发起项目
作品Faceless Reels博客资源关于我联系

博客/问题与修正

Higgsfield 连灰色背景上的猫也拒绝生成

Higgsfield 拒绝了一条普通黑猫提示词,原因是 2 个无害词语触发了过滤器。我改用可见特征重写,并把整批检查放到生成之前。

作者:Jeff Zambrano··阅读需 1 分钟

Higgsfield 连灰色背景上的猫也拒绝生成

Higgsfield 拒绝了一条描述黑猫坐在灰色背景前的提示词。

请求里没有需要拦截的内容,只是一只猫和纯色背景。但拒绝是在提交后才出现的,也就是说,等我知道这套措辞无法通过时,这次尝试和等待时间已经浪费了。

原因在下面这段话中的 2 个词:

an adult black domestic cat

在人看来,这个短语无害,也足够精确。但对平台分类器来说,adult 是成人内容的标记词,domestic 是家庭暴力的标记词。

周围的语句没有挽救这两个词。它们都在描述动物,也没有用。过滤器的表现像是在查词:识别到了标记词,却没有解析整个短语的含义。

其实,这两个词本来也没提供有用的视觉信息。猫的年龄不影响构图,而 house cat 也能表达 domestic 在这里的相关含义,不必用同一个词。

否定反而让问题更严重

猫的提示词暴露了同一批文件中更大的问题。

主角的 7 条提示词里都包含这句:

clearly an adult woman in her late teens, not a child

我原本把它当成一条安全说明。电影节规则要求角色看起来是成年人,所以我试图尽可能明确地写出这个要求。

结果适得其反。

这句话把 adult、teens 和 child 放进了同一条提示词。如果分类器在找标记词,写 not a child 仍然把 child 交给了它。not 不会抹掉后面的词。

陷阱就在这里。人能理解词语之间的关系,基于词项的过滤器却可能只看到三者全出现了。

越努力否认不想要的解读,越可能增加被拒的概率。越多保证,越多标记词。

我改写成可见的特征

解决办法不是更强硬地声明角色并非未成年人。

我把否定句换成了正向表述的可观察特征。

不再写 adult、teens 或 not a child,而是用数字写出准确年龄,并描述成熟的面部结构。我直接用 a 19-year-old woman 替换。

这种措辞同时做了两件事:不用那些范围更宽的标记词就说明了年龄,也给图像模型提供了可用的视觉信息。

同样的方法也适用于其他被标记的词。

对于 adult 或 adults,根据描述对象,替换为数字年龄、full-grown 或 grown。

对于 domestic,替换为 house 或 household。

对于 blood、dead、corpse 和 gore,改为描述画面中可见的结果。记录中的例子是 flat pure-red shapes 和 fallen figure。

即使无害的表达也需要留意。dead calm 改成了 perfectly still,dead-on 改成了 straight-on。

对于 kill、stab 或 strangle 这类动作,提示词描述其后果,而不直接点名行为。

对于 nude、naked 或 erotic,提示词描述实际穿着的衣物。

方法始终一样:描述图片里应该有什么。不要指望用一个禁止词加否定,来说明什么不能出现。

检查必须发生在提交之前

修好被拒的猫提示词还不够。同样的写作习惯在其他地方也存在。

我检查了项目中的全部 4 份提示词文件,有 14 条提示词需要修改。检查完成后,标记词剩余数量为 0。

接着,我把检查往前移。

现在,清单里的每条提示词都会先接受检查,之后工作流才会查询可用余额。如果检查发现标记词,就会报告具体词语、解释它为什么可能触发过滤器、建议如何不用这个词表达同一意思,并在生成任何内容之前停止。

顺序很重要。

提交后的警告,只能解释为什么浪费了一次尝试。提交前的警告,才能避免浪费。

这也让规则不再依赖我的记忆。我不必在写每条提示词时记住所有风险词,每次预检都会对完整清单执行同样的检查。

检查完整清单很重要,因为猫只是已经暴露出来的失败。那 7 条主角提示词出发点是好的,却在一句安全说明里放了 3 个标记词。如果没有扩大扫描范围,我可能只修好猫,却留下了更普遍的问题。

句子通顺,不代表适合提交给平台

过去,我按文章的标准判断审核相关措辞。这句话是否清楚表达了我的意思?正常读者能否理解场景是无害的?

这些问题还不够。

被拒的猫提示词是合理的英语,那句说明主角不是儿童的话也一样。两者都在更底层出了问题,因为它们的词汇中含有分类器会注意到的词项。

现在,我把检查分成两步。

第一,提示词是否清楚描述了想要的图片?

第二,里面有没有标记词,需要依靠上下文或否定才能成立其普通含义?

两项都必须通过。

我现在的规则很直接:用正向、可观察的描述写出画面,再在提交任何任务之前扫描全部提示词。

今天就可以在提示词文件里搜索 adult、domestic、teen、child、blood、dead、corpse、gore、kill、stab、strangle、nude、naked 和 erotic。每找到一处,就把标记词替换成你真正想在画面里看到的年龄、衣物、身体上的结果或可见状态。


这篇文章里的每个解决办法,都是先犯了错才换来的。错在我的电影里,总比错在你的品牌上好。

分享XLinkedInWhatsApp
Jeff Zambrano

Jeff Zambrano 是一位常驻 Madrid 的 AI 电影导演。他的首部电影 Borrowed Wounds 从 6,700 部影片中入围 Higgsfield Global Film Festival 的 Top 50。这些札记均来自他自己的制作实践。

即将开放 · 抢先体验已开启

为用 AI 创作的导演打造的电影实验室

六个部门,完成摄制组在开机前要做的事,专为生成自己画面的人打造。即将开放。

WhatsApp