Pierwsze kroki z generowaniem obrazów AI: twoje pierwsze zdjęcie w dziesięć minut

Q: Obraz ignoruje połowę promptu

Za dużo pomysłów w jednym promptcie albo za niskie CFG. Jeden temat, jedno miejsce, jeden styl na prompt. Podnieś CFG o jeden na SDXL. Flux i Qwen lepiej radzą sobie z długimi promptami niż SD 1.5.

Q: Tekst na obrazie to bełkot

SD 1.5 i SDXL nie potrafią pisać. Użyj Flux, FLUX.2, Qwen Image lub Z-Image i wpisz tekst w cudzysłowie w promptcie.

Temat: Usługi w chmurze

Autor: Captain

Opublikowano 14 Sie 2025

Przegląd

Generowanie obrazów AI zamienia zdanie w obraz. Piszesz opis (prompt), model, który nauczył się na milionach opisanych obrazów, zamienia losowy szum w coś, co pasuje do opisu, a po kilku sekundach masz obraz. Wszystko inne w tym hobby, LoRA, samplery, ControlNet, upscalery, to dopracowywanie tej jednej pętli: opisz, wygeneruj, obejrzyj, popraw.

Model to najważniejsza część. Różne modele mają różne mocne strony: SDXL i jego anime fine-tune’y rysują ilustracje i postacie, Flux i Z-Image radzą sobie z długimi promptami i czytelnym tekstem, Wan i LTX robią wideo. ModelTrends.ai pokazuje, których modeli ludzie faktycznie używają w tym tygodniu, więc nie musisz zgadywać. Każda strona modelu pokazuje przykładowe obrazy z dokładnym promptem i ustawieniami, które je stworzyły — to najszybszy sposób na naukę.

Nie potrzebujesz gamingowego komputera, żeby zacząć. Najszybszy pierwszy obraz zrobisz na chmurze, gdzie modele są już zainstalowane: aplikacja webowa jak BitVector, gdzie wybierasz model i piszesz, albo czat bot PirateDiffusion na Telegramie, gdzie wysyłasz komendę. Uruchamianie modeli na własnej karcie graficznej przyjdzie później, gdy już wiesz, które modele lubisz i czy chcesz wydać pieniądze na sprzęt.

Odniesienie

Nazwa	Typ	Co to jest
Prompt	text	Co chcesz zobaczyć. Najpierw temat, potem miejsce, potem styl i oświetlenie. Prosty angielski działa na nowoczesnych modelach; listy słów kluczowych na starszych.
Negative prompt	text	Czego nie chcesz (rozmyte, dodatkowe palce, znak wodny). Ważne dla SD 1.5 i SDXL; Flux i inne nowsze modele to w większości ignorują.
Model / checkpoint	choice	Mózg. Wybierz z najpopularniejszej listy na tej stronie; rodzina decyduje o wyglądzie i stylu prompta.
Size	pixels	512x512 dla SD 1.5, 1024x1024 dla SDXL i Flux. Inne proporcje z tą samą liczbą pikseli też działają (832x1216 portret, 1216x832 krajobraz).
Steps	number	Ile razy model poprawia obraz. 20 do 30 to normalny zakres; więcej jest wolniej i rzadko lepiej.
CFG / guidance	number	Jak ściśle model trzyma się prompta. 5 do 7 na SDXL, 3.5 na Flux, 1 na turbo lub lightning modelach.
Seed	number	Początkowy szum. Ten sam seed i ustawienia dają ten sam obraz, więc możesz zmieniać po jednym elemencie.
Sampler	choice	Matematyka usuwania szumu. Euler lub DPM++ 2M Karras to bezpieczne domyślne; strona modelu pokazuje, czego użyto w przykładach.

Krok po kroku

Otwórz przeglądarkę modeli na tej stronie i posortuj po popularności. Wybierz bazowy model (checkpoint, nie LoRA) z rodziny SDXL lub Flux; fine-tune’y SDXL jak DreamShaper XL lub Juggernaut XL są wyrozumiałe na pierwszy raz.
Przeczytaj stronę modelu: zobacz trzy lub cztery przykładowe obrazy i ich prompty. Zwróć uwagę na schemat: temat, scena, oświetlenie, kamera, słowa stylu.
Naciśnij przycisk Run na stronie modelu. BitVector otworzy aplikację webową z wybranym modelem; PirateDiffusion otworzy czat na Telegramie, gdzie wpisujesz /render i prompt.
Napisz pierwszy prompt, kopiując przykład i zmieniając tylko temat. Zachowaj rozmiar, kroki i sampler z przykładu.
Wygeneruj cztery obrazy, nie jeden. Losowy szum oznacza, że niektóre seedy są lepsze; ocenianie modelu po jednym obrazie to błąd.
Zmień jedną rzecz: dodaj słowo oświetlenia (golden hour, soft studio light) albo słowo kamery (35mm, close-up) i wygeneruj znowu. Tak uczysz się promptowania.
Oznacz serduszkiem modele, które lubisz; strona Favs zapisze je w przeglądarce, żebyś mógł wrócić bez konta.
Gdy chcesz uruchomić lokalnie, przeczytaj poradnik o VRAM i poradnik dla początkujących ComfyUI na tej stronie; te same prompty i modele działają tam.

Przykłady

Pierwszy prompt dla modelu foto SDXL

a fisherman mending a net on a wooden pier at dawn, soft fog, warm light, 35mm photo, shallow depth of field

Negative: blurry, deformed hands, watermark, text | 1216x832 | DPM++ 2M Karras | 28 steps | CFG 6

Ten sam pomysł na PirateDiffusion (Telegram)

/render <dreamshaper-xl> a fisherman mending a net on a wooden pier at dawn, soft fog, warm light, 35mm photo [[blurry, watermark]] /size:1216x832 /steps:28

Prompt Flux (bez negatywu, niższe guidance)

A candid photo of a fisherman mending a fishing net on a weathered pier at dawn. Soft fog over the water, warm low sun from the left, shallow depth of field, 35mm film look.

1216x832 | Euler | 24 steps | guidance 3.5

Porady

Model to największy wpływ, prompt drugi, ustawienia trzecie. Początkujący często zaczynają od złej kolejności.
Krótkie, konkretne prompty są lepsze niż długie, niejasne. "Czerwony rower oparty o białą ścianę, poranne światło, zdjęcie 50mm" jest lepsze niż "piękny oszałamiający niesamowity 8k arcydzieło rower".
Portretowe proporcje dla ludzi, krajobrazowe dla scen. Kwadrat rzadko jest najlepszy.
Zapisuj prompty, które lubisz, w pliku tekstowym. Każda strona modelu pokazuje pełny prompt pod przykładami właśnie z tego powodu.
Modele anime i ilustracji (Illustrious, Pony, NoobAI) używają promptów w stylu tagów; modele foto (Flux, Z-Image, SDXL photo fine-tune’y) używają zdań. Strona rodziny wyjaśnia, które są które.
Nie pobieraj nic, dopóki nie użyjesz modelu w chmurze i ci się spodoba. Checkpointy mają od 2 do 24 GB każdy.

Generuj w chmurze (BitVector, PirateDiffusion) i używaj laptopa do przeglądania wyników.

Pytania

Czy muszę płacić, żeby spróbować?

Obaj partnerzy chmurowi podlinkowani na stronach modeli pozwalają zacząć bez instalowania czegokolwiek; narzędzia lokalne (ComfyUI, Forge) są darmowe, ale potrzebują karty graficznej z co najmniej 8 GB pamięci dla obecnych modeli.

Od którego modelu powinien zacząć początkujący?

Fine-tune SDXL do ilustracji lub model deweloperski Flux do zdjęć. Poradnik "które modele wypróbować najpierw" na tej stronie je ocenia i wyjaśnia.

Czy LoRA to model?

LoRA to dodatek, który zmienia bazowy model. Najpierw potrzebujesz bazowego modelu (checkpoint); LoRA działa na nim. Poradnik o LoRA to wyjaśnia.

Czy mogę też robić wideo?

Tak, między innymi z Wan, LTX-2 i MiniMax H3, ale wideo wymaga dużo więcej pamięci lokalnie. Zacznij w chmurze; poradnik startowy do wideo to opisuje.

Czy obrazy są moje?

Licencje różnią się w zależności od modelu; strona modelu podlinkowuje licencję. Większość otwartych modeli pozwala na użytek osobisty i komercyjny, niektóre licencje badawcze (wczesne wersje Flux) nie.

Dlaczego moje wyniki wyglądają gorzej niż przykłady?

Zwykle inny rozmiar, sampler lub liczba kroków. Najpierw skopiuj dokładnie ustawienia z przykładu, potem zmieniaj po jednej rzeczy.

Linki i źródła

Modele w tym poradniku

Modele Stable Diffusion XL 1.0

Modele Flux

Modele Zimage

Autor

Captain

Dowodzi tym statkiem. Ma opinie o czasach dekodowania VAE, o które nikt nie pytał. Wierzy, że wagi chcą być wolne i że każdy model, którego nie możesz pobrać, to subskrypcja z dodatkowymi krokami. Nie będzie odpowiadać na pytania o 400 GB checkpointów na NAS.

Wszystkie poradniki autorstwa Captain

Które modele AI do obrazów wypróbować najpierw i dlaczego: uporządkowana lista startowa

10 Wrz 2025

Podstawy pisania promptów do obrazów AI: struktura, kolejność, wagi i dwa dialekty promptów

22 Paź 2025

Jak działają generatywne modele AI do obrazów: proste wyjaśnienie dyfuzji, latentów i enkoderów tekstu

28 Sie 2025

Co to jest LoRA i jak jej używać w ComfyUI, Forge, Automatic1111 oraz w chmurze

20 Maj 2026

PirateDiffusion: uruchamiaj dowolny model z Telegrama, bez potrzeby GPU

3 Paź 2026

Słownik generowania obrazów i wideo AI: 60 terminów od checkpoint do VAE, wyjaśnionych w jednym zdaniu

15 Kwi 2026

Najlepsze darmowe alternatywy dla Midjourney, które możesz uruchomić samodzielnie (2026)

15 Lip 2026

Więcej poradników

Najlepsze otwarte modele AI do obrazów w 2026, według GPU i zastosowania

16 Paź 2026

Uruchamianie modeli AI do obrazów i wideo na kartach AMD (poradnik 2026)

7 Paź 2026

Wymagania VRAM dla popularnych modeli AI do obrazów i wideo (2026): pełna precyzja, FP8 i GGUF

6 Paź 2026

Przewodnik po GPU i VRAM dla AI do obrazów i wideo: czego potrzebuje każdy model i co kupić (a czego nie)

7 Sty 2026

Kroki, CFG, samplery, schedulery i ziarna: wyjaśnienie ustawień generowania z bezpiecznymi domyślnymi wartościami

19 Lis 2025