Stable Diffusion Prompt-Generator

Die wichtigsten Elemente sind: (1) Hauptmotiv - was du sehen möchtest, (2) Stil - künstlerischer Stil oder Medium, (3) Qualität - Keywords wie '8k', 'highly detailed', 'masterpiece', (4) Beleuchtung - Lichtart und -stimmung, (5) Details - spezifische Eigenschaften wie Farben, Komposition. Je detaillierter, desto besser das Ergebnis.

Prompt-Weighting steuert die Wichtigkeit von Wörtern: (wort) erhöht die Gewichtung um 1,1x, ((wort)) um 1,21x (1,1 × 1,1). [wort] verringert die Gewichtung um 0,9x. Alternativ kannst du (wort:1.5) für präzise Gewichtung nutzen. Beispiel: (blue eyes:1.3) macht die blauen Augen deutlicher.

Negative Prompts definieren, was NICHT im Bild erscheinen soll. Häufige negative Prompts sind: 'ugly', 'blurry', 'poorly drawn', 'bad anatomy', 'watermark', 'text', 'signature'. Sie sind besonders wichtig, um qualitativ hochwertige Ergebnisse ohne typische KI-Artefakte zu erhalten.

Sampling Steps (20-50) bestimmen, wie viele Iterationen das Modell durchläuft. Mehr Steps = detaillierter, aber langsamer. CFG Scale (7-15) kontrolliert, wie streng der Prompt befolgt wird. Niedrigere Werte (5-7) = kreativer, höhere Werte (12-15) = prompt-genauer. Für die meisten Fälle sind 30 Steps und CFG 7 optimal.

Empfohlene Qualitäts-Keywords: 'masterpiece', 'best quality', 'highly detailed', '8k uhd', 'sharp focus', 'professional', 'award winning'. Diese Keywords signalisieren dem Modell, hochqualitative Outputs zu generieren. Kombiniere mehrere für beste Ergebnisse.

Für konsistente Charaktere: (1) Beschreibe den Charakter sehr detailliert im ersten Prompt, (2) Speichere den Seed des besten Ergebnisses, (3) Nutze denselben Seed für weitere Bilder, (4) Halte die Charakterbeschreibung identisch, (5) Verwende LoRA oder Embeddings für noch bessere Konsistenz.

Empfohlene Sampler: 'DPM++ 2M Karras' (schnell, hohe Qualität), 'Euler a' (kreativ, variabel), 'DDIM' (deterministisch, konsistent). Für Anfänger ist 'DPM++ 2M Karras' mit 20-30 Steps ein guter Start. Experimentiere mit verschiedenen Samplern für unterschiedliche Effekte.

Stable Diffusion reagiert besser auf technische Details und spezifische Beschreibungen. Wichtige Unterschiede: (1) Prompt-Weighting mit () und [], (2) Negative Prompts sind zentral, (3) Keine Parameter wie --chaos oder --stylize, (4) Mehr Fokus auf Qualitäts-Keywords, (5) Längere, detailliertere Prompts sind oft besser.