Pourquoi Stable Diffusion préfère les tags
La plupart des checkpoints Stable Diffusion ont été entraînés sur des images associées à de courtes légendes et à des listes de tags. Ils réagissent donc mieux à des tags compacts séparés par des virgules qu’à des phrases fluides. Notre générateur ordonne les tags comme le font les utilisateurs expérimentés : le sujet principal d’abord, puis ses détails, le décor, la composition, la lumière, la palette de couleurs, le style et enfin les tags de qualité.
L’ordre compte en raison de la façon dont les prompts sont encodés. L’encodeur de texte lit les prompts par blocs d’environ 75 tokens, et les premiers tags ont généralement plus d’influence. Un prompt ciblé, de 25 à 45 tags en général, laisse à chaque tag la place de compter au lieu de rivaliser avec des dizaines de quasi-doublons.
Les pondérations (tag:1.2) et quand les utiliser
Les interfaces comme ComfyUI, Forge et AUTOMATIC1111 acceptent des poids d’attention écrits sous la forme (tag:1.2). Une valeur supérieure à 1 renforce un tag, une valeur inférieure l’atténue. Nous ajoutons un poids modéré aux un ou deux tags qui définissent votre image, généralement le sujet principal, et laissons tout le reste à la valeur par défaut.
Résistez à la tentation de dépasser un poids d’environ 1,4. Des poids très élevés provoquent souvent des artefacts, des couleurs sursaturées ou des éléments répétés. Si quelque chose n’apparaît toujours pas, avancer le tag dans le prompt marche généralement mieux que d’augmenter encore son poids.
Des prompts négatifs adaptés à l’image
La deuxième ligne de chaque résultat est un prompt négatif : ce que le modèle doit éviter. Au lieu d’un mur générique de cinquante tags, nous en écrivons huit à quinze adaptés à l’image, par exemple extra fingers pour les portraits, watermark et text pour les photos de style banque d’images, ou blurry et lowres pour les scènes détaillées.
Collez-le dans le champ de prompt négatif de votre interface, pas dans le prompt principal. Avec des modèles plus récents comme SD 3.5, qui comprennent mieux le langage naturel, des prompts négatifs plus courts suffisent généralement.
SDXL, SD 3.5 et checkpoints affinés
Les prompts sous forme de tags fonctionnent avec SD 1.5, SDXL et la plupart des checkpoints de la communauté. SD 3.5 accepte aussi des descriptions plus longues en langage naturel : si vos résultats y semblent rigides, essayez plutôt le format Général. Les checkpoints d’anime et d’illustration attendent souvent leur propre vocabulaire de tags ; conservez donc les tags de style recommandés par la documentation de votre checkpoint.
Un exemple rapide
Pour la photo d’un phare au coucher du soleil, un résultat typique commence par (white lighthouse:1.3) et rocky coastline, passe par golden hour light, long exposure sea, wide-angle view et matte painting style, puis se termine par des tags de qualité comme highly detailed et sharp focus. La ligne négative pourrait être : blurry, lowres, watermark, text, oversaturated. Chaque tag nomme un fait visible, ce qui permet d’en remplacer un facilement et de voir exactement ce qui change.