Генератор промптов для Stable Diffusion на LLM: настройка Python

Что делает LLM и что не делает

Модели изображений хорошо реагируют на плотные, конкретные промпты: субъект, обстановка, объектив, освещение, среда, настроение и список того, чего следует избегать. Большинство людей вводят три слова и получают плоский результат. LLM устраняет этот разрыв, превращая вашу короткую идею в длинную версию в согласованном формате.

Чётко разделите обязанности. Этот сервис — текстовый API. Он не генерирует изображения, аудио или видео, и у него нет эмбеддингов или дообучения. Он стоит перед вашим конвейером обработки изображений и пишет инструкции, которые этот конвейер читает. Это совместимый с OpenAI эндпоинт, обслуживающий одну модель с открытыми весами от независимого провайдера, а не продукт какого-либо вендора моделей для изображений.

Модель настроена на ответы без отказов по контенту для законного использования взрослыми, что важно для художников и разработчиков игр, чьи темы (ужасы, насилие в художественной литературе, зрелые темы) блокируются в других местах. Сексуальный контент с участием несовершеннолетних — это строгое ограничение, и он никогда не генерируется.

Шаг 1: получите ключ и протестируйте один вызов

Войдите через Google или по электронной почте и паролю, затем откройте страницу API-ключ. Пробный запуск в один клик добавляет $0,50 кредита, который действует 7 дней и не требует привязки карты. Этого достаточно для тысяч расширений промптов, как показано в разделе стоимости.

Проверьте работоспособность с помощью curl:

Copycurl https://api.sdxlapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [
      {"role": "system", "content": "You write Stable Diffusion prompts."},
      {"role": "user", "content": "lighthouse in a storm"}
    ]
  }'

Любой SDK OpenAI работает после изменения базового URL и ключа. Подробности в документации.

Шаг 2: системный промпт для стабильного вывода

Системный промпт — источник качества. Укажите модели целевой формат, порядок элементов, ограничение по длине и то, что следует исключить. Версия, которая хорошо работает как отправная точка:

Вы превращаете короткие идеи для изображений в промпты для SDXL. Напишите один положительный промпт из 40–60 слов: сначала субъект, затем обстановка, композиция, освещение, среда или стиль и настроение. Используйте фразы через запятую, без полных предложений. Затем напишите отрицательный промпт до 15 коротких фраз. Не добавляйте текст, водяные знаки или подписи к изображению. Верните JSON с ключами "prompt" и "negative".

Ограничение по количеству слов важно. Текстовые кодировщики CLIP SDXL обрабатывают промпты блоками по 77 токенов, и всё, что выходит за их пределы, либо обрезается, либо обрабатывается функцией разбиения на части в вашем интерфейсе. Стремление к 40–60 словам позволяет уместить большинство промптов в один блок, помещая самые важные детали в начало.

Используйте низкую или среднюю температуру (0,7–0,9), чтобы стиль оставался согласованным, но два запуска одной идеи отличались друг от друга. Если вам нужен идентичный вывод для тестирования, передайте фиксированный seed.

Шаг 3: скрипт на Python

Этот скрипт читает идеи из списка, запрашивает JSON и выводит пару промптов. Он использует официальный пакет OpenAI для Python с изменённым базовым URL.

Copyimport json
from openai import OpenAI

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

SYSTEM = (
    "You turn short image ideas into prompts for SDXL. Write one positive "
    "prompt of 40 to 60 words: subject, setting, composition, lighting, "
    "medium or style, mood, as comma-separated phrases. Then a negative "
    "prompt of up to 15 short phrases. Return JSON with keys "
    "'prompt' and 'negative'."
)

def expand(idea: str) -> dict:
    resp = client.chat.completions.create(
        model="uncensored",
        messages=[
            {"role": "system", "content": SYSTEM},
            {"role": "user", "content": idea},
        ],
        response_format={"type": "json_object"},
        temperature=0.8,
        max_tokens=400,
    )
    return json.loads(resp.choices[0].message.content)

for idea in ["lighthouse in a storm", "abandoned greenhouse at dawn"]:
    result = expand(idea)
    print(idea, "->", result["prompt"])
    print("negative:", result["negative"], "\n")

JSON-режим (response_format с json_object) делает ответ удобным для парсинга. В продакшене всё равно оборачивайте json.loads в блок try и повторяйте запрос один раз при сбое, так как длинный ответ, обрезанный по max_tokens, может оборваться посередине объекта.

Шаг 4: отправьте промпты в ваш инструмент для изображений

Вывод — это обычные строки, поэтому любой фронтенд может их принять. При локальной установке Automatic1111 или ComfyUI отправьте два поля в его API. Со скриптом, который перебирает CSV-файл с идеями, запишите результаты в файл и поставьте их в очередь как пакет.

• Сохраняйте идею, промпт и отрицательный промпт вместе, чтобы можно было отследить хорошее изображение до инструкции, которая его создала.
• Добавьте строку стиля из вашего собственного списка ("cinematic photograph", "ink illustration") как дополнительное поле в сообщении пользователя, когда вам нужна серия с единым визуальным стилем.
• Храните краткую библиотеку сработавших промптов и подавайте два-три из них в системный промпт в качестве примеров. Примеры few-shot направляют стиль более надёжно, чем прилагательные.

Для проекта в жанре ролевой игры тот же шаблон может иллюстрировать сцены из истории, превращая последние несколько абзацев в визуальное описание. Статья о текстовых сценариях ролевых игр охватывает сторителлинг.

Распространённые проблемы и решения

В почти каждом проекте генератора промптов возникают несколько проблем.

Модель добавляет комментарии

Ответы, начинающиеся с "Вот ваш промпт", ломают конвейеры. JSON-режим устраняет большую часть этого. Если вы работаете с обычным текстом, укажите "выводите только промпт, без преамбулы" и добавьте стоп-последовательность для строки, которую вы никогда не хотите видеть.

Каждый промпт выглядит одинаково

Низкая температура и строгий шаблон дают однородные результаты. Повысьте температуру до 1,0, варьируйте строку стиля, которую вы передаёте, или запросите три варианта и выберите один. Штрафы (frequency_penalty, presence_penalty) передаются и могут разбить повторяющиеся фразы.

Промпты слишком длинные для модели изображений

Установите жёсткое ограничение по количеству слов в системном промпте и проверяйте длину в коде. Ручное усечение удаляет последние детали, которые обычно наименее важны, но лучше, чтобы модель сразу писала коротко.

Вы получаете 429

Вы отправили слишком много запросов в минуту или одновременно. Сделайте паузу на несколько секунд и повторите запрос; в ответе может быть Retry-After: 5. Пакет с небольшим пулом потоков из 4–8 рабочих остаётся в пределах лимитов полного ключа.

Сколько стоят 1 000 промптов

Тарификация: $0,15 за 1 млн входных токенов и $0,50 за 1 млн выходных токенов. Типичное расширение отправляет системный промпт около 150 токенов плюс идею из 15 токенов, итого 170 токенов на вход, и получает около 120 токенов JSON.

• Вход: 170 × $0,15 / 1M = $0,0000255.
• Выход: 120 × $0,50 / 1M = $0,00006.
• На один промпт: около $0,0000855.
• 1 000 промптов: около $0,0855, или $0,09.

Округлите значение в большую сторону для длинных системных промптов или few-shot примеров. Если вы добавите 600 токенов примеров, входные данные составят 770 токенов, а 1 000 промптов обойдутся примерно в $0,1155 за входные данные + $0,06 за выходные, в сумме около $0,18. В любом случае, пробного кредита $0,50 хватит на несколько тысяч расширений. За неудачные запросы не взимается плата, а предоплаченный баланс не сгорает; подробности см. на странице тарифов для пополнения (от $20 до $500 криптовалютой).

Дополнительные руководства

• Генератор промптов ChatGPT SDXL против вашего собственного скрипта API
• Ролевые текстовые сценарии с LLM API