Illustriousプロンプトの書き方｜順番・品質タグ・テンプレ

Illustrious（Illustrious XL）は、OnomaAI が Stable Diffusion XL を基に学習したイラスト向けモデルです。公開されているモデルカードで確認できる範囲だけを、このページでは事実として書きます。チェックポイントごとに差がある部分は、一般的な書き方として分けて書きます。

v0.1 の Hugging Face カードでは、Kohaku XL Beta 5 から続けて学習し、データセットは Danbooru2023 だと説明されています。基本モデルには決まった画風がなく、それは意図した挙動だと書かれています。

v1.0 のカードでは、v0.1 から学習したこと、Danbooru 形式のタグと自然言語の両方を扱えること、ネイティブ解像度として 1536×1536 を挙げ、512×512 から 1536×1536 まで（例として 1248×1824）を追加学習なしで扱える、と書かれています。知識の時点は 2024年6月まで、学習時期は 2024年7月、とカードにあります。

v1.1 のカードでは、v1.0 の続きで、自然言語をより重視して安定化させたモデルだと説明されています。知識のカットオフは 2024年7月まで、と書かれています。

v0.1 カードの更新文には、v0.1（2024年5月に学習）、v1.0（2024年7月）、v1.1（2024年8月）、v2.0（2024年9月）、v3（2024年11月）、v-parameterization の v3.5、という名前が並んでいます。v2 以降のプロンプト仕様はこのページではカード本文を確認できていないので、書きません。読み込んだファイルのモデルカードを見てください。

Stable Diffusion 全般の書き方は Stable Diffusion プロンプト、ネガティブの基礎は ネガティブプロンプト です。

v0.1 カードの公開作例は、1boy や 1girl から始まり、品質タグは付いていないか、末尾の masterpiece だけです。カードは「品質タグを先頭に置け」とは書いていません。

一方で、Illustrious 系のファインチューンでは、品質タグを先頭、構図を末尾にする書き方が広く使われています。順番を変えても結果がほぼ変わらなかった、という公開の比較もあります。それは特定のファインチューンとシードの話で、すべてのチェックポイントの仕様ではありません。

編集しやすい並びとして、このページのテンプレは次の順にしています。公式の必須順ではなく、直すときにどこを触るか分かるように分けたものです。

1. 人数（1girl や 1boy）。成人を描くなら adult を添える。 2. 髪・目など、見た目のタグ。 3. 服装。 4. ポーズと表情。 5. 場所と光。 6. 構図（upper body、portrait、full body のいずれか）。 7. 品質タグ。ファインチューンのカードが先頭を推奨しているなら、そこへ移す。

v0.1 カードは、close-up、upside-down、cowboy shot を使いすぎないよう書っています。互いにぶつかって結果が乱れる、という理由です。同じカードは、用途に応じて upper body、cowboy shot、portrait、full body のいずれかを使うよう勧めています。全部は同時に入れません。

v0.1 カードが対応していると書いている品質タグは、worst quality、bad quality、average quality、good quality、best quality、masterpiece (quality) です。括弧付きの表記はカードの文言どおりです。同じカードの作例では、括弧なしの masterpiece が末尾に置かれています。括弧を付けるかどうかは、実際に読み込んだチェックポイントの作例に合わせてください。

悪い側（worst quality や bad quality）は、ネガティブプロンプトに置くのがカードの作例です。ポジティブとネガティブの両方に同じ品質タグを入れないでください。

品質タグを何個も積むと良くなる、という仕様はカードにありません。ファインチューンによっては、品質タグの足しすぎと長すぎるネガティブが絵をぼかす、とモデルページに注意が書いてあります。読み込んだモデルのページにその注意があるなら、masterpiece, best quality 程度で止めてください。注意がないベースモデルでも、まずその二つから試し、足しても変わらなければ戻す、というやり方が安全です。

amazing quality や very aesthetic は、v0.1 カードの対応リストには含まれていません。一部のファインチューンの作例では使われています。ベースの仕様としてこのページでは推奨しません。

v0.1 は Danbooru2023 で学習されている、とカードにあります。作例もカンマ区切りのタグです。具体的な名詞（髪、服、人数、構図）は、短いタグの方がこの世代には合いやすい、と考えてください。これはカードの学習データと作例からの読み方です。

v1.0 のカードは、平易な英語の文と、正確なタグと、その両方を使える、と書いています。v1.1 は自然言語をより重視した、と書いています。長い文章だけにすると、タグで固定したい服や人数が落ちることがあります。一般的な分け方は次です。

- タグにする: 人数、髪、服の名前、sitting、upper body のような決まった見た目。 - 短い文にする: タグにない状況。例: standing beside a door that reaches her shoulders。 - 混ぜるとき: 文は一つ。タグの列の途中に長い文を何本も挟まない。

NovelAI の波括弧（{tag}）は、Illustrious のカードには出てきません。Automatic1111 などの (tag:1.2) は UI の重み付けで、Illustrious 専用の機能ではありません。使うアプリの説明に従ってください。

アニメ寄りの顔の単語は アニメプロンプト、表情は 表情プロンプト です。

v0.1 カードの作例に付いているネガティブは、次の並びです。カードからそのまま転記しています。

worst quality, comic, multiple views, bad quality, low quality, lowres,
displeasing, very displeasing, bad anatomy, bad hands, scan artifacts,
monochrome, greyscale, signature, twitter username, jpeg artifacts,
2koma, 4koma, guro, extra digits, fewer digits

モノクロの絵が欲しいときは monochrome, greyscale を外します。漫画のコマが欲しいときは comic, 2koma, 4koma, multiple views を外します。guro はカードの作例に含まれる、傷つけ合う表現を避けるための語です。このサイトのテンプレでも残しています。

短い実用版として、人物画では次を出発点にしてください。v0.1 の作例から、用途が限られる語を外した一般的な短縮です。

worst quality, bad quality, low quality, lowres, bad anatomy, bad hands,
extra digits, fewer digits, signature, watermark, username, jpeg artifacts

成人の人物では、さらに 年齢プロンプト と同じく child, kid, toddler, baby, loli, shota, teen, underage, baby face を足します。カードの標準ネガティブにはこの行はありません。このサイトの人物テンプレとしての追加です。

v1.0 と v1.1 のカード本文には、推奨ネガティブの一覧がありません。ファインチューンが独自のネガティブを公開している場合は、そちらを優先してください。

Danbooru には作者名のタグがあり、v0.1 はそのデータセットで学習されています。作者名を入れると、そのタグに結びついた画風へ寄ることがあります。これは「その人が描いた」という意味ではありません。

公開する絵や、自分の作品として扱う絵では、実在の作者名を使わず、見た目の単語で書いてください。

v0.1 カードは、基本モデルにデフォルトの画風がない、と書いています。画風タグを空にすると、学習データの平均的なイラストになります。特定の作者に寄せたい場合でも、その人の名前をこのページでは例に出しません。

既存のキャラクター名も、Danbooru タグとして反応することがあります。公開・販売するなら、名前を使わず、髪や服の要素に分解してください。分解の考え方は コスプレプロンプト にあります。

v0.1 カードの推奨は、サンプラー Euler a、ステップ 20〜28、CFG 5〜7.5 です。用途によって変わる、とも書かれています。v1.0 と v1.1 のカード本文には、この数値の繰り返しがありません。同じ数字をすべてのバージョンの公式値とは扱わないでください。ファインチューンは、それぞれのモデルページの数値を使います。

解像度について v1.0 カードは、1536×1536 をネイティブとし、512 から 1536 の範囲と、1248×1824 のような非正方形を追加の改造なしで扱える、と書いています。VRAM や UI の上限までカードは保証していません。まず 1024 前後で構図を確認し、カードが挙げる範囲で上げる、という手順が安全です。

成人の上半身（タグ中心）

1girl, adult, young adult, long black hair, brown eyes,
white blouse, dark skirt, sitting, gentle smile,
looking at viewer, indoors, window light,
upper body, masterpiece, best quality

成人の全身（短い文を一つ混ぜる）

1boy, adult, short hair, coat, standing, full body,
standing beside a door that reaches his shoulders,
simple background, masterpiece, best quality

背景を少し描き込む

1girl, adult, casual clothes, walking, city street, overcast,
from side, full body, masterpiece, best quality

ネガティブは前の節の短縮版に、成人向けの除外を足してください。低身長や暗い部屋など主題ごとのタグは、低身長・小柄 と 暗い部屋 を足し、品質タグの並びはこのページのままにしてください。