοινότητας έχει το δικό του γούστο: τα anime θέλουν tags (1girl, solo, long hair), τα φωτορεαλιστικά θέλουν λέξεις κάμερας.

Για να αναπαράγεις μια εικόνα που έφτιαξες αλλού με το 1.5, διάλεξε το ίδιο checkpoint και τα ίδια LoRAs, επικόλλησε το ίδιο prompt και Negative Prompt, και ταίριαξε τα Steps, Guidance Scale, Scheduler και Seed. Περίμενε αποτέλεσμα κοντινό και όχι πανομοιότυπο, γιατί κάθε πλατφόρμα διαφέρει σε μικρές λεπτομέρειες.

Ανέβασε μια εικόνα στη ρύθμιση Image για να ξεκινήσεις από τη σύνθεση και τα χρώματά της, με το Prompt Strength να ορίζει την ισορροπία. Το prompt περιγράφει ολόκληρο το αποτέλεσμα, όχι μια επεξεργασία.

Το ControlNet κρατά μία δομή από μια εικόνα, δηλαδή την πόζα, τις άκρες ή το βάθος της, ενώ το prompt αλλάζει όλα τα υπόλοιπα. Τα Style References και Face References δανείζονται ένα στυλ ή ένα πρόσωπο από εικόνες που ανεβάζεις.

Το 1.5 δεν μπορεί να αποδώσειευανάγνωστο κείμενο, δυσκολεύεται με διατάξεις όπως "a red cube on top of a blue sphere" και μπορεί να παραμορφώσει πρόσωπα και χέρια, ειδικά τα μικρά. Για περισσότερη λεπτομέρεια, πήγαινε στο Stable Diffusion XL ή στο Z-Image· για ακριβή τοποθέτηση, στο Stable Diffusion 3.5 Large ή στο HiDream· για κείμενο, στο GPT Image ή στο Mango.