# Negative prompter forklaret: hvornår de skal bruges, og hvordan

Canonical: https://romeoapps.app/da/larpgpt/negative-prompts-explained/
Author: Roméo Gambino · Published: 2026-09-10 · Updated: 2026-09-10 · App: LarpGPT (https://romeoapps.app/da/larpgpt/)

Hvilken negativ prompt er, hvilke billedværktøjer dokumenterer en, hvordan Midjourney's --no og Stable Diffusion's negative_prompt fungerer, og hvorfor man skal bruge dem sparsomt.

## Hvilken negativ prompt er

En negativ prompt er en liste over ting, du ikke ønsker i et genereret billede, givet til værktøjet separat fra beskrivelsen af, hvad du ønsker. I stedet for at skrive en gade om natten uden mennesker, beskriver du gaden og sætter folk på negativlisten. Ideen er enkel, men værktøjer håndterer det meget forskelligt, og nogle tilbyder slet ikke et separat negativt felt. At vide, hvilken situation du er i, sparer en masse mislykkede forsøg.


## Hvorfor det ofte mislykkes at skrive nej inde i prompten

Billedmodeller reagerer på ordene i en prompt. At nævne noget, selv for at udelukke det, kan trække det ind i billedet. Midjourney's dokumentation giver netop denne slags eksempler som en dårlig prompt: et stillebenmaleri beskrevet som uden frugt eller med en høflig anmodning om ikke at tilføje frugt. Det anbefalede alternativ er at flytte de uønskede elementer ind i den dedikerede parameter. Den samme logik gør sig gældende andre steder: en sætning fuld af udelukkelser holder de udelukkede ting i modellens opmærksomhed.


## Midjourney: parameteren --no

Midjourney dokumenterer en --no-parameter, tilføjet i slutningen af prompten og efterfulgt af tingen eller listen over ting, du ikke ønsker, adskilt af kommaer. Dens eget eksempel er "stilleben gouache maleri --no frugt, æble, pære". Dokumentationen forklarer også, at brug af --no er det samme som at give en del af en multi-prompt en vægt på minus 0,5, hvilket er en nyttig påmindelse om, at det reducerer noget i stedet for at garantere dets fravær.


## Fælden i Midjourney's --no

Den samme dokumentation advarer om, at Midjourneys moderation læser hvert ord efter --no uafhængigt. En sætning som moderne tøj læses som to separate ord, og ordet tøj i sig selv kan udløse en advarsel. I sådanne tilfælde anbefaler dokumentationen at inkludere den slags tøj, du ønsker, i hovedprompten i stedet for at bruge --no. Mere generelt, hold hvert udelukket element til et enkelt, utvetydigt ord, hvor du kan.


## Stable Diffusion: negative_prompt-argumentet

I Hugging Face diffusers-biblioteket har Stable Diffusion tekst-til-billede-pipeline et valgfrit negative_prompt-argument, beskrevet i dens dokumentation som den eller de prompter, der guider, hvad der ikke skal inkluderes i billedgenerering. Dokumentationen tilføjer en detalje, der er værd at vide: den negative prompt ignoreres, når vejledning ikke bruges, hvilket betyder, når vejledningsskalaen er under én.


## ChatGPT og OpenAIs billedmodeller

OpenAI's billedgenereringsdokumentation beskriver i skrivende stund ikke et separat negativt promptfelt for dets GPT Image-modeller. Med samtaleværktøjer kan du stadig skrive ekskluderinger i en sætning, men den mest pålidelige tilgang er den, der virker overalt: beskriv, hvad der skal være der. Hvis du ikke vil have folk i en gade, beskriv en tom gade ved daggry med butikkerne stadig lukkede. Det giver modellen et positivt billede at bygge frem for en liste over ting, der skal undgås.


## Beskriv først alternativet

Før du rækker ud efter en negativ, så spørg, hvad du vil have i stedet for det uønskede element. Rod på et skrivebord bliver et overskueligt skrivebord med én notesbog og en lampe. En travl baggrund bliver en almindelig betonvæg. Barske skygger bliver til blødt overskyet lys. Næsten alle negativer har en positiv version, og den positive version fungerer normalt bedre, fordi den begrænser billedet i stedet for at efterlade et hul, som modellen udfylder med noget andet.


## Når en negativ prompt er det rigtige værktøj

Negativer er mest nyttige til ting, der har en tendens til at virke uopfordret og ikke har nogen naturlig positiv modsætning: tekst, bogstaver, vandmærker, logoer, kanter eller rammer. De hjælper også, når en generator bliver ved med at tilføje et tilbagevendende element, såsom mennesker i et landskab eller linseudstråling i en solnedgang, efter at du allerede har beskrevet scenen klart. I disse tilfælde er en kort udelukkelse lettere end at omskrive hele scenen.


## Hold listen kort

Lange negative lister er en almindelig vane kopieret fra delte meddelelser, ofte fyldt med generiske ord om kvalitet. De hjælper sjældent og kan gøre resultater sværere at forudsige, fordi hvert ord på listen skubber billedet i en eller anden retning. Start med ingen negativer overhovedet. Tilføj kun et, når et specifikt uønsket element bliver ved med at dukke op, tjek om det virkede, og fjern det igen, hvis det ikke gjorde det. To eller tre præcise punkter er lettere at ræsonnere om end tyve vage.


## Brug navneord, ikke kvaliteter

Negativer fungerer bedst med konkrete ting: tekst, mennesker, biler, træer, vandmærke. Abstrakte egenskaber som grim, dårlig eller lav kvalitet er svære for en model at fortolke, og de siger intet om, hvad man egentlig vil ændre. Hvis et billede ser forkert ud, skal du finde ud af, hvad der er fysisk galt med det, om det er hænderne, reflekserne eller en ekstra genstand, og adressere det direkte, enten i beskrivelsen eller med en præcis udelukkelse.


## Test en negativ ad gangen

Behandl en negativ som enhver anden ændring til en prompt. Generer billedet uden det, tilføj derefter en enkelt ekskludering og generér igen, mens alt andet er det samme. Hvis det uønskede element forsvinder, og intet andet går i stykker, behold det. Hvis billedet ændrer sig på måder, du ikke havde forventet, gjorde det negative mere, end du havde tænkt dig. Denne vane lærer dig også, hvilke udelukkelser der er værd at gemme til senere, og hvilke der var overtro.


## Negativer erstatter ikke kontrol

Ingen udelukkelse garanterer fravær. Midjourney beskriver --no som en reduktion i vægt, og diffusers beskriver negative_prompt som vejledning. Se på hvert billede, før du bruger det: tekst kan stadig forekomme på skilte, en logolignende form kan forekomme på tøj, og en figur kan dukke op i det fjerne. Hvis et billede kan tages til et rigtigt fotografi, skal du mærke det som genereret.


## Hvor LarpGPT passer

LarpGPT er et bibliotek af fotoprompter til rejser, arkitektur, biler og livsstilsscener, skrevet mest som positive beskrivelser af motiv, komposition, lys og linse, hvilket reducerer behovet for lange negativlister. Du kopierer en prompt ind i den billedgenerator, du allerede bruger, og tilføjer eventuelle undtagelser, som værktøjet understøtter. LarpGPT genererer ikke billeder, og resultaterne varierer mellem forsøgene.


## Spørgsmål

### Hvad er en negativ prompt?

En liste over ting, du ikke ønsker i et genereret billede, givet separat fra hovedbeskrivelsen. Midjourney bruger --no-parameteren, og Stable Diffusion i diffusers-biblioteket bruger et negative_prompt-argument.

### Understøtter ChatGPT negative prompter?

OpenAI's billedgenereringsdokumentation beskriver ikke et separat negativt promptfelt i skrivende stund. At beskrive, hvad du ønsker i stedet, såsom en tom gade frem for en gade uden mennesker, er den mere pålidelige tilgang.

### Hvorfor tilføjer skrivning uden noget det til billedet?

Modeller reagerer på ordene i prompten, så navngivning af et objekt, selv for at udelukke det, kan bringe det ind i billedet. Midjourney's dokumentation angiver dette som et dårligt promptmønster og anbefaler --no-parameteren i stedet.

### Hvor mange elementer skal en negativ prompt indeholde?

Så få som muligt. Start med ingen, tilføj et præcist element, når et uønsket element bliver ved med at dukke op, og fjern det, hvis det ikke hjælper. Lange generiske lister gør resultater sværere at forudsige.

## Yderligere læsning

- Midjourney documentation: No (archived copy, July 2026) — https://web.archive.org/web/20260731111101/https://docs.midjourney.com/hc/en-us/articles/32173351982093-No
- Hugging Face diffusers: Stable Diffusion text-to-image pipeline — https://huggingface.co/docs/diffusers/api/pipelines/stable_diffusion/text2img
- Hugging Face diffusers: Prompting and weighted prompts — https://huggingface.co/docs/diffusers/using-diffusers/weighted_prompts
- OpenAI API documentation: Image generation — https://platform.openai.com/docs/guides/image-generation