Skip to main content
Clip Skip é um recurso que literalmente pula parte do processo de geração de imagens, resultando em saídas ligeiramente diferentes. Isso também leva a uma renderização de imagens mais rápida.

​
Mas por que alguém iria querer pular uma parte do processo de difusão?

Uma imagem típica de um modelo base Stable Diffusion 1.5 passa por 12 camadas de “clip”, que representam níveis de refinamento. As camadas iniciais são muito amplas, enquanto as camadas posteriores produzem imagens mais claras e específicas. No caso de alguns modelos base, especialmente aqueles baseados em tags do Danbooru, tentativa e erro mostraram que pular certas camadas pode levar a imagens melhores, já que as camadas amplas de clip podem introduzir ruído indesejado. Você pode literalmente pular camadas, economizando tempo de GPU e alcançando uma arte melhor. Se você quer uma imagem de “uma vaca”, talvez não se importe com as subcategorias de “vaca” que o modelo de texto possa ter. Especialmente porque elas podem variar em qualidade. Então, se você quer “uma vaca”, talvez não queira “um touro Aberdeen Angus”. (O post completo está no final desta página.) Você pode pensar no CLIP Skip como uma configuração para “quão preciso você quer que o modelo de texto seja”. Você pode testá-lo e ver que cada estágio de clip adiciona mais definição em termos de descrição. Por exemplo, se você tem um prompt detalhado sobre um jovem em pé em um campo, com estágios de clip mais baixos você obteria uma imagem de “um homem em pé”, enquanto estágios mais profundos resultariam em “um jovem em pé” ou “um jovem em pé em uma floresta”, e assim por diante. O CLIP Skip se torna particularmente eficaz ao usar modelos estruturados de uma forma específica, em que a tag “1girl” pode se dividir em muitas sub-tags conectadas a essa tag principal.

​
Eu preciso disso?

É uma otimização pequena, recomendada apenas para entusiastas hardcore e obcecados por qualidade. Se você está trabalhando com anime ou semirrealismo, vale a pena tentar.

​
Limitações

Quantas camadas pular De modo geral, pular 1 ou 2 camadas pode gerar bons resultados. No entanto, pular mais de 2 camadas pode produzir imagens que parecem ter baixo guidance. Compatibilidade inconsistente Clip Skip se tornou um daqueles padrões seguros do tipo “use o cinto de segurança”, em que muitas pessoas preferem configurar uma vez e esquecer. Essa abordagem não é sensata. O recurso também pode gerar resultados imprevisíveis quando usado com outras tecnologias, como LoRAs e Textual Inversions. A ausência de camadas onde camadas são esperadas pode degradar a qualidade da imagem ou não ter efeito algum. Muitas vezes é mais rápido simplesmente testar do que comparar resultados. Apenas certifique-se de também fixar a seed, o guidance, o concept e o sampler para avaliar as diferenças com precisão.
Última modificação em 15 de maio de 2026