Шкала CFG (guidance)

На каждом шаге удаления шума диффузионная модель может сделать два предсказания: одно, учитывающее твой запрос, и другое, игнорирующее его. Classifier-free guidance смотрит на разницу между ними и толкает картинку ещё дальше в сторону запроса. Шкала CFG — сила этого толчка. При нуле или единице запрос почти не получает дополнительного веса, в документации многих моделей значения от пяти до восьми названы разумной серединой, а гораздо более высокие преувеличивают всё.

Компромисс легко увидеть на практике. При низкой шкале результат может быть мягким, свободным и творческим, но может игнорировать часть описания. При высокой шкале картинка близко следует твоим словам, но контраст и цвета часто становятся резкими, текстуры выглядят пережжёнными, а одни и те же формы повторяются снова и снова. Если портрет вымышленного персонажа в сером офисе выглядит пересыщенным и хрупким, снижение шкалы — первое, что стоит попробовать; если запрошенный предмет отсутствует, слегка подними её или перепиши запрос.

Хорошие значения зависят от модели, поэтому не переноси числа из одной в другую. Дистиллированные и турбо-модели, обученные получать результат за очень малое число шагов, обычно вшивают guidance в веса и ожидают шкалу, равную единице, или вовсе не имеют этой настройки. Сравнивать проще всего с фиксированным seed, меняя между попытками только шкалу. Негативный промпт работает через тот же механизм, ведь именно от него отталкивается ненаправляемое предсказание.

Небольшой эксперимент хорошо показывает этот эффект. Возьми запрос, например керамический чайник на подоконнике, оставь одинаковыми seed, модель и размер и создай то же изображение при нескольких шкалах, от низкой до довольно высокой. На низком краю чайник может быть размытым и недорисованным, с расплывчатым подоконником. В середине формы чёткие, а свет выглядит естественно. На верхнем краю контуры становятся резкими до хрупкости, блики выгорают, а глазурь приобретает пластиковый блеск. Такой контрольный лист быстрее любого правила покажет, какой диапазон подходит каждой модели, с которой ты работаешь.

Учитывай шкалу и число шагов вместе: высокая шкала при очень малом числе шагов может выглядеть грубо, а умеренная при достаточном числе шагов обычно даёт плавные градиенты и чистые края.

Помни и о том, что сэмплер и разрешение тоже влияют на guidance: значение, которое выглядит сбалансированным на маленьком квадрате, на большой панораме может оказаться пережаренным, поэтому после смены любого из них проверяй заново.

NeverNo не даёт ползунка шкалы CFG. Guidance задаётся для каждой модели на стороне сервера и настраивается под то, что модель ожидает, так что ты не можешь испортить результат значением, подходящим другой модели. В Студии ты управляешь результатом через описание до 1 500 символов, негативный промпт до 500 символов у моделей, которые его поддерживают, один из пятнадцати стилей и одно из восьми соотношений сторон.

Z-Image Turbo, модель по умолчанию, работает быстро: типичное изображение в 1 мегапиксель создаётся примерно за 3 секунды (замер на Runware, поставщике изображений NeverNo), и это хорошо сочетается с готовыми настройками. Если результат игнорирует твои слова, перепиши запрос точнее или попробуй другую модель из каталога. Созданные изображения хранятся в браузере зашифрованными, а жёсткие ограничения NeverNo действуют для каждого запроса.