Negativa uppmaningar förklaras: när de ska användas och hur

Vilken negativ uppmaning är

En negativ prompt är en lista över saker du inte vill ha i en genererad bild, som ges till verktyget separat från beskrivningen av vad du vill ha. Istället för att skriva en gata på natten utan folk beskriver du gatan och sätter folk på negativlistan. Idén är enkel, men verktyg hanterar det väldigt olika, och vissa erbjuder inte ett separat negativt fält alls. Att veta vilken situation man befinner sig i sparar många misslyckade försök.

Varför det ofta misslyckas att skriva nej i prompten

Bildmodeller svarar på orden som finns i en uppmaning. Att nämna något, även för att utesluta det, kan dra in det i bilden. Midjourney:s dokumentation ger exakt den här typen av exempel som en dålig uppmaning: en stillebenmålning som beskrivs som utan frukt, eller med en artig begäran om att inte lägga till frukt. Det rekommenderade alternativet är att flytta de oönskade elementen till den dedikerade parametern. Samma logik gäller på andra håll: en mening full av uteslutningar håller de uteslutna sakerna i modellens uppmärksamhet.

Midjourney: parametern --no

Midjourney dokumenterar en --no-parameter, läggs till i slutet av prompten och följs av saken eller listan över saker du inte vill ha, separerade med kommatecken. Dess eget exempel är "stilleben gouachemålning --no frukt, äpple, päron". Dokumentationen förklarar också att användning av --no är detsamma som att ge en del av en multi-prompt en vikt på minus 0,5, vilket är en användbar påminnelse om att det minskar något snarare än att garantera dess frånvaro.

Fällan i Midjourney:s --no

Samma dokumentation varnar för att Midjourney:s moderering läser varje ord efter --no oberoende. En fras som moderna kläder läses som två separata ord, och ordet kläder i sig kan utlösa en varning. I sådana fall råder dokumentationen att inkludera vilken typ av kläder du vill ha i huvuduppmaningen istället för att använda --no. Mer generellt, håll varje uteslutet objekt till ett enda, entydigt ord där du kan.

Stable Diffusion: negative_prompt-argumentet

I Hugging Face diffusers-biblioteket har Stable Diffusion text-till-bild-pipeline ett valfritt negative_prompt-argument, beskrivet i dess dokumentation som uppmaningen eller uppmaningarna som vägleder vad som inte ska inkluderas i bildgenereringen. Dokumentationen lägger till en detalj värd att veta: den negativa prompten ignoreras när vägledning inte används, vilket betyder när vägledningsskalan är under ett.

ChatGPT och OpenAI:s bildmodeller

OpenAIs bildgenereringsdokumentation, i skrivande stund, beskriver inte ett separat negativt meddelandefält för dess GPT Image-modeller. Med konversationsverktyg kan du fortfarande skriva uteslutningar i en mening, men den mest tillförlitliga metoden är den som fungerar överallt: beskriv vad som ska finnas där. Om du inte vill ha folk på en gata, beskriv en tom gata i gryningen med butikerna fortfarande stängda. Det ger modellen en positiv bild att bygga snarare än en lista över saker att undvika.

Beskriv alternativet först

Innan du sträcker dig efter ett negativt, fråga vad du vill ha i stället för det oönskade elementet. Skräp på ett skrivbord blir ett tydligt skrivbord med en anteckningsbok och en lampa. En upptagen bakgrund blir en vanlig betongvägg. Hårda skuggor blir mjukt mulet ljus. Nästan varje negativ har en positiv version, och den positiva versionen fungerar oftast bättre, eftersom den begränsar bilden istället för att lämna ett tomrum som modellen fyller med något annat.

När en negativ prompt är rätt verktyg

Negativ är mest användbara för saker som tenderar att verka objudna och inte har någon naturlig positiv motsats: text, bokstäver, vattenstämplar, logotyper, kanter eller ramar. De hjälper också när en generator fortsätter att lägga till ett återkommande element, till exempel människor i ett landskap eller linsljus i en solnedgång, efter att du redan har beskrivit scenen tydligt. I dessa fall är en kort uteslutning enklare än att skriva om hela scenen.

Håll listan kort

Långa negativa listor är en vanlig vana som kopieras från delade uppmaningar, ofta fyllda med allmänna ord om kvalitet. De hjälper sällan och kan göra resultat svårare att förutse, eftersom varje ord i listan skjuter bilden i någon riktning. Börja med inga negativa alls. Lägg bara till ett när ett specifikt oönskat element fortsätter att dyka upp, kontrollera om det fungerade och ta bort det igen om det inte gjorde det. Två eller tre exakta saker är lättare att resonera kring än tjugo vaga.

Använd substantiv, inte egenskaper

Negativ fungerar bäst med konkreta saker: text, människor, bilar, träd, vattenstämpel. Abstrakta egenskaper som ful, dålig eller låg kvalitet är svåra för en modell att tolka, och de säger ingenting om vad man faktiskt vill förändra. Om en bild ser fel ut, ta reda på vad som är fysiskt fel på den, om händerna, reflektionerna eller ett extra föremål, och ta upp det direkt, antingen i beskrivningen eller med en exakt uteslutning.

Testa ett negativt i taget

Behandla ett negativt som alla andra förändringar av en prompt. Generera bilden utan den, lägg sedan till en enda uteslutning och generera igen, med allt annat som detsamma. Om det oönskade elementet försvinner och inget annat går sönder, behåll det. Om bilden förändras på ett sätt som du inte förväntade dig, gjorde det negativa mer än du tänkt dig. Denna vana lär dig också vilka uteslutningar som är värda att spara till senare och vilka som var vidskepelse.

Negativ ersätter inte kontroll

Ingen uteslutning garanterar frånvaro. Midjourney beskriver --no som en viktminskning och diffusers beskriver negative_prompt som vägledning. Titta på varje bild innan du använder den: text kan fortfarande förekomma på skyltar, en logotyp kan visas på kläder och en figur kan dyka upp på avstånd. Om en bild kan vara tagen för ett riktigt fotografi, märk den som genererad.

Där LarpGPT passar

LarpGPT är ett bibliotek med fotoprompter för resor, arkitektur, bilar och livsstilsscener, skrivna mestadels som positiva beskrivningar av motiv, komposition, ljussättning och lins, vilket minskar behovet av långa negativa listor. Du kopierar en prompt till bildgeneratorn du redan använder och lägger till eventuella undantag som verktyget stöder. LarpGPT genererar inga bilder och resultaten varierar mellan försöken.

Läs vidare

• Midjourney documentation: No (archived copy, July 2026)
• Hugging Face diffusers: Stable Diffusion text-to-image pipeline
• Hugging Face diffusers: Prompting and weighted prompts
• OpenAI API documentation: Image generation