Générateur de prompts Stable Diffusion

Stable Diffusion ne lit pas un prompt comme un chatbot. Il tokenise votre texte, le transforme en embedding, et utilise cet embedding pour orienter chaque étape de débruitage, du bruit pur vers une image. Une phrase polie en anglais dépense l'essentiel de son budget en mots qui ne portent aucun signal visuel. Une pile serrée de noms et de modificateurs le dépense entièrement en pixels.

Le générateur ci-dessus est notre générateur de prompts d'images préréglé pour Stable Diffusion : il vous rend des étiquettes séparées par des virgules plus un prompt négatif assorti, au lieu de la prose. Tout tourne dans votre navigateur. Rien n'est envoyé, rien n'est stocké, et il n'y a aucun compte à créer.

Écrivez en mots-clés, pas en phrases

Mettez ces deux versions côte à côte :

• « A beautiful photograph of an old fisherman who is standing on a dock at sunset »
• « old fisherman, weathered face, standing on wooden dock, sunset, golden hour, 85mm, highly detailed »

Même idée. La seconde version donne au modèle une douzaine d'ancrages visuels exploitables au lieu de trois. Trois réflexes portent l'essentiel du gain :

• Commencez par le sujet. Les premiers tokens dominent en général la composition : enterrez le sujet à la fin et il sera traité comme une arrière-pensée.
• Séparez par des virgules. Chaque segment se comporte comme une étiquette que le modèle peut saisir indépendamment.
• Supprimez les adjectifs qui ne décrivent rien de visible. « amazing », « perfect » et « stunning » brûlent des tokens sans déplacer un seul pixel.

Un ordre de blocs qui tient bon d'un checkpoint à l'autre : sujet, détails du sujet, pose ou action, décor, éclairage, caméra ou médium, style artistique, étiquettes de qualité.

Treize segments, zéro remplissage. Si décrire des images avec cette précision est nouveau pour vous, le guide pour écrire des prompts d'images parcourt chaque bloc avec des exemples avant/après.

Pondération : dites au modèle ce qui compte vraiment

La plupart des interfaces Stable Diffusion (AUTOMATIC1111, Forge, ComfyUI, InvokeAI) gèrent la pondération de l'attention. Entourez un terme de parenthèses avec un nombre et vous réglez la force avec laquelle l'échantillonneur tire vers lui.

• (red scarf:1.3) — environ 30 % plus fort que la valeur par défaut
• (background:0.7) — repoussé en arrière, moins insistant
• ((crown)) — l'ancienne forme imbriquée, environ 1,21x ; le nombre explicite est plus facile à raisonner

Restez entre 0,6 et 1,5. Au-delà de 1,6 environ, vous voyez apparaître des débordements de couleur, des membres dupliqués ou un sujet qui dévore tout le cadre. Quand deux concepts se battent, baissez celui qui vous importe le moins plutôt que de monter celui que vous voulez. Baisser déforme bien moins l'image que pousser à fond.

Le prompt négatif compte ici plus que partout ailleurs

Midjourney et DALL·E ne vous donnent presque aucun contrôle sur ce qu'il faut éviter. Stable Diffusion vous offre un second prompt complet, et ce n'est pas un filtre ajouté après coup. À chaque étape, l'échantillonneur exécute le modèle deux fois : une fois conditionné par votre prompt, une fois par le négatif, puis il éloigne le résultat du négatif. Laissez ce champ vide et il utilise silencieusement la chaîne vide — d'où ces images à négatif vide si souvent molles et boueuses.

Gardez votre négatif honnête. Un mur de 60 tokens compilant tout ce que vous avez vu recommandé aplatira le style en même temps que les défauts. Commencez par l'anatomie, les artefacts de compression et les filigranes, puis n'ajoutez un terme que lorsque vous constatez réellement le problème. Notre générateur de prompts négatifs construit une liste de départ à partir du sujet que vous photographiez, ce qui vaut mieux que recopier le bloc de quelqu'un d'autre sur un forum.

CFG, steps, sampler et seed en clair

• L'échelle CFG décide de la littéralité avec laquelle le modèle obéit à votre texte. Autour de 3, il improvise. Autour de 7, il vous suit tout en gardant une texture naturelle. Au-dessus de 12, il surjoue : contraste croustillant, couleurs cramées, mains massacrées. Le photoréalisme aime 5 à 8. L'illustration tolère 7 à 10.
• Les steps, c'est le nombre de passes de débruitage. Les échantillonneurs modernes donnent une image propre entre 20 et 30. Monter à 80 achète surtout une attente plus longue et une image légèrement différente, pas meilleure.
• Le sampler est l'algorithme qui retire le bruit. DPM++ 2M Karras est la valeur sûre. Euler a est non déterministe d'une manière utile et bouge nettement selon le nombre de steps. Choisissez-en un et n'y touchez plus pendant que vous réglez le prompt.
• La seed est le motif de bruit de départ. Même graine, même prompt, mêmes réglages : la même image, à chaque fois. Cette reproductibilité est ce que Stable Diffusion a de plus précieux face aux outils fermés.

SDXL et SD 1.5 ne veulent pas les mêmes prompts

SDXL a un encodeur de texte bien plus solide : il gère des phrases naturelles courtes qui embrouilleraient la 1.5. Vous pouvez écrire « a woman reading a letter by candlelight, seventeenth century Dutch painting » et obtenir quelque chose de cohérent. Il a aussi besoin de beaucoup moins d'étiquettes de qualité. Les chaînes du genre « masterpiece, best quality, 8k, ultra detailed, trending on artstation » étaient des béquilles pour l'encodeur plus faible de la 1.5 ; sur SDXL, elles ajoutent surtout un vernis générique.

SD 1.5 récompense l'inverse : étiquettes denses, pondération explicite, négatifs plus longs, et forte dépendance aux checkpoints communautaires. Elle a été entraînée en 512x512, donc demander directement du 1024x1024 tend à produire deux têtes ou un torse dédoublé. Générez en 512x768, puis agrandissez.

SDXL a été entraînée en 1024x1024 et encaisse sans peine du 832x1216 ou du 1216x832. Donnez-lui une toile de 512 px et la qualité baisse au lieu de monter. Quelle que soit la base, gardez des dimensions multiples de 64.

Checkpoints et LoRA changent le sens de vos mots

Le même prompt donne des résultats radicalement différents selon les checkpoints, parce qu'un checkpoint est un fine-tune avec son propre vocabulaire. Les modèles anime attendent des étiquettes de style Danbooru. Les fusions photoréalistes attendent du langage de caméra. Un modèle entraîné sur de l'art légendé réagit aux noms d'artistes et de mouvements. Lisez ce que l'auteur d'un checkpoint a écrit sur Hugging Face avant de supposer que votre prompt se transpose, et consultez Stability AI pour savoir sur quoi chaque version de base a réellement été entraînée.

Les LoRA se posent par-dessus et s'invoquent avec une syntaxe du type <lora:filmgrain_v2:0.7>. Le nombre final est l'intensité. Deux ou trois LoRA à 1.0 chacun vont se battre et produire de la bouillie ; 0,5 à 0,8 se mélange en général mieux. Beaucoup de LoRA ont aussi besoin d'un mot déclencheur dans le prompt pour faire quoi que ce soit.

Itérez avec une graine fixe

C'est le workflow qui sépare ceux qui obtiennent ce qu'ils veulent de ceux qui relancent pendant une heure.

1. Générez un lot de quatre à huit sur des graines aléatoires jusqu'à ce qu'une composition s'approche.
2. Copiez cette graine et verrouillez-la.
3. Changez exactement une chose : une pondération, une étiquette, le CFG d'un point.
4. Régénérez et comparez. La composition ne bouge pas, donc l'écart que vous voyez est celui que vous avez créé.
5. Une fois le prompt au point, remettez la graine en aléatoire et sortez des variantes en lot.

La même discipline vaut pour les modèles de texte, et le raisonnement derrière est exposé dans les fondamentaux du prompt engineering. Écrire pour d'autres modèles d'image, c'est un autre dialecte : voyez le générateur de prompts Midjourney pour une syntaxe pilotée par paramètres, ou le générateur de prompts DALL·E si vous préférez des phrases descriptives complètes aux étiquettes.