Panduan Prompt Stable Diffusion untuk Kartu Natal Bergambar

Panduan prompt Stable Diffusion untuk kartu Natal bergambar yang ditulis oleh orang yang mengirim 200 kartu setahun harus dimulai dengan ini: kebanyakan tutorial dioptimalkan untuk output fotorealistis, dan jika Anda mencoba menghasilkan kartu yang terlihat seperti lukisan, Anda bekerja melawannya dari kata pertama. Anda membutuhkan segelintir token gaya untuk ilustrasi, prompt negatif yang memblokir apa yang tidak bisa ditangani percetakan, dan CFG scale 7, bukan yang default. Sisanya adalah apa yang saya pelajari dalam dua lari Desember.

Mengapa prompt ilustrasi gagal ketika Anda menyalin pengaturan dari tutorial fotografi

Pertama kali saya mencoba membuat Stable Diffusion menghasilkan sesuatu yang terlihat seperti kartu yang dilukis, saya menggunakan pengaturan yang saya lihat dalam tutorial YouTube untuk potret fotorealistis. CFG scale di 12, DPM++ 2M Karras di 40 langkah, dan prompt yang dimulai dengan "fotorealistis, 8K, sangat detail." Apa yang saya dapatkan adalah pemandangan Natal yang terlihat seperti foto stok yang seseorang goresan dengan filter cat air di lima detik terakhir.

Masalahnya struktural. Prompt foto dioptimalkan untuk menekan interpretasi artistik. Model diberitahu untuk tetap dekat dengan apa yang akan dilihat kamera, jadi semua token yang mendorong ke arah ilustrasi, goresan kuas longgar, dan kehangatan cat air melawan modifier kualitas. Anda tidak dapat menambahkan "kartu Natal cat air" ke prompt bias fotorealisme dan mengharapkan model mengetahui yang mana menang.

Masalah lainnya adalah harapan resolusi. Kartu yang pergi ke percetakan membutuhkan minimal 300 DPI pada ukuran kartu fisik, biasanya 148 x 105mm atau 5 x 7 inci. Output 512x512 dari model dasar SD 1.5 tidak akan bertahan diperbesar ke ukuran itu. SDXL output pada 1024x1024 secara default, yang memberikan sesuatu untuk dikerjakan, tetapi Anda masih ingin meminta kualitas di tahap generasi, bukan berharap Anda dapat upscale demi itu setelahnya.

Ini yang benar-benar mengubah output: hapus token fotorealisme terlebih dahulu, kemudian bangun ulang prompt di sekitar medium yang Anda inginkan. Kartu Natal cat air adalah arsitektur prompt yang benar-benar berbeda dari foto Natal yang realistis, dan memperlakukannya demikian dari awal mengurangi waktu iterasi kurang lebih setengahnya.

Lima token gaya yang mengubah output datar menjadi sesuatu yang layak dicetak

Tidak semua token gaya memiliki bobot yang sama. Dari batch yang saya jalankan untuk klien percetakan, lima ini secara konsisten menggeser output ke arah sesuatu yang bisa saya kirim ke percetakan tanpa malu.

"gouache illustration" atau "watercolor painting" - bukan keduanya sekaligus. Mencampur media lukisan dalam satu prompt biasanya menghasilkan lumpur. Pilih satu dan pertahankan.

"vintage greeting card aesthetic" - frasa tunggal ini menarik model ke arah konvensi ilustrasi pertengahan abad: warna lebih datar, garis besar lebih bersih, lebih sedikit kebisingan fotografi. Ini juga cenderung melembutkan kesempurnaan digital yang membuat gambar AI terlihat segera seperti AI.

"loose brushwork, soft edges" - tanpa ini, prompt cat air sering menghasilkan sesuatu yang terlihat lebih seperti preset cat air digital daripada cat air aktual. Spesifisitas perilaku kuas membantu.

"warm color temperature, limited palette" - kartu Natal dengan 40 warna jenuh yang saling bertentangan tidak cetak dengan baik. Menginstruksikan model untuk membatasi palet sejak awal menghasilkan hasil yang lebih kohesif saat dicetak.

"no text, no watermark" - ya, dalam prompt positif juga sama dengan negatif. Memilikinya dua kali bukan redundan. Model SD telah melihat cukup banyak gambar dengan teks overlay sehingga instruksi perlu diperkuat jika Anda ingin area kerja yang bersih.

Pada urutan token: letakkan token yang paling penting di depan. Untuk karya ilustrasi, itu berarti medium lebih dulu, subjek kedua, referensi gaya ketiga. Sesuatu seperti "watercolor painting, vintage greeting card aesthetic, [subjek Anda], loose brushwork, soft edges, warm color temperature, limited palette, no text, no watermark." Tag kualitas seperti "highly detailed" datang setelah token gaya, bukan sebelumnya.

Apa yang harus dimasukkan dalam prompt negatif ketika kartu dicetak oleh percetakan

Prompt negatif adalah tempat Anda merebut kembali kontrol atas apa yang akan SD default jika Anda tidak spesifik. Untuk pencetakan kartu, taruhannya sedikit berbeda dari penggunaan pribadi: artefak yang terlihat kecil di layar dapat menjadi cacat yang terlihat pada 300gsm, 5x7 inci.

Untuk karya kartu Natal berillustasi, ini adalah prompt negatif yang saat ini saya gunakan sebagai titik awal:

lowres, bad anatomy, bad hands, text, error, watermark, signature, username, blurry, pixelated, photorealistic, 3d render, CGI, extra fingers, cropped edges, overexposed, color banding, jpeg artifacts, stock photo

Beberapa di antaranya perlu dijelaskan. "Photorealistic" dan "3d render" dalam prompt negatif memberi tahu model untuk menghindari mode rendering yang menggarisbawahi estetika ilustrasi. Jika Anda menargetkan cat air, Anda tidak ingin model menyimpang ke hibrida yang setengah-dilukis, setengah-fotografi.

"Color banding" layak ditambahkan jika Anda akan mencetak. Banding digital dalam gradien tidak selalu terlihat di monitor tetapi cenderung muncul dalam pencetakan offset. Menandainya di tingkat prompt mengurangi seberapa sering Anda melihatnya.

"Cropped edges" penting untuk tata letak kartu. SD memotong secara agresif secara default ketika subjek terasa terlalu besar untuk frame. Kartu dengan setengah pohon pinus terlihat di tepi kanan tidak berguna untuk percetakan.

CFG scale berinteraksi dengan prompt negatif Anda dengan cara yang layak dipahami. Pada CFG 12, model memperkuat instruksi positif dan negatif, yang dapat menyebabkan over-koreksi: Anda memintanya menghindari teks, dan mulai meringkuk apa pun yang mungkin terlihat seperti huruf. CFG 7 memberikan bobot pada prompt negatif tanpa risiko artefak ini.

Skala CFG dan sampler: dua pengaturan yang paling sering disalahpahami untuk gaya seni

Kebanyakan tutorial SD merekomendasikan memulai di CFG 7 dan menyesuaikan dari sana. Untuk karya fotorealistis itu masuk akal. Untuk ilustrasi, itu hampir selalu tempat yang tepat untuk tinggal.

CFG scale mengontrol seberapa ketat model mematuhi prompt Anda versus menjalankan interpretasinya sendiri. Nilai tinggi (10-14) memaksa kepatuhan begitu kaku sehingga model artefak: oversaturasi, tekstur berlilin, ledakan warna di sudut. Untuk karya cat air khususnya, CFG 10 atau lebih cenderung menghasilkan gumpalan jenuh daripada cuci delicate. Rekomendasi berdasarkan konsensus komunitas dan pengujian saya sendiri: tetap di CFG 7 untuk karya cat air dan pastel minyak, dan hanya pindah ke CFG 8-9 jika output menyimpang terlalu jauh dari subjek Anda.

Untuk sampler, DPM++ 2M Karras pada 20-25 langkah adalah baseline yang dapat diandalkan. Ini menghasilkan output ilustrasi yang konsisten dan merupakan standar komunitas dengan alasan yang bagus. Euler a pada 30 langkah bekerja dengan baik untuk hasil yang sedikit lebih longgar; DDIM cenderung lebih lambat tanpa menambah kualitas untuk jenis output ini. Jika Anda menjalankan SD 1.5 daripada SDXL, turunkan ke 512x512 dengan pengaturan ini dan rencanakan upscale dengan model seperti Remacri, yang mempertahankan karakter ilustrasi lebih baik daripada Real-ESRGAN untuk karya yang dilukis.

Langkah di luar 30 jarang meningkatkan kualitas ilustrasi dan menambah waktu pemrosesan. Untuk run prototyping kartu, 20 langkah pada CFG 7 cukup cepat untuk mengulangi lusin versi dalam sore hari.

Cara menulis prompt di sekitar gaya referensi yang ada di kepala Anda

Frustrasi prompting paling umum yang saya dengar dari pembuat kartu adalah ini: "Saya tahu persis bagaimana tampilannya, dan saya tidak bisa membuat model memahami." Ini biasanya masalah kosa kata, bukan masalah kemampuan.

SD telah belajar dari korpus besar gambar berlabel, yang berarti merespons dengan lebih baik ke gaya bernama dan artis bernama daripada deskripsi bagaimana rasanya gaya. "Hangat dan melukis" tidak jelas. "Ilustrasi pastel minyak, kartu liburan Amerika pertengahan abad, palet Norman Rockwell" cukup spesifik untuk model segitiga.

Pendekatan yang berguna ketika Anda memiliki gaya di kepala Anda: bekerja mundur dari referensi sejarahnya. Sebagian besar estetika kartu liburan memetakan ke salah satu cluster ini.

Kartu Natal Amerika 1940-1960-an - karya ilustrasi pasar massal dari era emas Hallmark. Tanda tangan visual: bidang warna datar-ish, finish sedikit kapur, komposisi dibangun di atas siluet dan sumber cahaya. Token berguna: "mid-century American Christmas illustration, gouache, flat color fields, warm amber and deep indigo palette."

Kartu Inggris Victoria dan Edwardian - tradisi era Kate Greenaway dan inovasi pencetakan Louis Prang tahun 1880-an. Detail padat, motif botanis, burung robin di cabang bersalju, hijau jenuh dalam dan merah. Token: "Victorian Christmas card style, detailed botanical illustration, deep jewel tones, Kate Greenaway influence."

Natal Skandinavia 1970-an dan 1980-an - garis bersih, palet terbatas (sering krim, merah terbakar, biru tua), kualitas geometris di pohon dan angka. Token: "Scandinavian Christmas illustration, linework, limited three-color palette, cream and deep red, geometric pine trees."

Semakin bersih referensi gaya Anda, semakin sedikit pekerjaan yang Anda tinggalkan pada model, dan semakin sedikit koreksi yang Anda butuhkan setelahnya. Ketika saya membuat prototipe desain kartu baru, saya membangun token referensi gaya terlebih dahulu, menguji beberapa output, kemudian memberi lapisan detail subjek spesifik.

Tiga prompt yang telah diuji untuk cat air, pastel minyak, dan gaya kartu pos vintage

Ini adalah tiga prompt yang saya jalankan Desember lalu untuk klien percetakan kartu. Mereka bukan template - salinkan dan output Anda akan terlihat berbeda dari milik saya karena model bervariasi - tetapi mereka berfungsi sebagai titik awal kerja.

Pemandangan pondok cat air Prompt: watercolor painting, vintage greeting card aesthetic, snow-covered English cottage with warm glowing windows, pine trees, soft wet-on-wet brushwork, pale blue-grey winter sky, loose delicate washes, limited warm palette, highly detailed illustration, no text, no watermark Negatif: lowres, text, watermark, photorealistic, 3d render, color banding, cropped edges, bad anatomy, blurry Pengaturan: CFG 7, DPM++ 2M Karras, 22 langkah, 1024x1024

Siluet keluarga pastel minyak Prompt: oil pastel illustration, mid-century American Christmas card, family silhouette walking through snowy woodland with lantern, warm amber and deep blue palette, rich textured pastels, flat color fields, hand-rendered quality, highly detailed, no text, no watermark Negatif: photorealistic, 3d render, CGI, text, watermark, stock photo, color banding Pengaturan: CFG 8, DPM++ 2M Karras, 25 langkah, 1024x1024

Robin kartu pos vintage Prompt: vintage Christmas postcard illustration, robin redbreast on snow-covered holly branch, Victorian greeting card style, deep jewel tones, detailed botanical, cream background, red berries, ink-and-watercolor hybrid, no text, no watermark Negatif: photorealistic, 3d render, text, watermark, blurry, cropped Pengaturan: CFG 7, Euler a, 28 langkah, 1024x1024

Jalankan masing-masing pada tiga seed berbeda sebelum berkomitmen pada arah. Apa yang Anda lihat dalam output pertama tidak selalu representatif - seed ketiga sering menghasilkan sesuatu yang tidak bisa ditemukan yang pertama.

Yang dibutuhkan file sebelum melewati lipatan

Mendapatkan ilustrasi yang baik dari SD adalah setengah pertama. Setengah kedua adalah membuatnya siap cetak, dan ini adalah tempat orang paling sering kehilangan gambar yang baik.

Resolusi kerja minimum untuk kartu 5x7 inci pada 300 DPI adalah 1500x2100 piksel. Output SDXL pada 1024x1024 terlalu kecil untuk 5x7, jadi Anda perlu upscale sebelum mengirim ke percetakan. Untuk karya yang dilukis, Remacri atau 4x-UltraSharp mempertahankan kelembutan tepi lebih baik daripada Real-ESRGAN 4x Plus, yang mempertajam segalanya dan dapat membuat cat air longgar terlihat tajam ke arah yang salah.

Lipatan itu sendiri adalah tempat masalah muncul. Output SD cenderung memusatkan detail paling penting di pusat. Jika kartu dilipat di sepanjang pusat vertikal, yang kebanyakan 5x7 lakukan, periksa bahwa setengah komposisi tidak dipotong oleh lipatan. Bidang tanah, cakrawala, dan figur sentral apa pun harus duduk di setengah atau yang lain, bukan merayap ke celah.

Profi warna: percetakan umumnya menginginkan file CMYK atau minimal sRGB. Output SD dalam sRGB. Konversi ke CMYK menggeser biru dan merah tertentu; angkatan laut cenderung berubah sedikit ungu dan merah murni bisa kusam. Konversi sebelum mengirim dan periksa proof di layar daripada file sRGB asli.

Anda akan melihat perbedaannya pada 300gsm. Itulah ketika ilustrasi memegang karakternya atau runtuh menjadi sesuatu yang membutuhkan satu iterasi lagi.