ChatGPT SDXL Prompt Generator vs je eigen API-script

Twee manieren om SDXL-prompts van een taalmodel te krijgen

De eerste manier is een chatassistent. Plak een systeemachtige instructie één keer, stuur daarna korte ideeën één voor één en kopieer elk antwoord naar je beeldgereedschap. Het vereist geen code, je ziet het antwoord direct en je kunt "donkerder, meer cinematografisch" zeggen en een revisie krijgen. Voor verkenning is dit moeilijk te verslaan.

De tweede manier is een script. Je schrijft de instructie één keer in code, laadt een lijst met ideeën uit een bestand, roept een chat-completies endpoint aan voor elk idee en schrijft de resultaten naar een bestand of stuurt ze direct naar je imagegenerator. Deze service is een OpenAI-compatible, tekst-only API die één open-weight model van een onafhankelijke aanbieder levert. Het is geen ChatGPT en geen OpenAI-product, maar elke OpenAI SDK kan ermee praten zodra je de base URL en sleutel aanpast.

Geen van beide benaderingen maakt afbeeldingen. In beide gevallen schrijft het model tekst en een aparte tool zoals SDXL rendert deze.

Naast elkaar

Factor	Chatvenster	API-script
Instellen	Geen	Sleutel, 30 regels Python
Beste batchgrootte	1 tot 20 prompts	Honderden tot duizenden
Uitvoerformaat	Wat de chat ook teruggeeft; je maakt het handmatig schoon	JSON-modus retourneert velden die je kunt parseren
Reproduceerbaarheid	Drift weg naarmate het gesprek groeit	Zelfde instructie bij elke aanroep, optionele seed
Iteratie	Natuurlijk: reageer met feedback	Je bewerkt het script en voert het opnieuw uit
Kostemodel	Hangt af van het abonnement dat je hebt; controleer de huidige voorwaarden	Betaal per token, prepaid
Weigeringen	Hangt af van het contentbeleid van de assistent	Dit model antwoordt zonder contentafwijzingen voor wettelijk volwassen gebruik (geen minderjarigen)

De eerlijke samenvatting: als je een handvol afbeeldingen per week maakt en er graag over praat, blijf bij de chat. Een script begint zich te lonen op het moment dat kopieer-plak de langzaamste stap in je pipeline wordt.

De tijdskost van kopieer-plak

Neem een bescheiden aanname: 30 seconden per prompt om het idee te typen, te wachten, het resultaat te kopiëren en het te plakken waar het hoort. Over 1.000 prompts is dat 1.000 × 30 s = 30.000 s, of ongeveer 8,3 uur aandacht.

Een script heeft een andere vorm. Stel dat elke API-aanroep ongeveer 5 seconden duurt (dat is een aanname, dus meet je eigen tijd). Met 8 gelijktijdige verzoeken, wat de gelijktijdigheidslimiet van een volledige sleutel is, duren 1.000 aanroepen ongeveer 1.000 / 8 × 5 s = 625 s, iets meer dan 10 minuten. De rate limit van 300 per minuut betekent dat de absolute ondergrens iets meer dan 3 minuten is. Je start het, zet koffie en leest het bestand daarna.

De bespaarde tijd is het belangrijkste argument. Het geld is secundair, zoals de volgende sectie laat zien.

Kosten per 1.000 prompts

Deze API rekent $0,15 per 1M input tokens en $0,50 per 1M output tokens. Stel dat elke aanroep een instructie van 250 tokens en een idee van 50 tokens (300 in) verstuurt en een prompt van 200 tokens teruggeeft.

• Input: 1.000 × 300 = 300.000 tokens × $0,15 / 1M = $0,045.
• Output: 1.000 × 200 = 200.000 tokens × $0,50 / 1M = $0,10.
• Totaal: $0,145 voor 1.000 prompts.

Vergelijk dit met een chatabonnement of een andere API door de prijs van dat abonnement te delen door het aantal prompts dat je werkelijk in een maand maakt, en controleer hun huidige prijzen in plaats van een cijfer uit een artikel te vertrouwen. Het $0,50 proeftegoed, met één klik verkregen op de API-sleutelpagina na het inloggen, dekt iets meer dan 3.400 prompts van deze grootte. Zie de prijzenpagina voor opwaarderingen van $20 tot $500, per crypto.

Een batchescript met retries

Het onderstaande script leest ideeën uit ideas.txt, één per regel, en schrijft prompts.jsonl. Het voert 6 workers parallel uit en probeert het opnieuw bij 429.

Copyimport json, time
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI, RateLimitError

client = OpenAI(base_url="https://api.sdxlapi.com/v1", api_key="YOUR_KEY", max_retries=0)

SYSTEM = (
    "Expand the idea into one SDXL prompt of 40 to 60 words: subject, setting, "
    "lighting, style, mood, comma-separated. Return JSON with key 'prompt'."
)

def make(idea):
    for attempt in range(5):
        try:
            r = client.chat.completions.create(
                model="uncensored",
                messages=[{"role": "system", "content": SYSTEM},
                          {"role": "user", "content": idea}],
                response_format={"type": "json_object"},
                temperature=0.8,
            )
            return {"idea": idea, **json.loads(r.choices[0].message.content)}
        except RateLimitError:
            time.sleep(5 * (attempt + 1))
    return {"idea": idea, "prompt": None}

ideas = [l.strip() for l in open("ideas.txt") if l.strip()]
with ThreadPoolExecutor(max_workers=6) as pool, open("prompts.jsonl", "w") as out:
    for row in pool.map(make, ideas):
        out.write(json.dumps(row, ensure_ascii=False) + "\n")

Houd het aantal workers op of onder 8 bij een volledige sleutel, of 2 bij een proefsleutel. Als je 429 ziet met de code concurrency, verlaag het dan; rate_limited betekent dat je de limiet per minuut hebt overschreden. Mislukte verzoeken worden niet gefactureerd, dus retries zijn gratis. Meer over parameters vind je in de docs.

Betere output krijgen van het script

De eerste uitvoering van een batch is zelden de beste. Drie goedkope verbeteringen leveren meer resultaat op dan wisselen van gereedschap.

• Voeg twee of drie voorbeelden toe aan de systeemprompt. Plak prompts die je afbeeldingen opleverden die je bevielen, elk met het korte idee dat het produceerde. Het model kopieert de structuur en het detailniveau.
• Geef een veld stijl door. Houd een kleine dict aan zoals "film still", "watercolor", "isometric render" en voeg de gekozen stijl toe aan elk idee. Zo kan één lijst met ideeën verschillende uitstralingen opleveren.
• Filter de output. Verwerp rijen waarvan de prompt korter is dan 25 woorden of langer dan 80, en voer alleen die opnieuw uit. Een korte controle in code is beter dan duizend regels lezen.

Sla het idee op naast elk resultaat. Als één afbeelding goed uitkomt, wil je precies zien wat het produceerde, en een chatgeschiedenis scrollt weg. Onderwerp blijft jouw beslissing: het model is afgestemd op wettelijk volwassen gebruik, en de enige harde limiet is dat er nooit seksueel materiaal met minderjarigen wordt gegenereerd.

Wanneer je bij chat blijft

Een script is niet altijd de betere keuze. Blijf bij een chatassistent als je nog niet weet wat je wilt, als elke afbeelding een gesprek over compositie vereist, of als je volume klein genoeg is dat de opzettijd de bespaarde tijd overtreft. Een veelvoorkomend patroon is om chat te gebruiken om een goede instructie te vinden, en die instructie daarna in het script te plakken als systeemprompt en de bulkwerkzaamheden daar uit te voeren.

Denk ook aan gegevens. Prompts die naar deze API worden gestuurd, worden niet gebruikt voor training. Lees voor elke andere dienst hun databeleid voordat je onuitgegeven creatief werk verstuurt.

Meer handleidingen

• Stable Diffusion Prompt Generator LLM: Python-installatie
• Rollenspel tekstgebaseerde scenario's met een LLM API