ساخت عکس با هوش مصنوعی: راهنمای فارسی از صفر تا نتیجه خوب

ساختن عکس با هوش مصنوعی از اون کاراست که بار اول جادویی به نظر میاد و بار دوم حال‌گیر. دلیلشم معمولاً یه چیزه: توصیف کردن اون چیزی که تو ذهنته سخت‌تر از چیزیه که فکر می‌کنیم.

این راهنما دقیقاً همین فاصله رو پر می‌کنه.

دو تا کار که با هم قاطی می‌شن

قبل از هر چیز اینا رو از هم جدا کن، چون روششون فرق داره.

تولید عکس از متن یعنی از صفر یه چیزی می‌سازی. توصیف می‌کنی و مدل تصویری می‌سازه که قبلاً وجود نداشته. برای لوگو، تصویر پس‌زمینه، پوستر یا هر چیزی که عکس اولیه نداره.

ویرایش عکس موجود یعنی یه عکس داری و می‌خوای عوضش کنی. پس‌زمینه عوض شه، سبکش تغییر کنه، یه چیزی ازش حذف شه. اینجا عکسو ضمیمه می‌کنی و می‌گی چه تغییری می‌خوای.

بیشتر کسایی که ناراضی می‌شن، رفتن سراغ اولی در حالی که دومی رو می‌خواستن. اگه می‌خوای عکس خودت با یه سبک دیگه بازسازی شه، باید عکسو بفرستی؛ توصیف کردن چهره با کلمات هیچ‌وقت بهش نمی‌رسه.

پرامپت خوب چه شکلیه؟

پرامپت همون توصیفیه که می‌نویسی. فرق یه نتیجه بی‌ربط و یه نتیجه خوب، تقریباً همیشه همینجاست.

پرامپت ضعیف: «یه عکس قشنگ از یه گربه»

پرامپت خوب: «یه گربه ایرانی سفید نشسته کنار پنجره، نور ملایم بعدازظهر از پهلو، پس‌زمینه محو، عکاسی واقع‌گرایانه»

فرقشون اینه که دومی به چهار تا سوال جواب داده. عادت کن همین چهار تا رو بنویسی:

سوژه چیه؟ دقیق بگو. نه «یه آدم» بلکه «یه مرد میانسال با کت خاکستری».

کجاست و چیکار می‌کنه؟ صحنه و حالتو مشخص کن.

نور چجوریه؟ اینو بیشتر آدما جا می‌ندازن در حالی که بیشترین اثرو روی حس تصویر داره. نور ملایم، نور غروب، نور استودیویی، سایه‌های تند.

سبکش چیه؟ عکاسی واقع‌گرایانه، نقاشی رنگ روغن، کارتونی، سه‌بعدی، مینیمال.

چیزایی که کمتر گفته می‌شه

بگو چی نمی‌خوای. تصویر شلوغ درومد؟ بنویس پس‌زمینه ساده و بدون شلوغی. گفتنِ نخواستنا اغلب سریع‌تر از توصیف بیشترِ خواستناست.

نسبت تصویرو مشخص کن. برای استوری عمودی، برای کاور افقی، برای پروفایل مربع. بعداً برش زدن معمولاً بخش مهم تصویرو خراب می‌کنه.

پشت سر هم اصلاح کن. انتظار نداشته باش بار اول دقیقاً همون چیزی دربیاد که می‌خوای. نتیجه رو ببین و بگو چیشو عوض کنه. سه بار اصلاح کوتاه بهتر از یه پرامپت خیلی طولانی جواب می‌ده.

فارسی بنویس، ولی اسمای فنی رو انگلیسی بذار. توضیح صحنه به فارسی کاملاً کار می‌کنه. برای اصطلاحات تخصصی عکاسی، شکل انگلیسی معمولاً دقیق‌تر فهمیده می‌شه.

متن داخل تصویر هنوز نقطه ضعفه. می‌خوای یه کلمه داخل تصویر نوشته شه، مخصوصاً فارسی؟ توقع زیاد نداشته باش. برای لوگو بهتره تصویرو بدون متن بسازی و نوشته رو بعداً اضافه کنی.

برای عکس پروفایل

این پرکاربردترین حالته و روشش مشخصه.

از یه عکس پایه خوب شروع کن: نور از روبه‌رو، صورت واضح، بدون عینک آفتابی، ترجیحاً پس‌زمینه ساده. کیفیت عکس ورودی سقف کیفیت خروجی رو تعیین می‌کنه.

بعد بگو چه سبکی می‌خوای. مثلاً پرتره استودیویی با نور نرم، یا تصویر سینمایی با رنگ‌بندی سرد، یا نقاشی رنگ روغن.

می‌خوای شبیه خودت بمونه؟ اینو صریح بنویس. یه جمله مثل «چهره و حالت صورت دقیقاً حفظ شه، فقط سبک و نورپردازی عوض شه» فرق زیادی ایجاد می‌کنه.

حوصله نوشتن پرامپت نداری؟ توی پنسار استایل‌های آماده هست که فقط عکستو می‌فرستی و سبکو انتخاب می‌کنی.

چرا بعضی درخواستا جواب نمی‌گیرن؟

گاهی به جای تصویر، ارور می‌گیری. معمولاً یکی از این دلایله.

محدودیت محتوایی. مدل‌ها روی محتوای خشونت‌آمیز یا جنسی محدودیت دارن. گاهی این فیلترا حساس‌تر از انتظار عمل می‌کنن و جمله‌ای که به نظر خودت بی‌خطره رد می‌شه. معمولاً با عوض کردن کلمات حل می‌شه.

چهره آدمای مشهور. ساختن تصویر از آدمای واقعی و شناخته‌شده معمولاً بسته‌ست.

درخواست بیش از حد شلوغ. وقتی توی یه پرامپت ده تا چیز می‌خوای، مدل بعضیاشو نادیده می‌گیره. بشکنش به مرحله.

هزینه رو چجوری کنترل کنی؟

تولید تصویر از تولید متن گرون‌تره، چون محاسبات بیشتری می‌خواد. چند تا نکته ساده هزینه‌تو پایین نگه می‌داره.

اول با کیفیت پایین‌تر تست کن تا ترکیب‌بندی و ایده درست دربیاد، بعد نسخه نهایی رو با کیفیت بالا بگیر.

پرامپتو قبل از فرستادن یه بار بخون. بیشتر هزینه‌های اضافی از تکرارهایی میاد که می‌شد با یه جمله دقیق‌تر جلوشونو گرفت.

نتیجه نزدیک بود ولی کامل نبود؟ به جای ساختن از اول، همونو بده و بگو فقط این یه مورد رو عوض کنه.

جمع‌بندی

سه چیز بیشترین تاثیرو دارن: اینکه بدونی می‌خوای تصویر بسازی یا تصویر موجودو ویرایش کنی، اینکه نور و سبکو توی توصیفت بیاری، و اینکه نتیجه رو مرحله به مرحله اصلاح کنی به جای انتظار معجزه توی اولین تلاش.

می‌خوای بدونی برای کارای دیگه سراغ کدوم مدل بری؟ راهنمای انتخاب مدل رو ببین.