Промпт и негативный промпт: как они управляют кадром

Кратко. Промпт это текстовое описание кадра, по которому модель его собирает. Работает порядок: что стоит в начале строки, то отрабатывается точнее. Негативный промпт это отдельный список того, чего в кадре быть не должно, и существует он у диффузионных моделей. У редактирующих моделей по образцам такого поля нет, запреты там приходится формулировать через описание.

Что такое промпт и что он решает в кадре

Промпт это техзадание, которое нейросеть читает перед работой. Ты перечисляешь, кто в кадре, во что одет, откуда падает свет, каким объективом снято и до какого места обрезан человек. Дальше текст переводится в числа, и модель на каждом шаге сборки картинки сверяет получившееся с этими числами.

Из этого следует главное свойство: промпт отвечает за всё вокруг лица, а само лицо держится другим механизмом. В каталоге сцен его держат реальные снимки-образцы, в профи-съёмке личная модель, обученная на твоих фото. Подробнее про второй случай написано в тексте про то, что такое LoRA простыми словами. Поэтому претензия «сцена не та» лечится правкой текста за минуту, а претензия «лицо не моё» правкой текста не лечится вообще.

Почему начало промпта весит больше хвоста

Модель читает описание не как человек читает договор, поровну вникая в каждый пункт. Первые слова задают каркас сцены, и всё, что идёт дальше, подстраивается под уже принятые решения. Хвост из двадцати прилагательных размывается: каждому слову достаётся меньше внимания, часть просто теряется.

Отсюда рабочий порядок блоков. Сначала субъект и план (кто и насколько крупно), потом одежда, потом место, потом свет, в конце оптика и техника съёмки. Если поставить «мягкий контровой свет» в самое начало, а мужчину в пиджаке в конец, модель соберёт красиво освещённую сцену с человеком, который к ней приделан.

Две строки по делу работают точнее абзаца из эпитетов.

Из чего собран рабочий промпт портрета

Хороший промпт разбирается на блоки, и каждый отвечает за свой слой кадра. Пропущенный блок модель достраивает сама, по среднему из обучающих данных, и результат становится случайным.

Проще увидеть на паре. Описание «мужчина в костюме, деловой портрет, студия» даёт среднего человека при среднем свете: крупность, фон и объектив модель выберет сама, причём в двух запусках по-разному. Собранный по блокам вариант звучит так: «поясной портрет мужчины 35 лет, тёмно-синий пиджак, белая рубашка, кабинет с окном за спиной, мягкий свет слева, 85 мм, f/2.0, обрез по грудь, взгляд в камеру». Случайности остаётся ровно столько, сколько не мешает: складки ткани, положение рук, блики на стекле.

Блок оптики читатели обычно недооценивают, а он решает половину впечатления. Портрет на 35 мм с близкой дистанции растягивает нос и делает лицо шире, тот же человек на 85 мм выглядит собой. Модель эту разницу выучила по миллионам подписанных снимков, так что фокусное расстояние в промпте она отрабатывает честно.

Что такое негативный промпт и от чего он спасает

Негативный промпт это второе описание, от которого модель отталкивается. Механика простая: на каждом шаге считаются два варианта продолжения, по тому, что просили, и по тому, что запрещали, а дальше картинка уводится в сторону от второго.

Типичный негатив для портрета собирается из четырёх групп:

• анатомия: лишние пальцы, сросшиеся руки, кривые зубы, асимметрия глаз;
• поверхности: пластмассовая кожа, восковой блеск, замыленная текстура;
• мусор кадра: водяные знаки, подписи, буквы на фоне, рамка;
• лишнее содержимое: второй человек за спиной, отражение, обрезанная макушка.

Ждать от этого списка чуда не стоит. Негатив снижает вероятность дефекта, а не запрещает его физически: пальцы всё равно иногда уходят в кашу, потому что руки модель рисует хуже всего. Что именно ломается чаще остального, разобрано в справочнике артефактов AI-кадра.

Перегруженный негатив вредит. Если запретить полсотни вещей разом, модель начинает избегать целых областей и отдаёт стерильный кадр: ровная кожа без пор, мёртвый свет, поза манекена.

С фильтром безопасности негатив путают часто, хотя задачи у них разные. Фильтр стоит поверх модели и отсекает запрещённое содержимое целиком; у нас он включён и не выключается. Негативный промпт же про качество картинки, а не про допустимость сюжета.

Почему у редактирующих моделей запреты работают иначе

Есть два класса моделей, и негатив у них устроен по-разному. Диффузионная модель рисует кадр с нуля по тексту, и отдельное поле запретов у неё встроено в сам процесс. Редактирующая модель получает на вход твои снимки вместе с текстом и переделывает существующую картинку, поля для негатива у неё обычно просто нет.

Запрет приходится писать словами внутри обычного описания, и вот тут начинается известная беда. Фраза «без очков» содержит слово «очки», модель его читает и с заметной вероятностью очки пририсовывает. Частица отрицания для неё слабый сигнал, существительное сильный.

Лечится это переформулировкой через присутствие. Вместо «без очков» пишут «открытые глаза, ничего на лице», вместо «не в шапке» пишут «короткая стрижка, волосы видны». Правило простое: описывай то, что в кадре есть, а не то, чего в нём быть не должно.

На каком языке пишут промпт

Модели учили на англоязычных подписях к картинкам, поэтому английский они разбирают точнее. Русский текст современная модель тоже поймёт, но первым из него выпадает как раз то, ради чего промпт и собирают: термины оптики, названия схем света, тонкие описания ткани.

Причина арифметическая. Сочетание rim light встречалось в обучающих данных рядом с конкретной картинкой десятки тысяч раз, «контровой свет» на порядки реже. Русскую формулировку модель сначала сводит к ближайшему знакомому смыслу, и часть точности гибнет на этом переводе.

Тем, кто пишет промпты сам, удобнее всего смешанный вариант: сцена и настроение по-русски, а профессиональные термины по-английски. Такой текст модели переваривают нормально.

Пять ошибок, из-за которых промпт не срабатывает

1. Эпитеты вместо сцены. «Потрясающий профессиональный портрет высокого качества» не содержит ни одного признака, за который модель может зацепиться. Слова про качество она игнорирует, потому что в обучающих подписях они стояли рядом с чем угодно.
2. Противоречия внутри одного текста. Студийная схема света и закатное солнце из окна в одном промпте дают кашу: модель усредняет два несовместимых условия, вместо того чтобы выбрать одно.
3. Ставка на запреты. Половина промпта состоит из «не», результат становится тусклым и осторожным.
4. Технический хвост. Приписки вроде 8k, hyperrealistic, award winning почти ничего не добавляют современным моделям, зато забирают вес у нужных слов.
5. Ожидание похожести от текста. Никакое описание внешности не заменит образцы и обученную модель. Написать «карие глаза, прямой нос, борода недельной длины» можно, но получится усреднённый человек с этими признаками.

Чего промпт не решает вовсе

Промпт не управляет похожестью. Он не чинит анатомию рук. Он не компенсирует плохие исходники: если селфи снято снизу, в темноте и с замыленным лицом, самый подробный текст сцены кадр не вытянет.

Сила, с которой модель держится описания, задаётся отдельно от самого текста. У нас этот параметр стоит на 3,5 при рабочем диапазоне от 1 до 10. Выше идёт перекрученный контраст и пластмассовая кожа, ниже сцена расползается и просьба про свет перестаёт выполняться. Значение подобрано опытным путём, и в кабинете его никто не двигает.

Как это устроено у нас

Промпт зашит в сцену каталога, человек его не пишет. Ты выбираешь сцену из более чем 900, а текст под ней уже собран по блокам выше и откатан на реальных прогонах: план, одежда, свет, оптика, кадрирование. Поля ввода своего описания в кабинете нет, ползунков тоже, как устроен весь маршрут от оплаты до готового файла, разобрано отдельно в тексте про наш пайплайн.

Причина такая. Промпт, который выдаёт стабильный портрет, пишется не с первого раза, и отладка одной сцены занимает десятки кадров. Отдать человеку пустое поле означает продать ему эту отладку за его же деньги.

Кадры приходят вертикальные 3:4, пакеты начинаются от 490 ₽ за 10 фото. Выбрать сцены можно в каталоге, а если нужна максимальная похожесть, в профи-съёмке за 3 490 ₽ обучается личная модель, а на выходе 60 кадров в 5 стилях. Промпт там отвечает ровно за то же самое: за сцену вокруг лица.

Частые вопросы