Yapay Zeka Görsellerinde Negatif Prompt Nasıl Kullanılır?

Temiz, katmanlı bir prompt yazdınız, üret dediniz ve görsel neredeyse istediğiniz gibi çıktı — ama masanın üstünde hiç istemediğiniz bir kahve fincanı var ya da palet sürekli yeşile kayıyor, siz nötr renkler istemiştiniz. İçgüdüsel tepki bellidir: modele istemediğiniz şeyleri söyleyin. İşte negatif prompt tam olarak bunun için var — modelin uzak durması gereken unsurları ayrı bir alana listeleyen ikinci bir kanal. Ama pek çok rehberin atladığı kritik bir nokta var: bazı modellerde negatif promptlar mükemmel çalışır, bazılarında hiçbir etkisi olmaz, bir kısmında ise böyle bir özellik hiç yoktur. Yanlış modele yanlış sözdizimi yapıştırırsanız ya görünmez olursunuz ya da görseli daha da kötüleştirirsiniz.

Bu rehber tam da o sorunu çözüyor. Negatif promptun ne olduğunu (ve ne olmadığını), ne zaman işe yarayıp ne zaman gizlice ters teptiğini, hangi modelin hangi yaklaşımı beklediğini, alan tabanlı modeller için kopyala-yapıştır prompt kütüphanesi ve alan içermeyen modeller için dönüştürme tarifini ele alacağız. Sonunda yalnızca dışlamaları nasıl yazacağınızı değil, hangi yöntemin modeliniz tarafından gerçekten dikkate alındığını da biliyor olacaksınız.

Bu yazı, görsel prompt yazmaya dair temel rehberimizin — Yapay Zeka Görsel Prompt'u Nasıl Yazılır? — dışlama tarafındaki tamamlayıcısıdır. Pozitif prompt modele neyi inşa edeceğini söyler; negatif prompt ise neden uzak durması gerektiğini. Her ikisine de ihtiyacınız var ve görünenden çok daha bağlantılılar.

Yapay Zeka Görsellerinde Negatif Prompt Gerçekte Nedir (ve Ne Değildir)?

Negatif prompt, model görsel oluştururken uzak durmasını istediğiniz kelime, ifade ya da kavramların listesidir. Ana promptunuz sonucu bir özneye, stile ve atmosfere doğru çekerken; negatif prompt tam tersi yönde onu bulanıklıktan, kalabalık arka plandan, istemediğiniz renkten uzaklaştırır.

Bunun neden işe yaradığını anlamak için bir difüzyon modelinin nasıl ürettiğini hayal etmek yardımcı olur. Model saf görsel gürültüden başlar ve bu gürültüyü her adımda promptunuzun rehberliğinde tutarlı bir görüntüye dönüştürür. Bu şekilde inşa edilmiş modellerde negatif prompt, iyileştirme sürecine ikinci bir talimat verir: model gürültüyü öznenize doğru şekillendirirken, aynı zamanda negatif terimlerinizle ilişkili örüntülerden uzaklaşmak için de yönlendirilir. Modele her adımda "bundan daha fazla, şundan daha az" denmektedir. İşte bu mekanizma — modelin çalıştığı olasılıkları yeniden şekillendirir.

Ve buradaki kritik kelime olasılıklardır. Negatif prompt bir şeyin görünme ihtimalini düşürür; yokluğunu garanti etmez. Bu, içselleştirmeniz gereken en önemli noktadır; çünkü beklentilerinizi doğru ayarlar. Negatif alana blurry yazarsanız modele keskin çalışmasını söylüyorsunuzdur — ancak güçlü bir ana prompt ya da karmaşık bir kompozisyon yine de bazı yerlerde yumuşaklık üretebilir. Negatif promptlar bir yönlendirme girdisidir, katı bir filtre değil. Onları olasılıkları eğme yöntemi olarak gördüğünüzde iyi kullanırsınız.

Negatif promptun olmadığı birkaç şey:

• Silme düğmesi değildir. Bir nesne üretip ardından onu negatif bir terimle kaldıramazsınız (aşağıda bu tuzağa değineceğiz).
• Evrensel sözdizimi değildir. Bir araçta işe yarayan virgülle ayrılmış liste, negatif kanalı olmayan başka bir araç için anlamsızdır.
• İyi bir ana promptun yerine geçmez. "Masada fincan olmasın" sorununa genellikle en kestirme yol, fincanı yasaklamak yerine istediğiniz temiz masayı tarif etmektir.

Negatif Promptlar Ne Zaman Yardımcı Olur — Ne Zaman Ters Teper?

Doğru modelde kullanıldığında negatif promptlar birkaç yinelenen durumda parlar:

• İstenmeyen nesneler. Sahnede sürekli kalabalık yaratan — objeler, ekstra insanlar, arka plan dağınıklığı — bunları negatife yazdığınızda sakinleşir.
• Renk kayması. Model sürekli istemediğiniz bir tona yöneliyorsa, o tonu (ve yakın varyantlarını) negatife eklemek paleti yerine çeker.
• Stil sızması. Fotoğraf istediniz ama illüstrasyona ya da 3D render'a benzer bir şey çıkıyorsa, cartoon, illustration, 3d render gibi negatifler fotoğrafçılık yönüne geri çeker.
• Kalite tabanı. blurry, low resolution, distorted gibi genel terimler modelin aşmaya çalışacağı bir taban çizer. Bu klasik "kalite negatifi"dir ve özelliğin en yaygın kullanımıdır.

Şimdi ters tepme durumları — negatif alana uzanmanın sizi zararına çıkardığı haller:

"Ana prompt her zaman kazanır" kuralı. Negatif alanı olan modellerde ana promptunuz negatifin önüne geçer. "Bir gitar" istediniz ve negatife strings yazdınız; telsiz bir gitar elde edemezsiniz — ana promptun gitar (ve teli olan bir gitar) talebi dışlamayı ezer. Bir şey zaten istediğinizin ayrılmaz bir parçasıysa negatifle çıkaramazsınız. Bunun yerine ana promptu değiştirmeniz gerekir.

"Gün batımı değil" tuzağı. Kaçınmaya çalıştığınız kavramı aynı şekilde adlandıran bir dışlama ifadesi ters tepebilir; çünkü o kavramı modelin dikkatine sokmuş olursunuz. "Gün batımı olmayan bir gökyüzü" ifadesi modelin zihnine gün batımını yerleştirir — ve tam olarak kaçınmaya çalıştığınız turuncu gökyüzünü alabilirsiniz. Negatif alan tam da bu kavramları pozitif prompttan dışarıda tutmak için vardır; hantal bir ifadeyle geri kaçırmayın.

Pozitif çerçevelemenin daha iyi olduğu durumlar. Çoğu zaman en güçlü hamle bir şeyi yasaklamak değil, tam tersini tarif etmektir. "Boş sokak", "sokak, araç yok" ifadesinden daha güvenilir bir talimattır. "Temiz, minimal masa", "masa, dağınık değil" ifadesini geçer. Pozitif çerçeveleme modele inşa edecek somut bir şey verir; oysa negatif yalnızca ne kaçınacağını söyler, gerisini açık bırakır. Genel kural olarak: dışlamanızı istediğiniz sahnenin pozitif bir tarifi olarak ifade edebiliyorsanız önce onu yapın — negatif alanı yine de sızmakta ısrar eden şeyler için saklayın.

Model Bazında Gerçeklik Kontrolü

Bu bölüm en çok hayal kırıklığından kurtarır; çünkü "negatif prompt nasıl yazarım" sorusunun modele göre üç tamamen farklı yanıtı vardır. Modern görsel araçlar üç kampa ayrılır ve modeliniz için yanlış tekniği kullanmak, dışlamaların başarısız olmasının bir numaralı nedenidir.

(a) Ayrı Negatif Prompt Alanı Olan Modeller

Bu araçlar size ana prompttan ayrı, kaçınmak istediklerinizi yazdığınız ayrı bir giriş kutusu sunar.

Ideogram bunun net bir örneğidir. Negatif prompt kontrolü biraz gizlidir: prompt kutusunu açıp Araçlar → Daha fazla yolunu izlerseniz Negatif prompt alanını görürsünüz. Buraya virgülle ayrılmış terimler yazarsınız — ana promptta kullandığınız liste formatının aynısı. Ideogram'ın kılavuzu ezberlemek için iki ilkeyi öne çıkarır. Birincisi, abartmayın: kısa ve odaklı bir negatif liste, dağınık ve uzun bir listeden daha iyi çalışır. İkincisi, ana prompt her zaman negatifin önüne geçer — yani negatif, istemediğiniz artıkları budamak içindir, kendi ana talimatınızla savaşmak için değil. Rengi dışlamaya yönelik kendi örnekleri doğru içgüdüyü gösteriyor: bir sahneden yeşili uzak tutmak için green, green color, green candies gibi bir şey yazarsınız — tonu ve muhtemel somut formlarını adlandırırsınız; böylece modelin onu geri sızdıracak daha az yolu kalır.

Stable Diffusion ailesi araçlar parametre düzeyinde aynı şekilde çalışır. Negatif prompt birinci sınıf bir giriştir — örnekleyicinin uzak durduğu terimlerin virgülle ayrılmış listesi, tıpkı ana promptun hedefe doğru yönlendirmesi gibi. Tipik bir kalite ve stil negatifi şöyle görünebilir: disfigured, cartoon, blurry. Aracınız bir negatif prompt parametresi sunuyorsa bu kamptasınızdır ve virgülle ayrılmış liste yerel sözdiziminizdir.

Bu kamp için zihinsel model: iki liste, zıt yönler. Ana prompt = hedefe doğru. Negatif prompt = uzaklaşmak için. İkisini de odaklı tutun.

(b) Yerleşik Alanı Olmayan Modeller — Pozitif Çerçeveleme Kullanın

Bu kamp, insanların en çok hata yaptığı yerdir; çünkü bu modeller son derece popüler ve hiç negatif prompt girişi yoktur. Buralara virgülle ayrılmış bir "negatif" liste yapıştırmak işe yaramaz — en iyi ihtimalle yoksayılır, en kötü ihtimalle model kaçınma listenizi dahil edilecek şeyler olarak okur.

Nano Banana (Google'ın görsel modeli) bu konuda öne çıkan örnektir. Negatif prompt alanı yoktur ve resmi kılavuz açıktır: sahneyi pozitif olarak tanımlayın. Araba olmayan bir sokak için "boş sokak" yazarsınız, "araba yok" değil. Bunun nedeni mimaridir. Nano Banana, tarifnizi bir bütün olarak yorumlayan uçtan uca anlamsal bir modeldir — "bundan kaçın" vektörünün sonuçtan çıkarılabileceği ayrı bir rehberlik aşaması yoktur. Dolayısıyla bir şeyi dışlamanın yolu onu olmadan dünyayı tarif etmektir. İnsan istemiyorsanız boş odayı tarif edin. Sade bir arka plan istiyorsanız sade arka planı tarif edin. Model tarif ettiğinizi inşa eder, bu yüzden yokluğu bir varlık olarak tarif edin.

FLUX pratik olarak aynı kamptadır, ancak farklı teknik bir nedenle. FLUX, akış eşleştirme (flow matching) üzerine inşa edilmiştir ve varsayılan olarak klasik negatif promptların dayandığı classifier-free guidance mekanizması olmadan çalışır (varsayılan guidance etkin olarak CFG 1'dir). Yalın ifadeyle: geleneksel bir negatif promptu işler kılan mekanizma aktif değildir, dolayısıyla doldurulacak ayrı bir negatif alan yoktur. Pratik yol Nano Banana ile aynıdır — istemediğiniz şeyi pozitif olarak çerçeveleyin. extra fingers, deformed hands gibi bir negatif liste yerine iyi sonucu tarif edin: perfect hands with five fingers. Kaliteyi ve dışlamaları, kaçınma listesi değil canlı pozitif tarifle yönlendirin. (İleri seviye kullanıcılar, dinamik eşikleme yoluyla guidance tarzı negatifi yeniden etkinleştiren topluluk geçici çözümlerine başvurur; ancak bu bir güç kullanıcısı sapması — FLUX ile ana akım ve güvenilir yaklaşım pozitif çerçevelemedir.)

Bu kamp için zihinsel model: "uzak" kanalı yok — dolayısıyla yokluğu "hedefe" dahil edin.

(c) Talimat Tabanlı Dışlama (Görsel Üzerinden Düzenleme)

Negatif prompt olmayan üçüncü bir dışlama yolu daha var: sonradan düzenleyerek çıkarmak. Elinizde zaten bir görsel varsa — üretilmiş ya da gerçek — konuşmaya dayalı düzenleme modelleri "Fotoğraftaki adamı kaldır" veya "Dağınık rafı temiz beyaz duvarla değiştir" gibi sade dil talimatlarını doğrudan uygular. Bu, bir üretimi belirli bir kavramdan uzaklaştırmak değil; mevcut bir görüntüde hedefli bir değişikliği yönlendirmektir. Nano Banana, örneğin bu tür talimatları doğrudan görsel üzerinden düzenleme akışında ele alır.

Bu genellikle tek, inatçı bir unsurdan kurtulmanın en güvenilir yoludur — kalabalığın tekrar çıkmamasını umarak birçok yeni üretimle boğuşmak yerine beğendiğiniz görseli üretir, sonra istemediğinizi cerrahi olarak kaldırırsınız. Bu, kendi tekniğiyle ayrı bir disiplindir ve baştan sona yapay zeka görselden-görsele düzenleme rehberimizde ele alıyoruz. "Negatif prompt" sorununuz aslında "bu bir şey, aksi güzel olan görüntüden çıkması lazım" sorunuysa, okumak istediğiniz yazı odur.

Hızlı Başvuru: Modeliniz Hangi Yöntemi Bekler?

Model / aile	Dışlama yöntemi	Nasıl yazılır
Ideogram	Ayrı negatif prompt alanı (Araçlar → Daha fazla)	Virgülle ayrılmış terimler; kısa tutun; ana prompt kazanır
Stable Diffusion ailesi	Negatif prompt parametresi	Virgülle ayrılmış terimler (örn. disfigured, cartoon, blurry)
Nano Banana	Alan yok — pozitif çerçeveleme	Yokluğu tarif edin ("empty street", "boş sokak" — "no cars" değil)
FLUX	Klasik negatif yok (flow matching, CFG 1)	Pozitif çerçeveleme ("perfect hands with five fingers")
Herhangi bir görsel üzerinden düzenleme	Talimat tabanlı kaldırma	Mevcut görsel üzerinde "Remove the X" / "Replace the X with Y"

Bu tablodan çıkarılacak ders: tek bir dışlama yazmadan önce modelinizin hangi kampta olduğunu bilin. Mükemmel bir virgülle ayrılmış negatif liste Nano Banana'da boşa gider; "no cars" pozitif ifadesi ise Ideogram'ın negatif alanını işlevsiz bırakır.

Kopyala-Yapıştır Negatif Prompt Kütüphanesi (Alan Tabanlı Modeller İçin)

Ayrı negatif alanı olan bir araçta — Ideogram, Stable Diffusion ailesi bir araç — çalışıyorsanız aşağıdaki bloklar size hızlı bir başlangıç noktası sağlar. İlgili olanları negatif alana yapıştırın, ardından gerçekten ihtiyaç duyduklarınıza göre kırpın. Ideogram'ın kuralını unutmayın: kısa ve odaklı, uzun ve dağınıktan her zaman daha iyi.

Kalite tabanı — en yaygın negatif; temiz bir sonuç için taban çizer:

blurry, low resolution, grainy, distorted, jpeg artifacts, pixelated

Ne zaman kullanılır: Temiz bir sonuç istediğiniz neredeyse her fotoğrafik üretimde. Ne zaman atlanır: Kasıtlı olarak lo-fi, grenli ya da vintage bir estetik peşindeyseniz — bu terimler istediğiniz görünümle çelişir.

Stil dışlama — fotoğrafın illüstrasyona kaymasını önler:

cartoon, illustration, 3d render, painting, sketch, anime

Ne zaman kullanılır: Fotogerçekçilik istediniz ama render edilmiş ya da çizilmiş bir his alıyorsunuz. Ne zaman atlanır: Bu stillerden birini gerçekten istiyorsanız — gideceğiniz şeyi yasaklamayın.

Ortam / arka plan — kalabalık veya dikkat dağıtıcı bir sahneyi sakinleştirir:

cluttered background, distracting elements, busy background, messy, clutter

Ne zaman kullanılır: Öznenin öne çıkması ve arka planın sade kalması gereken ürün ya da portre çalışmalarında. Ne zaman atlanır: Zengin ve detaylı ortamın amacın kendisi olduğu yaşam tarzı ya da editöryel sahnelerde.

Ticari temizlik — kullanılabilir bir görseli bozan izinsiz girişleri kaldırır:

text, watermark, logo, signature, label

Ne zaman kullanılır: İçine yazı ya da işaret baskılı olmayan temiz bir görsel istediğinizde. Ne zaman atlanır: Öznenin meşruiyet gereği yazı ya da etiket içermesi gerekiyorsa (bir ürün paketi, imzalı bir eser) — burada yasaklamak tam istediğiniz şeyi bozar.

Pratik bir montaj ipucu: dört bloğu da varsayılan olarak üst üste koymayın. Kalite tabanıyla başlayın, gerçek sorununuzu hedefleyen bir blok daha ekleyin ve üretin. Belirli bir istenmeyen şey direniyorsa, o terimi özellikle ekleyin; daha genel terimler yığmayın. Beş ile sekiz arasındaki sıkı bir negatif, neredeyse her zaman otuz terimlik bir duvarı geçer — bu da aşağıda kendi başlığını hak eden bir başarısızlık moduna getiriyor bizi.

Alansız Modellerde Dışlamaları Nasıl Çevirirsiniz (Nano Banana, FLUX, GPT Tarzı)

Şimdi dünyanın diğer yarısı: negatif kanalı olmayan modeller. Buradaki beceri çeviri — zihninizdeki kaçınma listesini alıp istediğiniz sahnenin pozitif bir tarifine dönüştürmek. İşte tarif:

Adım 1 — Dışlamalarınızı normalde olduğu gibi yazın. Kendi başvurunuz için istemediğiniz şeyleri listeleyin: "araba yok, insan yok, dağınıklık yok, bulanık değil."

Adım 2 — Her birini pozitife çevirin. Her "X olmasın" için şunu sorun: X olmadan sahne nasıl görünür? ve onu tarif edin. Güvenilir önce/sonra çiftleri:

Yazmak yerine (negatif)	Şunu yazın (pozitif çerçeveleme)
"street, no cars"	"empty street, quiet and deserted"
"messy desk" / "desk, no clutter"	"clean, minimal desk, tidy surface"
"portrait, no other people"	"solo portrait, single subject, plain backdrop"
"hands, no extra fingers"	"natural hands, five fingers, correct anatomy"
"photo, not cartoonish"	"photorealistic, true-to-life lighting and texture"
"sky, not a sunset"	"clear midday blue sky, neutral daylight"

Kalıbı fark ettiniz mi: her yeniden yazım modele inşa edecek somut bir şey verir, kaçınacağı soyut bir şeyi değil. "Empty" (boş) modelin render edebileceği bir şeydir; "no cars" ise kanalı olmayan bir yokluğu akıl yürütmesini ister.

Adım 3 — Tek bir öğe için düzenleme talimatına geçin. Birkaç denemeden sonra inatçı bir nesne hâlâ çıkmaya devam ediyorsa metin-ten-görsele üretimle mücadeleyi bırakın. Beğendiğiniz görseli üretin ve öğeyi görsel üzerinden düzenleme talimatıyla kaldırın — "Remove the X" veya "Replace the X with Y." Bu, bir sonraki üretimin dağınıklığı unutmasını ummaktan çok daha güvenilirdir ve tam olarak görselden-görsele düzenleme rehberimizin yürüttüğü iş akışıdır.

Adım 4 — Katmanlı tutun ve sınırlayın. Her tanımlayıcıyı nefes kesen tek bir cümleye dökmeyin. Katmanlı inşa edin — önce geniş sahne, sonra sahneye özgü detay — prompt yazma temel rehberindeki aynı beş katmanlı yöntemle. Tanımlayıcı terimleri yaklaşık 8 ile 12 ile sınırlayın; bunun üzerinde bu kamptaki modeller ipliği kaybetmeye ve her şeyi bulanık, cansız bir sonuca ortalamaya başlar. Kesinlik, hacmi geçer.

Zihniyet değişimi: bu modellerde çıkarmıyorsunuz, daha hassas tarif ediyorsunuz. Her "hayır" daha keskin bir "evet"e dönüşür.

Sonuçlarınızı Sessizce Mahveden Yaygın Hatalar

Bunlar belirgin bir hata atmayan — görüntü yalnızca sönük, yanlış hissettiren ya da inatla beklediğinizden farklı çıkan ve nedenini anlayamadığınız hatalardır.

• Dev negatif liste. Otuz terimi negatif alana doldurmak kapsamlı hissettirir; ama modeli aşırı kısıtlar ve görüntünün canlılığını söndürür — sonuçlar düz, soluk ve jenerik hale gelir. Odaklı bir avuç, kapsamlı bir duvarı her zaman geçer. Alan tabanlı bir modeldeyseniz negatifi kısa ve hedefli tutun.

• Alan olmayan bir modele virgüllü liste yapıştırmak. blurry, low quality, cluttered gibi ifadeleri Nano Banana ya da FLUX'a yazarsanız hiçbir işe yaramaz — bu kelimeleri alacak bir negatif kanal yoktur ve en kötü durumda model o kelimeleri dahil edilecek şeyler olarak okur. Tek bir dışlama yazmadan önce hangi kampta olduğunuzu bilin (yukarıdaki tabloya bakın).

• Kaçınmaya çalıştığınız kavramı adlandırmak. "Not a sunset" ya da "without a hat" ifadelerini pozitif promptunuza yazmak tam o fikri modelin dikkatine sokar ve onu çağırabilir. Alan tabanlı modellerde kaçınmaları negatif alana koyun. Alansız modellerde ise şeyi adlandırmak yerine alternatifi tarif edin ("clear daytime sky", "bare head").

• Modeli kontrol etmeden bulduğunuz bir negatif promptu kopyala-yapıştır yapmak. Bir forumda gördüğünüz o "evrensel negatif prompt" neredeyse kesinlikle Stable Diffusion ailesi bir araç için yazılmıştır. FLUX ya da Nano Banana'ya yapıştırın — en iyi ihtimalle etkisizdir. Tekniği her zaman gerçekten kullandığınız modele göre eşleştirin.

• Ana prompt asıl sorunken negatife uzanmak. Dışladığınız şey istediğinizin ayrılmaz bir parçasıysa (gitarın teli, bir insanın yüzü), hiçbir negatif onu kaldıramaz. Bunun yerine ana promptu düzeltin.

Sık Sorulan Sorular

Yapay zeka görsel üretiminde negatif prompt nedir?

Negatif prompt, modelin uzak durmasını istediğiniz kelime, ifade ya da kavramları listelediğiniz ayrı bir giriştir — blurry, cartoon ya da istemediğiniz bir renk gibi. Bunu destekleyen modellerde üretimi o örüntülerden uzaklaştırır. O şeylerin görünme olasılığını düşürür; yokluğunu garanti etmez ve yalnızca ayrı bir negatif kanalı olan modellerde mevcuttur.

Nano Banana veya GPT Image 2'de negatif promptlar işe yarar mı?

Ayrı bir alan olarak hayır. Nano Banana'nın negatif prompt girişi yoktur — Google'ın kendi kılavuzu sahneyi pozitif olarak tarif etmenizi söyler ("empty street" yazın, "no cars" değil). GPT tarzı modeller de ayrı bir kaçınma listesi yerine ne istediğinizi ifade etmenizi bekler. Bu modellerde güvenilir yaklaşım pozitif çerçevelemedir: yokluğu bir varlık olarak tarif edin ve tek bir öğe için görsel üzerinden düzenleme talimatıyla kaldırın.

FLUX negatif promptları destekliyor mu?

Klasik anlamda hayır. FLUX, akış eşleştirme üzerine inşa edilmiştir ve varsayılan olarak geleneksel negatif promptların dayandığı classifier-free guidance mekanizması olmadan çalışır (varsayılan guidance etkin olarak CFG 1'dir); dolayısıyla doldurulacak yerleşik bir negatif alan yoktur. Pratik yol, dışlamaları pozitif olarak çerçevelelemektir — örneğin bozuklukları negatife yazmak yerine perfect hands with five fingers yazın. Gelişmiş topluluk geçici çözümleri mevcuttur, ancak pozitif çerçeveleme ana akım ve güvenilir yöntemdir.

Bir negatif promptta kaç terim olmalı?

Kısa tutun — alan tabanlı modellerde yaklaşık beş ile sekiz odaklı terim. Uzun ve dağınık negatif listeler modeli aşırı kısıtlar ve düz, cansız görseller üretme eğilimindedir. Kalite tabanıyla başlayın, yalnızca gerçek sorununuzu hedefleyen bir blok ekleyin ve belirli bir şey çıkmaya devam ediyorsa yalnızca o terimi ekleyin. Kesinlik, hacmi geçer.

Negatif promptum nesneyi neden kaldırmadı?

Birkaç olası neden. Nesne ana promptunuzla bütünleşikse (gitar istediniz ve telini geçersiz kılmaya çalıştınız), ana prompt kazanır ve negatif onu çıkaramaz. Nano Banana veya FLUX gibi alansız bir modeldeyseniz negatif liste yoksayıldı — bunun yerine pozitif çerçevelemeye ihtiyacınız var. Ve negatifler yalnızca olasılığı düşürür, yokluğu garanti etmez; tek inatçı bir öğe için en güvenilir düzeltme genellikle görsel üzerinden düzenleme ile "Remove the X" talimatıdır.

Oxava'da Her İki Kanalı Da Kullanın

Yapay zeka görsel üretiminde negatif promptlar güçlüdür, ancak yalnızca yöntemi modelle eşleştirdiğinizde. Ideogram gibi alan tabanlı araçlar kısa ve odaklı virgülle ayrılmış bir liste ister ve ana promptun öncelik almasına izin verir. Nano Banana ve FLUX gibi alansız modeller tam tersi bir içgüdü ister — yokluğu bir varlık olarak tarif edin ve hassas pozitif çerçevelemeyle yönlendirin. Ve tek inatçı bir öğenin gitmesi gerektiğinde, çoğu zaman en temiz yanıt hiçbir negatif olmaksızın görsel üzerinden düzenleme ile "Remove the X" talimatıdır.

Her üçünü içselleştirmenin en hızlı yolu kendi sahnenizde yan yana denemektir. Oxava'da her iki model türüne tek bir yerden ulaşabilirsiniz — negatif prompt alanı olanlar (Ideogram) ve pozitif çerçeveleme isteyenler (Nano Banana, FLUX) — böylece aynı fikri her iki yaklaşımdan da geçirebilir ve birkaç dakika içinde üretmekte olduğunuz görsel için hangi dışlama yönteminin gerçekten işe yaradığını görebilirsiniz. Bunu prompt yazma temel rehberimizdeki katmanlı yöntemle birleştirin, stüdyoya geçin ve hem ne inşa edeceğinizi hem de ne dışarıda bırakacağınızı tam olarak ayarlayın.