Stable Diffusion Prompts meistern
Stable Diffusion bietet unübertroffene Kontrolle über die KI-Bildgenerierung – wenn Sie wissen, wie man es nutzt. Anders als einfachere Benutzeroberflächen belohnt Stable Diffusion technisches Wissen mit präzise zugeschnittenen Ergebnissen. Dieser Leitfaden behandelt fortgeschrittene Prompting-Techniken, die Ihre Stable Diffusion-Kreationen auf ein höheres Niveau heben.
Ob Sie AUTOMATIC1111s Web-UI, ComfyUI oder eine andere Oberfläche verwenden – diese Techniken sind breit anwendbar. Wir behandeln Prompt-Syntax, Gewichtung, Negative Prompts, modellspezifische Strategien und fortgeschrittene Workflows.
Prompt-Syntax verstehen
Stable Diffusion interpretiert Prompts anders als natürlichsprachliche KI. Das Verständnis der Syntax ist entscheidend:
Grundstruktur: Prompts werden als kommagetrennte Konzepte verarbeitet. Jedes Konzept wird einzeln interpretiert und dann kombiniert. „a red car, sunset, beach“ verarbeitet drei separate Elemente.
Wortreihenfolge ist wichtig: Frühere Token erhalten generell mehr Aufmerksamkeit. Platzieren Sie Ihre wichtigsten Konzepte zuerst.
Klammern für Betonung: (word) erhöht die Aufmerksamkeit um das 1,1-Fache. ((word)) erhöht um das 1,21-Fache (1,1²). Sie können bis zu 3–4 Ebenen verschachteln, bevor abnehmende Erträge einsetzen.
Eckige Klammern für Abschwächung: [word] verringert die Aufmerksamkeit um das 0,9-Fache. [[word]] verringert um das 0,81-Fache. Nützlich für subtile Hintergrundelemente.
Explizite Gewichte: (word:1.5) setzt das exakte Aufmerksamkeitsgewicht. Verwenden Sie typischerweise den Bereich 0,5–1,5. Werte über 2,0 verursachen oft Artefakte.
| Syntax | Effect | Multiplier | Example |
|---|---|---|---|
| (word) | Increase attention | 1.1x | (beautiful landscape) |
| ((word)) | Strong increase | 1.21x | ((detailed eyes)) |
| (word:1.5) | Explicit weight | 1.5x | (golden hour:1.5) |
| [word] | Decrease attention | 0.9x | [background trees] |
| [word:0.5] | Explicit reduction | 0.5x | [clouds:0.5] |
| [word1:word2:0.5] | Prompt switching | At 50% of steps | [cat:dog:0.5] blends concepts |
Recommended Sampler Settings
For photorealism: DPM++ 2M Karras, 25-30 steps, CFG 7-8
For artistic/stylized: Euler a, 20-25 steps, CFG 7-9
For speed: DPM++ SDE Karras, 15-20 steps, CFG 7
For maximum detail: DPM++ 2M Karras, 40-50 steps, CFG 7-8, with Hires. fix
Negative Prompts meistern
Negative Prompts sind der Bereich, in dem Stable Diffusion wirklich glänzt. Sie teilen dem Modell mit, was es vermeiden soll, und verbessern die Qualität drastisch.
Essentielle Negative-Prompt-Basis: Beginnen Sie mit qualitätsbasierten Negativen: „blurry, low quality, lowres, bad anatomy, bad hands, cropped, worst quality, low quality, normal quality, jpeg artifacts, watermark, text, signature“
Stilspezifische Negative: Fügen Sie Negative basierend auf Ihrem Zielstil hinzu:
Für Fotorealismus: „cartoon, anime, illustration, painting, drawing, art, sketch“
Für Anime/Illustration: „photorealistic, photograph, 3d, 3d render, realistic“
Für saubere Bilder: „busy background, cluttered, noisy, grainy“
Anatomie-Negative: „bad anatomy, bad hands, missing fingers, extra fingers, extra limbs, missing limbs, fused fingers, too many fingers, mutated hands, malformed limbs, extra arms, extra legs“
Gesichts-Negative: „deformed face, ugly face, asymmetric eyes, bad eyes, cross-eyed, blurry face“
Fortgeschrittene Prompt-Gewichtung
Strategische Gewichtung erzeugt nuancierte Ergebnisse:
Motivbetonung: Geben Sie Ihrem Hauptmotiv höheres Gewicht als Hintergrundelementen. „(beautiful woman:1.3), garden background, soft lighting“ fokussiert die Aufmerksamkeit auf das Motiv.
Stilbalance: Beim Kombinieren von Stilen gewichten Sie diese: „portrait, (oil painting:0.8), (impressionist:0.6)“ erzeugt eine subtile Stilmischung.
Detailkontrolle: Gewichten Sie Detail-Schlüsselwörter: „landscape, mountains, (intricate details:1.2), (8k:1.1)“ ohne es zu übertreiben.
Prompt-Blending: Verwenden Sie die [von:bis:wann]-Syntax für Übergänge: „[day:night:0.5]“ wechselt bei Schritt 50% von Tag zu Nacht.
Modellspezifische Strategien
Verschiedene Stable Diffusion-Modelle reagieren auf unterschiedliche Ansätze:
SDXL: Verarbeitet natürliche Sprache besser als SD 1.5. Kann längere, beschreibendere Prompts verwenden. Profitiert von detaillierten Szenenbeschreibungen. Empfohlene Auflösung: 1024x1024 oder ähnlich.
SD 1.5-Modelle: Bevorzugen Schlüsselwort-artige Prompts. Kürzere, fokussiertere Prompts funktionieren besser. Viele sind auf bestimmte Stile trainiert – verwenden Sie deren Trigger-Wörter. Übliche Auflösung: 512x512.
Realistische Modelle (wie Realistic Vision): Profitieren von Fotografiebegriffen: „DSLR, 85mm, f/1.8, bokeh“. Beleuchtungsbeschreibungen einfügen: „studio lighting, natural light, rim light“. Kameraeinstellungen für Authentizität referenzieren.
Anime-Modelle: Verwenden Sie anime-spezifische Qualitäts-Tags: „masterpiece, best quality, highly detailed“. Kunststil-Referenzen einfügen: „by (Künstlername)“. Charakterbeschreibungs-Schlüsselwörter sind wichtiger als natürliche Sprache.
Kompositions- und Layout-Kontrolle
Lenken Sie die Bildkomposition durch Prompts:
Perspektiv-Schlüsselwörter: „wide shot, close-up, medium shot, bird's eye view, worm's eye view, Dutch angle, straight-on, profile view“
Rahmung: „centered, rule of thirds, symmetrical, asymmetrical, full body, portrait, headshot“
Räumliche Beziehungen: Seien Sie explizit bei der Positionierung: „woman standing in foreground, mountains in background, river between them“
Seitenverhältnisüberlegungen: Passen Sie Ihren Prompt an Ihr Ausgabeverhältnis an. Porträts funktionieren besser in vertikalen Verhältnissen; Landschaften in horizontalen.
Qualitätsverbessernde Schlüsselwörter
Diese Schlüsselwörter verbessern die Ergebnisse durchgehend:
Allgemeine Qualität: „masterpiece, best quality, highly detailed, sharp focus, professional, high resolution, 8k, 4k“
Beleuchtung: „beautiful lighting, dramatic lighting, soft lighting, volumetric lighting, cinematic lighting, golden hour, rim light“
Rendering: „detailed, intricate, elaborate, highly detailed, fine details, sharp, crisp“
Künstlerische Qualität: „award-winning, trending on artstation, artstation quality, deviantart quality“
Hinweis: Die Wirksamkeit variiert je nach Modell. Testen Sie, was für Ihren spezifischen Checkpoint funktioniert.
Fortgeschrittene Workflow-Techniken
Heben Sie Ihre Arbeit mit diesen fortgeschrittenen Ansätzen auf das nächste Level:
Progressive Verfeinerung: Generieren Sie zunächst mit weniger Schritten/niedrigerer Auflösung, um schnell zu iterieren. Sobald Sie eine gute Komposition gefunden haben, regenerieren Sie in höherer Qualität.
Seed-Manipulation: Fixieren Sie Seeds, um die Komposition beizubehalten, während Sie Prompts anpassen. Verwenden Sie Seed+1, Seed+2, um ähnliche, aber unterschiedliche Variationen zu finden.
Prompt-Scheduling: Ändern Sie Prompts während der Generierung: „[detailed background:simple background:0.6]“ beginnt detailliert und wechselt dann zu einfach.
Wildcards: Verwenden Sie Wildcard-Syntax für Vielfalt: „a __color__ __animal__ in a __setting__“ greift auf vordefinierte Listen zurück.
ControlNet-Integration: Kombinieren Sie Text-Prompts mit ControlNet für präzise Kontrolle über Pose, Komposition und Stil, während der Prompt-Einfluss erhalten bleibt.
Häufige Probleme beheben
Übersättigung/Artefakte: Reduzieren Sie Betonungsgewichte. Senken Sie die CFG-Skala. Fügen Sie Qualitäts-Negative hinzu.
Teile des Prompts werden ignoriert: Erhöhen Sie das Gewicht ignorierter Konzepte. Verschieben Sie wichtige Elemente nach vorne. Vereinfachen Sie den Prompt – zu viele Konzepte verwässern die Aufmerksamkeit.
Inkonsistente Stile: Verwenden Sie spezifischere Stil-Schlüsselwörter. Probieren Sie andere Modelle, die besser zu Ihrem Zielstil passen. Erhöhen Sie stil-bezogene Gewichte.
Schlechte Anatomie: Fügen Sie umfassende Anatomie-Negative hinzu. Probieren Sie andere Modelle. Verwenden Sie ControlNet für Posenführung. Generieren Sie in höheren Auflösungen.
Fazit
Die Komplexität von Stable Diffusion ist seine Stärke – das Beherrschen dieser Techniken gibt Ihnen eine kreative Kontrolle, die von einfacheren Plattformen unerreicht bleibt. Beginnen Sie mit den Grundlagen, integrieren Sie schrittweise fortgeschrittene Techniken und experimentieren Sie stets.
Denken Sie daran, dass verschiedene Modelle unterschiedlich reagieren. Was für einen Checkpoint funktioniert, muss für einen anderen möglicherweise angepasst werden. Bauen Sie Ihre persönliche Bibliothek effektiver Prompts für Ihre bevorzugten Modelle auf und verfeinern Sie Ihren Ansatz kontinuierlich.
Die Stable Diffusion-Community entdeckt ständig neue Techniken. Bleiben Sie in Foren, Discord-Servern und GitHub-Repositories aktiv, um Ihre Fähigkeiten aktuell zu halten. Viel Erfolg beim Generieren!
