Criar prompts eficazes é essencial para gerar imagens de alta qualidade em sistemas de IA como o Stable Diffusion, que dependem de modelos como o CLIP (Contrastive Language–Image Pretraining). No entanto, compreender as limitações do CLIP e evitar erros comuns pode melhorar significativamente os seus resultados. Este guia descreve os principais erros a evitar e oferece estratégias práticas para escrever melhores prompts.
Índice
Compreender as limitações do CLIP
O CLIP é uma ferramenta poderosa para ligar texto e imagens, mas tem certas limitações que podem afetar a forma como os prompts são interpretados:
- Foco na linguagem comum: o CLIP foi treinado com fotografias e legendas genéricas. Compreende palavras e conceitos de uso comum, mas tem dificuldades com terminologia técnica, científica ou especializada.
- Não compreende pontuação: os sinais de pontuação, como vírgulas ou pontos finais, são ignorados no processamento do modelo. Embora possam melhorar a legibilidade para as pessoas, não influenciam a imagem gerada.
- Processamento simplista da linguagem: o CLIP processa eficazmente substantivos, adjetivos e verbos, mas muitas vezes ignora artigos (p. ex., «the»), preposições (p. ex., «of») e conjunções (p. ex., «and»). Palavras supérfluas podem diluir a eficácia do prompt.
- Não é uma IA de conversação: ao contrário de grandes modelos de linguagem como o ChatGPT, o CLIP é mais parecido com um motor de pesquisa. Não compreende instruções educadas nem frases verbosas.
Erros comuns ao escrever prompts e como evitá-los
1. Sobrecarregar os prompts com palavras desnecessárias
- Erro: adicionar artigos, conjunções e frases como «Create an image of» ou «Please generate» desperdiça tokens e não tem qualquer impacto no resultado.
- Solução: mantenha os prompts concisos e diretos. Utilize palavras-chave que descrevam o tema, o estilo e o ambiente da imagem.
- Exemplo:
- Mau: «Please create an image of a beautiful landscape with mountains and a sunrise.»
- Melhor: «Beautiful mountain landscape, sunrise, vibrant colors.»
2. Usar pontuação para obter um efeito
- Erro: adicionar vírgulas ou outros separadores na esperança de influenciar o resultado. Estes caracteres são ignorados pelo CLIP e só acrescentam aleatoriedade.
- Solução: utilize a pontuação apenas para melhorar a legibilidade ao partilhar prompts com outras pessoas, mas não espere que altere os resultados.
- Exemplo:
- «Beautiful mountain landscape, sunrise, vibrant colors» contra «Beautiful mountain landscape sunrise vibrant colors» dará resultados semelhantes. Consulte o exemplo de saída acima.
3. Esperar que o CLIP compreenda termos técnicos
- Erro: utilizar nomes científicos, jargão ou terminologia especializada que o CLIP não foi treinado para reconhecer.
- Solução: utilize nomes e descrições comuns e amplamente conhecidos, especialmente os que se encontram habitualmente em conjuntos de dados públicos.
- Exemplo:
- Mau: «Archilochus colubris perched on a branch.»
- Melhor: «Ruby-throated hummingbird perched on a branch.»
4. Escrever prompts como se fossem uma conversa
- Erro: tratar o CLIP como se fosse uma IA de conversação, incluindo instruções educadas ou frases demasiado verbosas.
- Solução: escreva os prompts como se fossem uma consulta de pesquisa: breves e diretos.
- Exemplo:
- Mau: «Can you please generate an image of a sunset over a calm ocean?»
- Melhor: «Sunset over calm ocean, serene, warm colors.»
5. Ignorar o contexto de treino do CLIP
- Erro: esperar que o CLIP compreenda referências abstratas ou culturalmente específicas que normalmente não constam de conjuntos de dados públicos.
- Solução: utilize uma linguagem alinhada com a compreensão da população em geral, como descrições familiares a um adolescente americano.
- Exemplo:
- Mau: «Baroque architecture with intricate rococo detailing.»
- Melhor: «Elegant European palace, ornate design, gold accents.»
Exemplos práticos e estudos de caso
Exemplo 1: simplificar prompts verbosos
- Prompt verboso: «Please create a detailed image of a forest in autumn with colorful leaves falling from the trees.»
- Prompt otimizado: «Autumn forest, colorful leaves, falling, serene atmosphere.»
Exemplo 2: evitar terminologia científica
- Prompt científico: «Archilochus colubris perched on a blooming flower.»
- Prompt otimizado: «Ruby-throated hummingbird on blooming flower, vivid colors.»
Exemplo 3: usar descrições comuns
- Prompt abstrato: «A surreal depiction of existential dread.»
- Prompt otimizado: «Dark surreal art, eerie atmosphere, abstract shapes.»
Principais conclusões para escrever prompts eficazes
- Mantenha a simplicidade: concentre-se em substantivos, adjetivos e verbos que descrevam claramente o tema e o estilo pretendido.
- Evite palavras supérfluas: omita artigos, preposições e instruções educadas; não contribuem para o resultado.
- Utilize linguagem comum: utilize termos amplamente reconhecidos e evite referências demasiado técnicas ou obscuras.
- Não pense demasiado na pontuação: utilize a pontuação para melhorar a legibilidade, mas não espere que influencie a geração da imagem.
- Alinhe com os dados de treino do CLIP: pense nos prompts como legendas de fotografias genéricas: uma linguagem que ressoa no público em geral.