Seed (сид) в нейросетях — что это, как работает и воспроизводимость

Что такое seed в генерации изображений?

Seed (сид) — это число, которое инициализирует случайный шум, с которого /glossary/diffusion-модель начинает путь к картинке. Любое изображение рождается из поля случайного «снега», и сид — это то, из чего это «случайное» поле построено. Поскольку компьютеры используют детерминированные псевдослучайные генераторы, один и тот же сид всегда даёт один и тот же стартовый шум — а значит, при одинаковых /glossary/prompt, модели и настройках, и одно и то же финальное изображение. Именно поэтому сид — ключ к воспроизводимости: он превращает неповторимый «бросок кубика» в то, что можно сохранить, передать и сгенерировать заново в точности.

Как работает сид

Когда вы нажимаете «сгенерировать», инструмент выбирает сид — введённый вами или случайный — и передаёт его генератору псевдослучайных чисел. Тот заполняет начальный латентный холст шумом, а /glossary/sampler модели затем шаг за шагом убирает этот шум, ориентируясь на ваш промпт, пока не проступит изображение. Больше ничего случайного в конвейере нет, поэтому именно сид определяет композицию, позу и кадрирование, к которым вы придёте. Два человека на разных концах света с одинаковыми моделью, промптом, сэмплером, числом шагов и сидом получат попиксельно один и тот же результат — поведение, которое команда Hugging Face Diffusers описывает в разделе воспроизводимости: huggingface.co/docs/diffusers/using-diffusers/reproducibility. В основе лежит обычный «random seed», описанный здесь: ru.wikipedia.org/wiki/Инициализирующее_значение.

Фиксированный сид против случайного: когда какой

Фиксировать сид или оставить случайным — зависит от задачи:

• Случайный сид — вариант по умолчанию; каждая генерация ищет новую композицию, лучше всего когда нужны разнообразие и выбор.
• Фиксированный сид — используйте одно число, чтобы дорабатывать промпт, сохраняя ту же общую картинку и видя только внесённое изменение.
• Воспроизвести результат — вставьте сид понравившегося изображения (обычно он есть в метаданных), чтобы сгенерировать его точно или передать другому.
• A/B одного параметра — держите сид неизменным и меняйте только сэмплер, CFG или одно слово промпта, чтобы выделить эффект именно этой настройки.

Как сид связан с промптом, сэмплером и CFG

Сид — одно звено в цепочке параметров и ведёт себя чисто только при фиксации остальных. /glossary/prompt решает, что содержит изображение; сид решает, какую из бесчисленных подходящих под промпт картинок вы получите. /glossary/sampler и число его шагов решают путь расшумления, а /glossary/cfg задаёт, насколько сильно промпт его тянет — измените любое из этого, и тот же сид даст другую картинку, ведь стартовый шум теперь обрабатывается иначе. Оговорка: ancestral-сэмплеры вроде «Euler a» подмешивают свежий шум на каждом шаге, поэтому «уплывают» даже с зафиксированным сидом — вот почему фиксированный сид надёжнее с не-ancestral сэмплерами вроде DDIM или DPM++ 2M.

Как Twin AI работает с сидом

Twin AI устроен так, что вы получаете разнообразие, вообще не думая о номерах сидов. Когда вы генерируете в /create/photo или /use-cases/image-generator, каждое изображение использует свежий сид, поэтому пакет даёт по-настоящему разные варианты, а не почти-дубликаты. Шаблоны в /photoshoots настроены от начала до конца, а поскольку Twin запускает несколько моделей изображений, их результат можно сравнить на одном промпте — например в /compare/midjourney-vs-flux — и увидеть, как каждая его трактует. 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.