CFG-Skala (Guidance)

In jedem Entrauschungsschritt kann ein Diffusionsmodell zwei Vorhersagen treffen: eine, die deinen Prompt berücksichtigt, und eine, die ihn ignoriert. Classifier-free Guidance betrachtet den Unterschied zwischen beiden und schiebt das Bild weiter in Richtung des Prompts. Die CFG-Skala ist die Stärke dieses Schubs. Bei null oder eins erhält der Prompt kaum Zusatzgewicht; etwa fünf bis acht ist der Bereich, den viele Modelle als vernünftige Mitte angeben; deutlich höhere Werte übertreiben alles.

Der Kompromiss zeigt sich in der Praxis schnell. Bei niedriger Skala kann das Ergebnis weich, locker und kreativ sein, ignoriert aber womöglich Teile deiner Beschreibung. Bei hoher Skala folgt das Bild deinen Worten eng, doch Kontrast und Farben werden oft hart, Texturen wirken verbrannt, und dieselben wenigen Formen tauchen immer wieder auf. Wirkt das Porträt einer fiktiven Figur in einem grauen Büro übersättigt und brüchig, ist das Senken der Skala der erste Versuch; fehlt ein verlangtes Objekt, erhöhe sie leicht oder formuliere den Prompt um.

Gute Werte hängen vom Modell ab, übertrage also keine Zahlen von einem auf das andere. Destillierte und Turbo-Modelle, die darauf trainiert sind, in sehr wenigen Schritten ans Ziel zu kommen, bauen die Guidance meist in ihre Gewichte ein und erwarten eine Skala von eins oder gar keine Einstellung. Am leichtesten vergleichst du mit festem Seed und änderst zwischen den Versuchen nur die Skala. Der Negative Prompt arbeitet nach demselben Prinzip: Von ihm entfernt sich die ungeführte Vorhersage.

Ein kleines Experiment macht die Wirkung greifbar. Nimm einen Prompt wie eine Keramikteekanne auf einer Fensterbank, halte Seed, Modell und Größe identisch und erzeuge dasselbe Bild mit mehreren Skalen, von niedrig bis recht hoch. Am unteren Ende wirkt die Kanne verträumt und halb ausgeformt, die Fensterbank vage. In der Mitte sind die Formen klar, und das Licht wirkt natürlich. Am oberen Ende werden die Kanten so scharf, dass sie spröde wirken, Lichter brennen aus, und die Glasur bekommt einen Kunststoffglanz. Ein solcher Kontaktbogen lehrt dich schneller als jede Faustregel, welcher Bereich zu welchem Modell passt.

Betrachte Skala und Schrittzahl zusammen: Eine höhere Skala bei sehr wenigen Schritten kann grob wirken, während eine moderate Skala mit genügend Schritten meist weichere Verläufe und sauberere Kanten liefert.

Denk auch daran, dass Sampler und Auflösung mit der Guidance zusammenwirken: Ein Wert, der auf einem kleinen Quadrat ausgewogen aussieht, kann auf einem großen Panorama überzogen wirken, teste also nach jeder Änderung an einem der beiden erneut.

NeverNo bietet keinen CFG-Regler. Die Guidance wird serverseitig für jedes Modell festgelegt und auf das abgestimmt, was das Modell erwartet; du kannst ein Ergebnis also nicht mit einem Wert verderben, der für ein anderes Modell gedacht ist. Deine Stellhebel im Studio sind der Prompt mit bis zu 1.500 Zeichen, der Negative Prompt mit bis zu 500 Zeichen bei den Modellen, die ihn unterstützen, eine von fünfzehn Stilvorgaben und eines von acht Seitenverhältnissen.

Z-Image Turbo, das Standardmodell, ist ein schnelles Modell: Ein typisches Bild mit 1 Megapixel braucht etwa 3 Sekunden, gemessen bei Runware, unserem Bildanbieter, was zu dieser Logik fertiger Einstellungen passt. Ignoriert ein Ergebnis deine Worte, formuliere den Prompt genauer oder probiere ein anderes Modell aus dem Katalog. Die Bilder, die du erstellst, werden verschlüsselt in deinem Browser gespeichert, und die festen Grenzen von NeverNo gelten für jede Anfrage.