Negative Prompt
Ein Negative Prompt beschreibt, was in einem generierten Bild NICHT erscheinen soll – steuert Diffusionsmodelle durch Ausschluss unerwünschter Elemente.
Negative Prompts definieren, was ein Bild NICHT enthalten soll – der wichtigste Qualitätsregler neben CFG Scale für professionelle AI-Bildgenerierung.
Erklärung
Das Modell wird aktiv von den im Negative Prompt beschriebenen Konzepten weg gesteuert. Typisch: "blurry, low quality, deformed hands, watermark" für höhere Qualität. Funktioniert über Classifier-Free Guidance.
Relevanz für Marketing
Essentiell für professionelle Bildgenerierung: Qualitätskontrolle, Vermeidung typischer AI-Artefakte, Brand-Safety.
Beispiel
Prompt: "Produktfoto einer Uhr auf Marmor". Negative Prompt: "blurry, low quality, text, watermark, deformed" – deutlich schärfere, sauberere Ergebnisse.
Häufige Fallstricke
Zu lange Negative Prompts können Ergebnisse verschlechtern. Negative Prompts verbrauchen Token-Budget. Wirkung variiert stark pro Modell.
Entstehung & Geschichte
Negative Prompts wurden mit Stable Diffusion (2022) populär, als die Community entdeckte, dass Classifier-Free Guidance eine zweite Textbedingung erlaubt. "EasyNegative" und "badhandv4" Embeddings automatisierten Qualitätsverbesserung. SDXL und Flux reduzierten die Notwendigkeit durch bessere Basisqualität.
Abgrenzung & Vergleiche
Negative Prompt vs. Classifier-Free Guidance (CFG)
CFG steuert die Stärke der Prompt-Befolgung insgesamt; Negative Prompts spezifizieren gezielt was vermieden werden soll.
Negative Prompt vs. Prompt Engineering
Prompt Engineering beschreibt was gewünscht ist; Negative Prompts beschreiben was unerwünscht ist – beide ergänzen sich.