Аниме-модели понимают не обычные предложения, а короткие теги через запятую.
Это наследие каталогов вроде Danbooru, на разметке которых их обучали. Ниже как
устроен этот язык, в каком порядке писать теги и почему один и тот же набор
по-разному работает на разных чекпойнтах.
Откуда взялся теговый синтаксис
Крупные аниме-каталоги десятилетиями размечали картинки короткими метками:
цвет волос, поза, ракурс, одежда, число персонажей. Разметка получилась очень
последовательной, потому что её вели по правилам и вычищали годами. Когда
понадобились большие наборы данных с подписями, эта разметка оказалась готовым
материалом.
Модели, обученные на таких данных, выучили связь между конкретной короткой
меткой и тем, что на картинке. Отсюда и практическое следствие: с ними надо
разговаривать метками, а не предложениями. Фраза о девушке с длинными светлыми
волосами у окна на закате работает хуже, чем те же понятия, разложенные на
отдельные теги.
Это принципиальное отличие от фотореалистичных моделей, которые обучались на
обычных описаниях и лучше понимают человеческий язык. Именно поэтому один и тот
же промпт даёт отличный результат на одной модели и мусор на другой. Разбор
фотореалистичной ветки есть в материале про
Juggernaut
XL, и подход к формулировкам там совершенно другой.
Как устроен тег
Формат простой: короткие метки в нижнем регистре, слова внутри метки
соединены нижним подчёркиванием или пробелом, метки разделены запятыми. В
интерфейсах обычно принято писать через пробел, и модели чаще всего это
устраивает.
Теги делятся на смысловые группы, и понимание этих групп помогает больше, чем
заучивание списков. Есть метки количества и состава кадра. Есть внешность:
волосы, глаза, телосложение. Есть одежда, вплоть до отдельных элементов. Есть
поза и действие. Есть ракурс и кадрирование. Есть фон и обстановка. И есть
качество и стиль.
Полезно держать в голове, что модель видела эти метки вместе с картинками,
поэтому она знает не определение тега, а его визуальный отпечаток. Отсюда
странности: похожие по смыслу метки могут давать заметно разный результат просто
потому, что в исходном каталоге их ставили в разных ситуациях.
Порядок имеет значение
Теги в начале запроса обычно влияют сильнее, чем в конце. Это не жёсткое
правило, а следствие того, как обрабатывается длинный текст, но на практике
эффект заметен, особенно когда запрос разрастается.
Отсюда рабочая структура. Сначала состав кадра и главный субъект. Затем
внешность. Затем одежда или её отсутствие. Затем поза и действие. Затем ракурс.
Затем фон. И в самом конце служебные метки качества, если вы их используете.
Если что-то важное упорно игнорируется, первое, что стоит попробовать, это
передвинуть его ближе к началу, а не усиливать весами. Перестановка часто решает
задачу без побочных эффектов, а вес меняет ещё и то, что вы менять не
собирались.
Веса: как усиливать и ослаблять
Почти все интерфейсы поддерживают синтаксис усиления в круглых скобках, где
тегу можно задать числовой множитель. Значение чуть больше единицы усиливает
влияние, чуть меньше ослабляет.
Разумный рабочий диапазон это примерно от 0.7 до 1.3. За его пределами
начинаются искажения: сильно усиленный тег подминает композицию, дублирует
элемент или ломает анатомию. Классический пример это чрезмерно усиленная метка
части тела, после которой модель начинает рисовать её дважды.
Полезная привычка: менять вес одного тега за раз и при фиксированном сиде.
Иначе вы не отличите эффект своей правки от случайности. Без фиксированного сида
любые выводы о весах это гадание.
Негативные теги
Негативная часть в аниме-моделях работает так же тегово. Туда обычно кладут
метки низкого качества, испорченной анатомии, лишних конечностей и водяных
знаков.
Важный момент, который экономит много времени: длинный негатив не лучше
короткого. Есть популярные наборы из десятков меток, которые кочуют по форумам,
и они нередко содержат внутренние противоречия или подавляют то, что вам как раз
нужно. Начните с короткого набора и расширяйте его только под конкретный
повторяющийся дефект. Подробный разбор есть в материале про
негативные
промпты.
Отдельная ловушка это негативные метки, дублирующие свойства модели. Если
чекпойнт и так не рисует фотореализм, ставить фотореализм в негатив
бессмысленно, а иногда вредно, потому что вы тратите на это часть влияния
запроса.
Почему один набор тегов работает по-разному
Это главный источник разочарования, и стоит проговорить причину прямо.
Реакция на конкретный тег определяется тем, на каких данных дообучали конкретный
чекпойнт. Две модели одного семейства могут понимать одну и ту же метку заметно
по-разному, а редкие теги на части моделей не работают вовсе.
Поэтому к любым спискам рабочих тегов, включая этот материал, стоит
относиться как к отправной точке, а не как к гарантии. Проверять надо на своей
модели. Обычно достаточно взять простую базовую сцену, зафиксировать сид и
добавлять по одному тегу, наблюдая, меняется ли картинка вообще.
Такая проверка занимает минут двадцать и экономит недели недоумения. Она же
быстро показывает, что часть популярных меток на вашем чекпойнте не делает
ничего, и их можно смело выбросить из шаблона.
Разница между семействами моделей тут особенно заметна. Как теги ведут себя на
одной из основных аниме-линий, разобрано в материале про
Illustrious
XL, а поведение модели, ориентированной на понимание сцены, в разборе
Pony
Diffusion XL.
Теги для NSFW: что стоит знать
В каталогах, на разметке которых обучались эти модели, откровенный контент
размечен так же подробно, как и всё остальное. Поэтому аниме-модели обычно хорошо
понимают соответствующие метки, и отдельная лора для базовых вещей часто не
нужна.
Практически полезны несколько групп. Метки рейтинга задают общий регистр
кадра. Метки состояния одежды работают точнее, чем описание словами, и их стоит
предпочитать. Метки позы и взаимодействия дают больше, чем длинное описание
действия предложением.
Типичная ошибка это смешивать теговый и повествовательный стиль в одном
запросе. Половина меток, половина фразы на английском, и модель получает
противоречивый сигнал. Выберите один язык описания и держитесь его.
Вторая типичная ошибка это перегруз. Двадцать меток в запросе почти всегда
работают хуже, чем десять точных, потому что влияние размывается. Если вы не
можете объяснить, зачем в запросе конкретная метка, скорее всего её стоит
убрать.
Если разбираться с синтаксисом не хочется, а результат нужен,
готовый
сервис принимает обычное описание и берёт эту работу на себя.
Стилевые и качественные метки
Служебные метки качества это отдельная тема, вокруг которой много путаницы.
Исторически в аниме-моделях использовали набор меток, соответствующих оценке
картинки в исходном каталоге, и они действительно сдвигали результат в сторону
более аккуратных работ.
На современных чекпойнтах эффект от них разный. На одних он заметен, на других
почти исчез, потому что модель дообучали уже на отфильтрованных данных, и
подсказка перестала нести информацию. Это ещё один повод проверить их
работоспособность на своей модели, а не переносить шаблон из чужого гайда.
Отдельно стоит помнить про метки конкретных художников. Они работают, потому
что стиль был размечен, но использование чужого имени как стилевой команды это
вопрос не технический, а этический, и относиться к нему стоит осознанно.
Как собрать свой рабочий шаблон
Самое полезное, что можно сделать после понимания синтаксиса, это собрать
собственный шаблон и перестать каждый раз писать с нуля.
Практический подход такой. Заведите базовый каркас из меток, которые вы
ставите почти всегда: состав кадра, общий стиль, набор негативных меток. Держите
его коротким. Дальше под каждую задачу дописывайте только специфику: внешность,
позу, обстановку.
Записывайте, что сработало, вместе с моделью и сидом. Это звучит занудно, но
без записи вы через месяц не воспроизведёте удачный кадр. Общая методика
построения запросов, применимая и за пределами аниме-моделей, разобрана в
мастер-гиде
по NSFW промптам.
И пересматривайте шаблон при смене чекпойнта. Набор, отточенный на одной
модели, на другой может работать заметно хуже, и это нормально: вы поменяли
язык, на котором разговариваете.
Полезно держать не один шаблон, а несколько под разные типы кадров: портрет,
сцена в полный рост, кадр с двумя персонажами. У них разные потребности в метках
состава и ракурса, и попытка обслужить всё одним универсальным набором обычно
заканчивается тем, что он плохо работает везде.
Основные группы тегов на практике
Полезнее списка меток понимание того, какие группы вообще существуют и что
каждая решает. Дальше вы сможете достроить нужное сами, а не искать готовый
перечень под каждую задачу.
Состав кадра. Это метки числа персонажей и их пола. Они стоят в начале не
случайно: модель решает композицию раньше всего остального, и указание состава
задаёт рамку для всего запроса. Если вы получаете лишнего человека в кадре, чаще
всего проблема именно здесь, а не в описании сцены.
Внешность. Цвет и длина волос, цвет глаз, телосложение, возрастная категория
персонажа. Это самая надёжная группа: такие метки размечены плотнее всего, и
модели их понимают почти всегда. Если нужно повторить персонажа между кадрами,
именно эти теги вы будете переносить без изменений.
Одежда и её состояние. Здесь тегов особенно много, и они точнее описания
словами. Отдельно существуют метки для состояния одежды, и на практике они
работают предсказуемее, чем попытка объяснить то же самое фразой.
Поза и действие. Группа, где чаще всего наступает разочарование, потому что
она сильнее прочих зависит от модели. Простые позы понимают все, сложные
взаимодействия заметно хуже. Если поза критична, надёжнее задавать её не текстом,
а управляющей моделью по скелету.
Ракурс и кадрирование. Крупный план, поясной кадр, вид сверху, вид снизу. Эта
группа недооценена: одна метка ракурса меняет кадр сильнее, чем пять
прилагательных, и почти всегда работает.
Фон и обстановка. Работает нормально, но конкурирует с остальным. Если фон
описан подробнее персонажа, модель может увести акцент туда, и вы получите
красивую комнату с невнятным человеком.
Как проверить теги на своей модели
Это та самая двадцатиминутная процедура, которая экономит недели. Смысл в том,
чтобы измерять по одному изменению за раз.
Соберите минимальную базовую сцену из трёх или четырёх меток, ничего лишнего.
Зафиксируйте сид. Сгенерируйте эталон и сохраните его. Дальше добавляйте по
одному тегу к этому же запросу с тем же сидом и смотрите на результат рядом с
эталоном.
Реакция бывает трёх видов. Тег меняет ровно то, что должен, и это лучший
случай. Тег не меняет ничего, значит на этой модели он не работает и его можно
выбросить. Тег меняет не то, что ожидалось, и это самое интересное: часто именно
так обнаруживаются метки, которые в исходном каталоге ставили в другом контексте,
чем вы думали.
Записывайте результат. Через месяц вы не вспомните, что проверяли, и начнёте
заново. Простой текстовый файл рядом с шаблоном экономит больше времени, чем
любая оптимизация настроек.
И повторяйте проверку при смене чекпойнта. Это скучно, но набор, отточенный на
одной модели, на другой ведёт себя иначе, и молчаливое перенесение шаблона это
самая частая причина внезапно испортившихся результатов.
Ошибки, которые повторяют почти все
Копирование чужого длинного шаблона целиком. Человек берёт из обсуждения
запрос на сорок меток вместе с простынёй негатива и удивляется, что результат не
похож на пример. Причины две: у автора была другая модель и другие настройки.
Начинайте с малого и наращивайте, а не наоборот.
Борьба весами вместо перестановки. Если тег игнорируется, первый рефлекс это
поднять ему вес. Обычно правильнее передвинуть его ближе к началу запроса.
Усиление веса решает проблему грубее и тащит за собой искажения.
Противоречивые метки в одном запросе. Две метки одежды, которые не могут
существовать одновременно, или ракурс, несовместимый с позой. Модель попытается
угодить обеим и выдаст странное. Перечитайте свой запрос глазами человека и
спросите, возможен ли такой кадр физически.
Смешение языков описания. Половина запроса метками, половина связной фразой.
На аниме-моделях это почти всегда хуже, чем последовательный теговый стиль.
Слепая вера в метки качества. Их эффект на современных чекпойнтах разный, и
держать их в каждом запросе по привычке смысла не имеет, пока вы не проверили,
что они вообще что-то делают на вашей модели.
Если весь этот уровень контроля вам не нужен, а нужен просто результат, есть
смысл посмотреть на
сервис
с обычным текстовым вводом, где теговый синтаксис не нужен вовсе.
Куда двигаться дальше
Теги закрывают вопрос, что изображено. Они хуже справляются с тем, как
именно расположены фигуры и как выглядит конкретный человек от кадра к кадру.
Для первого используют управляющие модели по позе, для второго перенос черт с
опорного изображения.
Если вас интересуют конкретные поджанры, у каждого своя специфика меток и
своих моделей. Про аниме-направление есть отдельный материал о
аниме
NSFW нейросетях, про смежное направление разбор
хентай
моделей, а про фурри-стилистику материал про
фурри
генерацию, где теговая система своя и заметно отличается.
Теги и разрешение: неочевидная связь
Одна вещь, которая редко попадает в гайды по тегам, но объясняет много
странных результатов. Часть меток связана с масштабом объекта в кадре, и работает
она только тогда, когда объекту хватает пикселей.
Простой пример. Метки, описывающие мелкие детали лица или украшений, на
дальнем плане почти не проявляются, потому что лицу достаётся слишком мало
площади. Человек добавляет тег, не видит эффекта, поднимает вес, получает
искажение и делает вывод, что тег не работает. На самом деле не работает не тег,
а сочетание тега с выбранным кадрированием.
Отсюда практическое правило. Если метка описывает деталь, убедитесь, что эта
деталь занимает в кадре достаточно места, либо добивайте её отдельным проходом по
области. Спорить с физикой разрешения тегами бесполезно.
То же касается сцен с несколькими персонажами. Чем больше людей в кадре, тем
меньше пикселей достаётся каждому и тем сильнее размывается описание внешности.
Метки внешности при этом начинают перетекать между персонажами, и получается, что
у обоих один цвет волос. Это известное ограничение, а не ваша ошибка в
формулировке.
Что делать, если результат стабильно плохой
Порядок диагностики, который работает чаще случайного перебора.
Сначала проверьте, та ли модель загружена. Звучит унизительно просто, но
перепутанный чекпойнт это лидер среди причин необъяснимо плохих картинок,
особенно если у вас их несколько с похожими именами.
Затем уберите весь негатив целиком и посмотрите на результат. Если стало
лучше, виноват негатив, и дальше возвращайте его по частям. Раздутый негативный
блок подавляет картинку чаще, чем принято думать.
Затем сократите позитивный запрос до трёх меток. Если базовая сцена выходит
нормально, проблема в одном из добавленных тегов, и его можно найти
последовательным возвратом.
И только после этого меняйте настройки сэмплера и шагов. Это последнее место,
где стоит искать причину, хотя интуитивно хочется начать именно с него.
Отдельно стоит проверить разрешение и пропорции. Аниме-модели этого поколения
рассчитаны на определённый размер кадра, и генерация в непривычных пропорциях даёт
искажения, которые легко принять за проблему промпта. Если картинка разваливается
именно в композиции, а не в деталях, начните с возврата к стандартному размеру и
только потом возвращайтесь к тегам.
И последнее по порядку, но не по важности: сравнивайте с эталоном автора
модели. Возьмите пример со страницы чекпойнта вместе с указанными настройками и
воспроизведите его у себя. Если эталон выходит нормально, а ваш запрос нет, дело
в запросе. Если и эталон плохой, дело в конфигурации, и теги здесь ни при чём.
Частые вопросы
Обязательно ли писать теги через подчёркивание?
Обычно нет. Большинство современных интерфейсов и моделей нормально принимают
пробелы. Если сомневаетесь, проверьте оба варианта на своей модели с
фиксированным сидом.
Сколько тегов оптимально?
Чаще всего десять или пятнадцать точных работают лучше, чем тридцать.
Влияние размывается, и лишние метки начинают конкурировать с нужными.
Почему тег из чужого гайда у меня не работает?
Реакция на метку зависит от того, на чём дообучали конкретный чекпойнт. Часть
тегов на вашей модели может не делать ничего. Это нормально, проверяйте на
своей.
Работают ли danbooru-теги на фотореалистичных моделях?
Как правило плохо. Фотореалистичные чекпойнты обучались на обычных описаниях,
и с ними лучше разговаривать языком фотографии, а не метками.
Нужны ли метки качества?
Раньше они заметно влияли, сейчас эффект зависит от модели. Проверьте их
отдельно на своём чекпойнте, прежде чем держать в каждом запросе.
