Antigravity Agent
4.3 KiB
프롬프트 구문 (Prompt Syntax)
📌 Brief Summary
프롬프트 구문(Prompt Syntax)은 인공지능 이미지 생성 모델에게 사용자의 시각적 의도를 정확히 전달하기 위해 사용하는 명령어의 구조와 배열 규칙을 의미합니다 [1, 2]. 각 AI 모델(Midjourney, Stable Diffusion, DALL-E 등)은 고유한 아키텍처와 훈련 데이터를 가지므로, 사용자는 각 모델이 가장 잘 이해하는 특정 문법과 '방언'에 맞춰 프롬프트를 구성해야 합니다 [1, 3-5]. 효과적인 구문은 모호함을 줄이고 AI가 텍스트 기호를 정확한 픽셀 좌표로 변환할 수 있도록 돕습니다 [2].
📖 Core Content
-
일반적인 프롬프트 계층 구조 가장 성공적이고 널리 쓰이는 프롬프트 구문은 보통 4~5개의 계층적 구조를 따릅니다. 일반적으로
주제(Subject) + 맥락/환경(Context/Environment) + 스타일(Style/Medium) + 기술적 세부사항 및 매개변수(Technical Details/Parameters)의 순서로 구성됩니다 [6-9]. 이러한 패턴화된 구조는 AI가 지시사항을 혼동하지 않도록 방지하며, 관련된 토큰(Tokens)들을 한데 묶어 배치함으로써 모델이 특정 요소를 누락하지 않고 반영할 확률을 높입니다 [10]. -
플랫폼별 구문 특성과 차이점
- 미드저니(Midjourney): 디스코드나 웹 인터페이스에서
/imagine명령어로 시작하며, 선택적으로 이미지 URL을 넣고, 그 뒤에 텍스트 프롬프트를 작성합니다 [11]. 구문 맨 마지막에는--ar 16:9,--v 7과 같은 매개변수(Parameters)를 추가하여 종횡비나 모델 버전을 제어합니다 [11-13]. 구두점을 매개변수에 포함해서는 안 되며, 텍스트와 대시(--) 사이에는 반드시 공백을 두어야 합니다 [14]. 또한{ }를 사용해 여러 프롬프트를 한 번에 생성하는 순열(Permutations) 구문이나::를 사용한 가중치 조절 문법을 지원합니다 [15]. - 스테이블 디퓨전(Stable Diffusion): 완전한 문장보다는 쉼표로 구분된 단어 태그(comma-separated tags)를 나열하는 구문이 효과적이며, 앞에 배치된 단어일수록 더 큰 영향을 미칩니다 [16].
(단어:숫자)형식이나+,-기호를 붙여 특정 개념의 가중치를 미세하게 조절할 수 있습니다 [17-19]. 예를 들어 괄호()는 해당 단어의 비중을 강화(1.1배)하고, 대괄호[]는 비중을 약화하거나 부정적 프롬프트로 처리합니다 [16, 20]. - DALL-E 3: 스테이블 디퓨전과 같은 키워드 나열 방식보다는 자연어 형태의 완전한 문장(full sentences)을 사용하는 구문이 훨씬 뛰어난 결과를 도출합니다 [21, 22]. 텍스트가 짧을 경우 GPT 모델이 스스로 프롬프트를 길게 확장하여 전달하므로, 이를 방지하려면 "프롬프트를 변경하지 말고 그대로 사용할 것"이라는 구문을 명시적으로 추가해야 합니다 [22, 23].
- 미드저니(Midjourney): 디스코드나 웹 인터페이스에서
-
토큰(Tokens)과 순서의 중요성 AI는 프롬프트의 단어를 인간처럼 이해하는 것이 아니라 '토크나이저(Tokenizer)'를 통해 숫자 형태의 토큰으로 분해하여 인식합니다 [24]. 따라서 단어의 순서는 결과물에 큰 영향을 미치며(앞에 올수록 중요도가 높음), 복잡한 단어는 여러 개의 토큰으로 쪼개질 수도 있습니다 [16, 23, 25].
🔗 Knowledge Connections
- Related Topics: 매개변수 (Parameters), 가중치 조절 (Prompt Weights), 부정 프롬프트 (Negative Prompts)
- Projects/Contexts: 플랫폼별 프롬프트 최적화 작업 (Midjourney, DALL-E 3, Stable Diffusion)
- Contradictions/Notes: 이미지 생성 모델 간에는 권장되는 프롬프트 구문 방식에 뚜렷한 차이가 있습니다. 스테이블 디퓨전은 쉼표로 분리된 키워드 태그 구문과 괄호를 활용한 가중치 문법을 선호하는 반면, DALL-E 3는 자연어 기반의 서술형 문장을 사용할 때 모델의 성능이 가장 잘 발휘됩니다 [16, 21, 22].
Last updated: 2026-04-30