Kort svar: En negativ prompt forteller en AI hva den skal unngå, noe som bidrar til å redusere uskarphet, rot, repetisjon eller resultater som ikke passer til stilen. Dette er viktig fordi resultatene blir mer kontrollerte og konsistente, spesielt når de vanligste feilpunktene er enkle å få øye på. Det fungerer best når du kombinerer en tydelig hovedprompt med en kort, målrettet liste over unntak.
Viktige konklusjoner:
Kontroll : Definer målet først, og blokker deretter bare de mest sannsynlige uønskede resultatene.
Spesifisitet : Erstatt vage forbud med klare unntak som uskarphet, klisjeer eller ekstra objekter.
Balanse : Hold negative spørsmål korte, slik at resultatene forblir tydelige uten å bli flate.
Testing : Juster ekskluderinger etter hver kjøring når modellen gjentar den samme feilen.
Tilpass : Tilpass negative elementer til oppgaven, enten det betyr bilder, tekst, støttesvar eller arbeidsflyter.
Artikler du kanskje vil lese etter denne:
🔗 Hva er AI-drevet søk og hvordan fungerer det
Forklarer intelligent søk, rangering og personlige resultater ved hjelp av AI.
🔗 Er AI levende? Hva vitenskapen sier i dag
Utforsker definisjoner av liv, bevissthet og dagens begrensninger innen kunstig intelligens.
🔗 Hvor mye energi bruker AI i praksis
Bryter ned opplærings- kontra slutningskostnader, datasentre og effektivitet.
🔗 Når ble AI oppfunnet? En kort historisk tidslinje
Dekker viktige milepæler fra tidlig databehandling til moderne maskinlæring.
Hva er negativ prompt i AI? 🧠
En negativ prompt i AI er et sett med instruksjoner som forteller modellen hva den ikke skal generere.
I stedet for bare å si:
-
«Skap et realistisk portrett av en kvinne i mykt lys»
Du kan også legge til:
-
«Ingen uskarphet»
-
«Ingen ekstra fingre»
-
«Ingen tegneseriestil»
-
«Ingen forvrengte øyne»
-
«Ingen tekst i bakgrunnen»
Den andre delen er den negative prompten.
Hovedoppgaven til en negativ prompt er å redusere uønskede mønstre i resultatet. Den fungerer som et filter, eller kanskje mer som en dørvakt ved klubbdøren som bestemmer hvilke visuelle artefakter som ikke slipper inn i kveld 🚪
I praktisk bruk dukker negative spørsmål oftest opp i:
-
Verktøy for stiloverføring
-
Arbeidsflyter for videogenerering
-
Lydgenerering i noen tilfeller
Det er imidlertid ikke magi. En negativ prompt garanterer ikke perfeksjon. Den dytter modellen bort fra visse utfall. Noen ganger forsiktig. Noen ganger som en handlekurv med et ødelagt hjul.
Hvorfor negative prompter er så viktige i AI 📌
Her er hva folk lærer raskt – AI er god til å gjette, men å gjette er ikke det samme som å forstå.
Når du skriver en vanlig prompt, prøver modellen å tilfredsstille forespørselen basert på mønstre den har lært. Det kan føre til sterke resultater, men det kan også introdusere søppel du aldri har bedt om. Et mykt fantasiportrett blir til overglatt plasthud. Et rent produktbilde har plutselig tilfeldig tekst som flyter i hjørnet. En bloggdisposisjon blir til generisk fyllstoff. Du kjenner mønsteret.
Derfor er negative prompter viktige i AI . Det forbedrer kontrollen .
Det hjelper med:
-
Presisjon - Du begrenser utdataområdet
-
Konsistens – Færre tilfeldige overraskelser
-
Kvalitetskontroll - Mindre opprydding senere
-
Stilhåndtering – Unngå utseende eller toner du ikke liker
-
Feilreduksjon – Fjern vanlige feil og artefakter
-
Tidsbesparelser – Bedre resultater med færre forsøk
I mine egne tester er gapet mellom en anstendig prompt og en raffinert prompt med negative svar ofte større enn folk forventer. Å legge til noen få «ikke inkluder»-instruksjoner kan føles sterkere enn å legge til ti ekstra beskrivende ord. Ikke hver gang, men ofte nok til å telle.
Hva kjennetegner en god negativ prompt i AI? ✅✨
En god negativ prompt er ikke bare en tilfeldig haug med forbudte ord. Den er målrettet, spesifikk og praktisk .
En god negativ prompt har vanligvis disse trekkene:
-
Relevant for resultatet
-
Hvis du vil ha et realistisk portrett, gir negativer som «tegneserie, anime, lite detaljer» mening.
-
-
Fokuserer på sannsynlige feil
-
For hender, ansikter, tekst, anatomi, uskarphet og rot – dette er vanlige problemområder.
-
-
Kort nok til å holde seg klar
-
Store lister kan bli uhåndterlige og motstridende.
-
-
Spesifikk uten å bli besatt
-
«Ingen ekstra fingre» er bedre enn «fjern all biologisk uregelmessighet fra den menneskelige vedhengsstrukturen». Kom igjen nå.
-
-
Sammen med en sterk positiv oppfordring
-
Negative prompter fungerer best når AI-en også vet hva du vil ha.
-
En svak negativ prompt ser ofte slik ut:
-
For vagt – «gjør det bedre»
-
For bredt – «ingenting stygt»
-
For selvmotsigende – «realistisk, men ingen skygger, ingen tekstur, ingen huddetaljer»
-
For langt – endeløs nøkkelorddumping uten struktur
En god måte å tenke på det er dette: den positive prompten definerer destinasjonen, og den negative prompten fjerner veiene du ikke vil at AI-en skal ta 🚗
Ikke en perfekt metafor, kanskje. Mer som å fjerne sumpstier fra en GPS. Likevel holder det seg godt nok.
Sammenligningstabell – Vanlige måter å bruke negativ prompt i AI 📊
Her er en praktisk sammenligningstabell som viser de vanligste stilene for negativ prompting og hvor de fungerer best, basert på veiledning om bildeprompting , veiledning om LLM-promptteknikk og veiledning om API-promptteknikk .
| Negativ promptstil | Best for | Eksempelformulering | Hvorfor det fungerer | Vanlig feil |
|---|---|---|---|---|
| Fjerning av gjenstander | AI-bilder | «uskarphet, støy, lav kvalitet, pikselert» | Fjerner åpenbart visuelt rot raskt | Bruk av for mange overlappende kvalitetsbegreper |
| Anatomisk korreksjon | Portretter, karakterer | «Ekstra fingre, dårlige hender, forvrengt ansikt» | Retter seg mot klassiske feil i menneskefiguren | Glemmer å forsterke hovedportrettprompten |
| Stilekskludering | Kunstnerisk retning | «tegneserie, anime, tegneseriestil, overmettet» | Holder utgangen nærmere den valgte visuelle tonen | Blokkerende stiler du fortsatt trenger, klønete |
| Opprydding i bakgrunnen | Produktbilder, mockups | «rotete bakgrunn, tekst, vannmerke» | Bidrar til å isolere motivet bedre | Ber om detaljerte scener mens detaljer forbys |
| Objektutelukkelse | Scenegenerering | «Ingen biler, ingen folkemengder, ingen dyr» | Fjerner uønskede elementer direkte | Overbegrenser scenen til den føles tom |
| Tonekontroll for tekst | AI-skriving | «Ingen slang, ingen oppblåst språk, ingen repetisjon» | Gjør stemmen og lesbarheten skarpere | Å være så streng at skrivingen høres treaktig ut |
| Sikkerhets- eller merkevarefiltrering | Arbeidsflyter for bedrifter | «Ingen støtende språkbruk, ingen politikk» | Reduserer risikable utganger ved profesjonell bruk | Forutsatt at det løser alle kanttilfeller |
| Formatkontroll | Strukturert utdata | «Ingen tabeller, ingen overbelastning av kuler, ingen emojier» | Nyttig når du trenger et presist format | Konflikt med det forespurte formatet ... skjer ofte |
Se mønsteret. De beste negative påstandene prøver ikke å kontrollere alt. De løser de mest sannsynlige feilpunktene.
Hvordan negative prompter fungerer bak kulissene ⚙️
Uten å vandre for dypt inn i ugresset, påvirker en negativ prompt modellen ved å motvirke visse assosiasjoner under generering .
I bildeverktøy ser systemet på både hovedprompten og den negative prompten og prøver å bevege seg nærmere den ene samtidig som det beveger seg bort fra den andre. Det er den forenklede versjonen, ja, men det hjelper. Tenk på det som å styre med én hånd mens du forsiktig skyver bort et dårlig kart med den andre. I verktøy bygget på Diffusers, inneholder til og med den underliggende API-overflaten felt som negative_prompt_embeds for denne typen kontroll.
I språkverktøy bidrar negative instruksjoner til å forme:
-
tone
-
struktur
-
forbudte emner
-
stilgrenser
-
repetisjonskontroll
-
formateringsatferd
AI-en balanserer i bunn og grunn preferanser.
Det betyr at negative prompter ikke er en separat magisk bryter. De er en del av det samme instruksjonsøkosystemet . Noe som også forklarer hvorfor de kan feile når:
-
den positive oppfordringen er for svak
-
den negative prompten er for lang
-
instruksjonskonflikten
-
Modellen håndterer ikke negative ting særlig bra
-
forespørselen er for kompleks for én gjennomgang
Og ja, forskjellige verktøy reagerer forskjellig. Noen bildemodeller elsker rene negative prompter. Andre trekker mer eller mindre på skuldrene og gjør det de allerede var satt til å gjøre. AI kan være skarp og sta i samme åndedrag 😬
Negativ prompt i AI for bildegenerering 🎨🖼️
Det er her begrepet brukes oftest.
Når folk snakker om negativ prompt i AI , mener de vanligvis bildegenerering . Det gir mening fordi bildemodeller er beryktet for å gjenta noen klassiske feil:
-
ekstra lemmer
-
deformerte hender
-
merkelige øyne
-
dupliserte objekter
-
gjørmete teksturer
-
tilfeldig tekst
-
lav detaljrikdom
-
overeksponering
-
rotete komposisjoner
Så hvis spørsmålet ditt er:
-
«Et filmatisk portrett av en ridder i gyllent lys»
Du kan legge til en negativ ledetekst som:
-
«uskarpt, ekstra fingre, forvrengt ansikt, dårlig anatomi, få detaljer, tekst, vannmerke, beskåret»
Det forteller systemet hva det skal unngå når det gjengir ridderen.
Gode negative påstander om image retter seg ofte mot:
-
Anatomiske problemer
-
dårlige hender, ekstra fingre, sammenvokste lemmer
-
-
Kvalitetsproblemer
-
lav kvalitet, uskarpt, støyende, pikselert
-
-
Problemer med komposisjon
-
beskåret, duplisert motiv, rot utenfor sentrum
-
-
Stilavvik
-
tegnefilm, anime, urealistisk hud, overmettet
-
-
Løse gjenstander
-
vannmerke, tekst, logo, ramme
-
Men ikke overdriv
Mange brukere dumper gigantiske negative promptlister de har kopiert fra et sted. Noen ganger hjelper det. Noen ganger er det som å kaste seksten tepper over en lampe og lure på hvorfor rommet ser mørkt ut.
Lange negative spørsmål kan:
-
forvirre modellen
-
svekke kreativiteten
-
flat tekstur
-
fjern gode detaljer
-
lage sterile utganger
Så ja, bruk dem – bare bruk dem med vilje.
Negativ ledetekst i AI for skriving og chatboter ✍️💬
Negativ prompting er ikke bare for bilder. Det er også kraftig i skrivesystemer, chatboter, supportassistenter og innholdsarbeidsflyter .
For tekst kan en negativ ledetekst fortelle modellen at den skal unngå:
-
gjentakelse
-
klisjeer
-
sjargong
-
aggressivt salgsspråk
-
emojier
-
overbelastning av kuler
-
spekulasjon
-
ustøttede påstander
-
bestemte emner eller toner
For eksempel, i stedet for bare å si:
-
«Skriv en produktbeskrivelse for en premium kaffetrakter»
Du kan legge til:
-
«Ikke hør påtrengende ut»
-
«Unngå overdrevne påstander»
-
«Ingen fyllord»
-
«Ingen bedriftssjargong»
-
«Ikke bruk klisjeer som banebrytende eller banebrytende»
Det endrer tonen fullstendig.
Negative skriveoppfordringer er nyttige når du vil:
-
renere merkevarestemme
-
færre generiske fraser
-
mer profesjonell tone
-
mer lesbar formatering
-
mindre repetisjon
-
tryggere resultater for team og kunder
Jeg synes dette bruksscenariet blir undervurdert. Alle snakker om fin AI-kunst, noe som er greit, fordi det er prangende og minneverdig. Men for yrkesaktive er tonekontroll i skriving der negative påminnelser stille tjener sin lunsj 🍽️
Vanlige feil folk gjør med negative prompter i AI 🚫
Negativ prompting ser enklere ut enn den er.
Her er de vanligste feilene.
1. Å være for vag
Dårlig eksempel:
-
«Ingen dårlige ting»
AI-en har ikke noe konkret mål der. «Dårlig» betyr nesten ingenting.
Bedre:
-
«Ingen uskarphet, ingen forvrengning, ingen ekstra objekter»
2. Motsetning av hovedprompten
Hvis du ber om:
-
«En rikt detaljert fantasy-markedsplass»
Og den negative prompten din sier:
-
«Ingen rot, ingen folkemengder, ingen bakgrunnsdetaljer»
Vel ... du har satt din egen forespørsel på prøve.
3. For mange nøkkelord
Enorme kopierte lister kan fungere noen ganger, men ofte blir de oppblåste. Modellen mister klarhet. Det er som å prøve å regissere en film ved å rope 80 toner samtidig 🎬
4. Bruk av negative uten positiv klarhet
En negativ prompt kan ikke redde en svak idé. Den kan forbedre en god prompt, ja. Den kan ikke magisk oppfinne en.
5. Forutsatt at alle modeller tolker begreper på samme måte
Ett system reagerer sterkt på «lav kvalitet». Et annet ignorerer det. Ett bryr seg om «deformerte hender». Et annet blunker knapt. Testing er viktig.
6. Prøver å kontrollere hver piksel eller setning
For mye kontroll kan tappe livet for produksjonen. Rent er bra. Dødt er ikke. Det er en forskjell.
Praktiske eksempler på negative prompter i AI 🔍
Eksempler gjør dette tydeligere, så her er noen.
Eksempel 1 – Realistisk portrett
Hovedoppgave:
Et realistisk nærbildeportrett av en kvinne i mykt vinduslys, naturlig hudtekstur, grunn dybdeskarphet
Negativ prompt:
uskarphet, ekstra fingre, forvrengte øyne, plasthud, overmettet, tegneserie, tekst, vannmerke
Hvorfor det fungerer:
Det beskytter realismen og undertrykker de vanligste visuelle feilene.
Eksempel 2 – Produktbilde
Hovedoppgave:
Minimalistisk produktbilde av en svart smartklokke mot hvit bakgrunn, studiobelysning
Negativ prompt:
rot, refleksjoner, ekstra objekter, tekst, logoforvrengning, få detaljer, skyggerot
Hvorfor det fungerer:
Det holder rammen enkel og kommersielt ren.
Eksempel 3 – Bloggskriving
Hovedoppgave:
Skriv en nyttig blogginnledning om produktivitet på hjemmekontor i en vennlig, eksperttone
Negativ prompt:
ikke noe oppblåst språk, ingen klisjeer, ingen repetisjon, ingen robotformulering, ingen overdrevne løfter
Hvorfor det fungerer:
Det forhindrer generisk AI-lydende fyllstoff og holder teksten mer naturlig.
Eksempel 4 – Svar fra kundestøtte
Hovedspørsmål:
Utarbeid et høflig supportsvar for en forsinket forsendelse
Negativ påminnelse:
ikke skyld på kunden, ingen defensiv tone, ingen juridisk sjargong, ingen tomme unnskyldninger gjentatt to ganger
Hvorfor det fungerer:
Det forbedrer profesjonaliteten og den emosjonelle tonen.
Se hvordan disse negative påminnelsene ikke er tilfeldige. Hver av dem er knyttet til den faktiske risikoen for å mislykkes.
Når du ikke bør lene deg for hardt på negative oppfordringer 🪫
Negative påstander er verdifulle, men de er ikke alltid stjernen i showet.
Noen ganger er det smartere å forbedre hovedprompten i stedet.
Vær forsiktig når:
-
Forespørselen din er allerede for restriktiv
-
modellutgangen føles flat og livløs
-
Negativlisten din er lengre enn den faktiske ledeteksten
-
verktøyet reagerer knapt på negativ vekting
-
du har ikke testet enklere versjoner av prompter først
Mange svake resultater som skyldes AI er rett og slett uklare instruksjoner om bruk av solbriller. En bedre kjerneoppgave fikser ofte mer enn nok en haug med negative resultater.
Så en balansert tilnærming fungerer best:
-
Start med en tydelig hovedprompt
-
Legg til noen få målrettede negative termer
-
Test
-
Avgrens basert på hva som går galt
Den prosessen slår tilfeldig prompt dumping nesten hver gang.
Slik skriver du en bedre negativ prompt i AI trinn for trinn 🛠️
Her er en enkel prosess du kan sette i gang.
Trinn 1 – Definer ønsket resultat
Spør deg selv:
-
Hva prøver jeg å skape?
-
Hvilken stil, tone eller format ønsker jeg?
Trinn 2 – Forutsi sannsynlige feil
Tenk på hva som vanligvis går galt.
-
merkelig anatomi?
-
støyende bilde?
-
gjentakende tekst?
-
en tone utenfor merkevaren?
Trinn 3 – Skriv spesifikke unntak
Gjør disse sannsynlige feilene om til direkte negative ting.
-
«ingen uskarphet»
-
«ingen slang»
-
«ingen ekstra hender»
-
«ingen bakgrunnstekst»
Trinn 4 – Hold listen oversiktlig
Begynn i det små. Du kan alltid legge til mer senere.
Trinn 5 – Test og juster
Hvis AI-en stadig gjør én feil, bør du målrette feilen tydeligere. Hvis resultatet blir for stivt, bør du fjerne noen begrensninger.
En praktisk minimal
For bilder:
-
Hovedoppgave: motiv + stil + lys + komposisjon
-
Negativ prompt: anatomiske problemer + stilavvik + fjerning av artefakter
For skriving:
-
Hovedoppgave: mål + publikum + tone + struktur
-
Negativ prompt: forbudt tone + forbudt formatering + forbudte klisjeer + risikoområder
Ikke noe fancy. Bare praktisk.
Avsluttende merknad om negativ prompt i AI 🌟
Så, hva er negativ prompt i AI .
Det er den delen av promptingen der du forteller modellen hva den skal unngå. Det er den rene definisjonen. Men i praksis er det mer enn det. Det er et kontrollverktøy. Et kvalitetsfilter. En måte å redusere tull før det dukker opp. Ikke perfekt, ikke absolutt, men genuint kraftig.
Den smarteste måten å bruke det på er ikke å bygge en uhyrlig nøkkelordkirkegård og lime den inn overalt. Det er å legge merke til hva som stadig går galt, og deretter blokkere akkurat disse problemene med rolige, spesifikke instruksjoner.
Det er det gode punktet.
Kort fortalt
-
En negativ prompt i AI forteller modellen hva den ikke skal generere
-
Det er spesielt nyttig for bildegenerering , skriving og arbeidsflytkontroll.
-
Gode negative påminnelser er spesifikke, relevante og konsise.
-
Dårlige negative påminnelser er vage, oppblåste eller motstridende
-
De beste resultatene kommer ved å kombinere en sterk hovedprompt med en målrettet negativ prompt
-
Testing er viktig – ulike modeller reagerer ulikt
Når du først begynner å bruke negative påminnelser på en god måte, kan det føles litt som å lage mat uten salt å gå tilbake. Ikke umulig. Bare litt irriterende, og resultatet blir flatere enn det trenger å være
Vanlige spørsmål
Hva er en negativ prompt i AI, og hvordan er den forskjellig fra en vanlig prompt?
En vanlig prompt forteller modellen hva den skal opprette, mens en negativ prompt forteller den hva den skal unngå. I praksis betyr det at du ikke bare beskriver målet, men også blokkerer vanlige feilmønstre. Artikkelen presenterer det som et kontrolllag som reduserer uønskede stiler, artefakter eller atferd i stedet for å erstatte hovedprompten.
Hvorfor forbedrer negativ prompt i AI utskriftskvaliteten så mye?
Negativ prompt i AI bidrar til å begrense utdataområdet, noe som gjør resultatene mer presise og konsistente. I stedet for å la modellen gjette for bredt, styrer du den bort fra uskarphet, rot, repetisjon eller toneproblemer som ofte oppstår som standard. Det fører vanligvis til mindre opprydding, færre nye forsøk og sterkere resultater i færre omganger.
Når bør jeg bruke negative ledetekster for generering av AI-bilder?
Bruk dem når modellen har en tendens til å gjenta feil, som ekstra fingre, forvrengte ansikter, grumsete teksturer, tilfeldig tekst eller rotete bakgrunner. De er spesielt nyttige for portretter, produktbilder og stiliserte scener der kvalitetsfeil er enkle å oppdage. Den sterkeste tilnærmingen er å målrette de nøyaktige visuelle problemene som mest sannsynlig vil oppstå.
Kan negative prompter hjelpe AI-skriving å høres mindre robotisk eller repeterende ut?
Ja, artikkelen gjør det klart at negative prompts er verdifulle for både tekst og bilder. I skrivearbeidsflyter kan de redusere klisjeer, fyllstoff, sjargong, repetisjon og overdrevet språk. Det gjør dem nyttige for merkevarestemme, supportsvar, bloggintroduksjoner og annet innhold der tone og lesbarhet er viktig.
Hvordan skriver jeg en god negativ prompt i AI uten å gjøre det for komplisert?
Start med resultatet du ønsker, og identifiser deretter de få tingene som mest sannsynlig vil gå galt. Gjør disse risikoene om til korte, spesifikke unntak som «ingen uskarphet», «ingen slang» eller «ingen ekstra objekter» i stedet for vage instruksjoner som «gjør det bedre». En god negativ prompt i AI forblir relevant, målrettet og effektiv nok til å forbli tydelig.
Hva er de vanligste feilene folk gjør med negative påminnelser?
De største feilene er å være vage, motsi hovedoppgaven, stappe inn for mange nøkkelord og forvente at negative ord skal redde en svak idé. Et annet vanlig problem er å prøve å kontrollere hver eneste detalj, noe som kan gjøre at resultatet føles flatt eller sterilt. Artikkelen advarer også om at ulike modeller kan tolke de samme begrepene svært forskjellig.
Hvorfor fungerer den samme negative prompten bra i ett AI-verktøy og dårlig i et annet?
Fordi negative instruksjoner er en del av modellens bredere instruksjonssystem, ikke en universell magisk bryter. Noen verktøy reagerer sterkt på uttrykk som «lav kvalitet» eller «dårlige hender», mens andre knapt reagerer. Poenget med artikkelen er praktisk: test på modellen du bruker i stedet for å anta at den samme formuleringen vil overføres tydelig overalt.
Bør jeg kopiere enorme lister over negative prompts fra andre?
Vanligvis er ikke det det beste stedet å begynne. Lange kopierte lister kan forvirre modellen, svekke kreativiteten, flate ut detaljer eller introdusere selvmotsigelser du ikke la merke til. En mer pålitelig metode er å starte med en kort liste knyttet til dine spesifikke feilpunkter, og deretter justere basert på hva modellen stadig gjør feil.
Når er det bedre å forbedre hovedprompten i stedet for å legge til flere negative ord?
Hvis forespørselen din allerede er restriktiv, resultatet føles livløst, eller negativlisten din er lengre enn selve ledeteksten, trenger hovedledeteksten sannsynligvis arbeid først. Negative ledetekster forfiner en god retning, men de erstatter ikke en. Artikkelen anbefaler å avklare emne, stil, tone og format før man hoper seg opp med flere utelatelser.
Hva er en enkel arbeidsflyt for testing av negativ prompt i AI i virkelige prosjekter?
Begynn med en tydelig hovedprompt som definerer emne, stil, tone eller struktur. Legg til bare noen få målrettede negative nøkkelord basert på sannsynlige feil, og test og inspiser deretter hva som fortsatt går galt. Derfra kan du avgrense spesifikke ekskluderinger i stedet for å legge til flere nøkkelord. Denne trinnvise løkken presenteres som den mest praktiske måten å forbedre resultatene konsekvent på.
Referanser
-
Google Cloud – Negativ ledetekst i AI – docs.cloud.google.com
-
OpenAI-utviklere – Tekstgenereringssystemer – developers.openai.com
-
Microsoft Learn – Veiledning for LLM-ledetekstutvikling – learn.microsoft.com
-
Klemfjes - negative_prompt_embeds - huggingface.co