پرامپت منفی چیست؟ راهنمای کامل Negative Prompt برای مبتدیان

پرامپت منفی (Negative Prompt) چیست و چرا باید آن را بشناسید؟

اگر تا به حال با ابزارهای تصویرساز هوش مصنوعی مثل Midjourney، Stable Diffusion یا DALL·E کار کرده باشید، احتمالاً با این تجربه آشنایید: پرامپتی می‌نویسید، منتظر نتیجه می‌مانید و وقتی تصویر آماده می‌شود، چیزهایی در آن می‌بینید که اصلاً نمی‌خواستید. شاید انگشتان دست اضافه باشند، پس‌زمینه شلوغ باشد، یا سبکی که انتظارش را نداشتید بر تصویر حاکم شده باشد. اینجا دقیقاً همان نقطه‌ای است که پرامپت منفی وارد میدان می‌شود.

پرامپت منفی یا Negative Prompt دستورالعملی است که به هوش مصنوعی می‌گوید چه چیزهایی را نباید در تصویر نهایی قرار دهد. در واقع، اگر پرامپت اصلی (مثبت) نقشه‌ی راه شماست، پرامپت منفی تابلوهای «ورود ممنوع» مسیر است. با ترکیب هوشمندانه‌ی این دو، کنترل بسیار بیشتری بر خروجی نهایی خواهید داشت.

تفاوت پرامپت مثبت و منفی

برای درک بهتر، بیایید یک مقایسه‌ی ساده ببینیم:

پرامپت مثبت: آنچه می‌خواهید در تصویر باشد. مثلاً: «یک گربه‌ی سفید روی مبل قرمز، نور طبیعی، کیفیت بالا».

پرامپت منفی: آنچه نمی‌خواهید در تصویر باشد. مثلاً: «تار، بی‌کیفیت، انگشتان اضافه، پس‌زمینه‌ی شلوغ، واترمارک».

هوش مصنوعی هنگام تولید تصویر، هم‌زمان به هر دو دستور نگاه می‌کند. پرامپت مثبت را به‌عنوان هدف و پرامپت منفی را به‌عنوان محدودیت در نظر می‌گیرد و سعی می‌کند تصویری بسازد که حداکثر شباهت را به پرامپت مثبت و حداقل شباهت را به پرامپت منفی داشته باشد.

چرا پرامپت منفی اهمیت دارد؟

شاید بپرسید «مگر پرامپت مثبت خوب کافی نیست؟» پاسخ کوتاه: نه، کافی نیست. و دلایلش اینهاست:

۱. حذف نقص‌های رایج: مدل‌های تصویرساز هوش مصنوعی با میلیون‌ها تصویر آموزش دیده‌اند و گاهی الگوهای ناخواسته‌ای مثل انگشتان اضافی، چهره‌های نامتقارن یا اشیای بی‌ربط را تولید می‌کنند. پرامپت منفی مستقیماً احتمال بروز این نقص‌ها را کاهش می‌دهد.

۲. کنترل سبک بصری: فرض کنید تصویری واقع‌گرایانه (Photorealistic) می‌خواهید، اما خروجی کمی کارتونی شده است. با افزودن عبارت‌هایی مثل «cartoon, anime, illustration, painting» به پرامپت منفی، مدل را از سبک‌های ناخواسته دور نگه می‌دارید.

۳. بهبود کیفیت کلی: عبارت‌های عمومی مثل «low quality, blurry, pixelated, bad anatomy» تقریباً در هر پرامپت منفی کاربرد دارند و کیفیت کلی خروجی را بالا می‌برند.

۴. صرفه‌جویی در زمان و هزینه: هر بار تولید تصویر، منابع پردازشی مصرف می‌کند. اگر از ابزار پولی استفاده می‌کنید، هر تصویر ناموفق یعنی هدر رفتن اعتبار. پرامپت منفی خوب، تعداد دفعات آزمون‌وخطا را به شکل چشمگیری کاهش می‌دهد.

پرامپت منفی در ابزارهای مختلف

هر ابزار تصویرساز هوش مصنوعی، رویکرد متفاوتی به پرامپت منفی دارد. بیایید مهم‌ترین آن‌ها را بررسی کنیم:

Stable Diffusion

این ابزار کامل‌ترین پشتیبانی را از پرامپت منفی دارد. در رابط‌های کاربری محبوب مثل Automatic1111 یا ComfyUI، یک فیلد جداگانه برای پرامپت منفی وجود دارد. کافی است عبارت‌های ناخواسته را در آن بنویسید. حتی می‌توانید با استفاده از پرانتز و وزن‌دهی (مثلاً (blurry:1.4)) شدت تأثیر هر عبارت را تنظیم کنید.

Midjourney

در میدجرنی، می‌توانید از پارامتر --no استفاده کنید. مثلاً اگر بنویسید: «a beautiful garden --no people, fences» مدل سعی می‌کند تصویری از یک باغ زیبا بدون آدم و حصار تولید کند. البته توجه داشته باشید که پرامپت منفی در میدجرنی به اندازه‌ی Stable Diffusion قدرتمند و منعطف نیست.

DALL·E

دل‌ای (نسخه‌های ارائه‌شده از طریق ChatGPT) به صورت رسمی فیلد جداگانه‌ای برای پرامپت منفی ندارد. اما می‌توانید در متن پرامپت خود از عبارت‌هایی مثل «without» و «no» استفاده کنید. مثلاً: «A cat sitting on a sofa, no humans, no text overlays». البته تأثیر این روش کمتر از یک فیلد اختصاصی پرامپت منفی است.

ساختار یک پرامپت منفی خوب

برای نوشتن یک پرامپت منفی مؤثر، پیشنهاد می‌کنیم از این ساختار سه‌لایه‌ای استفاده کنید:

لایه‌ی اول — نقص‌های عمومی: این عبارت‌ها تقریباً در همه‌ی پرامپت‌های منفی کاربرد دارند و کیفیت پایه‌ی تصویر را تضمین می‌کنند. مثال: low quality, worst quality, blurry, pixelated, noisy, jpeg artifacts, watermark, text, signature, username, bad anatomy, deformed, mutated, disfigured, extra limbs, extra fingers, missing fingers.

لایه‌ی دوم — سبک‌های ناخواسته: بسته به نوع تصویری که می‌خواهید، سبک‌هایی که نمی‌خواهید را مشخص کنید. مثلاً اگر تصویر واقع‌گرایانه می‌خواهید: cartoon, anime, 3d render, illustration, painting, sketch, drawing. یا اگر تصویر مینیمال می‌خواهید: cluttered, busy background, too many details, ornate.

لایه‌ی سوم — عناصر خاص محتوایی: این لایه مختص هر تصویر است. مثلاً اگر عکس پرتره می‌سازید: other people, crowd, full body, sunglasses. یا اگر منظره‌ی طبیعی می‌سازید: buildings, cars, roads, power lines, people.

۱۰ اشتباه رایج در استفاده از پرامپت منفی

۱. بیش از حد شلوغ کردن پرامپت منفی: اگر صدها عبارت در پرامپت منفی بنویسید، مدل ممکن است «سردرگم» شود و خروجی مبهم و بی‌روح تولید کند. سعی کنید پرامپت منفی خود را متمرکز و هدفمند نگه دارید.

۲. تناقض با پرامپت مثبت: اگر در پرامپت مثبت بنویسید «یک نقاشی رنگ‌روغن» و در پرامپت منفی بنویسید «painting»، مدل با تناقض مواجه می‌شود و نتیجه غیرقابل پیش‌بینی خواهد بود.

۳. انتظار معجزه از پرامپت منفی: پرامپت منفی ابزار کمکی قدرتمندی است، اما نمی‌تواند یک پرامپت مثبت ضعیف را نجات دهد. همیشه اول روی قوی کردن پرامپت مثبت تمرکز کنید.

۴. نادیده گرفتن تفاوت ابزارها: همان‌طور که گفتیم، هر ابزار رویکرد متفاوتی دارد. پرامپت منفی‌ای که در Stable Diffusion عالی کار می‌کند، لزوماً در Midjourney همان نتیجه را نمی‌دهد.

۵. استفاده نکردن از وزن‌دهی: در ابزارهایی مثل Stable Diffusion که امکان وزن‌دهی دارند، از این قابلیت استفاده کنید. مثلاً اگر مهم‌ترین نگرانی شما تاری تصویر است، (blurry:1.5) تأثیر بیشتری از blurry ساده دارد.

۶. کپی کردن کورکورانه از دیگران: پرامپت‌های منفی آماده‌ای که در اینترنت پیدا می‌کنید، ممکن است برای مدل، نسخه یا سناریوی شما مناسب نباشند. همیشه آن‌ها را بررسی و شخصی‌سازی کنید.

۷. فراموش کردن آپدیت‌های مدل: وقتی مدل جدیدی منتشر می‌شود (مثلاً از SDXL به SD3)، نقص‌های رایج آن ممکن است تغییر کند. پرامپت‌های منفی خود را با هر مدل جدید بازبینی کنید.

۸. ننوشتن به زبان مدل: اکثر مدل‌ها با داده‌های انگلیسی آموزش دیده‌اند. پرامپت منفی فارسی معمولاً تأثیر کمتری دارد. پیشنهاد می‌شود پرامپت منفی را به انگلیسی بنویسید.

۹. غفلت از تست و مقایسه: بهترین راه یادگیری، تولید دو تصویر با پرامپت مثبت یکسان — یکی با پرامپت منفی و یکی بدون آن — و مقایسه‌ی نتایج است.

۱۰. فقط استفاده‌ی یک‌باره: پرامپت منفی یک فرآیند تکراری (Iterative) است. بعد از هر خروجی، ببینید چه چیزی ناخواسته بوده و آن را به پرامپت منفی اضافه کنید.

نمونه‌های کاربردی پرامپت منفی

بیایید چند سناریوی واقعی را با هم بررسی کنیم:

سناریوی ۱: عکس پرتره‌ی واقع‌گرایانه

پرامپت مثبت: A professional portrait photo of a young woman, soft studio lighting, shallow depth of field, 85mm lens, 8k

پرامپت منفی: cartoon, anime, illustration, painting, blurry, low quality, bad anatomy, deformed face, extra fingers, watermark, text, cropped, out of frame, worst quality, ugly

سناریوی ۲: تصویرسازی فانتزی

پرامپت مثبت: A magical forest with glowing mushrooms, fairy lights, mystical atmosphere, digital art, highly detailed

پرامپت منفی: photorealistic, photo, modern buildings, cars, people, low quality, blurry, text, watermark, dull colors, dark, gloomy

سناریوی ۳: طراحی محصول (مثلاً بسته‌بندی)

پرامپت مثبت: Minimalist packaging design for organic tea, clean white background, elegant typography, product photography

پرامپت منفی: cluttered, busy background, too many colors, cartoon, hand-drawn, people, low resolution, pixelated, watermark, blurry text

یک الگوی آماده برای شروع

اگر تازه‌کار هستید و نمی‌دانید پرامپت منفی‌تان را از کجا شروع کنید، این الگوی پایه‌ی کاربردی را امتحان کنید و سپس بر اساس نیاز خود آن را شخصی‌سازی کنید:

الگوی پایه: low quality, worst quality, blurry, pixelated, noisy, watermark, text, signature, bad anatomy, deformed, extra limbs, extra fingers, ugly, duplicate, error

این الگو را به‌عنوان نقطه‌ی شروع در نظر بگیرید و با هر تجربه‌ی جدید، آن را اصلاح و بهینه کنید. به مرور زمان، مجموعه‌ی شخصی خود از پرامپت‌های منفی را خواهید ساخت که دقیقاً مطابق سلیقه و نیازتان عمل می‌کند.

جمع‌بندی

پرامپت منفی یکی از مهم‌ترین ابزارهای شما برای کنترل کیفیت و محتوای تصاویر تولیدشده توسط هوش مصنوعی است. با درک درست مفهوم آن، شناخت ابزارهای مختلف و تمرین مداوم، می‌توانید خروجی‌های بسیار باکیفیت‌تر و دقیق‌تری تولید کنید. فراموش نکنید که مهارت نوشتن پرامپت منفی خوب، مانند هر مهارت دیگری، با تمرین و تجربه بهتر می‌شود. پس همین امروز شروع کنید و نتایج شگفت‌انگیز آن را ببینید!