NSFW-KI-Bildgenerator-Rankings richtig lesen: Drei Filterebenen erklärt

Ein NSFW-KI-Bildgenerator akzeptiert Ihren Prompt, beginnt mit der Verarbeitung und meldet eine abgeschlossene Aufgabe. Sie öffnen das Bild und stellen fest, dass die Szene deutlich zurückhaltender umgesetzt wurde. Ein anderer Dienst lehnt dieselbe Beschreibung sofort ab. Ein dritter akzeptiert Textprompts, verweigert aber das Referenzbild, das Sie für eine Figurenserie benötigen.

Das sind drei unterschiedliche Erfahrungen. Ein Ranking, das jeden Dienst mit einem einzigen Häkchen bei „unzensiert“ versieht, verdeckt genau den Unterschied, auf den es für Sie ankommt.

Wählen Sie für einen Bildworkflow mit Erwachseneninhalten den konkreten Generierungs- oder Bearbeitungsendpunkt, der Ihre Inhaltskategorie unterstützt, und beurteilen Sie anschließend das gelieferte Bild. Ein akzeptierter Prompt und eine erfolgreich abgeschlossene Aufgabe sind notwendige Schritte, belegen aber beide nicht, dass die gewünschte Szene geliefert wurde. Bei SpicyAPI sind Generierung und Bearbeitung mit Qwen Image 3.0 als unzensiert aufgeführt. Wan 2.7 Pro zeigt, warum die Aufgabe entscheidend ist: Seine Text-zu-Bild-Generierung ist als abgeschwächt, seine Bearbeitung als unzensiert gekennzeichnet. Das sind Kennzeichnungen einzelner Endpunkte, keine Zusage, dass jede Komposition funktioniert.

Um Filterebenen sinnvoll zu verstehen, betrachten Sie getrennt, was mit dem Prompt, dem Referenzbild und dem Ergebnis geschieht, und berücksichtigen zugleich die erlernten Grenzen des Modells. Das sind beobachtbare Kontrollpunkte. Sie beweisen nicht, dass jeder Dienst genau drei interne Filter hat. Die Auswahl von Trainingsdaten ist eine andere Frage und lässt sich mit einigen Prompts nicht überprüfen.

Dieser Leitfaden erklärt, wie Sie die einzelnen Ergebnisse einordnen, welche Entscheidungen daraus folgen und wann eine weitere Generierung lediglich Geld für das falsche Werkzeug kostet.

Was ein Ranking mit drei Filterebenen zeigen sollte

Angenommen, Sie erstellen eine kostenpflichtige Figurengalerie mit einer fiktiven erwachsenen Hauptfigur. Sie brauchen einen fotografischen Stil, mehrere Szenen für Erwachsene und ein über die gesamte Serie wiedererkennbares Gesicht. Die entscheidenden Fragen sind klar:

• Akzeptiert der Dienst die rechtmäßige Beschreibung für Erwachsene, die Sie tatsächlich umsetzen möchten?
• Akzeptiert sein Editor Ihr autorisiertes Ausgangsbild und bewahrt er die Figur?
• Erfüllt das gelieferte Bild die Beschreibung oder verändert es deren entscheidenden Bestandteil unbemerkt?

Ein Modell, das anzügliche Mode gut darstellt, kann bei einer intensiveren Kategorie von Erwachseneninhalten unzuverlässig werden. Ein Bildeditor kann die Vorlage akzeptieren, aber das Gesicht ersetzen. Dann eignet er sich auch ohne ausdrückliche Ablehnung nicht für Ihre Serie.

Trennen Sie bei der Vorauswahl Inhaltskompatibilität und Bildqualität. Die Inhaltskompatibilität zeigt, ob die Aufgabe überhaupt ein sinnvoller Kandidat ist. Die Bildqualität zeigt, ob sie Gesicht, Pose, Beleuchtung und Bildstil liefert, die Ihre Kunden erwarten. Eine allgemeine NSFW-Kennzeichnung ist keine Qualitätsbewertung.

Ein Bildgenerator-Ranking wird nützlich, wenn es die Aufgabe, die getestete Kategorie und das tatsächliche Bildergebnis benennt. Irreführend wird es, wenn „die API hat etwas zurückgegeben“ mit „der Generator hat alles Gewünschte geliefert“ gleichgesetzt wird.

Illustration: drei beobachtbare Kontrollpunkte in einem Bildworkflow; Trainingsentscheidungen liegen außerhalb dieses Anfrageablaufs.

Eine praktische Vorauswahl nach Inhaltsverhalten

Die folgenden Einträge verdeutlichen tatsächliche Unterschiede im öffentlichen SpicyAPI-Katalog. Sie bilden eine Vorauswahl für Ihren Workflow, keinen neuen direkten Benchmark zur Bildqualität. Die Preise sind die aufgeführten USD-Gebühren pro ausgegebenem Bild bei der genannten Einstellung. Prüfen Sie vor dem Absenden das Angebot für Ihre gewählten Eingaben.

Für einen neuen fotografischen NSFW-Workflow, der später Bearbeitungen umfassen soll, prüfen Sie zuerst die beiden Aufgaben von Qwen Image 3.0. Für günstige, voneinander unabhängige Bildentwürfe kommt Z-Image Spicy infrage. Wenn Ihre vorhandene Vorlage Wans Bearbeitungsworkflow benötigt, beurteilen Sie direkt diesen Editor. Der Familienname macht die Text-zu-Bild-Aufgabe nicht gleichwertig.

Diese Empfehlungen ergeben sich aus den verfügbaren Aufgaben, Inhaltskennzeichnungen und öffentlichen Preisen. Sie bestimmen keinen universellen Sieger bei Anatomie, Identität oder Prompttreue. Der Bildgenerator-Vergleich enthält einen vorhandenen unbedenklichen visuellen Vergleich und erläutert die Grenzen seiner Stichprobe. Nutzen Sie die Beobachtungen zu den Ergebnissen für das, was sie tatsächlich zeigen. Eine öffentlich gezeigte Modeszene belegt nicht den maximalen NSFW-Bereich eines Modells.

Erste Ebene: Was mit dem Prompt geschieht

Ein Prompt kann scheitern, bevor Sie ein Bild erhalten. Ursache kann eine Inhaltsbeschränkung sein, aber auch eine ungültige Eingabe, ein nicht verfügbares Modell oder ein Kontoproblem. Die passende Lösung hängt davon ab, was tatsächlich passiert ist.

Wenn die Antwort ausdrücklich eine inhaltliche Ablehnung nennt, prüfen Sie zuerst, ob die beabsichtigte Szene in den unterstützten Inhaltsbereich dieses Endpunkts fällt. Dieselbe Beschreibung wiederholt unverändert an dieselbe eingeschränkte Aufgabe zu senden, ist kein guter Standardansatz. Wenn Ihre Beschreibung für Erwachsene rechtmäßig und vom Dienst erlaubt ist, wählen Sie einen kompatiblen Endpunkt, statt sich auf einen Formulierungstrick zu verlassen.

Nennt die Fehlermeldung stattdessen ein fehlendes Feld, eine nicht unterstützte Größe oder eine nicht erreichbare Referenz-URL, korrigieren Sie diese Eingabe. Das Wort „uncensored“ im Prompt macht einen nicht unterstützten Parameter nicht gültig. Ebenso sagt eine fehlgeschlagene Zahlung oder ein aufgebrauchtes Guthaben nichts über das Inhaltsverhalten des Modells aus.

Ein Prompt, dessen Generierung beginnt, belegt, dass die Anfrage eine spätere Stufe dieses Workflows erreicht hat. Daraus lässt sich nicht erkennen, ob die Plattform Schlüsselwörter geprüft, die Bedeutung analysiert, den Prompt umgeschrieben oder einen anderen Mechanismus angewendet hat. Solche konkreteren Aussagen können nur die Dokumentation des Dienstes oder eine eindeutige diagnostische Antwort stützen.

Googles Dokumentation zur Bildsicherheit unterscheidet beispielsweise zwischen einer Ablehnung durch das Modell, einer Blockierung des Prompts und einer Blockierung der Antwort. Sie benennt Prompt-Feedback und Abschlussgründe für Ausgaben der eigenen API. Diese Felder liefern für die dokumentierte Schnittstelle nützliche Hinweise. Sie sollten jedoch nicht als vorhanden vorausgesetzt werden, wenn Sie eine andere Bild-API nutzen.

Wann eine Änderung des Prompts sinnvoll ist

Es besteht ein wichtiger Unterschied zwischen dem Präzisieren einer Beschreibung und dem Versuch, die Regeln eines Dienstes zu umgehen. Ist eine rechtmäßige Szene mehrdeutig, benennen Sie die fiktive erwachsene Person, ihre Handlung, Kleidung und Komposition. So wird Ihre Absicht verständlich. Das garantiert keine Annahme und sollte nicht als Weg dargestellt werden, eine verbotene Kategorie freizuschalten.

Bei einem Endpunkt, der Ihre beabsichtigte Szene bereits unterstützt, reduzieren Sie konkurrierende Anweisungen. „Nahporträt“, „Ganzkörperkomposition“ und „entfernte Weitaufnahme“ in derselben Beschreibung sind widersprüchliche Kameravorgaben. Ein beschnittenes Ergebnis kann bedeuten, dass das Modell einer dieser Vorgaben folgt, und muss nicht auf einen Filter zurückgehen. Lösen Sie diesen Widerspruch, bevor Sie vermuten, dass der Dienst den Bildausschnitt zensiert hat.

Zweite Ebene: Das Referenzbild kann das Ergebnis verändern

Text-zu-Bild-Generierung und Bildbearbeitung erfordern unterschiedliche Nachweise. Ein reiner Textdurchlauf prüft nie, ob ein Editor Ihr Bild akzeptiert, richtig interpretiert oder die Figur wiedererkennbar bewahrt.

Bei manchen Diensten sind Bildeingaben Teil eines dokumentierten Sicherheitssystems. OpenAIs Systemkarte zu ChatGPT Images 2.5 beschreibt Prüfungen von Textanfragen, Bildeingaben, ihrer gemeinsamen Absicht und generierten Ausgaben. Das ist ein konkretes Beispiel für eine mehrschichtige Architektur. Es beweist nicht, dass ein anderes Unternehmen dieselbe Architektur verwendet oder jede Ablehnung an derselben Stelle erfolgt.

Für Ihr Projekt sehen eine Ablehnung des Eingabebildes und ein fehlerhafter Upload in einer Meldung „Generierung fehlgeschlagen“ zunächst ähnlich aus. Prüfen Sie die Erklärung. Eine Inhaltsmeldung erfordert eine mit den Regeln vereinbare Aufgabe. Ein Dateiformat- oder Downloadfehler erfordert eine gültige, erreichbare Datei. Wurde ein Bild geladen, aber ignoriert, müssen Sie die Bearbeitungsanweisung und das Modellverhalten untersuchen.

Verwenden Sie ein Bild einer fiktiven erwachsenen Figur oder eine Vorlage mit dokumentierter Zustimmung und den nötigen Rechten für die beabsichtigte Bearbeitung. Beginnen Sie mit einer Vorlage und einer eindeutigen Änderung. Die Raumbeleuchtung zu ändern und dabei Gesicht sowie Kleidung zu bewahren, zeigt beispielsweise mehr über den Editor als die gleichzeitige Änderung von Person, Pose, Umgebung, Garderobe und Bildstil.

Gelingt diese einfache Bearbeitung, ergänzen Sie die nächste Änderung. Scheitert sie erst nach dem Hinzufügen einer zweiten Referenz, entfernen Sie diese und prüfen Sie ihre Rolle. Eine zusätzliche Stilreferenz kann Gesicht oder Kleidung beeinflussen, statt nur eine Farbpalette beizusteuern. Ohne Hinweise auf eine Inhaltsblockierung handelt es sich um ein Problem der Referenzsteuerung.

Auch ein „unzensierter Editor“ kann ungeeignet sein, wenn er zu viel neu zeichnet. Inhaltliche Freiheit garantiert keinen Identitätserhalt. Eine Inhaltskennzeichnung ersetzt keinen Vorher-nachher-Vergleich.

Dritte Ebene: Das Bild, das Sie tatsächlich erhalten

Nach dem Durchkommen einer Anfrage gibt es zwei verschiedene Probleme: Ein Bild kann bei der Auslieferung blockiert werden, oder das Modell kann ein Bild liefern, das die Beschreibung verfehlt oder abschwächt. Beides enttäuscht Kunden, benötigt aber unterschiedliche Erklärungen.

Eine dokumentierte Ausgabeblockierung bedeutet, dass der Dienst ein Bild aus inhaltlichen Gründen zurückgehalten hat. Eine erfolgreich abgeschlossene Aufgabe mit einem herunterladbaren Bild bedeutet, dass Sie eine Datei erhalten haben. Sie besagt nicht, dass jedes gewünschte Detail vorhanden ist. Bei einem Produkt mit erwachsenen Figuren kann eine Szene unbrauchbar werden, weil sich der Bildausschnitt verändert, die beabsichtigte Stimmung verloren geht oder die wichtige visuelle Beziehung fehlt.

Vergleichen Sie das Ergebnis mit der genauen Anweisung, bevor Sie es als „abgeschwächt“ einstufen. Wenn Sie ein vage beschriebenes glamouröses Porträt angefordert und ein zurückhaltendes glamouröses Porträt erhalten haben, hat der Prompt möglicherweise zu viel offengelassen. Wenn Sie zwei erwachsene Figuren angefordert und eine erhalten haben, kann ein Problem mit der Personenanzahl oder der Komposition vorliegen. Das sind relevante Fehler, sie reichen aber nicht aus, um eine interne Sicherheitsebene zu diagnostizieren.

Der stärkste praktische Hinweis ist ein wiederholtes, erkennbares Muster: Zulässige gewöhnliche Szenen folgen den Anweisungen, während derselbe Workflow eine bestimmte Kategorie von Erwachseneninhalten konsequent reduziert. Halten Sie das als beobachtetes Ausgabeverhalten fest. Sie wissen weiterhin nicht, ob Training, Laufzeitanweisungen, Prompt-Umschreibung oder ein anderes Implementierungsdetail die Ursache ist, solange der Dienst dies nicht erklärt.

Wan 2.7 Pro macht die Konsequenz für die Kaufentscheidung konkret. Seine Text-zu-Bild-Aufgabe ist öffentlich als abgeschwächt gekennzeichnet, obwohl die Plattform beschreibt, Anfragen ohne zusätzliche Prüfung weiterzuleiten. Weitere Durchläufe verwandeln diese Aufgabe nicht in den separat als unzensiert aufgeführten Editor. Wählen Sie die Aufgabe, deren Inhaltsverhalten zur gewünschten Arbeit passt.

Illustration: Eine fehlende Person und ein veränderter Bildausschnitt sind zwei Arten, die Beschreibung zu verfehlen; dies sind keine Modelltestergebnisse.

Trainingsfilter sind kein Schalter, den Sie mit einem Prompt überprüfen können

Manche Artikel beschreiben drei Ebenen als Promptfilterung, Ausgabefilterung und Filterung der Trainingsdaten. Diese Begriffe vermischen Vorgänge während einer Anfrage mit Entscheidungen bei der Entwicklung des Modells.

Die Auswahl von Trainingsdaten und die spätere Modellentwicklung können beeinflussen, was ein Modell kennt und was es typischerweise erzeugt. Ein externer Nutzer kann den Inhalt eines nicht offengelegten Trainingsdatensatzes jedoch nicht durch einige Prompts für Erwachsene bestimmen. Ein misslungenes Bild belegt nicht, dass das betreffende Material im Training fehlte. Ein gelungenes Bild belegt nicht, dass jede solche Filterung entfernt wurde.

Es gibt zudem Moderationsansätze, die nicht in ein einfaches Schema aus Schlüsselwortsperre und Ausgabekontrolle passen. Die Forschungsarbeit zu PromptGuard beschreibt eine Sicherheitssteuerung über einen erlernten Soft Prompt im Text-zu-Bild-Embeddingraum. Sie verdeutlicht, warum beobachtetes Verhalten nicht genügt, um ein unbekanntes System zu rekonstruieren. Es handelt sich um eine Forschungsmethode, nicht um einen Beleg, dass ein bestimmter kommerzieller Generator sie einsetzt.

Für Käufer ist die sinnvollere Frage enger gefasst: Erzeugt genau diese gehostete Aufgabe zuverlässig die rechtmäßige Kategorie, die mein Produkt anbietet? Fragen Sie nach aufgabenspezifischen Ergebnissen und Beispielen. Aussagen wie „Trainingsfilter entfernt“, „alle drei Ebenen deaktiviert“ und „jeder Prompt funktioniert“ benötigen mehr Belege als einige ausgewählte Bilder.

Self-Hosting bietet Ihnen mehr Einblick in die Laufzeitumgebung, verbessert aber nicht automatisch die erlernten Fähigkeiten des Modells. Die Stable-Diffusion-Dokumentation von Diffusers beschreibt einen Sicherheitsprüfer in der Pipeline als Komponente, die vom eigentlichen Bildgenerierungsmodell getrennt ist. Zu wissen, ob diese Komponente existiert, ist etwas anderes als zu wissen, ob der Checkpoint Ihre gewünschte Szene gut darstellen kann.

Warum ein seltsames Endergebnis nicht automatisch Zensur bedeutet

In Communitys wird wiederholt beklagt, dass eine Zwischenvorschau vielversprechend aussieht, sich das endgültige Bild aber verändert. In einer Stable-Diffusion-Diskussion über vermutete versteckte Filter vermutete der Verfasser zunächst einen versteckten Filter. Später ergänzte er, dass der Wechsel zum vom Modellersteller empfohlenen Inpainting-Checkpoint das Problem gelöst hatte. Das ist eine nützliche berichtete Lösung für diesen Workflow, kein Beweis für einen universellen versteckten Filter. Andere Erklärungen in den Kommentaren, etwa zur Vorschau-Decodierung, wurden nicht als Ursachen bestätigt.

Diese Unterscheidung ist wichtig, wenn Sie einen lokalen Workflow untersuchen oder einen gehosteten Dienst bewerten. Eine Zwischenvorschau ist nicht das ausgelieferte Bild. Ein Decodierungsproblem, eine inkompatible Bearbeitungskonfiguration oder eine überladene Anweisung kann auch ohne inhaltliche Ablehnung zu einem schlechten Ergebnis führen.

Wenn Ihr Problem lautet „das Gesicht wirkt wächsern“, prüfen Sie die Ausgabe in voller Größe und die Bearbeitungseinstellungen, bevor Sie nach einem Zensurschalter suchen. Wenn es lautet „die ganze Pose hat sich geändert“, beschränken Sie die Bearbeitung auf eine gewünschte Änderung und weisen Sie ausdrücklich an, die Pose zu bewahren. Wird dieselbe Inhaltskategorie wiederholt zurückhaltender dargestellt, während gewöhnliche Varianten korrekt funktionieren, spricht das dafür, Abschwächung statt eines zufälligen Qualitätsfehlers zu untersuchen.

Formulieren Sie auch in Ihrer Anwendung entsprechend genau. „Inhaltsanfrage abgelehnt“, „Referenzbild konnte nicht geladen werden“ und „generiertes Bild erfüllte die Beschreibung nicht“ sollten nicht alle als „KI-Moderationsfehler“ erscheinen. Eine falsche Fehlerbezeichnung führt Nutzer zur falschen Lösung und erschwert den Support.

Was Abschwächung für Ihr tatsächliches Bildbudget bedeutet

Liefert die API ein berechnetes Bild, das Sie nicht verwenden können, kann ein niedriger Listenpreis die hohen Produktionskosten verdecken. Vergleichen Sie den Preis eines nutzbaren Ergebnisses, einschließlich misslungener kreativer Versuche, statt abgeschlossene Aufgaben als fertige Arbeit zu zählen.

Hier ein Rechenbeispiel mit dem aufgeführten Bildpreis von $0.03 für Qwen Image 3.0. Angenommen, Sie generieren 20 Bilder und behalten acht. Die Bildgebühren betragen insgesamt $0.60. Das ergibt $0.075 pro behaltenem Bild. Behalten Sie aus denselben 20 Anfragen 15 Bilder, beträgt die Bildgebühr pro behaltenem Bild $0.04.

Diese Anzahlen brauchbarer Bilder sind hypothetisch und keine gemessenen Erfolgsquoten von Qwen. Das Beispiel zeigt, warum inhaltliche Abschwächung, falsche Anatomie, verlorene Identität und schlechte Komposition dasselbe Budget belasten, obwohl sie verschiedene Ursachen haben. Ihre Anwendung sollte die Ursache unterscheiden, während Ihr Produktionsbudget die verlorenen Versuche einschließt.

Eine Ablehnung kann anders berechnet werden als ein erfolgreich geliefertes, aber ungeeignetes Bild. Prüfen Sie die Bedingungen des Dienstes und die tatsächliche Aufgabengebühr. Gehen Sie nicht davon aus, dass über alle APIs hinweg jede fehlgeschlagene Anfrage berechnet wird oder jede inhaltliche Ablehnung kostenlos ist.

Rechnen Sie bei einer Serie auch die Bearbeitungsschritte nach dem ersten brauchbaren Bild ein. Ein Generator ohne Editor kann günstiger aussehen, bis Sie ein Gesicht wiederholt neu erzeugen müssen. Ordnen Sie die Aufgabe der Produktionsphase zu, bevor Sie die Gesamtkosten vergleichen.

Illustration: Zum Produktionsbudget gehören die Entwürfe ebenso wie die nutzbaren Bilder, die Sie behalten.

Eine kleine Prüfung, die eine tatsächliche Kaufentscheidung klärt

Sie müssen keine riesige Rangliste veröffentlichen, bevor Sie Ihren ersten Endpunkt wählen. Sie benötigen eine kurze Prüfung, die die Arbeit abbildet, die Sie verkaufen möchten. Verwenden Sie durchgehend dieselbe erwachsene Figur und dasselbe visuelle Ziel sowie autorisierte Vorlagen. Der folgende Ablauf ist ein Vorschlag für eine Prüfung, kein in diesem Artikel berichteter Testlauf.

Generieren Sie zuerst eine gewöhnliche Szene im gewünschten Stil und Bildformat. Das zeigt, ob das Modell die grundlegende fotografische oder illustrierte Beschreibung umsetzen kann. Stimmt bereits die Personenanzahl oder Pose nicht, lösen Sie dieses Problem, bevor Sie einen komplexeren Fehlschlag als Inhaltsfilterung einstufen.

Prüfen Sie anschließend die rechtmäßige Kategorie von Erwachseneninhalten, die Ihr Produkt tatsächlich anbietet. Vergleichen Sie das Bild mit den prägenden Merkmalen dieser Kategorie, nicht nur mit der gewöhnlichen Kontrollszene. Eine unbedenkliche Mode-Kontrollszene belegt keine weitergehende NSFW-Unterstützung. Wiederholen Sie nur so oft wie nötig, um einen einzelnen Fehlschlag von einem Muster zu unterscheiden, und legen Sie das Ausgabenlimit vorher fest.

Benötigt Ihr Workflow Bearbeitung, verwenden Sie das ausgewählte Ausgangsbild im dritten Schritt am Bearbeitungsendpunkt mit einer konkret benannten Änderung. Prüfen Sie Gesicht, Pose und erhaltene Szene. Das prüft etwas, das eine neue Text-zu-Bild-Generierung nie geprüft hat.

Unterscheiden sich zwei Werkzeuge, übersetzen Sie dasselbe kreative Ziel in ihren jeweils erwarteten Promptstil. Ein tagorientiertes Illustrationsmodell und ein prosabasiertes fotografisches Modell sollten nicht allein anhand identischer Zeichensetzung verglichen werden. Halten Sie Szene und Abnahmekriterien gleichwertig und passen Sie die Syntax an.

Die Entscheidung sollte eindeutig sein: Beherrscht dieser Endpunkt Ihre Kategorie, bewahrt er die für Ihr Produkt nötigen Bestandteile und sind die Kosten pro nutzbarem Bild akzeptabel? Lautet eine Antwort nein, wählen Sie eine andere Aufgabe oder ein anderes Modell. Eine höhere Auflösung, ein kostenpflichtiger Tarif oder ein längerer Prompt löst den konkreten Fehler nicht automatisch.

Was Sie als Nächstes wählen sollten

Prüfen Sie für Standbilder für Erwachsene, die Teil einer Figurenserie werden sollen, zuerst einen unzensierten Generator mit verfügbarer Bearbeitungsaufgabe. Qwen Image 3.0 ist dafür ein konkreter Ausgangskandidat aus der Vorauswahl. Für unabhängige Entwürfe erster Bilder ist der günstigere Bildpreis von Z-Image Spicy hilfreich, sofern die Ergebnisse Ihre Beschreibung erfüllen. Behandeln Sie bei Wan 2.7 Pro Generierung und Bearbeitung als getrennte Entscheidungen.

Nutzen Sie in einem Produkt mit SFW- und NSFW-Inhalten ein gefiltertes Modell für unterstützte Beschreibungen, statt zu versprechen, dass jedes Modell jede Kategorie beherrscht. Trennen Sie Zustimmung, Rechte und eigene Produktgrenzen von einer technischen Filterkennzeichnung. Die Inhaltsrichtlinie von SpicyAPI gilt auch für unzensierte Routen.

Ein brauchbares Ranking liefert Ihnen die Belege für solche Entscheidungen. Eine Kennzeichnung „drei Ebenen entfernt“ sagt nicht, ob Ihre Kunden die Figur, Szene oder Bearbeitung erhalten, für die sie bezahlt haben.

FAQ

Bedeutet ein akzeptierter NSFW-Prompt, dass es keinen Filter gibt?

Nein. Er zeigt, dass die Anfrage diese Stufe des Workflows passiert hat. Die Verarbeitung des Eingabebildes, der Umgang mit Ausgaben und das Verhalten des Modells selbst können das Ergebnis weiterhin beeinflussen.

Kann eine abgeschlossene Aufgabe trotzdem abgeschwächt sein?

Ja. Eine erfolgreich abgeschlossene Aufgabe kann ein Bild liefern, das die gewünschte Szene abschwächt oder auslässt. Prüfen Sie die Datei selbst. Der Abschluss garantiert keine inhaltliche Treue.

Gilt die Kennzeichnung einer Familie als unzensiert für jede Aufgabe?

Prüfen Sie jede Aufgabe. Die öffentlichen Einträge von Wan 2.7 Pro unterscheiden abgeschwächte Text-zu-Bild-Generierung und unzensierte Bearbeitung. Der Familienname allein reicht daher nicht aus.

Kann ich durch Prompttests beweisen, dass Trainingsfilter entfernt wurden?

Nein. Prompttests zeigen das Verhalten des getesteten Workflows, nicht einen nicht offengelegten Trainingsdatensatz oder die interne Architektur. Aussagen zum Training erfordern gesonderte Belege.

Sollte ich eine inhaltlich abgelehnte Anfrage immer wieder versuchen?

Senden Sie dieselbe abgelehnte Anfrage nicht automatisch erneut. Prüfen Sie die Erklärung und den unterstützten Inhaltsbereich des Endpunkts. Korrigieren Sie technische Eingabefehler, präzisieren Sie eine rechtmäßige Mehrdeutigkeit oder wählen Sie eine kompatible Aufgabe nach den Regeln des Dienstes.