تصویر شاخص نوشته: پرامپت‌نویسی برای ساخت عکس با هوش مصنوعی: ساختار و مثال

پرامپت‌نویسی برای ساخت عکس با هوش مصنوعی: ساختار و مثال

۱۴ آبان ۱۴۰۵ مبانی هوش مصنوعی

یک پرامپت خوب برای ساخت عکس پنج بخش دارد: سوژه، سبک، ترکیب‌بندی، نور، و آنچه نمی‌خواهی ببینی. هر بخش را مشخص بنویسی، مدل کمتر حدس می‌زند و خروجی به چیزی که در ذهن داری نزدیک‌تر می‌شود. دو قاعدهٔ دیگر هم هست: متن داخل عکس را از مدل نخواه، و هر بار فقط یک چیز را عوض کن.

فرق پرامپت عکس با پرامپت متن

پرامپت همان متنی است که به ابزار هوش مصنوعی می‌دهی تا بگویی چه می‌خواهی. در پرامپت متن بیشتر می‌گویی چه کار انجام شود، مثلاً «این را خلاصه کن». در پرامپت عکس باید صحنه را توصیف کنی، مثل کسی که به یک نقاش تلفنی می‌گوید چه بکشد. مدل تصویر چیزی را که ننوشته‌ای خودش پر می‌کند، و چیزی که پر می‌کند معمولاً میانگین همهٔ عکس‌هایی است که دیده: عمومی و بی‌شخصیت.

اگر با پرامپت‌نویسی به‌طور کلی آشنا نیستی، اول راهنمای پرامپت‌نویسی را بخوان.

پنج بخش یک پرامپت

بخش چه می‌گویی مثال
سوژه چه چیزی در عکس است، با جزئیات یک فنجان سفالی با بخار
سبک عکس واقعی، آبرنگ، طرح مدادی، تصویرسازی تخت watercolor illustration
ترکیب‌بندی زاویه و قاب‌بندی close-up, top-down view
نور جهت و حال نور soft morning light from the left
حذف چه چیزی نباشد no people, no text

مثال کامل (پرامپت انگلیسی، چون بیشتر مدل‌های تصویر با انگلیسی بهتر کار می‌کنند، هرچند بسیاری از آن‌ها فارسی هم می‌فهمند):

A ceramic cup of tea with rising steam on a wooden table,
watercolor illustration, top-down view, soft morning light
from the left, muted warm colors, no people, no text.

ترجمه: یک فنجان چای سفالی با بخار روی میز چوبی، تصویرسازی آبرنگ، نمای از بالا، نور نرم صبح از سمت چپ، رنگ‌های گرم و ملایم، بدون آدم و بدون نوشته.

چند نکته دربارهٔ هر بخش:

  • سوژه: «یک گربه» کم است. «یک گربهٔ خاکستری که روی لبهٔ پنجره خوابیده» بهتر است. اشیای اصلی را اول بنویس.
  • سبک: یک سبک انتخاب کن، نه پنج تا. ترکیب سبک‌های ناهماهنگ نتیجهٔ شلوغ می‌دهد.
  • ترکیب‌بندی: عبارت‌هایی مثل close-up، wide shot و top-down view دقیق‌اند و مدل می‌فهمد.
  • نور: بیشترین تأثیر را بر حال عکس دارد و کمتر از بقیه نوشته می‌شود. «نور نرم»، «نور سخت ظهر»، «غروب» و «نور پشت سوژه» هر کدام نتیجهٔ متفاوتی می‌دهند.
  • حذف: بعضی ابزارها جای جدا برای «چه نباشد» دارند (اسمش معمولاً negative prompt است) و بعضی ندارند. اگر نداشت، همان را در جمله بنویس («بدون ...»). مدل همیشه رعایت نمی‌کند، ولی احتمال را کم می‌کند.

چرا متن داخل عکس خراب می‌شود

مدل تصویر حروف را مثل شکل می‌بیند، نه مثل نماد با املا. می‌داند «نوشته» روی تابلو چه ظاهری دارد، ولی ترتیب درست حرف‌ها را تضمین نمی‌کند. نتیجه اغلب کلمه‌هایی است که شبیه نوشته‌اند ولی غلط‌اند، و در فارسی که حروف به هم می‌چسبند این مشکل شدیدتر است. بعضی مدل‌های جدید در این کار بهتر شده‌اند، ولی هنوز نمی‌شود روی آن تکیه کرد.

راه عملی: عکس را بدون نوشته بساز و نوشته را بعداً در یک برنامهٔ طراحی یا ویرایش عکس اضافه کن. برای لوگو هم همین است. پرامپت را برای نماد یا شکل بنویس («یک نماد ساده و هندسی از یک برگ، رنگ‌های محدود، پس‌زمینهٔ ساده»)، و اسم برند را خودت با یک فونت واقعی کنارش بگذار. فراموش نکن که لوگوی ساخته‌شده با هوش مصنوعی را باید قبل از استفادهٔ تجاری از نظر شباهت به لوگوهای موجود و شرایط ابزار بررسی کنی.

تکرار: هر بار یک تغییر

اولین نتیجه تقریباً هیچ‌وقت نهایی نیست. خطای رایج این است که چهار چیز را با هم عوض کنی و بعد ندانی کدام اثر کرد. بهتر است:

  1. یک پرامپت پایه بنویس و نتیجه را ببین.
  2. یک بخش را عوض کن (مثلاً فقط نور).
  3. مقایسه کن و اگر بهتر شد نگهش دار، وگرنه برگرد.
  4. سراغ بخش بعدی برو.

این همان روش تکرار در پرامپت‌نویسی متن است، با این تفاوت که مقایسه با چشم انجام می‌شود. پرامپت‌های موفق را ذخیره کن.

مرز حقوقی و اخلاقی

  • اسم هنرمندان زنده را ننویس. «به سبک فلان هنرمند» یعنی کار آدمی را تقلید می‌کنی که از آن زندگی می‌کند. به‌جای اسم، سبک را توصیف کن: «خطوط ضخیم، رنگ‌های تخت، بافت کاغذ».
  • چهرهٔ آدم‌های واقعی را نساز. ساختن عکس از یک آدم مشخص، به‌خصوص در موقعیتی که هرگز در آن نبوده، می‌تواند آسیب بزند و در بسیاری جاها ممنوع است. عکس جعلی از آدم‌ها بخشی از مشکل اطلاعات نادرست است.
  • شرایط استفاده را بخوان. اینکه عکس را برای کار تجاری، چاپ یا فروش می‌توانی استفاده کنی یا نه، به شرایط همان ابزار بستگی دارد و در هر ابزار فرق می‌کند. وضعیت حقوقی مالکیت چنین عکس‌هایی هم در کشورهای مختلف یکسان نیست.
  • برچسب بزن. اگر عکس ساختهٔ هوش مصنوعی است و کسی ممکن است آن را عکس واقعی فرض کند، بگو که ساخته شده است.

ادامه

هم‌هوش در ترم سوم یک فصل مخصوص ساخت تصویر دارد: ساخت تصویر با هوش مصنوعی. بخش «تکرار» همین مقاله در ترم دوم همان دوره، در فصل تکرار، کامل‌تر آمده است.

اگر می‌خواهی این موضوع را کامل یاد بگیری

خودآموز هم‌هوش

خودآموز هوش مصنوعی

از «هوش مصنوعی واقعاً چیست» تا ساختن ابزار واقعی با آن — بدون دیوار ریاضی و بدون پیش‌نیاز برنامه‌نویسی. هوش مصنوعی همکارِ هوشمندی است که وارسی‌اش می‌کنی، نه اوراکلی که چشم‌بسته باور کنی.

  • ۶ ترم
  • ۵۱ فصل
  • همهٔ فصل‌ها رایگان

برای خواندن بدون اینترنت

خودآموز دانلودی هم‌هوش

PDF، EPUB، MOBI · ۴۱۰ صفحه

۴۹۹٬۰۰۰ تومان

دیدن نسخهٔ دانلودی

قدم بعدی