Por que o Stable Diffusion prefere tags
A maioria dos checkpoints do Stable Diffusion foi treinada com imagens acompanhadas de legendas curtas e listas de tags, por isso eles respondem melhor a tags compactas separadas por vírgulas do que a frases corridas. Nosso gerador ordena as tags como os usuários experientes fazem: primeiro o tema principal, depois os detalhes do tema, o cenário, a composição, a iluminação, a paleta de cores, o estilo e, por fim, as tags de qualidade.
A ordem importa por causa de como os prompts são codificados. O codificador de texto lê o prompt em blocos de cerca de 75 tokens, e as tags do início tendem a ter mais influência. Manter o prompt enxuto, normalmente entre 25 e 45 tags, dá espaço para cada tag contar, em vez de competir com dezenas de quase duplicatas.
Pesos: (tag:1.2) e quando usar
Interfaces como ComfyUI, Forge e AUTOMATIC1111 aceitam pesos de atenção escritos como (tag:1.2). Um valor acima de 1 reforça a tag, e abaixo de 1 a enfraquece. Adicionamos um peso moderado à tag ou às duas tags que definem sua imagem, geralmente o tema principal, e deixamos todo o resto no padrão.
Resista à tentação de passar de 1,4 nos pesos. Pesos muito altos costumam causar artefatos, cores saturadas demais ou elementos repetidos. Se algo ainda não aparece, mover a tag para mais perto do início do prompt costuma funcionar melhor do que aumentar ainda mais o peso.
Prompts negativos que combinam com a imagem
A segunda linha de cada resultado é um prompt negativo: aquilo que o modelo deve evitar. Em vez de uma parede genérica de cinquenta tags, escrevemos de oito a quinze que fazem sentido para a imagem, como extra fingers em retratos, watermark e text em fotos no estilo banco de imagens, ou blurry e lowres em cenas detalhadas.
Cole-o no campo de prompt negativo da sua interface, não no prompt principal. Com modelos mais novos como o SD 3.5, que entendem melhor a linguagem natural, prompts negativos mais curtos costumam bastar.
SDXL, SD 3.5 e checkpoints ajustados
Prompts em formato de tags funcionam com SD 1.5, SDXL e a maioria dos checkpoints da comunidade. O SD 3.5 também aceita descrições mais longas em linguagem natural, então, se os resultados parecerem rígidos nele, experimente o formato Geral. Checkpoints de anime e ilustração costumam esperar um vocabulário de tags próprio, por isso mantenha as tags de estilo que a documentação do seu checkpoint recomenda.
Um exemplo rápido
Para a foto de um farol ao pôr do sol, um resultado típico começa com (white lighthouse:1.3) e rocky coastline, passa por golden hour light, long exposure sea, wide-angle view e matte painting style, e termina com tags de qualidade como highly detailed e sharp focus. A linha negativa poderia ser blurry, lowres, watermark, text, oversaturated. Cada tag nomeia um único fato visível, o que facilita trocar uma delas e ver exatamente o que muda.