Негативный промт: что это такое и как правильно его составлять

За последний год генераторы изображений вроде Stable Diffusion, Midjourney и Кандинский стали стандартом для рабочих задач. Но вместе с качеством выросли и типичные ошибки моделей — лишние пальцы, искажённые лица, неверные надписи, watermark и неправильные пропорции. Эти дефекты появляются из-за того, что нейросеть обучалась на миллионах разнородных снимков и не всегда отличает правильную анатомию от неудачных фото.

Чтобы контролировать результат и снижать вероятность таких артефактов, используют негативный промт (negative prompt) — часть текстового запроса, где перечисляют то, чего на изображении быть не должно. Он не удаляет элементы напрямую, но корректирует распределение модели и уменьшает шанс появления ошибок. Именно благодаря негативному промпту удаётся получать чистые и пригодные для работы изображения без долгих попыток и случайных результатов.

Принцип работы негативного промта

Принцип работы negative prompt прост:

1. Пользователь формирует основной промт — описание того, что должно быть на изображении.
2. Затем добавляет негативный список, где перечисляет дефекты, которых нужно избежать.
3. Модель анализирует оба списка и балансирует между желательными и нежелательными признаками.

Все ключевые формулировки желательно писать на английском языке. Модели лучше распознают англоязычные слова, связанные с анатомией, качеством и стилем. Это связано с тем, что большинство ИИ обучалось на англоязычных данных. На русском нейросети реагируют хуже, поэтому большинство запросов переводят на английский.

Как составлять негативный промт для нейросетей

Процесс можно разделить на несколько последовательных шагов. Он одинаковый для Stable Diffusion, «Кандинский» и других моделей.

Шаг 1. Сделать базовую генерацию

Сначала создают изображение только с позитивным запросом или с минимальным набором негативных слов (text, watermark). На этом этапе важно увидеть реальные проблемы, а не пытаться предугадать их заранее. Такой подход делает список ограничений точным.

Шаг 2. Выявить конкретные дефекты

После первой генерации изучают изображение и фиксируют, что пошло не так. Это могут быть лишние пальцы, смазывание деталей, неуместный текст, кривое лицо, лишние предметы или неправильные пропорции. Каждую проблему нужно описывать техническим термином.

Шаг 3. Перевести проблемы в английские токены

Каждый дефект формулируют с помощью коротких англоязычных инструкций. Примеры негативных промтов:

• проблемы с анатомией: bad anatomy, extra fingers, deformed hand;
• проблемы качества: blurry, low detail, low quality;
• нежелательное содержимое: text, logo, watermark;
• ошибки кадрирования: out of frame, cropped.

Модель реагирует на технические слова лучше, чем на оценочные («ужасный», «плохой»). Поэтому используйте точные обозначения дефектов.

Шаг 4. Собрать короткий негативный промт

Негативный промт должен быть компактным. В него включают только те элементы, которые реально встретились. Длинные списки ухудшают изображение и снижают детализацию, важно ограничивать количество фраз. Один негативный промт — это 8–20 точных слов, сгруппированных по задачам.

Шаг 5. Повторить генерацию и доработать

После обновления негативного промта запускают новую генерацию. Если появились свежие ошибки, их переводят в термины и добавляют. Этот процесс повторяют несколько раз, пока изображение не перестанет содержать лишние детали. Так формируется универсальный набор токенов под конкретную задачу.

Пример структуры негативного списка для промта

Такая схема не является обязательной, но помогает формировать аккуратный и точный набор ограничений. Список можно использовать как основу и расширять в зависимости от задачи.

Как использовать негативный промт в Stable Diffusion и Кандинский

В большинстве интерфейсов Stable Diffusion есть два поля: основное и негативное. Основной текст содержит описание сцены. Негативный промпт включает список исключений. Если требуется универсальный набор, его можно прописать по умолчанию и при необходимости расширять.

В «Кандинском» механика зависит от версии. Если поле негативного промта отсутствует, используют настройки фильтрации или комбинированную запись в одном поле, если сервис это допускает. В любом случае смысл остаётся прежним: модель должна получить прямую инструкцию, чего избегать.

Частые ошибки пользователей

1. Длинные списки из шаблонов.
Списки из сотни слов не дают точного эффекта. Многие токены противоречат друг другу и ухудшают результат. Правильный подход — использовать только необходимые слова.

2. Эмоциональные формулировки.
Нейросеть реагирует на технические описания, а не на оценки. Формулировки «ужасная рука» не работают. Формулировки extra fingers и deformed hand дают результат.

3. Запрет слишком широких категорий.
Запросы вроде no hands приводят к тому, что модель избегает детализировать руки. Если руки нужны, такой запрет ухудшит результат. Правильнее указывать конкретную ошибку.

4. Ожидание гарантированного устранения дефектов.
Негативный промт снижает вероятность, но не устраняет ошибку полностью. Иногда требуется изменить ракурс, основной промт или модель.

Заключение

Негативный промт — это инструмент управления изображением, который помогает нейросети избегать распространенных ошибок. Он снижает вероятность появления лишних элементов, улучшает структуру изображения и делает генерацию точной. Для достижения результата необходимо формулировать запрос на английском, использовать конкретные термины и обновлять список ограничений после каждой итерации. Такой подход позволяет получить стабильный и предсказуемый результат в Stable Diffusion, «Кандинский» и других ИИ-моделях.

FAQ