Un ejemplo práctico, con los archivos
Leer los parámetros de AUTOMATIC1111 de un PNG
Un PNG original puede incluir su prompt y sus ajustes de generación en un registro parameters. Abre el archivo en el extractor de prompts guardados para copiar el texto y ver los campos que realmente contiene esa copia.
Sigue los pasos
- Descarga el ejemplo parameters de abajo o elige un PNG original que tengas permiso para inspeccionar.
- Abre el extractor de prompts guardados y selecciona el archivo. Lee primero el prompt positivo y después abre los detalles guardados.
- Compara el prompt negativo, el modelo indicado y los ajustes de generación. Descarga el resultado JSON si necesitas conservar los valores juntos.
Qué demuestra el ejemplo
Añadimos un registro parameters conocido a una imagen dibujada mediante código. El prompt positivo esperado empieza por «Controlled example: a paper boat». El prompt negativo es «text, blur». La semilla 42, los 20 pasos y la escala CFG 7 son valores del registro, no ajustes deducidos de la imagen.
El nombre del modelo es solo ilustrativo. Ese modelo no generó estos píxeles. Puedes usar este archivo de prueba para comprobar si otro lector devuelve los mismos valores guardados.
Usa el archivo original
AUTOMATIC1111 documenta la información de generación PNG y la función PNG Info. En isGenAI, selecciona el propio archivo descargado. Copiar una vista previa en otra aplicación puede producir un archivo diferente, aunque tenga el mismo aspecto.
Si el lector no encuentra ningún registro compatible, prueba con la exportación original. Repetir la misma comprobación no reconstruye datos ausentes de esta copia.
Qué conservar junto al resultado
Guarda el archivo con su fuente y el JSON extraído. El nombre de modelo registrado es una etiqueta: no proporciona los pesos del modelo ni verifica cómo se crearon los píxeles. Para inspeccionar un registro de procedencia firmado, utiliza el comprobador independiente de Content Credentials.
Descargar · Ejecutar · Comparar
Prueba el ejemplo verificado
Dibujamos la imagen mediante código y añadimos registros controlados. Los prompts y nombres de modelo guardados son datos de demostración. Estos archivos prueban la lectura de registros; no se usó ningún generador de imágenes, aplicación de capturas ni red social para crear estos resultados.
Resultado observado
{
"format": "automatic1111",
"prompt": "Controlled example: a paper boat on a blue table",
"negative_prompt": "text, blur",
"recorded_model": "demonstration-only",
"settings": {
"seed": "42",
"steps": 20,
"sampler": "Euler",
"cfg_scale": 7,
"width": 1024,
"height": 768
}
}Los valores de semilla del JSON son cadenas de texto para conservar la precisión de los enteros grandes. Aquí, un resultado null significa que no se devolvió ningún prompt guardado compatible.
Huellas y reproducción
- parameters-tEXt.png · 13.371 bytes
e76d2af4e6c273e1ba8ca6cf2b5b7885ceda2321bce893f0bb5f9e64ace17c9f
Los archivos de prueba y las observaciones se publican bajo CC0-1.0. Descargar todas las observaciones y versiones o leer el procedimiento. El script completo de reproducción en Node.js (requiere sharp) crea las mismas entradas de prueba y compara bytes y píxeles. El código fuente de isGenAI también verifica los campos guardados con npx tsx scripts/build-guide-lab.ts.
Para el estudio independiente de exportaciones, explora los 18 casos de conservación de metadatos.
Fuentes y método
Las fuentes primarias enlazadas describen los formatos. Los resultados de los archivos de prueba descargables se comprobaron con aserciones automatizadas frente al lector actual de isGenAI. Estas guías se prepararon con ayuda de IA y se revisaron con esos ejemplos.
Comunicar un error o un ejemplo no compatible. Para un registro firmado, inspecciona las Content Credentials.