Neta Lumina Prompting: System Tags and Model Comparisons

TL;DR

• Neta Lumina requiere un prefijo de sistema fijo al principio de cada prompt y usa Gemma 2 (2B) como codificador de texto LLM, lo que le da comprensión multilingüe nativa y de lenguaje natural.
• El vocabulario de etiquetas usa espacios en lugar de guiones bajos, paréntesis escapados para etiquetas ponderadas y etiquetas especiales estructuradas @artist y #character, independientes de las etiquetas estilo Danbooru habituales.
• Entre los modelos de anime, Neta Lumina está en el extremo de alta comprensión: supera a Illustrious XL y a Pony Diffusion en prompts complejos y multilingües, pero requiere ComfyUI y una arquitectura DiT más reciente.

What Prompt Format Does Neta Lumina Require?

Neta Lumina exige un prefijo de sistema fijo al inicio de cada prompt, tanto positivos como negativos. La documentación oficial indica: añada You are an assistant designed to generate anime images based on textual prompts seguido de <Prompt Start>. Para prompts negativos, el prefijo usa "low-quality images" en lugar de la frase positiva (neta.art prompt book).

El modelo también ofrece prompts de sistema alternativos para distintos estilos de entrada: una variante de etiquetas Danbooru que enfatiza la alineación etiqueta-imagen, una variante de lenguaje natural para descripciones de prosa detallada y una variante de resumen estructurado para listas de elementos de escena. Cada variante tiene significativamente menos datos de entrenamiento que la versión estándar, así que los resultados pueden variar (neta.art prompt book).

How Does the Gemma 2 Text Encoder Change Prompting Compared to CLIP Models?

A diferencia de Illustrious XL y Pony Diffusion, que usan codificadores de texto CLIP heredados de Stable Diffusion XL, Neta Lumina emplea Gemma 2 (2B), un modelo de lenguaje autoregresivo completo. Esto significa que el modelo procesa los prompts como lenguaje en lugar de como tokens de embeddings, lo que le permite manejar descripciones de lenguaje natural, entrada multilingüe y instrucciones compositivas complejas que los codificadores CLIP tienen dificultades para manejar (neta.art blog).

El tradeoff es que el inglés funciona mejor porque Gemma 2 fue entrenado principalmente en datos en inglés. Chino y japonés son efectivos, pero pueden mostrar distintos grados de degradación. El enfoque recomendado es construir prompts principalmente en inglés, suplementando con chino y japonés cuando sea necesario (neta.art prompt book).

What Are Neta Lumina's Special @artist and #character Tags?

Más allá de las etiquetas estilo Danbooru habituales, Neta Lumina proporciona etiquetas estructuradas para fijar estilos de ilustración y personajes con precisión. La etiqueta @artist especifica el estilo de ilustración usando frases como Drawn by @{artist_name}, Painted by @{artist_name} o by @{artist_name}. La etiqueta #character especifica personajes usando formatos como Characters: #{character_name1}, #{character_name2} (neta.art prompt book).

Estas etiquetas especiales tienen reglas de formato distintas: los guiones bajos se deben preservar en los nombres originales, y los paréntesis dentro de los nombres de etiqueta deben escaparse con barras invertidas (civitai.com guide 16274).

Para otro ejemplo de enfoques de flujo de trabajo alternativos, véase nuestra guía sobre instrumentos de entrenamiento de flux. Para más contexto sobre flujos de trabajo de ingeniería de prompts, consulte la guía básica de prompts. Para optimizaciones específicas de ComfyUI, léase consejos de calidad de vida de ComfyUI.

How Does Neta Lumina's Tag Vocabulary Differ from Illustrious XL?

Illustrious XL, construido sobre la arquitectura SDXL UNet y ajustado en Danbooru2023, usa codificación de texto basada en CLIP estándar y sigue convenciones de etiquetas Danbooru convencionales con guiones bajos (HuggingFace model card, Illustrious technical report). Neta Lumina difiere en tres formas clave:

• Conversión de guión a espacio: school_uniform se convierte en school uniform
• Paréntesis escapados: las etiquetas ponderadas requieren star \(symbol\) en lugar de star_(symbol)
• Etiquetas estructuradas: sistemas especiales @artist y #character que no están presentes en Illustrious XL

Además, el codificador basado en Gemma puede procesar lenguaje natural directamente junto con las etiquetas, mientras que Illustrious XL depende de la comprensión basada en embeddings de CLIP (neta.art blog, Illustrious technical report).

Para más contexto de flujo de trabajo relacionado, véase consejos de calidad de vida de ComfyUI.

How Does Neta Lumina's Tag Vocabulary Differ from Pony Diffusion V6?

Pony Diffusion V6 usa la arquitectura SDXL con codificación de texto CLIP estándar, similar a Illustrious XL. Su tarjeta del modelo estaba encerrada y inaccesible, así que las diferencias específicas requieren inferencia. Pony Diffusion sigue típicamente convenciones de etiquetas Danbooru estándar con guiones bajos y sin un sistema especial de etiquetas estructuradas (HuggingFace model page — gated, HTTP 401).

El vocabulario etiquetado de Neta Lumina está más explícitamente diseñado multilingüe, con el codificador Gemma 2 habilitando procesamiento nativo de chino, japonés e inglés, mientras que Pony Diffusion y otros modelos SDXL operan principalmente en inglés (neta.art blog).

Where Does Neta Lumina Fit Among Anime Diffusion Models?

Neta Lumina ocupa una posición distinta. Está construido sobre el framework Lumina-Image-2.0 DiT (2.6B parámetros), un transformador de difusión basado en flujo que trata tokens de texto e imagen como una secuencia unificada (Lumina-Image-2.0 paper). Esto contrasta con Illustrious XL y Pony Diffusion V6, que usan la arquitectura SDXL UNet.

Tabla de comparación:

Feature | Neta Lumina | Illustrious XL | Pony Diffusion V6 | Source ---|---|---|---|---|---|---|---|--- Text encoder | Gemma 2 (2B) LLM | Dual CLIP encoders | Dual CLIP encoders | https://neta.art/blog/neta_lumina https://arxiv.org/abs/2503.21758 https://huggingface.co/OnomaAIResearch/Illustrious-xl-early-release-v0 Multilingual support | Native (EN, ZH, JA) | English primary | English primary | https://neta.art/blog/neta_lumina Tag vocabulary | Spaces, escaped parentheses, @/# structured tags | Underscores, standard Danbooru | Standard Danbooru | https://neta.art/blog/neta_lumina_prompt_book https://huggingface.co/OnomaAIResearch/Illustrious-xl-early-release-v0 Natural language support | Advanced (NLP prompts in 5 styles) | Multi-level captions | Basic | https://neta.art/blog/neta_lumina https://arxiv.org/abs/2409.19946 Recommended CFG | 4–5.5 | 5–7.5 | Not verified | https://neta.art/blog/neta_lumina_prompt_book https://huggingface.co/OnomaAIResearch/Illustrious-xl-early-release-v0 Recommended sampler | res_multistep / euler_ancestral | Euler a | Not verified | https://neta.art/blog/neta_lumina_prompt_book https://huggingface.co/OnomaAIResearch/Illustrious-xl-early-release-v0 VRAM requirement | 8 GB | ~8 GB | ~8 GB | https://huggingface.co/neta-art/Neta-Lumina https://huggingface.co/OnomaAIResearch/Illustrious-xl-early-release-v0 Workflow | ComfyUI only | ComfyUI, A1111, Forge | A1111, ComfyUI | https://huggingface.co/neta-art/Neta-Lumina https://huggingface.co/OnomaAIResearch/Illustrious-xl-early-release-v0 https://huggingface.co/pony-diffusion/pony-diffusion-v6-xl

What Is the Recommended Prompt Structure for Neta Lumina?

La documentación recomienda una estructura de nueve partes para resultados óptimos: palabras desencadenantes de personaje (character trigger words), estilo de arte (art-style), apariencia del personaje (character appearance), ropa (clothing), expresión y acción (expression & action), cámara/perspectiva (camera/perspective), iluminación y efectos (lighting & effects), atmósfera de escena (scene atmosphere) y etiqueta de calidad (quality tag). Construir un esqueleto con etiquetas primero y luego enriquecer los detalles con lenguaje natural produce buenos resultados (neta.art prompt book).

Common Errors and Fixes

Symptom | Cause | Fix ---|---|--- Poor results with standard Danbooru underscore tags | Gemma tokenizer processes underscores differently; training converted them to spaces | Replace underscores with spaces: school_uniform → school uniform Using Civitai negative prompt prefix yields different results | Civitai article states positive prefix for negatives; official guide uses a different low-quality prefix | Use official negative prefix: "You are an assistant designed to generate low-quality images based on textual prompts"

FAQ

How do you write prompts for Neta Lumina? Build a skeleton with tags following the nine-part structure, then optionally enrich with natural language. Always start with the system prefix. Example: You are an assistant designed to generate anime images based on textual prompts. <Prompt Start> 1girl, school uniform, black hair, purple eyes, gentle smile (neta.art prompt book).

What is the system prompt for Neta Lumina? The required prefix is You are an assistant designed to generate anime images based on textual prompts. <Prompt Start>. For negative prompts, the prefix changes to You are an assistant designed to generate low-quality images based on textual prompts (neta.art prompt book).

How does Neta Lumina differ from Illustrious XL in prompting? Neta Lumina uses Gemma 2 (an LLM) as its text encoder instead of CLIP, enabling native multilingual support and natural-language understanding. Its tag vocabulary uses spaces instead of underscores and includes special @artist and #character structured tags. Illustrious XL uses CLIP encoders and conventional Danbooru tag formatting with underscores (neta.art blog, Illustrious XL model card).

Does Neta Lumina understand Chinese and Japanese prompts? Yes. Neta Lumina has native multilingual support for Chinese, English, and Japanese, with English performing best. Chinese and Japanese are effective but may show varying degrees of performance degradation (neta.art blog, neta.art prompt book).

Can I mix Danbooru tags and natural language in Neta Lumina? The model treats tags and natural language as core inputs at the same level, so using one or the other is recommended for stable results. Mixing both is considered an out-of-distribution usage that may produce unpredictable but sometimes surprisingly pleasant effects (civitai.com guide 16274).