Промпт / промт

Промпт — это текстовый запрос, который используется в нейросетях для генерации изображений, текста или других медиа по заданному описанию. Правильно составленный промпт — ключ к качественным результатам, будь то создание иллюстраций, концепт-артов или текстовых материалов.

Что такое промпт

Промт — это текстовый запрос, который используется в нейросетях для создания контента, будь то изображения, текст или другие формы медиаданных. Промпт представляет собой описание того, что вы хотите увидеть или получить от модели, и на основе этого запроса нейросеть генерирует соответствующий результат.

Для генеративных моделей, таких как Stable Diffusion, DALL·E и MidJourney (для создания изображений), а также GPT-3/4 и ChatGPT (для генерации текста), промпт играет ключевую роль в том, как нейросеть понимает задачу. Чем более точным и детализированным будет запрос, тем выше шанс получить качественный и соответствующий ожиданиям результат.

Примеры:

• Stable Diffusion / DALL·E / MidJourney: Запрос «футуристический город на закате, в стиле киберпанк» создаст изображение, точно соответствующее заданной теме.
• ChatGPT: Запрос «напиши статью о развитии искусственного интеллекта» приведет к созданию текста на эту тему, с учетом всех запросов и уточнений в промпте.

Как работает промпт

Ожидание между вводом промта и результатом генерации — секунды, максимум — минуты. За это время происходит сложный процесс, который состоит из нескольких этапов.

Обработка текста и преобразование в векторное представление

Когда вы вводите промпт, нейросеть начинает с обработки текста. Текст преобразуется в векторное представление — числовые данные, которые описывают смысл слов в контексте запроса. Это достигается с помощью методов токенизации, где текст делится на более мелкие элементы, называемые токенами (слова или части слов). Модели вроде GPT-3 или Stable Diffusion используют эти токены для создания внутреннего представления запроса.

Моделирование и генерация

После токенизации, модель анализирует полученные данные и запускает их через несколько слоев нейронной сети. В случае с Stable Diffusion и другими моделями для генерации изображений, текстовый запрос используется для определения того, какие визуальные элементы должны появиться в изображении. Алгоритм вычисляет, какие объекты, стили и детали должны быть сгенерированы, основываясь на огромной базе данных, на которой модель была обучена. Эти данные включают изображения и их текстовые описания, что позволяет модели «понимать», как объекты и сцены должны выглядеть.

Контекст и связь с обучением

Модели, такие как Stable Diffusion или GPT-3, обучены на огромных наборах данных, что позволяет им «понимать» контекст запроса. Например, если в промпте указано «в стиле Ван Гога», модель использует свои знания о стиле художника для воссоздания соответствующих элементов. Этот процесс включает в себя слияние информации из обучающего набора и текущего запроса для генерации наиболее подходящего результата.

Модуляция запросов через параметры

Многие нейросети, включая Stable Diffusion, позволяют управлять дополнительными параметрами, такими как steps (шаги генерации), CFG scale (масштаб руководства), seed (стартовое значение генерации) и другие. Эти параметры управляют тем, насколько свободно модель должна интерпретировать запрос, сколько вычислительных шагов ей стоит предпринять и какие детали будут учитываться при генерации. Параметр seed, например, задает начальное состояние генерации, что влияет на уникальность изображения при одинаковом запросе.

Интерактивность и итерации

Важно понимать, что результат запроса может зависеть от того, насколько вы готовы модифицировать свой промпт. Иногда нейросеть не дает идеальный результат с первого раза, и потребуется несколько попыток или изменений запроса для достижения желаемого эффекта. В Stable Diffusion это может означать уточнение деталей или изменение настроек генерации, чтобы улучшить качество результата. 

В некоторых моделях можно назначать вес отдельным словам в запросе. Это позволяет модели придавать больший или меньший приоритет определенным частям запроса, например, усилить фокус на стиле или деталях объекта. Весовые коэффициенты влияют на то, насколько сильно нейросеть будет учитывать каждое слово или фразу при генерации.

Некоторые нейросети поддерживают негативные промпты — запросы, в которых указывается, что не должно быть в изображении или тексте. Например, если вы хотите, чтобы на картинке не было людей, можно добавить в запрос: «пейзаж без людей». Это помогает улучшить точность результата и избежать нежелательных элементов. 

Типы промптов

Промпты могут быть разных типов в зависимости от цели и сложности задачи. Вот основные типы промптов, с которыми вы будете сталкиваться:

Основной промпт

Это самый базовый тип промпта, который описывает, что вы хотите видеть на изображении или получить в тексте. В запросе нужно указать основные элементы: объект, действие и контекст.

Пример:
Запрос для Stable Diffusion: «A futuristic city at sunset, in cyberpunk style» — описание города в стиле киберпанк на фоне заката.

Негативный промпт

Негативный промпт помогает исключить нежелательные элементы из изображения или текста. Это полезно, когда вы хотите уточнить, что не должно быть на картинке или в тексте. Например, вы можете исключить конкретные объекты, стили или элементы.

Пример:
Запрос для Stable Diffusion: «A scenic landscape, without people, animals or buildings» — пейзаж без людей, животных или зданий.

Детализированный промпт

Детализированный промпт — это запрос, в котором вы указываете дополнительные характеристики объектов, их стиль, цвета, текстуры и другие элементы, чтобы получить более точный и качественный результат.

Пример:
Запрос для DALL·E: «A hyper-realistic close-up of a red apple, with dew drops on it, under soft morning light, with a blurred green background» — гиперреалистичное изображение красного яблока с каплями росы на фоне мягкого утреннего света.

Тематический промпт

Тематический промпт задает нейросети основную концепцию или тему, по которой она будет работать. Это может быть стиль, эпоха или конкретный художественный подход.

Пример:
Запрос для MidJourney: «A portrait of a woman in the style of Picasso, cubism» — портрет женщины в стиле кубизма, как у Пикассо.

Промпт с указанием веса (weighted prompt)

В этом типе промпта можно указать важность каждого элемента запроса. Выставив «вес» для каждого слова или фразы, вы контролируете, насколько сильно нейросеть будет учитывать каждый аспект запроса при генерации.

Пример:
Запрос для Stable Diffusion: «Cat:0.8, sitting on a wooden table:0.2» — изображение кота, сидящего на деревянном столе, где коту придается больший вес, а столу — меньший.

Как составить хороший промпт

Чтобы получить качественный и точный результат, следуйте этим советам:

1. Будьте конкретными
   Чем точнее и детализированнее запрос, тем лучше нейросеть будет понимать, что именно вы хотите увидеть или получить. Вместо простых запросов типа «пейзаж», лучше уточните, что именно должно быть на изображении: «пейзаж с горным озером, окруженным хвойным лесом, на фоне заката».
2. Используйте правильный порядок слов
   Важно соблюдать порядок слов в запросе. Нейросеть чаще всего придает больший вес первым словам в промпте. Поэтому сначала указывайте самые важные элементы, а затем добавляйте детали.
   Например, запрос «futuristic city, neon lights, night, cyberpunk style» будет интерпретироваться точнее, чем «cyberpunk style, futuristic city, neon lights, night».
3. Указывайте стиль или атмосферу
   Если вы хотите, чтобы изображение или текст были выполнены в определенном стиле, обязательно укажите это в запросе. Например, можно добавить фразы «в стиле Ван Гога» или «в стиле научной фантастики». Это помогает нейросети ориентироваться на определенный визуальный или текстовый эффект.
4. Не перегружайте запрос лишними деталями
   Хотя конкретность — важный элемент, стоит избегать излишней перегрузки. Слишком длинные или запутанные запросы могут сбить модель с толку. Старайтесь придерживаться баланса — не слишком короткий, но и не перегруженный запрос.
   Пример хорошего запроса: «futuristic city at night, neon lights, cyberpunk style». Пример плохого: «futuristic city at night, with neon lights and flying cars and a bright sunset, in the style of cyberpunk, with lots of details, reflections, and robots walking on the street».
5. Используйте синонимы и уточнения
   Нейросеть не всегда воспринимает все слова одинаково. Использование синонимов помогает точнее передать нужный смысл. Например, вместо «красный» можно использовать «ярко-красный» или «алый», чтобы точно указать оттенок. Чем разнообразнее описание, тем легче модели понять, какой результат вам нужен.
6. Учитывайте ограничения нейросети
   Модели, такие как Stable Diffusion или GPT-3, имеют свои ограничения по длине запросов (например, 75 слов для Stable Diffusion). Слишком длинный запрос может не сработать, а слишком короткий — не дать достаточно информации для точной генерации. 
7. Используйте негативные промпты
   Это поможет избежать нежелательных объектов или деталей. Например, запрос «landscape without people» или «portrait without background noise» четко указывает, чего не должно быть на изображении.
8. Тестируйте и улучшайте запросы
   Даже у опытных пользователи первый запрос не дает желаемого результата. Не бойтесь экспериментировать и изменять промпт. Попробуйте добавить больше конкретики или изменить порядок слов.
9. Используйте параметры и настройки
   Многие нейросети позволяют настраивать параметры генерации, такие как Steps, Seed, Resolution и другие. Эти параметры помогут вам управлять качеством и детализацией изображения. Например, увеличение значения Steps улучшит качество, но увеличит время генерации, а изменение Seed может создать уникальные результаты.

Steps, Seed, Resolution: как ими пользоваться

Steps, Seed и Resolution — это настройки, которые позволяют точнее контролировать процесс генерации и влиять на качество результата. Давайте разберем, как они работают и как их использовать.

Steps

Steps (шаги) — это количество итераций, которые нейросеть выполняет для создания изображения или текста. Чем больше шагов, тем дольше нейросеть будет работать над запросом. Большее количество шагов позволяет модели «очистить» изображение от шума, улучшить детали и точность. Однако слишком большое количество шагов не всегда дает заметное улучшение и может увеличить время генерации.

Как пользоваться
В большинстве случаев оптимальное количество шагов — это от 30 до 50. Для простых запросов этого достаточно. Для сложных и детализированных изображений можно увеличить количество шагов, но не стоит перебарщивать, чтобы не перегрузить систему. Если улучшение качества изображения с увеличением шагов становится минимальным, можно уменьшить это значение, чтобы ускорить процесс.

Пример
Запрос для Stable Diffusion:
«Landscape at sunset» — по умолчанию 50 шагов. Если вы хотите более детализированное изображение, можно увеличить количество шагов до 100.

Seed

Seed (семя) — это стартовая точка генерации, которая определяет случайное начальное состояние нейросети. При использовании одного и того же Seed нейросеть будет начинать процесс генерации с одинакового состояния, что позволяет получать схожие изображения при повторных запросах. Если Seed случайный, результат будет варьироваться. Это полезно, если вам нужно воспроизвести похожие результаты несколько раз.

Как пользоваться
Если вам нужно получить стабильные результаты для одного и того же запроса, фиксируйте Seed. Для разнообразия результатов оставьте Seed случайным (обычно значением -1). Использование одинакового Seed позволяет получить не только одинаковые изображения, но и выявить, как меняются детали при изменении других параметров.

Пример
Запрос для Stable Diffusion:
«Futuristic city at night» — если вы хотите получить одинаковые изображения с одного запроса, укажите Seed(например, Seed=12345). Для разных результатов оставьте Seed случайным (значение -1).

Resolution

Resolution (разрешение) — это размер генерируемого изображения. Он влияет на детализацию и качество финального результата. Высокое разрешение позволяет получить более четкие и подробные изображения, но требует больше вычислительных ресурсов.

Как пользоваться:
Для большинства запросов оптимальное разрешение — 512×512 пикселей. Если нужно больше деталей и разрешение позволяет, можно увеличить его до 1024×1024 или даже больше. Однако имейте в виду, что увеличение разрешения также увеличивает нагрузку на систему.

Пример:
Запрос для Stable Diffusion:
«Portrait of a woman» — с разрешением 512×512 результат будет качественным для большинства приложений. Для более детализированного изображения можно выбрать разрешение 1024×1024.