Сид (seed) в нейросети — что это значит и как работает

Что значит «сид» и при чём тут торренты

Слово «сид» в рунете значит две разные вещи, и выдача их постоянно смешивает. В торрентах сид (от англ. seed, «раздающий») — это участник, который уже скачал файл целиком и отдаёт его другим. В нейросетях сид (от англ. seed, «зерно», «инициализирующее значение») — это число, с которого начинается генерация: оно задаёт стартовый шум, и по нему картинку можно повторить. Общее у них только английское слово — механики никак не связаны. Ниже речь идёт только про сид в генерации изображений. Отдельно про «нулевой сид»: ноль — такое же обычное значение, как 42 или 1234567, никакого особого смысла у него нет; в некоторых интерфейсах 0 или −1 зарезервированы под «выбрать сид случайно» — это и есть вся его особенность.

Что такое сид (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

Сид работает так: когда вы нажимаете «сгенерировать», инструмент берёт 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. Последовательность псевдослучайного генератора полностью определяется сидом, так что два человека на разных концах света с одинаковыми моделью, промптом, сэмплером, числом шагов и сидом получат попиксельно один и тот же результат — при одном условии: одинаковом железе и одинаковой версии библиотеки. Команда Hugging Face Diffusers описывает это в разделе воспроизводимости (huggingface.co/docs/diffusers/main/en/using-diffusers/reproducibility) и там же предупреждает, что между CPU и GPU результаты могут не совпасть даже при одинаковых сидах. В основе лежит обычный «random seed», описанный здесь: ru.wikipedia.org/wiki/Инициализирующее_значение.

Фиксированный сид против случайного: когда какой

Фиксированный сид — это одно и то же число, вручную вписанное в поле сида перед каждой генерацией; случайный сид инструмент выбирает сам при каждом запуске (во многих интерфейсах значение −1 или 0 в поле сида как раз и означает «выбрать случайно»). Разница практическая: случайный сид даёт разнообразие, фиксированный — контроль. Ниже 4 типовые ситуации и правильный выбор для каждой:

• 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.

Почему один и тот же сид дал другую картинку

Это самый частый вопрос про сид, и ответ почти никогда не в самом сиде. Сид воспроизводит картинку только вместе со всем остальным окружением генерации, поэтому расхождение всегда означает, что что-то в окружении отличается. Проверьте по порядку 5 причин: (1) промпт или негативный промпт отличаются хотя бы пробелом или регистром; (2) отличается версия модели или подключённая /glossary/lora; (3) отличаются сэмплер, число шагов, CFG или разрешение; (4) вы используете ancestral-сэмплер (Euler a, DPM++ 2S a) — он подмешивает свежий шум на каждом шаге и не повторяется даже при фиксированном сиде; (5) генерация шла на другом устройстве или другой версии библиотеки. Последний пункт не чинится настройками: документация Hugging Face Diffusers прямо говорит, что результаты могут не совпадать между CPU и GPU даже при одинаковых сидах, и что полная воспроизводимость не гарантируется между версиями PyTorch, отдельными коммитами и платформами. Именно поэтому сид из чужого поста часто не даёт ту же картинку у вас — и это нормальное поведение, а не ошибка.

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.