Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / diffusers /main /tr /using-diffusers /weighted_prompts.md

mishig

about 15 hours ago

preview code

download

raw

6 kB

# İstemleme

Prompts, bir modelin ne üretmesi gerektiğini açıklar. İyi promptlar detaylı, spesifik ve yapılandırılmıştır; daha iyi görüntüler ve videolar üretirler.

Bu kılavuz, etkili istemler (prompts) yazmanızı gösterir ve onları daha güçlü kılan teknikleri tanıtır.

## İyi istemler yazma

Her etkili istem üç temel öğe gerektirir.

1. Konu - üretmek istediğiniz şey. Prompt'unuzu buradan başlatın.
2. Stil - ortam veya estetik. Nasıl görünmeli?
3. Bağlam - eylemler, ortam ve ruh hali hakkında ayrıntılar.

Bu öğeleri bir anahtar kelime listesi olarak değil, yapılandırılmış bir anlatı olarak kullanın. Modern modeller, anahtar kelime eşleştirmeden daha iyi dil anlar. Basit başlayın, ardından detaylar ekleyin.

Bağlam, daha iyi istemler oluşturmak için özellikle önemlidir. Işıklandırma, sanatsal detaylar ve ruh hali eklemeyi deneyin.

  
    
    Sakin bir yaz öğleden sonra, havuzda bir yaprak üzerinde uzanmış sevimli bir kedi, lofi sanat tarzında, illüstrasyon.
  
  
    
    Sevimli bir kedi, huzurlu bir yaz öğleden sonrasında, parıldayan bir havuzda süzülen bir yaprakta uzanır. Su üzerinde net yansımalar dalgalanır, güneş ışığı yumuşak ve pürüzsüz vurgular oluşturur. İllüstrasyon detaylı ve cilalıdır; zarif çizgileri ve uyumlu renkleriyle rahatlatıcı, sakin ve hayalperest bir lofi atmosferi çağrıştırır, anime ilhamlı ve görsel olarak huzur vericidir.
  
Belirli olun ve bağlam ekleyin. Lens tipi, odak uzaklığı, kamera açıları ve derinlik alanı gibi fotoğrafçılık terimlerini kullanın.

> [!TIP]
> Prompt yapınızı iyileştirmeye yardımcı olmak için bir [prompt enhancer](https://huggingface.co/models?sort=downloads&search=prompt+enhancer) deneyin.

## Yönlendirme ve negatifler

Çoğu Diffusers hattı, örneklemeyi hâlâ sınıflandırıcı-ücretsiz yönlendirme ve isteğe bağlı `negative_prompt` ile yönlendirir.

Stable Diffusion ailesi pipeline'larında `guidance_scale` ve `negative_prompt` parametrelerini iletin. Daha yüksek `guidance_scale` değerleri, komutu daha yakından takip eder. Çok yüksek değerler, görüntülerin yapay veya aşırı doygun görünmesine neden olabilir.

```py
import torch
from diffusers import DiffusionPipeline
pipeline = DiffusionPipeline.from_pretrained(
    "stable-diffusion-v1-5/stable-diffusion-v1-5", dtype=torch.float16, device_map="cuda"  # or "mps", "xpu", "cpu"
)
image = pipeline(
    prompt="a cozy reading nook with afternoon light",
    negative_prompt="blurry, low quality, distorted",
    guidance_scale=7.5,
).images[0]
```

Qwen-Image ve Flux gibi daha yeni checkpoint'lerde klasik CFG genellikle `true_cfg_scale` ile birlikte `negative_prompt` kullanılır. Negatifler, gerçek CFG etkinleştirildiğinde (`true_cfg_scale > 1` ve bir `negative_prompt`) hâlâ uygulanır. `guidance_scale` argümanı, transformer bunu destekliyorsa damıtılmış veya gömülü yönlendirmedir; bu, aynı şey değildir. Yüklediğiniz modelin pipeline API'sini kontrol edin.

Modüler Diffusers, yönlendirme algoritmasını bir yönlendiriciyle değiştirebilir. [Yönlendiriciler](./guiders) bölümüne bakın.

## İstem ağırlıklandırma

Prompt ağırlıklandırma, bazı kelimeleri daha güçlü, diğerlerini ise daha zayıf hale getirir. Dikkat skorlarını ölçekleyerek her bir kavramın ne kadar etkili olacağını kontrol edersiniz.

Diffusers, ölçeklendirilmiş metin gömme vektörlerini alan `prompt_embeds` ve `pooled_prompt_embeds` argümanları aracılığıyla bunu yönetir. Bu gömme vektörlerini oluşturmak için [sd_embed](https://github.com/xhinker/sd_embed) kütüphanesini kullanın. Ayrıca daha uzun istemleri de destekler. Daha basit bir sözdizimiyle Stable Diffusion ailesi ağırlıklandırması için [Compel](https://github.com/damian0815/compel) kullanabilirsiniz.

> [!NOTE]
> sd_embed kütüphanesi yalnızca Stable Diffusion, Stable Diffusion XL, Stable Diffusion 3, Stable Cascade ve Flux'u destekler. Prompt ağırlıklandırması, zaten promptlara yakın uyum sağlayan Flux sınıfı modellerde her zaman işe yaramaz.
```shell
uv pip install git+https://github.com/xhinker/sd_embed.git@main
```
Ağırlıklı metni sayısal çarpanlar veya parantezlerle biçimlendirin. Daha fazla parantez, daha güçlü ağırlıklandırma anlamına gelir.
| biçim | çarpan |
|---|---|
| `(cat)` | 1,1 kat artar |
| `((cat))` | 1.21x artar |
| `(cat:1.5)` | 1,5 kat artar |
| `(cat:0.5)` | ağırlığı 0.5× olarak ayarla |
Ağırlıklı bir istem oluşturun ve gömme (embedding) üretmek için [get_weighted_text_embeddings_sdxl](https://github.com/xhinker/sd_embed/blob/4a47f71150a22942fa606fb741a1c971d95ba56f/src/sd_embed/embedding_funcs.py#L405) fonksiyonuna iletin.
> [!TIP]
> Negatif istemleri `negative_prompt_embeds` ve `negative_pooled_prompt_embeds` parametrelerine de iletebilirsiniz.
```py
import torch
from diffusers import DiffusionPipeline
from sd_embed.embedding_funcs import get_weighted_text_embeddings_sdxl

pipeline = DiffusionPipeline.from_pretrained(
    "Lykon/dreamshaper-xl-1-0", dtype=torch.bfloat16, device_map="cuda"  # or "mps", "xpu", "cpu"
)

prompt = """
A (cute cat:1.4) lounges on a (floating leaf:1.2) in a (sparkling pool:1.1) during a peaceful summer afternoon.
Gentle ripples reflect pastel skies, while (sunlight:1.1) casts soft highlights. The illustration is smooth and polished
with elegant, sketchy lines and subtle gradients, evoking a ((whimsical, nostalgic, dreamy lofi atmosphere:2.0)), 
(anime-inspired:1.6), calming, comforting, and visually serene.
"""

prompt_embeds, _, pooled_prompt_embeds, *_ = get_weighted_text_embeddings_sdxl(pipeline, prompt=prompt)
```
Görsel oluşturmak için gömme değerlerini `prompt_embeds` ve `pooled_prompt_embeds` parametrelerine iletin.
```py
image = pipeline(prompt_embeds=prompt_embeds, pooled_prompt_embeds=pooled_prompt_embeds).images[0]
```
  

Xet Storage Details

Size:: 6 kB
Xet hash:: 89373b7e26f39b0d54eb28b70cd7a2d56719eaf5dd134fb7de2591b4a01738c4

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.

	# İstemleme

	Prompts, bir modelin ne üretmesi gerektiğini açıklar. İyi promptlar detaylı, spesifik ve yapılandırılmıştır; daha iyi görüntüler ve videolar üretirler.

	Bu kılavuz, etkili istemler (prompts) yazmanızı gösterir ve onları daha güçlü kılan teknikleri tanıtır.

	## İyi istemler yazma

	Her etkili istem üç temel öğe gerektirir.

	1. Konu - üretmek istediğiniz şey. Prompt'unuzu buradan başlatın.
	2. Stil - ortam veya estetik. Nasıl görünmeli?
	3. Bağlam - eylemler, ortam ve ruh hali hakkında ayrıntılar.

	Bu öğeleri bir anahtar kelime listesi olarak değil, yapılandırılmış bir anlatı olarak kullanın. Modern modeller, anahtar kelime eşleştirmeden daha iyi dil anlar. Basit başlayın, ardından detaylar ekleyin.

	Bağlam, daha iyi istemler oluşturmak için özellikle önemlidir. Işıklandırma, sanatsal detaylar ve ruh hali eklemeyi deneyin.



	Sakin bir yaz öğleden sonra, havuzda bir yaprak üzerinde uzanmış sevimli bir kedi, lofi sanat tarzında, illüstrasyon.



	Sevimli bir kedi, huzurlu bir yaz öğleden sonrasında, parıldayan bir havuzda süzülen bir yaprakta uzanır. Su üzerinde net yansımalar dalgalanır, güneş ışığı yumuşak ve pürüzsüz vurgular oluşturur. İllüstrasyon detaylı ve cilalıdır; zarif çizgileri ve uyumlu renkleriyle rahatlatıcı, sakin ve hayalperest bir lofi atmosferi çağrıştırır, anime ilhamlı ve görsel olarak huzur vericidir.


	Belirli olun ve bağlam ekleyin. Lens tipi, odak uzaklığı, kamera açıları ve derinlik alanı gibi fotoğrafçılık terimlerini kullanın.

	> [!TIP]
	> Prompt yapınızı iyileştirmeye yardımcı olmak için bir [prompt enhancer](https://huggingface.co/models?sort=downloads&search=prompt+enhancer) deneyin.

	## Yönlendirme ve negatifler

	Çoğu Diffusers hattı, örneklemeyi hâlâ sınıflandırıcı-ücretsiz yönlendirme ve isteğe bağlı `negative_prompt` ile yönlendirir.

	Stable Diffusion ailesi pipeline'larında `guidance_scale` ve `negative_prompt` parametrelerini iletin. Daha yüksek `guidance_scale` değerleri, komutu daha yakından takip eder. Çok yüksek değerler, görüntülerin yapay veya aşırı doygun görünmesine neden olabilir.

	```py
	import torch
	from diffusers import DiffusionPipeline

	pipeline = DiffusionPipeline.from_pretrained(
	"stable-diffusion-v1-5/stable-diffusion-v1-5", dtype=torch.float16, device_map="cuda" # or "mps", "xpu", "cpu"
	)
	image = pipeline(
	prompt="a cozy reading nook with afternoon light",
	negative_prompt="blurry, low quality, distorted",
	guidance_scale=7.5,
	).images[0]
	```

	Qwen-Image ve Flux gibi daha yeni checkpoint'lerde klasik CFG genellikle `true_cfg_scale` ile birlikte `negative_prompt` kullanılır. Negatifler, gerçek CFG etkinleştirildiğinde (`true_cfg_scale > 1` ve bir `negative_prompt`) hâlâ uygulanır. `guidance_scale` argümanı, transformer bunu destekliyorsa damıtılmış veya gömülü yönlendirmedir; bu, aynı şey değildir. Yüklediğiniz modelin pipeline API'sini kontrol edin.

	Modüler Diffusers, yönlendirme algoritmasını bir yönlendiriciyle değiştirebilir. [Yönlendiriciler](./guiders) bölümüne bakın.

	## İstem ağırlıklandırma

	Prompt ağırlıklandırma, bazı kelimeleri daha güçlü, diğerlerini ise daha zayıf hale getirir. Dikkat skorlarını ölçekleyerek her bir kavramın ne kadar etkili olacağını kontrol edersiniz.

	Diffusers, ölçeklendirilmiş metin gömme vektörlerini alan `prompt_embeds` ve `pooled_prompt_embeds` argümanları aracılığıyla bunu yönetir. Bu gömme vektörlerini oluşturmak için [sd_embed](https://github.com/xhinker/sd_embed) kütüphanesini kullanın. Ayrıca daha uzun istemleri de destekler. Daha basit bir sözdizimiyle Stable Diffusion ailesi ağırlıklandırması için [Compel](https://github.com/damian0815/compel) kullanabilirsiniz.

	> [!NOTE]
	> sd_embed kütüphanesi yalnızca Stable Diffusion, Stable Diffusion XL, Stable Diffusion 3, Stable Cascade ve Flux'u destekler. Prompt ağırlıklandırması, zaten promptlara yakın uyum sağlayan Flux sınıfı modellerde her zaman işe yaramaz.

	```shell
	uv pip install git+https://github.com/xhinker/sd_embed.git@main
	```

	Ağırlıklı metni sayısal çarpanlar veya parantezlerle biçimlendirin. Daha fazla parantez, daha güçlü ağırlıklandırma anlamına gelir.

	\| biçim \| çarpan \|
	\|---\|---\|
	\| `(cat)` \| 1,1 kat artar \|
	\| `((cat))` \| 1.21x artar \|
	\| `(cat:1.5)` \| 1,5 kat artar \|
	\| `(cat:0.5)` \| ağırlığı 0.5× olarak ayarla \|

	Ağırlıklı bir istem oluşturun ve gömme (embedding) üretmek için [get_weighted_text_embeddings_sdxl](https://github.com/xhinker/sd_embed/blob/4a47f71150a22942fa606fb741a1c971d95ba56f/src/sd_embed/embedding_funcs.py#L405) fonksiyonuna iletin.

	> [!TIP]
	> Negatif istemleri `negative_prompt_embeds` ve `negative_pooled_prompt_embeds` parametrelerine de iletebilirsiniz.

	```py
	import torch
	from diffusers import DiffusionPipeline
	from sd_embed.embedding_funcs import get_weighted_text_embeddings_sdxl

	pipeline = DiffusionPipeline.from_pretrained(
	"Lykon/dreamshaper-xl-1-0", dtype=torch.bfloat16, device_map="cuda" # or "mps", "xpu", "cpu"
	)

	prompt = """
	A (cute cat:1.4) lounges on a (floating leaf:1.2) in a (sparkling pool:1.1) during a peaceful summer afternoon.
	Gentle ripples reflect pastel skies, while (sunlight:1.1) casts soft highlights. The illustration is smooth and polished
	with elegant, sketchy lines and subtle gradients, evoking a ((whimsical, nostalgic, dreamy lofi atmosphere:2.0)),
	(anime-inspired:1.6), calming, comforting, and visually serene.
	"""

	prompt_embeds, _, pooled_prompt_embeds, *_ = get_weighted_text_embeddings_sdxl(pipeline, prompt=prompt)
	```

	Görsel oluşturmak için gömme değerlerini `prompt_embeds` ve `pooled_prompt_embeds` parametrelerine iletin.

	```py
	image = pipeline(prompt_embeds=prompt_embeds, pooled_prompt_embeds=pooled_prompt_embeds).images[0]
	```