Kom igång med AI-bildgenerering: din första bild på tio minuter

Q: Bilden ignorerar halva prompten

För många idéer i en prompt, eller för låg CFG. Ett motiv, en miljö, en stil per prompt. Höj CFG med ett på SDXL. Flux och Qwen följer långa prompts mycket bättre än SD 1.5.

Q: Text i bilden är nonsens

SD 1.5 och SDXL kan inte stava. Använd Flux, FLUX.2, Qwen Image eller Z-Image och sätt texten inom citattecken i prompten.

Ämne: Molntjänster

Av Captain

Publicerad 14 aug 2025

Översikt

AI-bildgenerering förvandlar en mening till en bild. Du skriver en beskrivning (prompten), en modell som har lärt sig från miljontals bilder med text gör om slumpmässigt brus till något som matchar beskrivningen, och efter några sekunder har du en bild. Allt annat i den här hobbyn, LoRAs, samplers, ControlNet, upscalers, är en förfining av den här enkla loopen: beskriv, generera, titta, justera.

Modellen är det viktigaste. Olika modeller har olika styrkor: SDXL och dess anime-fintuningar ritar illustrationer och karaktärer, Flux och Z-Image följer långa prompts och gör läsbar text, Wan och LTX gör video. ModelTrends.ai finns för att visa vilka modeller folk faktiskt använder den här veckan, så du slipper gissa. Varje modell-sida visar exempelbilder med exakt prompt och inställningar som användes, vilket är det snabbaste sättet att lära sig.

Du behöver inte en gamingdator för att börja. Den snabbaste första bilden gör du på en molntjänst där modellerna redan är installerade: en webbapp som BitVector, där du väljer modell och skriver, eller PirateDiffusion-chattboten på Telegram, där du skickar ett kommando. Att köra modeller på ditt eget grafikkort kommer senare, när du vet vilka modeller du gillar och om du vill lägga pengar på hårdvara.

Referens

Namn	Typ	Vad det är
Prompt	text	Vad du vill se. Motiv först, sen miljö, sen stil och ljus. Vanlig engelska funkar på moderna modeller; nyckelordslistor funkar på äldre.
Negative prompt	text	Vad du inte vill ha (suddigt, extra fingrar, vattenstämpel). Viktigt på SD 1.5 och SDXL; mest ignorerat av Flux och andra nyare modeller.
Model / checkpoint	choice	Hjärnan. Välj från den hetaste listan på den här sidan; familjen bestämmer utseende och promptstil.
Size	pixels	512x512 för SD 1.5, 1024x1024 för SDXL och Flux. Andra former med samma pixelantal funkar (832x1216 porträtt, 1216x832 landskap).
Steps	number	Hur många förbättringspass. 20 till 30 är normalt; fler är långsammare och sällan bättre.
CFG / guidance	number	Hur strikt modellen följer prompten. 5 till 7 på SDXL, 3.5 på Flux, 1 på turbo- eller lightning-modeller.
Seed	number	Startbruset. Samma seed med samma inställningar ger samma bild, så du kan ändra en sak i taget.
Sampler	choice	Matematiken som tar bort bruset. Euler eller DPM++ 2M Karras är säkra val; modell-sidan visar vad exemplen använde.

Steg för steg

Öppna modellbläddraren på den här sidan och sortera efter hetast. Välj en basmodell (checkpoint, inte en LoRA) från SDXL- eller Flux-familjen; SDXL-fintuningar som DreamShaper XL eller Juggernaut XL är snälla för första försöket.
Läs modell-sidan: titta på tre eller fyra exempelbilder och deras prompts. Lägg märke till mönstret: motiv, scen, ljus, kamera, stilord.
Tryck på Run-knappen på modell-sidan. BitVector öppnar en webbapp med modellen förvald; PirateDiffusion öppnar en Telegram-chatt där du skriver /render följt av din prompt.
Skriv en första prompt genom att kopiera ett exempel och bara byta motivet. Behåll storlek, steg och sampler som exemplet använde.
Generera fyra bilder, inte en. Slumpmässigt brus gör att vissa seeds är bättre än andra; att bedöma en modell på en bild är ett misstag.
Ändra en sak: lägg till ett ljusord (golden hour, soft studio light) eller ett kameraord (35mm, close-up), och generera igen. Så lär du dig prompta.
Stjärnmärk modeller du gillar med hjärtat på kortet; Favs-sidan sparar dem i din webbläsare så du kan komma tillbaka utan konto.
När du vill köra lokalt, läs VRAM-guiden och ComfyUI nybörjarguide på den här sidan; samma prompts och modeller funkar där.

Exempel

En första prompt för en SDXL fotomodell

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

Samma idé på 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

En Flux-prompt (ingen negativ, lägre 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

Tips

Modellen är det största verktyget, prompten nummer två, inställningarna nummer tre. Nybörjare lägger ofta tiden i fel ordning.
Korta, konkreta prompts slår långa och vaga. "A red bicycle leaning on a white wall, morning light, 50mm photo" är bättre än "beautiful stunning amazing 8k masterpiece bicycle".
Porträttformat för människor, landskapsformat för scener. Fyrkant är sällan bästa formen för något.
Spara prompts du gillar i en textfil. Varje modell-sida här visar hela prompten under sina exempel av samma anledning.
Anime- och illustrationsmodeller (Illustrious, Pony, NoobAI) använder tag-stil prompts; fotomodeller (Flux, Z-Image, SDXL photo fine-tunes) använder meningar. Familjesidan förklarar vilka.
Ladda inte ner något förrän du använt en modell i molnet och gillat den. Checkpoints är 2 till 24 GB styck.

Generera i molnet (BitVector, PirateDiffusion) och använd laptopen för att titta på resultat.

Frågor

Måste jag betala för att prova?

Båda molnpartnerna som länkas från modell-sidorna låter dig börja utan att installera något; lokala verktyg (ComfyUI, Forge) är gratis men kräver ett grafikkort med minst 8 GB minne för dagens modeller.

Vilken modell ska en nybörjare börja med?

En SDXL-fintuning för illustration eller en Flux dev-modell för foton. Guiden "vilka modeller att prova först" på den här sidan rankar dem med förklaringar.

Är en LoRA en modell?

En LoRA är ett tillägg som ändrar en basmodell. Du behöver en basmodell (checkpoint) först; LoRAn läggs ovanpå. LoRA-guiden förklarar det.

Kan jag göra video också?

Ja, med Wan, LTX-2 och MiniMax H3 bland andra, men video kräver mycket mer minne lokalt. Börja i molnet; videoguide finns.

Är bilderna mina?

Licenser skiljer sig per modell; modell-sidan länkar till licensen. De flesta öppna modeller tillåter personlig och kommersiell användning, vissa forskningslicenser (tidiga Flux dev-bygg) gör inte det.

Varför ser mina resultat sämre ut än exemplen?

Vanligtvis annan storlek, sampler eller antal steg. Kopiera exempelinställningarna exakt först, ändra sen en sak i taget.

Länkar och källor

Modeller i den här guiden

Stable Diffusion XL 1.0-modeller

Flux-modeller

Zimage-modeller

Skriven av

Captain

Styr det här skeppet. Har åsikter om VAE-dekodningstider som ingen bett om. Tror att vikter vill vara fria och att varje modell du inte kan ladda ner är en prenumeration med extra steg. Kommer inte att svara på frågor om de 400 GB checkpoints på NAS:en.

Alla guider av Captain

Vilka AI-bildmodeller du ska testa först, och varför: en rankad startlista

10 sep 2025

Grundläggande om promptskrivning för AI-bilder: struktur, ordning, vikter och de två promptdialekterna

22 okt 2025

Hur generativa AI-bildmodeller fungerar: diffusion, latenter och textkodare förklarade enkelt

28 aug 2025

Vad är en LoRA och hur använder man en i ComfyUI, Forge, Automatic1111 och i molnet

20 maj 2026

PirateDiffusion: kör vilken modell som helst från Telegram, ingen GPU behövs

3 okt 2026

Ordlista för AI-bild- och videogenerering: 60 termer från checkpoint till VAE, förklarade med en mening vardera

15 apr 2026

Bästa gratisalternativen till Midjourney som du kan köra själv (2026)

15 jul 2026

Fler guider

Bästa öppna AI-bildmodellerna 2026, efter GPU och uppgift

16 okt 2026

Köra AI-bild- och videomodeller på AMD GPU:er (guide 2026)

7 okt 2026

VRAM-krav för alla populära AI-bild- och videomodeller (2026): full precision, FP8 och GGUF

6 okt 2026

GPU- och VRAM-guide för AI-bild och video: vad varje modell behöver och vad du ska köpa (eller inte)

7 jan 2026

Steg, CFG, samplers, schemaläggare och frön: förklaringar av genereringsinställningarna med säkra standardvärden

19 nov 2025