Waar de positieve prompt beschrijft wat je wilt zien, beschrijft de negatieve prompt wat de AI koste wat kost moet vermijden. Beginners onderschatten die techniek vaak, terwijl ze het trefpercentage en de eindkwaliteit enorm optrekt: je gooit minder generaties weg en bent minder tijd kwijt aan het "goed krijgen" van een prompt.
Wat een negatieve prompt precies is
In Stable Diffusion is het letterlijk een veld: een tekstvak los van de hoofdprompt waarin je termen zet die fouten of ongewenste elementen aanduiden, zoals blurry, extra fingers, watermark, low quality. Tijdens het diffusieproces gebruikt het model die lijst om de generatie van die begrippen weg te sturen, richting een resultaat dat er zo min mogelijk op lijkt.
Midjourney doet hetzelfde compacter, met de parameter --no aan het eind van de prompt: --no text, frame, blur haalt bijvoorbeeld de neiging tot tekst, kaders en onscherpte uit het resultaat. Modellen als DALL-E 3 en Gemini Image kennen geen apart veld voor negatieve prompts. Daar stuur je bij door nauwkeuriger te beschrijven wat je wél wilt in de positieve prompt, omdat die systemen je prompt intern herschrijven voordat ze de afbeelding maken.
Dat technische verschil komt doordat DALL-E 3 en Gemini Image je prompt eerst door een tussenlaag halen die hem automatisch herschrijft, voordat het eigenlijke beeldmodel aan de slag gaat. Die laag probeert je bedoeling te vertalen naar een uitvoeriger beschrijving, waardoor een aparte uitsluitingslijst lastig toe te passen is. Precies daarom bieden deze systemen geen apart veld voor negatieve prompts, zoals Stable Diffusion en Midjourney dat wel doen.
Waarom een negatieve prompt zoveel scheelt
Zonder negatieve prompt mag het model zelf invullen wat de prompt in het midden laat, en juist in die gaten ontstaan de klassieke fouten: misvormde handen, onleesbare tekens die voor echte typografie moeten doorgaan, spookwatermerken uit de trainingsdata, of een ongewenste stijl, zoals een digitale schilderlook terwijl je een realistische foto wilde.
Sluit je die elementen expliciet uit, dan daalt het aantal weggegooide generaties drastisch. In plaats van tien beelden te maken en de minst slechte te kiezen, maak je er vier of vijf die al dicht bij het gewenste resultaat zitten. Dat scheelt tijd, credits en, bij tools die per gebruik afrekenen, echt geld.
Minder voor de hand liggend is de winst in consistentie. Maak je een reeks beelden die dezelfde stijl moeten aanhouden, bijvoorbeeld producten voor een catalogus of avatars voor één merk, dan houdt een goed opgezette negatieve prompt de bandbreedte van de resultaten smaller en voorspelbaarder.
Die voorspelbaarheid weegt extra zwaar bij een krappe deadline, wanneer er geen tijd is om tientallen varianten te draaien tot er iets bruikbaars tussen zit. De negatieve prompt werkt dan als vangnet dat de spreiding in de resultaten beperkt.
Stap voor stap een effectieve negatieve prompt bouwen
1. Bepaal welke fout bij jouw soort beeld het meest voor de hand ligt
Bij een portret loeren andere risico's dan bij een productfoto of een landschap. Vraag jezelf voor je begint af: welke fouten maakt deze generator meestal bij dit soort scènes? Portretten vragen aandacht voor handen en anatomie, producten voor tekst en watermerken, landschappen voor oververzadigde kleuren en dubbel afgebeelde elementen.
2. Houd het bij een handvol relevante termen
Een erg lange negatieve prompt brengt het model in verwarring en verdunt de kracht van elke term afzonderlijk. Kies liever de 5 tot 8 termen die er voor jouw type beeld echt toe doen, in plaats van een reusachtige standaardlijst van internet te plakken zonder hem op je eigen geval af te stemmen.
3. Gebruik technische, concrete termen, geen vage bijvoeglijke naamwoorden
Woorden als "slecht" of "lelijk" uitsluiten heeft weinig zin: daar zit geen technische informatie in die het model kan gebruiken. Benoem in plaats daarvan de concrete fout: blurry (onscherp), oversaturated (te verzadigd), extra limbs (extra ledematen), jpeg artifacts (compressieartefacten).
4. Test en stel bij in rondes
Maak een klein groepje beelden, kijk welke fouten het vaakst terugkomen en voeg die termen in de volgende ronde toe. Een negatieve prompt wordt beter naarmate je hem vaker bijstelt; de perfecte lijst heb je vrijwel nooit meteen te pakken.
💡 Tip: houd een eigen verzameling negatieve prompts bij, geordend per categorie (portret, product, landschap, illustratie). Dat scheelt tijd in volgende projecten en voorkomt dat je de lijst opnieuw bedenkt zodra je van beeldtype wisselt.
Kant-en-klare negatieve prompts per categorie
| Doel | Voorgestelde negatieve prompt |
|---|---|
| Portretten en mensen | deformed hands, extra fingers, asymmetrical eyes, bad anatomy, mutated, disfigured face |
| Realistische foto's | cartoon, illustration, 3d render, painting, blurry, low resolution, unrealistic skin |
| Producten en objecten | watermark, text, logo, cropped, out of frame, low quality, duplicate object |
| Landschappen | oversaturated, unrealistic colors, lens flare, duplicate, distorted horizon |
| Gestileerde kunst en illustratie | photo, realistic, noise, jpeg artifacts, signature, watermark |
| Architectuurfotografie | crooked lines, warped perspective, blurry windows, oversharpened |
Negatieve prompts in Midjourney en Stable Diffusion: de praktische verschillen
Het idee is hetzelfde, maar de technische uitvoering verandert hoe je schrijft. In Stable Diffusion weegt de negatieve prompt binnen het diffusieproces even zwaar als de positieve, en kun je de kracht van elke term bijstellen met haakjes en getallen, bijvoorbeeld (blurry:1.4) om die ene term extra hard af te wijzen.
In Midjourney werkt --no directer en grover: je somt de begrippen op, gescheiden door komma's, zonder fijne weging per term (al kan de volgorde het resultaat licht beïnvloeden). Dat maakt Midjourney eenvoudiger in gebruik, maar minder precies te sturen dan Stable Diffusion voor gevorderden.
Woordenlijst: de meestgebruikte negatieve termen en wat ze voorkomen
Voor wie begint, lijkt de Engelse vaktaal in negatieve prompts al snel een eigen dialect. Hieronder de gangbaarste termen, wat ze in de praktijk tegenhouden en bij welk soort beeld ze het meest opleveren.
| Term (Engels) | Wat het voorkomt | Vooral nuttig bij |
|---|---|---|
| blurry | Algehele onscherpte | Elke categorie |
| low quality / low resolution | Korrelig of pixelig beeld | Elke categorie |
| extra fingers / extra limbs | Te veel vingers of ledematen | Portretten en mensen |
| bad anatomy | Verkeerde lichaamsverhoudingen | Portretten en personages |
| watermark / signature | Spookwatermerken en handtekeningen | Producten en kunst |
| text | Onleesbare of onzinnige tekst in beeld | Elke scène met borden of etiketten |
| oversaturated | Onnatuurlijk felle kleuren | Landschappen en natuur |
| jpeg artifacts | Zichtbare compressieblokken | Realistische foto's |
| duplicate | Zinloos herhaalde elementen | Landschappen en composities met meerdere objecten |
| cropped / out of frame | Ongewenste uitsnedes langs de randen | Producten en portretten ten voeten uit |
| 3d render / cartoon | Een 3D- of tekenfilmlook | Realistische foto's |
| lens flare | Overdreven lensreflecties | Landschappen en buitenfoto's |
Praktijkvoorbeeld: dezelfde prompt, met en zonder negatieve lijst
Een veelvoorkomend voorbeeld uit portretgeneratie maakt het effect tastbaar. Een positieve prompt als "editorial portrait of a woman, natural light, confident expression, medium format camera" levert zonder negatieve lijst vaak beelden op met minstens één van deze problemen: half zichtbare handen met misvormde vingers, oorbellen die links en rechts niet overeenkomen, of een onnatuurlijk gladde huid die uit de toon valt bij de rest van de compositie.
Voeg je aan diezelfde positieve prompt de negatieve lijst "deformed hands, extra fingers, asymmetrical earrings, waxy skin, blurry" toe, dan stijgt het aandeel bruikbare generaties aanzienlijk. Dat betekent niet dat alles ineens perfect is, maar het deel dat je meteen kunt gebruiken neemt merkbaar toe, zeker bij batches van vier of meer beelden tegelijk. Je hebt simpelweg minder pogingen nodig voor een resultaat waar je tevreden mee bent.
Tools die de negatieve prompt automatisch voor je opbouwen
Sommige platforms leveren een standaard negatieve prompt mee, zodat je de lijst niet telkens opnieuw hoeft te typen. Leonardo AI past bijvoorbeeld bij elke generatie automatisch een set algemene kwaliteitstermen toe, tegen lage resolutie en bekende artefacten, waarna jij daar alleen nog de termen van je eigen project bovenop legt.
In Automatic1111 en ComfyUI, twee populaire schillen om Stable Diffusion lokaal te draaien, bewaar je herbruikbare presets van negatieve prompts. Dat is meteen de handigste manier om de eigen verzameling van hierboven bij te houden, zonder de lijst bij elke nieuwe sessie te moeten kopiëren en plakken.
Veelgemaakte fouten bij het opstellen van de lijst
Een klassieker is iets uitsluiten dat je positieve prompt juist vraagt. Vraag je om "een realistische hond met zachte vacht" en zet je tegelijk "fur" in de negatieve lijst, dan krijg je vreemde, onvoorspelbare beelden, want beide prompts botsen binnen hetzelfde generatieproces.
Zulke botsingen komen vaker voor dan je zou denken, vooral wanneer je een negatieve prompt uit een ander project hergebruikt zonder hem goed na te lopen. Leg daarom voordat je de lijst vastzet de positieve prompt ernaast en controleer of geen enkele uitgesloten term een gewenst kenmerk tegenspreekt.
Een tweede veelgemaakte fout is standaardlijsten van internet overnemen zonder ze op de context af te stemmen. Een lijst voor fotorealistische portretten, ongewijzigd losgelaten op een gestileerde illustratie, duwt het resultaat weg van de stijl die je wilde, bijvoorbeeld door "cartoon" uit te sluiten terwijl je juist iets gestileerds voor ogen had.
Afstemmen op het specifieke project telt altijd zwaarder dan het aantal termen dat je gebruikt.Tot slot slaan veel beginners de negatieve prompt helemaal over en proberen ze elk mankement op te lossen door de positieve prompt bij te schaven. Dat werkt tot op zekere hoogte, maar vraagt om veel langere en ingewikkelder prompts. De negatieve prompt bestaat juist om dat werk te vereenvoudigen, door "wat ik wil" en "wat ik niet wil" over twee aparte kanalen te verdelen.
Ondersteuning voor negatieve prompts in de bekendste AI-tools
| Tool | Ondersteuning | Hoe je het toepast |
|---|---|---|
| Stable Diffusion (Automatic1111 / ComfyUI) | Ingebouwd, met weging per term | Apart veld "Negative prompt" |
| Midjourney | Ingebouwd, zonder weging per term | Parameter --no aan het eind van de prompt |
| Leonardo AI | Ingebouwd, met automatische preset | Apart veld plus je eigen extra termen |
| DALL-E 3 | Niet rechtstreeks ondersteund | Nauwkeurig beschrijven in de positieve prompt |
| Adobe Firefly | Deels, via "Effecten uitsluiten" | Paneel met geavanceerde instellingen |
| Gemini Image / Imagen | Niet rechtstreeks ondersteund | De positieve prompt in het gesprek verder bijschaven |
Als de negatieve prompt niet genoeg is: aanvullende technieken
Een negatieve prompt vangt een groot deel van de terugkerende fouten op, maar is geen wondermiddel. Blijft een bepaald mankement terugkomen ook nadat je de lijst hebt bijgesteld, dan komen andere verfijningstechnieken in beeld.
Inpainting
In Stable Diffusion en Adobe Firefly selecteer je alleen het probleemgebied, bijvoorbeeld een misvormde hand, en genereer je uitsluitend dat stukje opnieuw terwijl de rest van de compositie blijft staan. Ideaal om losse foutjes weg te werken zonder een verder geslaagd beeld overboord te gooien.
ControlNet en structuurgidsen
Binnen Stable Diffusion stuur je met ControlNet de houding, de compositie of de contouren van het beeld aan de hand van een externe referentie, zoals een poseskelet. Dat haalt de dubbelzinnigheid weg die normaal tot anatomische missers leidt, en vult de negatieve prompt aan in plaats van hem te vervangen.
Vergroten en verscherpen na de generatie
Heb je eenmaal een geslaagd beeld op lage of middelmatige resolutie, dan tillen vergrotingstools de eindresolutie omhoog en kunnen ze compressieartefacten wegwerken die de negatieve prompt wel had teruggedrongen maar niet helemaal weggenomen. Meestal is dat de laatste stap voordat je het beeld echt gebruikt.
Negatieve prompts in marketing en op sociale media
Marketingteams die beeld maken voor advertenties, posts en banners hebben een extra opgave: het resultaat moet niet alleen technisch kloppen, maar ook bij de huisstijl passen. De negatieve prompt bevat dan meestal termen die afdwalen van palet of stijl tegenhouden, bijvoorbeeld "neon colors" of "grunge texture" uitsluiten bij een merk met een lichte, minimalistische uitstraling.
Een tweede aandachtspunt is voorkomen dat de AI ongevraagd verwijzingen naar concurrenten of net iets te echt ogende generieke logo's binnensmokkelt. Termen als "brand logo" en "corporate emblem" in de negatieve prompt beperken dat risico bij product- en kantoorbeelden.
Negatieve prompts in professionele workflows
Teams die in volume beeld maken, voor productcatalogi, campagnes of een interne beeldbank, houden vaak een vaste negatieve prompt van het merk aan, die bij elke generatie meegaat ongeacht de positieve prompt. Dat borgt een minimum aan visuele samenhang, bijvoorbeeld door tekst en watermerken altijd uit te sluiten, en scheelt handmatig nakijken van elk item voor de eindgoedkeuring.
Beeld al gegenereerd? Tijd om te verfijnen
Heb je met de negatieve prompt het gewenste resultaat te pakken, gebruik dan de AI-tools van ImageTools voor de laatste aanpassingen.
AI-tools bekijken