Prompt efficace per Stable Diffusion: metodo, pesi e impostazioni

Un prompt copiato da un forum fa meraviglie a chi l'ha scritto e produce una poltiglia a casa tua. La causa sta di rado nel testo. Stable Diffusion non è uno strumento unico: è una famiglia di modelli, usata attraverso varie interfacce, con impostazioni che controlli tu stesso. Lo stesso prompt non produce lo stesso effetto su un modello di base e su un modello della comunità addestrato per l'anime.

È anche ciò che lo rende interessante. Dove Midjourney decide molte cose al posto tuo, Stable Diffusion ti lascia il controllo di quasi tutto, e un'immagine ben documentata si riproduce quasi identica. Bisogna però scrivere per il modello giusto.

Identifica il tuo modello prima di scrivere una parola

Il modo di scrivere dipende prima di tutto dal modello caricato, spesso chiamato checkpoint. I consigli che si leggono online si contraddicono perché non parlano degli stessi modelli.

Su un modello della comunità, la pagina di download di solito indica le impostazioni consigliate, le parole di attivazione e a volte esempi di prompt. Leggila: vale più di qualsiasi guida generale, questa compresa.

Generare lontano dalla risoluzione di base è un errore classico. Un SD 1.5 lanciato direttamente in formato molto grande tende a ripetere i soggetti, e un SDXL portato troppo in basso perde qualità. La documentazione di Stability AI segnala inoltre che uscire dalle dimensioni consigliate per SDXL può provocare inquadrature inattese. Per un'immagine più grande, genera alla dimensione nativa e poi ingrandisci.

Una precisazione su FLUX, che si incontra nelle stesse interfacce: non è un modello Stable Diffusion, e Black Forest Labs indica che non supporta il prompt negativo. Buona parte di ciò che segue non vi si applica quindi direttamente.

Scrivi il prompt positivo come una scheda di ripresa

Prendiamo una commercialista che vuole illustrare un articolo sulla chiusura dell'anno fiscale.

Versione debole: beautiful office, professional, masterpiece, best quality, ultra detailed

Il modello riceve soprattutto rumore. Non ha idea di quale oggetto mostrare, e le parole sulla qualità, utili su alcuni modelli della comunità, non compensano un soggetto assente.

Versione corretta:

photograph of a tidy wooden desk with stacked paper invoices, a fountain pen and a mechanical calculator, late afternoon sunlight through a window, long soft shadows, shallow depth of field, muted beige and dark green tones, 50mm lens

Questa volta il soggetto viene in testa, seguito da ambientazione, luce, palette e obiettivo. Metti ciò che conta di più all'inizio: le interfacce tagliano i prompt lunghi, e un elemento essenziale finito in coda ha meno probabilità di essere rispettato.

Su AUTOMATIC1111 e derivati, il prompt viene elaborato a blocchi di 75 token. Puoi superare questo limite, e il testo viene allora distribuito su più blocchi, ma il taglio può cadere in mezzo a un'idea. La parola chiave BREAK, scritta in maiuscolo, forza un nuovo blocco nel punto scelto. Serve soprattutto a separare due idee, come il soggetto e lo sfondo.

Scrivi in inglese: è la lingua in cui questi modelli rispondono meglio. Se l'inglese ti rallenta, scrivi in italiano e fai tradurre, poi rileggi.

I pesi: sintassi esatta

Il peso di una parola indica al modello quanta attenzione dedicarle. La sintassi seguente viene dalla documentazione di AUTOMATIC1111, e ComfyUI condivide la forma con le parentesi.

Per cominciare resta tra 0,8 e 1,3. Oltre, l'immagine tende a degradarsi, e il termine sovraccaricato invade la composizione. Se devi spingere una parola a 1,6 perché compaia, il problema viene probabilmente da altrove: ordine delle parole, modello poco adatto o contraddizione nel prompt.

Attenzione alle parentesi quadre. Nei prompt di questa guida, [VARIABILE] indica un valore da sostituire. Lasciate così in AUTOMATIC1111, verrebbero interpretate come una riduzione di attenzione.

AUTOMATIC1111 offre anche una scrittura per cambiare prompt durante la generazione. [fantasy:cyberpunk:16] disegna una scena fantasy poi passa a cyberpunk dal passo 16, e [cow|horse] alterna le due parole a ogni passo. Queste due sintassi sono comode per mescolare concetti, ma non funzionano così come sono in ComfyUI senza un'estensione, e la documentazione precisa che non si applicano alle reti aggiuntive come i LoRA.

Le impostazioni che contano e quelle che possono aspettare

Lo stesso testo cambia radicalmente da una combinazione di impostazioni all'altra. I valori qui sotto sono punti di partenza derivati dalla pratica comune, non regole ufficiali. La pagina del tuo modello ha sempre la precedenza.

CFG scale. Regola la fedeltà al prompt. Troppo basso, il modello si allontana dalla tua richiesta. Troppo alto, i colori si saturano e i contorni si induriscono. La documentazione di ComfyUI riassume bene questo compromesso: alzare questa impostazione avvicina l'immagine al prompt, ma un valore eccessivo nuoce alla qualità. La comunità parte spesso da 5-7 su SDXL, più spesso da 7-9 su SD 1.5, e più in basso su SD 3.5.

Passi (steps). Il numero di passaggi di denoising. Oltre una certa soglia paghi in tempo di calcolo senza un vero guadagno: confronta 20, 30 e 40 sul tuo modello, poi tieni il più basso che ti soddisfa. Gli esempi ufficiali per SD 3.5 variano tra 28 e 40 passi.

Sampler. Determina il metodo di denoising. Euler a e DPM++ 2M Karras restano scelte diffuse. All'inizio non passarci la serata: il sampler cambia il risultato meno del prompt o del modello.

Seed. Il punto di partenza del rumore. Fissandolo, puoi modificare una sola parola e vederne l'effetto reale, cosa che è alla base di qualsiasi confronto serio.

Prompt negativo. Orienta il modello lontano da ciò che elenchi. È utile se usato con parsimonia, e le lunghe liste copiate da vecchi tutorial sono di rado la soluzione giusta. L'articolo sul prompt negativo spiega come dosarlo e quando smette di funzionare. Su ComfyUI passa da un secondo nodo di codifica del testo, collegato all'ingresso negativo del KSampler.

Tre prompt completi da adattare

Sostituisci ogni variabile in inglese, togli le parentesi quadre, incolla ogni parte nel campo corrispondente e comincia con le impostazioni consigliate per il tuo modello.

Per una foto di un piatto destinata a un ristoratore, su SDXL:

Positive:
overhead photograph of [PIATTO] served on [TIPO DI PIATTO], on a [MATERIALE] table, soft natural side light from a window, visible steam, realistic food texture, [2 COLORI] tones, shallow depth of field, editorial food photography

Negative:
text, watermark, logo, blurry, plastic-looking food

Settings: [LARGHEZZA] x [ALTEZZA] at a native size for the model, CFG 6, 30 steps, DPM++ 2M Karras, fixed seed

Per un'illustrazione da libro di testo o da scheda didattica, utile a un'insegnante, su SDXL:

Positive:
educational illustration of [NOZIONE O OGGETTO DA SPIEGARE], clean line art with flat colors, simple shapes, palette of [3 COLORI], white background, single centered subject, children's science book style

Negative:
photo, text, letters, realistic shading, cluttered background

Settings: 1024 x 1024, CFG 6, 30 steps, fixed seed

Evita di chiedere didascalie nell'immagine: Stable Diffusion gestisce male il testo. Aggiungile poi nel tuo programma di scrittura. E verifica il contenuto dell'illustrazione, perché uno schema generato può essere sbagliato pur avendo un'aria seria.

Per SD 3.5, scrivi piuttosto in frasi complete:

A close-up photograph of [SOGGETTO] in [LUOGO], taken in the early morning. The light comes from the left and leaves the background slightly out of focus. In the foreground there is [DETTAGLIO IMPORTANTE]. The overall palette is [2 O 3 COLORI], with a calm and natural feel.

Comincia senza prompt negativo e aggiungine uno solo se persiste un difetto preciso: gli esempi ufficiali per questo modello lasciano il campo vuoto.

LoRA ed embedding: che cosa cambiano nel tuo prompt

Un LoRA è un piccolo file che aggiunge al modello uno stile, un personaggio o un concetto. In AUTOMATIC1111 si richiama nel prompt con <lora:nome_del_file:0.8>, dove il numero ne fissa la forza. In ComfyUI si carica con un nodo dedicato. La maggior parte dei LoRA richiede inoltre una parola di attivazione, indicata sulla loro pagina: senza di essa l'effetto può essere debole o nullo.

Un embedding, o inversione testuale, si comporta come una parola personalizzata. In ComfyUI si scrive embedding:nome, e con un peso (embedding:nome:1.2). La sua posizione nel prompt conta, come per una parola normale.

Controlla sempre tre cose prima di installarne uno: la compatibilità con la tua famiglia di modelli, perché un LoRA SD 1.5 non funziona su SDXL; la licenza, soprattutto per un uso commerciale; e la provenienza. Un LoRA che imita un artista vivente o una persona reale solleva questioni trattate nel nostro articolo sull'uso commerciale.

Rendi riproducibili le tue immagini

Un prompt Stable Diffusion senza le sue impostazioni è incompleto. Per riprodurre un'immagine ti servono il modello esatto, il prompt positivo e quello negativo, il seed, il CFG, il numero di passi, il sampler, la dimensione ed eventuali LoRA con la loro forza. Anche con tutto questo, un cambio di versione dell'interfaccia o della scheda grafica può creare piccole differenze.

Gli strumenti ti aiutano: AUTOMATIC1111 scrive i parametri nei metadati del PNG, e ComfyUI vi registra il workflow. Attenzione, le piattaforme che ricomprimono le tue immagini spesso cancellano questi dati, quindi conserva gli originali.

Tieni anche un piccolo quaderno con, per ogni prompt che funziona, le sue impostazioni e un'immagine di riferimento. Basta un semplice file, e il nostro articolo sulle raccolte di prompt riutilizzabili propone un modo di organizzarlo. Questo rigore diventa indispensabile se pubblichi i tuoi prompt: nella sezione immagini IA di YouPrompt, l'acquirente vede un risultato reale prima dell'acquisto, e potrà avvicinarvisi solo se indichi il modello e le impostazioni testate.

Per iniziare, prendi un'immagine che ti piace tra le tue generazioni, fissa il suo seed e confronta tre valori di CFG senza toccare nient'altro. Annota quello che vince accanto al nome del modello: sarà la tua impostazione di partenza per tutto il resto.