Seberapa efektif petunjuk negatif untuk gambar yang dihasilkan AI saat ini? Penilaian terbaru atas 3 jenis formulasi

Catatan penulis: Ketergantungan model gambar modern pada “kumpulan petunjuk negatif” jelas menurun. Artikel ini menguraikan 3 bentuk petunjuk negatif, menjelaskan mana yang perlu dihapus dan mana yang perlu dipertahankan, serta memberikan prinsip penulisan petunjuk yang bisa langsung diterapkan.

Banyak tim masih menyertakan deretan panjang petunjuk negatif di akhir permintaan saat memanggil API untuk membuat gambar dengan AI, misalnya bad anatomy, extra fingers, low quality, blurry, watermark. Cara ini berasal dari masa awal Stable Diffusion dan dulu hampir semua orang menirunya. Seiring makin luasnya penggunaan model gambar dengan kemampuan memahami bahasa yang lebih baik, peran petunjuk negatif kini sedang dievaluasi ulang: petunjuk negatif belum hilang, tetapi posisi dan cara penulisannya sudah berubah.

Ini bukan kesimpulan sensasional bahwa “petunjuk negatif sudah mati”. Di satu sisi, panduan petunjuk gambar OpenAI saat ini masih menyarankan agar hal-hal yang perlu dikecualikan disebutkan secara jelas, misalnya teks tambahan, logo, dan watermark. Di sisi lain, berdasarkan permintaan pelanggan yang kami tangani, kami juga mengamati bahwa hasil gambar untuk rangkaian permintaan yang sama justru lebih konsisten setelah deretan petunjuk tetap di bagian akhir dihapus. Kedua hal ini tidak bertentangan.

Manfaat utama: Dalam 3 menit, pahami seberapa besar peran petunjuk negatif dalam pembuatan gambar dengan AI, mana yang perlu dihapus, dan batasan apa yang harus dipertahankan.

Ringkasan Inti tentang Petunjuk Negatif

Mari kita rangkum kesimpulan utama pembahasan ini dalam sebuah tabel. Istilah “petunjuk negatif” sebenarnya merupakan sebutan umum untuk setidaknya tiga hal berbeda, jadi semuanya tidak bisa dinilai dengan cara yang sama.

Mengapa Petunjuk Negatif Dulu “Wajib”

Model difusi generasi awal memiliki kemampuan pengodean teks yang terbatas dan kurang mampu memahami kalimat kompleks. Dalam situasi seperti ini, penggunaan parameter negative_prompt bersama mekanisme panduan untuk mengurangi karakteristik seperti “kualitas rendah” atau “jari berlebih” memang bisa meningkatkan hasil gambar secara signifikan. Seiring waktu, komunitas menyusun kumpulan kata negatif umum yang kemudian digunakan sebagai lampiran bawaan untuk setiap permintaan.

Masalahnya, pengalaman ini dirangkum berdasarkan arsitektur model tertentu. Ketika model beralih ke generasi baru yang lebih mampu memahami bahasa dan dapat menafsirkan kalimat lengkap secara langsung, rangkaian frasa nominal yang ditumpuk itu bukan hanya bisa kehilangan manfaatnya, tetapi juga berpotensi memberikan informasi yang mengganggu model.

Fungsi Petunjuk Negatif yang Sebenarnya Saat Ini

Lebih tepatnya: petunjuk negatif telah berubah dari “tambalan kualitas” menjadi “penjelasan batasan hasil”. Kamu tidak lagi perlu menggunakannya untuk memberi tahu model agar “tidak membuat gambar yang jelek”, tetapi tetap perlu menyebutkan bahwa “gambar tidak boleh berisi teks” atau “label produk harus dipertahankan”. Model sudah berupaya melakukan hal pertama secara otomatis, sedangkan hal kedua tidak mungkin bisa ditebaknya.

3 Bentuk Petunjuk Negatif: Hal-Hal Utama yang Perlu Dipahami

Sebelum membahas apakah petunjuk negatif berguna, kita perlu membedakan bentuk-bentuknya. Tabel berikut adalah acuan utama untuk memahami topik ini.

Rangkaian kata negatif umum: mengapa sebaiknya dihapus secara default

Masalah terbesar dari rangkaian kata umum adalah penggunaannya tanpa pandang bulu. Baik saat membuat gambar pemandangan, produk, maupun potret, kita selalu menyertakan puluhan kata tentang cacat tubuh dan larangan terkait kualitas gambar. Bagi model yang mampu memahami instruksi dengan baik, kata-kata ini tidak memberikan informasi baru tentang hasil yang diinginkan. Kata-kata tersebut justru bisa menyita perhatian model, bahkan bertentangan dengan deskripsi positif.

Kami pernah membandingkan hasil dari sejumlah permintaan pelanggan: dengan deskripsi positif yang sama, hasil gambar menjadi lebih tidak konsisten saat rangkaian kata tersebut ditambahkan di bagian akhir. Setelah dihapus, hasilnya lebih baik. Perlu ditekankan bahwa pengujian ini hanya membuktikan bahwa “rangkaian kata tersebut mengurangi konsistensi untuk kelompok permintaan ini”. Pengujian ini tidak membuktikan bahwa semua petunjuk negatif tidak berguna, maupun bahwa model salah menafsirkan kata-kata tersebut sebagai instruksi positif. Selain itu, cara model pembuatan gambar memahami instruksi dan cara platform melakukan moderasi keamanan adalah dua mekanisme yang berbeda. Jika kata tertentu dalam rangkaian tersebut memicu moderasi, hal itu juga perlu diperiksa secara terpisah.

Instruksi pengecualian yang spesifik: mengapa tetap perlu dicantumkan

Sepintar apa pun modelnya, model tidak otomatis mengetahui batasan hasil yang Anda inginkan. Apakah gambar boleh memuat teks? Bolehkah identitas seseorang berubah? Apakah label pada kemasan produk harus dipertahankan persis seperti aslinya? Semua ini merupakan batasan kebutuhan bisnis, bukan pengetahuan umum soal estetika.

Panduan petunjuk gambar dari OpenAI dengan jelas menyarankan untuk menyebutkan hal-hal yang perlu dikecualikan, seperti teks tambahan, logo, dan tanda air. Untuk pengeditan gambar, jelaskan juga bagian mana yang harus tetap sama. Instruksi pengecualian yang “sedikit, spesifik, dan bisa diverifikasi” tetap menjadi bagian penting dari petunjuk berkualitas tinggi.

Parameter negative_prompt: jangan diterapkan begitu saja ke model lain

Beberapa model difusi sumber terbuka dan antarmuka gambar menyediakan kolom negative_prompt terpisah. Mekanisme ini memang berlaku pada model-model tersebut. Namun, tidak semua model menyediakan parameter ini. Misalnya, antarmuka gambar OpenAI tidak memiliki kolom khusus untuk konten negatif, sehingga instruksi pengecualian perlu ditulis langsung di dalam prompt. Selain itu, dukungan terhadap parameter negatif juga berbeda-beda pada model baru yang menggunakan metode inferensi berbeda.

Karena itu, kesalahan yang paling sering terjadi saat berpindah-pindah model adalah menyalin begitu saja parameter negatif yang sudah disesuaikan untuk model A ke model B. Cara yang tepat adalah memeriksa terlebih dahulu apakah model dan antarmuka tersebut mendukungnya, lalu menentukan cara penulisannya.

🎯 Saran teknis: Jika bisnis Anda perlu berpindah-pindah di antara beberapa model gambar, lakukan pengujian perbandingan menggunakan satu kunci API dan antarmuka terpadu melalui APIYI apiyi.com. Perbedaan hasil dari petunjuk yang sama pada model yang berbeda sering kali lebih meyakinkan daripada rangkuman berdasarkan pengalaman.

Contoh Penulisan Ulang Prompt Negatif: Dari Kumpulan Kata ke Deskripsi Tujuan

Setelah membahas teorinya, mari lihat contoh penulisan ulang yang konkret. Untuk model yang memiliki kemampuan pemahaman bahasa kuat, sebaiknya kita menjelaskan hasil yang diinginkan terlebih dahulu.

Manfaat penulisan ulang seperti ini adalah informasinya lebih jelas dan mengurangi konflik. Satu kalimat, “Atasan putih berkerah tinggi dan tidak transparan”, sudah mencakup beberapa larangan terkait pakaian dalam penulisan lama sekaligus memberi model tujuan yang bisa langsung dijalankan. Namun, perlu diakui bahwa deskripsi positif tidak selalu lebih efektif dalam semua situasi; pendekatan ini hanya lebih mudah menghasilkan instruksi yang konsisten.

Contoh Pemanggilan Minimal dengan Petunjuk Negatif

Berikut kode paling sederhana untuk membuat gambar menggunakan API yang kompatibel dengan OpenAI. Permintaan untuk mengecualikan elemen tertentu langsung ditulis di dalam prompt:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI, antarmuka terpadu
)

prompt = (
    "一位年轻女性站在浅灰色摄影棚中,自然的人体比例,双手完整可见,"
    "穿白色不透明高领上衣,柔和侧光,商业人像风格。"
    "画面中不要出现任何文字、标志或水印。"
)

result = client.images.generate(model="gpt-image-1", prompt=prompt, size="1024x1024")
print(result.data[0].b64_json[:80])

import base64
from typing import List, Optional
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Satu kunci untuk menggunakan berbagai model gambar
)

def build_prompt(goal: str, constraints: Optional[List[str]] = None) -> str:
    """
    Jelaskan tujuan secara lengkap terlebih dahulu, lalu tambahkan sedikit batasan pengecualian yang spesifik.
    Tambahkan constraints hanya setelah menemukan penyimpangan tertentu. Jangan langsung memasukkan seluruh kumpulan petunjuk negatif secara default.
    """
    prompt = goal.strip()
    if constraints:
        prompt += " 约束要求:" + ";".join(constraints) + "。"
    return prompt

def generate_image(goal: str,
                   constraints: Optional[List[str]] = None,
                   model: str = "gpt-image-1",
                   output: str = "output.png") -> str:
    prompt = build_prompt(goal, constraints)
    try:
        result = client.images.generate(model=model, prompt=prompt, size="1024x1024")
        with open(output, "wb") as f:
            f.write(base64.b64decode(result.data[0].b64_json))
        return output
    except Exception as e:
        return f"Error: {e}"

# Putaran pertama: tulis tujuan saja
goal = ("电商主图:一瓶白色护肤乳液放在浅木纹台面上,"
        "瓶身标签清晰可读,柔和自然光,极简风格。")
print(generate_image(goal, output="v1.png"))

# Putaran kedua: jika muncul teks dekoratif tambahan, tambahkan satu batasan yang spesifik
print(generate_image(goal,
                     constraints=["除瓶身原有标签外,画面不要出现任何额外文字或水印"],
                     output="v2.png"))

🚀 Mulai cepat: APIYI di apiyi.com menyediakan antarmuka yang kompatibel dengan OpenAI, dan pengguna baru mendapat kuota uji coba gratis. Ganti api_key pada kode di atas dengan kunci API Anda untuk langsung membandingkan hasil gambar dari penulisan “dengan kumpulan petunjuk” dan “tanpa kumpulan petunjuk”.

Analisis Dampak Perubahan Petunjuk Negatif

Dampak bagi developer

• Template petunjuk perlu dirancang ulang: Banyak proyek meng-hardcode rangkaian kata negatif umum di dalam kode. Sebaiknya ubah strukturnya menjadi “deskripsi tujuan + daftar batasan opsional”, dengan batasan yang dikonfigurasi sesuai kebutuhan bisnis.
• Penyesuaian untuk tiap model harus ditangani secara terpisah: Efektivitas parameter negative_prompt bergantung pada model. Lapisan pembungkus tidak boleh menganggap semua model mendukungnya, tetapi perlu memetakan cara penulisan berdasarkan kemampuan masing-masing model.
• Cara menelusuri masalah ikut berubah: Saat hasil gambar bermasalah, periksa dulu apakah deskripsi positif sudah jelas dan tidak saling bertentangan, alih-alih terus menambahkan kata ke daftar petunjuk negatif.
• Kesalahan deteksi oleh sistem moderasi perlu diperiksa secara terpisah: Jika permintaan diblokir, bedakan apakah penyebabnya adalah masalah pemahaman model atau pemicu moderasi keamanan. Rangkaian petunjuk negatif yang terlalu panjang terkadang bisa meningkatkan risiko yang tidak perlu.

Dampak bagi industri

• Rekayasa petunjuk beralih dari “mantra” ke “dokumen kebutuhan”: Menulis petunjuk kini semakin mirip dengan menyusun spesifikasi hasil kerja yang jelas, dengan fokus pada tujuan, batasan, dan hal-hal yang harus dipertahankan.
• Tugas penyuntingan lebih sensitif terhadap batasan: Dalam penyuntingan gambar, “apa yang harus tetap sama” lebih penting daripada “apa yang harus dibuat”. Karena itu, persyaratan untuk mengecualikan atau mempertahankan sesuatu justru semakin penting.
• Biaya transfer pengalaman meningkat: Kebiasaan penggunaan petunjuk berbeda-beda antarmodel. Tim perlu mengambil keputusan berdasarkan pengujian langsung, bukan mengandalkan template yang beredar di komunitas.

Tabel berikut merangkum saran penggunaan petunjuk negatif untuk berbagai skenario:

💡 Saran pemilihan: Respons model gambar terhadap batasan negatif sangat beragam. Sebaiknya uji beberapa model populer dengan rangkaian petunjuk yang sama di APIYI apiyi.com, lalu tentukan template petunjuk untuk lingkungan produksi.

FAQ

Poin Utama tentang Prompt Negatif

• Fungsinya berubah: Prompt negatif kini lebih berperan sebagai “penjelasan batasan hasil” daripada “tambalan kualitas”.
• Hapus daftar kata bawaan: Rangkaian prompt negatif umum tidak lagi wajib digunakan. Pertahankan hanya jika hasil pengujian menunjukkan manfaat.
• Pertahankan batasan yang spesifik: Persyaratan seperti tanpa teks, tanpa watermark, dan mempertahankan fitur wajah tetap berguna.
• Pengaruh parameter bergantung pada model: Efektivitas kolom negative_prompt bergantung pada model dan antarmuka API.
• Jelaskan hasil yang diinginkan lebih dulu: Uraikan target dengan lengkap, lalu tambahkan sedikit batasan jika hasilnya menyimpang.
• Andalkan hasil pengujian: Gunakan antarmuka terpadu APIYI apiyi.com untuk membandingkan beberapa model dengan cepat.

Kesimpulan

Peran prompt negatif dalam pembuatan gambar AI bisa dirangkum dalam tiga poin:

1. Manfaat daftar prompt negatif umum makin berkurang: Model modern sudah menangani sebagian besar masalah kualitas gambar secara default. Menambahkan rangkaian kata tanpa pandang bulu justru bisa mengurangi konsistensi.
2. Batasan yang jelas tetap penting: Model tidak mengetahui batasan dalam kebutuhan bisnis Anda. Hal-hal seperti teks, logo, watermark, dan elemen yang harus dipertahankan saat mengedit perlu dijelaskan dengan tegas.
3. Parameter khusus tidak bisa digunakan begitu saja di semua model: Pastikan dulu dukungan model, lalu tentukan apakah akan menggunakan negative_prompt.

Dalam praktiknya, prinsip yang kami sarankan kepada pelanggan adalah: jelaskan target dengan lengkap; jika muncul penyimpangan tertentu, tambahkan sedikit batasan yang relevan; jangan menyertakan seluruh daftar prompt negatif lama sebagai templat tetap di setiap permintaan.

Untuk menguji prinsip ini dalam kebutuhan Anda sendiri, gunakan APIYI apiyi.com untuk membandingkan hasil dari beberapa model gambar dengan cepat. Biarkan data pengujian menentukan templat prompt yang tepat.

📚 Referensi

1. Panduan petunjuk gambar OpenAI: Rekomendasi resmi tentang cara menulis petunjuk untuk pembuatan gambar
2. Tautan: developers.openai.com/api/docs/guides/image-prompting

3. Keterangan: Mencakup cara menulis hal-hal yang perlu dikecualikan dan saran untuk mempertahankan konten saat mengedit. Ini menjadi dasar utama artikel ini.

4. Dokumentasi OpenAI Images API: Penjelasan parameter antarmuka untuk pembuatan dan pengeditan gambar

5. Tautan: platform.openai.com/docs/api-reference/images

6. Keterangan: Dapat digunakan untuk memastikan rentang parameter yang didukung antarmuka dan menilai apakah tersedia kolom khusus untuk petunjuk negatif.

7. Dokumentasi Stable Diffusion: Contoh penggunaan umum parameter petunjuk negatif

8. Tautan: github.com/Stability-AI/stablediffusion
9. Keterangan: Membahas asal mekanisme negative_prompt, cocok dijadikan referensi bagi tim yang menjalankan model sumber terbuka secara lokal.

Penulis: Tim Teknis APIYI
Diskusi teknis: Silakan hubungi kami melalui halaman beranda situs resmi APIYI. Materi lain tentang pemanggilan model gambar tersedia di pusat dokumentasi docs.apiyi.com.

Artikel terkait

• Satu Gambar Menipu 3 Juta Orang? Tutorial 2 Langkah Membuat Foto Wisata Pseudo-Dokumenter Satir AI dengan GPT Image 2.5: Bedah video satir Paris karya Wytse Koetse dengan terlebih dahulu menggunakan gpt untuk menulis petunjuk terstruktur, lalu memakai gpt-image-2.5-sunburst atau gemini-nano-banana-2.1 guna memproduksi cuplikan pseudo-dokumenter bernada 'iklan wisata palsu' secara massal.