Stable Diffusion syntax: как писать промпты для генерации изображений

Синтаксис Stable Diffusion — это способ формулировать текстовый запрос так, чтобы модель правильно поняла главные объекты, стиль, композицию, свет, качество и ограничения. В отличие от обычного описания для человека, промпт для генерации часто состоит из коротких смысловых блоков, разделенных запятыми.

Например, вместо длинной фразы лучше использовать структуру: главный объект, действие или поза, окружение, стиль, освещение, детализация, технические характеристики. Такой формат помогает модели выделить важные признаки и не смешивать их между собой.

Базовая логика выглядит так: сначала указывается то, что должно быть в центре изображения, затем добавляются уточнения. Чем ближе слово или фраза к началу, тем чаще она воспринимается как более значимая. Это не абсолютное правило, но на практике порядок влияет на итог, особенно в длинных промптах.

Хороший промпт обычно начинается с основного объекта. Это может быть человек, животное, здание, предмет, пейзаж или абстрактная сцена. После объекта добавляют характеристики: возраст, одежду, материал, цвет, настроение, позу, окружение. Затем указывают стиль и качество: cinematic lighting, realistic, digital painting, concept art, high detail.

Пример структуры: объект, детали объекта, место действия, композиция, свет, стиль, качество. Для русскоязычного пользователя допустимо писать запросы на русском, но многие модели лучше обучены на англоязычных описаниях. Поэтому для стабильного результата часто используют английские ключевые слова.

Не стоит перегружать промпт противоречивыми требованиями. Если одновременно указать minimalism, ultra detailed, dark room, bright sunny day, модель может выбрать случайное сочетание. Лучше заранее определить главный визуальный приоритет: реализм, стилизация, настроение, композиция или конкретная деталь.

Один из важных элементов Stable Diffusion syntax — управление весом слов. В популярных интерфейсах круглые скобки усиливают влияние фразы, а квадратные могут ослаблять. Например, (blue eyes) делает акцент на голубых глазах, а ((blue eyes)) усиливает его еще больше. Слишком большое количество скобок может привести к артефактам и неестественному изображению.

Часто используется и числовой вес: (blue eyes:1.3). Значение выше 1 усиливает признак, ниже 1 ослабляет. Обычно безопасный диапазон — от 0.7 до 1.5. Более высокие значения стоит применять осторожно, потому что модель может начать искажать форму объектов или повторять элементы.

Вес полезен, когда нужно выделить одну деталь среди множества: цвет волос, выражение лица, тип одежды, материал, ракурс, стиль художника или источник света. Но вес не заменяет ясное описание. Если промпт хаотичный, скобки не исправят конфликтующие требования.

Negative prompt — это поле для описания того, чего не должно быть на изображении. Оно особенно полезно для борьбы с дефектами: extra fingers, bad hands, blurry, low quality, distorted face, duplicate, watermark, text, cropped. Негативный запрос помогает направить модель, но не гарантирует полного удаления всех проблем.

Для портретов часто добавляют запреты на лишние конечности, асимметрию лица, плохую анатомию, размытость и некачественные глаза. Для предметной генерации можно исключать лишний текст, логотипы, грязный фон, неправильные пропорции. Для пейзажей — шум, пересвет, низкую детализацию, неестественные цвета.

Важно не превращать negative prompt в огромный список случайных слов. Слишком длинный негативный запрос может ухудшить результат или подавить полезные детали. Лучше использовать компактный набор проблем, которые действительно часто появляются в вашем типе изображения.

Синтаксис промпта работает вместе с параметрами генерации. Даже хорошо написанный запрос может дать разные результаты при изменении sampler, steps, CFG scale, seed и размера изображения. CFG scale определяет, насколько строго модель следует тексту. Низкие значения дают больше свободы, высокие — сильнее подчиняют изображение промпту, но иногда создают жесткие контуры и артефакты.

Количество steps влияет на степень проработки. Слишком мало шагов может дать сырой результат, слишком много не всегда улучшает картинку и иногда добавляет лишнюю детализацию. Seed фиксирует случайность: если сохранить seed, можно повторять похожую композицию и постепенно уточнять промпт.

Размер изображения тоже важен. Если модель обучалась на квадратных изображениях, слишком нестандартное соотношение сторон может вызывать ошибки композиции. Для сложных сцен лучше сначала получить удачный базовый результат, а затем дорабатывать его с помощью увеличения разрешения, inpainting или дополнительных уточнений.

Первая распространенная ошибка — слишком общий запрос. Фраза вроде beautiful girl или cool car оставляет модели слишком много свободы. Лучше уточнить возраст, стиль, свет, окружение, ракурс, настроение и уровень реализма. Чем яснее описание, тем легче получить нужную картинку.

Вторая ошибка — избыточный список несвязанных тегов. Если в одном промпте смешаны cyberpunk, medieval, beach, snow, studio photo, watercolor и noir, модель может создать визуальный компромисс, который не похож ни на одну задумку. Хороший промпт должен иметь внутреннюю логику.

Третья ошибка — чрезмерное усиление скобками. Новички часто ставят много двойных и тройных скобок, пытаясь заставить модель выполнить требование. Но правильнее переписать запрос, убрать конфликтующие слова и усилить только действительно важные элементы. Stable Diffusion лучше реагирует на чистую структуру, чем на хаотичный набор усилителей.

Оптимальный подход — итерации. Сначала создайте короткий промпт, проверьте результат, затем добавляйте детали по одной группе: свет, фон, стиль, качество, ограничения. Так проще понять, какая часть запроса улучшает изображение, а какая портит.