Sintaxe de Prompt Pony e Illustrious: Score, Source, Rating

TL;DR

• Tags de score diferem entre V6 e V7: V6 usa sistema de 6 níveis (score_9 até score_4_up) mapeado a percentis dos dados de treinamento; V7 enfraquece essas tags — use score_8 ou score_7_up em vez de score_9 para melhores resultados. Source
• Tags source e rating só funcionam se o modelo foi treinado com elas: source_pony, source_furry, source_anime, source_cartoon e rating_safe/questionable/explicit exigem que o dataset de treinamento inclua esses rótulos — não transferem automaticamente para merges ou fine-tunes. Source
• CLIP skip 2 é obrigatório para modelos Pony: Carregar Pony Diffusion sem clip_skip=2 (ou -2 em algumas UIs) produz blobs de baixa qualidade independentemente da qualidade do prompt. Source

Por Que o Conselho Oficial Sobre Tags de Score É Enganoso

O artigo da Civitai que apresenta score_9 vende-o como um botão mágico de qualidade: "coloque score_9 no prompt e tenha as melhores imagens." Na prática não é isso o que acontece, e os criadores do modelo esclareceram o porquê depois.

Pony Diffusion V6 foi treinado com um sistema de rotulagem de qualidade em seis níveis aplicado às próprias imagens de treinamento. Cada imagem recebeu uma tag de score_4 até score_9 com base na avaliação de qualidade humana. As variantes _up (score_8_up, score_7_up etc.) foram adicionadas depois para permitir solicitar faixas cumulativas — por exemplo, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up significa "qualquer coisa a partir do percentil 40." Source

A correção que importa: no V6, score_9 aponta para os 10% superiores dos dados de treinamento. No V7, a PurpleSmartAI afirma explicitamente que "special tags (including quality tags) have much weaker performance compared to V6, meaning score_9 would not necessarily yield better results on some prompts." Testes da comunidade confirmam que score_8 ou score_7_up costumam produzir roupas, fundos e detalhes finos mais coerentes no V7. Source

Related: How CLIP skip affects prompt adherence in SDXL models

Tags Source_ e Rating_: Rótulos de Dataset, Não Interruptores Mágicos

Quatro tags source_ existem no Pony V6: source_pony, source_furry, source_anime, source_cartoon. Três tags rating_: rating_safe, rating_questionable, rating_explicit.

Correção crítica do material de origem: "If a model trainer uses these tags to describe images in the dataset they train on, these tags will work. If they don't, these tags will influence the resulting image, but only because it's trying to understand what you mean by 'score_9'." Source

Isto significa:

• Não são transferências de estilo. Adicionar source_anime não "deixa no estilo anime" a menos que o modelo tenha aprendido essa associação no treinamento.
• Não funcionam em merges que perderam os dados rotulados. Um merge Pony/Anime que não preservou as tags source as ignora.
• Negativos se comportam diferente. O guia da Civitai anota: "Put it in the negative, and it will try to avoid it" — mas depende do modelo.

A documentação do Illustrious XL menciona "natural language + tag-based prompting" mas não confirma o uso da mesma taxonomia source_/rating_. Trate-as como específicas do Pony, salvo indicação em contrário na ficha do modelo. Source

A Configuração Obrigatória de CLIP Skip 2

Toda página de modelo Pony Diffusion traz o mesmo aviso em negrito: "Make sure you load this model with clip skip 2 (or -2 in some software), otherwise you will be getting low quality blobs." Source

Não é opcional. CLIP skip altera qual camada do transformador alimenta a U-Net. Modelos Pony foram treinados com CLIP skip 2 embutido — o codificador de texto espera a penúltima camada, não a final. Sem isso, embeddings de token desviam e o modelo não consegue alinhar prompts às imagens. Source

Modelo de Prompt: A Estrutura Oficial do V6

A ficha do modelo prescreve esta ordem exata:

score_9, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up, just describe what you want, tag1, tag2

Por que essa ordem importa: CLIP processa tokens sequencialmente. Tags de qualidade antes estabelecem o "quality manifold" antes de as tags de assunto refinarem dentro dele. Tags estilo Danbooru (tag1, tag2) vêm por último como ajuste fino. Source

Para o V7, remova score_9 e comece com score_8, score_7_up ou apenas score_7_up, score_6_up. Source

Sintaxe de Peso: Explícita e Implícita

Dois sistemas de peso coexistem no AUTOMATIC1111 e UIs compatíveis: Source

Explícita: (keyword: fator)

• Fator > 1 aumenta atenção, < 1 diminui
• Faixa prática: 0.7–1.5 (fora distorce imagens) Source
• Exemplo: (masterpiece: 1.2), (low quality: 0.7) Source

Implícita: Parênteses e colchetes (multiplicativo)

Combinado: [((word))] = 0.9 × 1.21 ≈ 1.089

Delimitadores: Vírgula, Ponto, BREAK

BREAK deve ser maiúsculo. Força a fronteira do chunk CLIP de 75 tokens, impedindo vazamento de tokens entre conceitos não relacionados. Source

Agendamento de Prompt (Blending)

Formato: [keyword1: keyword2: fator] onde fator (0–1) define a porcentagem de passos para trocar. Source

[daytime: nighttime: 0.5]

Em 30 passos: passos 1–15 usam "daytime", passos 16–30 usam "nighttime". Cria blending transicional.

Confirmado funcionando em: AUTOMATIC1111 WebUI. Não confirmado em ComfyUI, InvokeAI ou outros backends.

Prompts Negativos: O Que De Fato Funciona

Tags de score em negativos: utilidade limitada

"You will likely also see score_ tags used in negatives, but they aren't as effective. Some prompters will go as high as score_6, but generally, you'd be okay with a negative prompt of 'score_5, score_4'." — Guia Civitai Source

A armadilha do doesnotexist

Crítico: Nunca use doesnotexist sem peso. O guia Moescape alerta explicitamente: "Don't use the doesnotexist tag without weakening as here - (doesnotexist:0.65) otherwise it causes errors and artifacts." Source

Pool comunitário de tags negativas

Tags anti-artefato comuns (reportadas pela comunidade, verifique por modelo): Source

bad quality, bad anatomy, low quality, low res, blurry, jpeg artifacts,
worst quality, ugly, deformed, extra limbs, missing limbs, floating limbs,
disconnected limbs, mutation, mutated, poorly drawn face, poorly drawn hands,
bad proportions, gross proportions, malformed, missing fingers,
extra digits, fewer digits, cropped, out of frame, watermark, signature,
text, error, username, blurry, bad feet, bad hands

Related: Building effective negative prompts for SDXL

Tags de Fundo Que Funcionam em Pony / Illustrious

Pony é "way more picky at backgrounds than SD1.5" — tags de local aleatórias frequentemente produzem geometria não-euclidiana. Lista testada por NanashiAnon (reportada pela comunidade, funciona em ambos Pony e Illustrious): Source

Dica: Use menos tags, mais específicas. Pony mistura mal; Illustrious lida melhor com fundos.

Illustrious XL: Modelo Diferente, Regras Diferentes

Illustrious XL (OnomaAIResearch) não é um fine-tune do Pony — é um treino separado baseado em SDXL com estas diferenças documentadas: Source

Não presuma que score_9 ou source_anime funcionam no Illustrious. A ficha do modelo apenas confirma linguagem natural + prompting com tags e resolução nativa 1536×1536.

Related: Illustrious XL vs Pony Diffusion comparison

Erros comuns e correções

FAQ

Qual é a ordem correta de tags score_ para Pony V6 XL?

Use score_9, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up no início do seu prompt. Isso espelha os buckets cumulativos de qualidade dos dados de treinamento (40–100%). Para V7, comece com score_8, score_7_up em vez disso. Source

Tags source_ funcionam em prompts negativos?

O guia Civitai diz "put it in the negative, and it will try to avoid it," mas isso só funciona se o modelo foi treinado nesses rótulos. Teste por modelo; não assuma transferência. Source

Por que Pony V7 ignora score_9?

PurpleSmartAI afirma que V7 tem "special tags (including quality tags) have much weaker performance compared to V6." O modelo depende mais de aderência ao prompt que de condicionamento por tag de qualidade. Source

Qual CLIP skip o Illustrious XL precisa?

A ficha do modelo não especifica. A maioria dos derivados SDXL usa CLIP skip 1. Comece com 1; só mude se a saída degradar. Source

Posso usar BREAK no ComfyUI?

Não confirmado oficialmente. BREAK é recurso do AUTOMATIC1111 WebUI que manipula preenchimento de chunk CLIP. ComfyUI lida com conditioning diferente — teste antes de confiar. Source

Qual a diferença entre (word:1.2) e ((word))?

(word:1.2) aplica multiplicador fixo 1.2×. ((word)) aplica 1.1×1.1 = 1.21×. São próximos mas não idênticos; pesos explícitos dão controle preciso. Source

Tags score_ funcionam no Illustrious XL?

Nenhuma evidência documentada. Illustrious usa linguagem natural + tags Danbooru sem sistema publicado de níveis de qualidade. Source

Como escrevo um prompt negativo adequado para Pony?

Comece com (doesnotexist:0.65), score_5, score_4, depois adicione tags anti-estruturais: bad anatomy, bad hands, extra limbs, missing limbs, blurry, low quality, watermark, text. Evite sobrecarregar — muitos negativos conflitam. Source, Moescape

• How CLIP skip affects prompt adherence in SDXL models
• Building effective negative prompts for SDXL
• Illustrious XL vs Pony Diffusion comparison