CFG scale (guidance scale) — что это и какое значение ставить

Как расшифровывается CFG?

CFG расшифровывается как Classifier-Free Guidance — «guidance без классификатора». Это техника, которая направляет /glossary/diffusion-модель к вашему /glossary/prompt, не требуя отдельного классификатора изображений. Метод предложили Джонатан Хо и Тим Салиманс в статье 2022 года «Classifier-Free Diffusion Guidance». В инструменте вроде /alternatives/stable-diffusion вы встречаете его как ползунок «CFG scale» или «guidance scale» — одно число, обычно от 1 до 15, которое разменивает следование промпту на естественность и разнообразие. Он не меняет того, что модель знает; он меняет, насколько сильно модель заставляют выполнять ваши слова.

Как работает classifier-free guidance

На обучении модель учится расшумлять в двух режимах: с учётом промпта (conditioned) и без него (unconditioned — промпт «выключается»). При генерации она запускает оба на каждом шаге, получая предсказание «с промптом» и «без промпта». CFG затем экстраполирует: берёт предсказание без промпта и толкает его в сторону предсказания с промптом, умножая разницу на guidance scale. Scale, равный 1, означает отсутствие guidance — просто сырой conditioned-результат; более высокие значения усиливают разницу, заставляя изображение сильнее держаться промпта. Поскольку метод дважды использует одну и ту же модель, а не обучает классификатор, он проще и качественнее старого classifier guidance, который он заменил.

Полный вывод см. в оригинальной статье 2022 года по адресу arxiv.org/abs/2207.12598.

Classifier guidance и classifier-free guidance — в чём разница

Это два поколения одной идеи, и путают их часто. Classifier guidance (2021, статья Dhariwal & Nichol «Diffusion Models Beat GANs on Image Synthesis») требует обучить отдельную модель-классификатор на зашумлённых изображениях: во время генерации её градиент подталкивает картинку к нужному классу. Метод работал, но тянул за собой вторую модель, ограничивал вас списком классов, на которых её обучили, и плохо дружил с произвольным текстом. Classifier-free guidance (2022) обошёлся без классификатора: та же самая модель делает два предсказания — с промптом и без — и результат экстраполируется от второго к первому. Именно поэтому сегодня современным стандартом считается classifier-free guidance: он используется практически везде, а классический classifier guidance встречается крайне редко и в новых моделях фактически не применяется. Отсюда и ответ на частый вопрос «что характеризует classifier guidance»: отдельная модель-классификатор и почти нулевое современное применение.

Что делает параметр guidance_scale и что будет при 1

Guidance scale (в интерфейсах — «guidance_scale», «CFG scale» или просто «cfg»; по-русски примерно «шкала следования запросу») — это коэффициент, на который умножается разница между предсказанием с промптом и без него. Он управляет степенью следования позитивному и негативному промптам и не имеет отношения ни к размеру изображения, ни к числу шагов, ни к обучению модели. Что происходит на краях диапазона:

• guidance_scale = 1 — guidance выключен: разница не усиливается вообще, модель отдаёт сырой conditioned-результат. Практическое следствие — негативный промпт перестаёт влиять, потому что он живёт как раз в той разнице, которую при 1 не масштабируют.
• Слишком низкое значение (примерно 1–3 у обычных моделей) — картинка получается случайной или слабо связанной с запросом: композиция «уплывает», часть слов промпта просто игнорируется.
• Рабочая середина (около 7) — баланс: промпт выполняется, но изображение остаётся естественным.
• Слишком высокое (12 и выше) — пересыщение, повышенный контраст, «пережаренный» вид и артефакты.
• Дистиллированные модели — исключение: у SDXL Turbo и LCM значения 1–2 нормальны, потому что guidance у них вшит при дистилляции, и шкала работает иначе.

Какой CFG scale лучший?

Универсального числа нет — оно зависит от модели и от того, насколько быстро она семплирует. Вот диапазоны, которыми реально пользуются:

• Стандартные модели (Stable Diffusion, SDXL): оптимум 7–12; около 7 балансирует творчество и точность.
• Слишком низко (1–5): модель слабо следует промпту и может давать блёклые или структурно слабые картинки.
• Слишком высоко (12+): изображения становятся пересыщенными, переконтрастными и начинают показывать артефакты.
• Дистиллированные / turbo-модели (SDXL Turbo, LCM): нужен очень низкий CFG 1–2, потому что guidance «вшит» при дистилляции.
• Новые модели вроде FLUX используют guidance distillation, поэтому их число «guidance» ведёт себя иначе, чем классический CFG, — доверяйте значению по умолчанию.

Как CFG связан с сэмплером, шагами и сидом

CFG — один из нескольких связанных параметров, и понять его проще всего, зафиксировав остальные. /glossary/sampler и число его шагов решают, как решается путь расшумления; CFG решает, насколько сильно промпт гнёт этот путь, и эти вещи независимы — так что сэмплеру высокого порядка всё равно нужен разумный CFG. Сам /glossary/prompt тоже важен: длинному и конкретному промпту часто нужно меньше guidance, чем короткому и расплывчатому. Чтобы почувствовать эффект, оставьте сид, промпт, сэмплер и шаги неизменными и меняйте только CFG scale — вы увидите, как картинка проходит путь от свободной к буквальной и к «пережаренной». Негативный промпт работает вместе с CFG, формируя unconditioned-сторону уравнения.

Как Twin AI работает с CFG

Twin AI устроен так, что вам никогда не нужно трогать ползунок CFG. Когда вы генерируете в /create/photo или /use-cases/image-generator, Twin сам подбирает хорошо настроенное значение guidance под каждую модель, поэтому промпт выполняется точно, без «пережаренного» пересыщенного вида, который даёт слишком высокий CFG. Шаблоны в /photoshoots настроены от начала до конца, а поскольку Twin запускает несколько моделей изображений, их результат можно сравнить — например в /compare/midjourney-vs-flux — не заучивая особенности guidance каждой. Ваша персональная модель в стиле /glossary/lora подключается к тому же конвейеру. Всё оплачивается российской картой или через СБП, VPN не нужен. Начните бесплатно в /create/photo.