پرامپت‌نویسی برای تولید تصویر با هوش مصنوعی: راهنمای کامل

تا حالا برایتان پیش آمده که تصویری روشن در ذهن دارید، آن را برای یک ابزار هوش مصنوعی توصیف می‌کنید، اما خروجی هیچ ربطی به تصور شما ندارد؟ خبر خوب این است که تقریباً همیشه مشکل از مدل نیست، از نحوهٔ نوشتن پرامپت است. تولید تصویر با هوش مصنوعی یک مهارت است و مثل هر مهارتی، فرمول و قاعده دارد.

۱. چرا پرامپت خوب مهم‌تر از انتخاب مدل است؟

بسیاری از کاربران فکر می‌کنند برای گرفتن تصویر بهتر باید مدل قوی‌تری پیدا کنند. حقیقت این است که حتی پیشرفته‌ترین مدل‌ها هم نمی‌توانند ذهن شما را بخوانند؛ آن‌ها فقط همان چیزی را می‌سازند که توصیف کرده‌اید. وقتی پرامپت شما کوتاه و کلی باشد، مدل ناچار است ده‌ها تصمیم بصری را خودش حدس بزند: رنگ، نور، زاویه، سبک و جزئیات. نتیجه معمولاً چیزی می‌شود که «بد نیست» ولی «آن چیزی که می‌خواستید» هم نیست.

راه‌حل ساده است: هر تصمیمی که شما نگیرید، مدل به‌جای شما می‌گیرد. پس هرچه بیشتر و دقیق‌تر توصیف کنید، کنترل بیشتری روی خروجی دارید. این دقیقاً همان اصلی است که در تمام حوزه‌های کار با هوش مصنوعی صدق می‌کند و درک توان و محدودیت‌های واقعی هوش مصنوعی به شما کمک می‌کند انتظار درستی از ابزار داشته باشید.

مثال: پرامپت ضعیف: «یک گربهٔ زیبا». پرامپت قوی: «یک گربهٔ پارسی سفید که کنار پنجره نشسته و به بیرون نگاه می‌کند، عکاسی واقع‌گرایانه، نور نرم بعدازظهر، پس‌زمینهٔ تار، تمرکز روی چشم‌های آبی». هر دو گربه می‌سازند، اما فقط دومی همان تصویری است که در ذهن داشتید.

۲. آناتومی یک پرامپت تصویر: شش جزء کلیدی

یک پرامپت حرفه‌ای معمولاً از شش بخش تشکیل می‌شود که می‌توانید مثل یک چک‌لیست از آن‌ها استفاده کنید: سوژه (چه چیزی در تصویر است)، سبک (عکاسی، نقاشی، رندر سه‌بعدی و…)، ترکیب‌بندی (زاویه و چیدمان)، نور (منبع و کیفیت نور)، رنگ و حال‌وهوا (پالت رنگی و احساس)، و کیفیت و جزئیات (وضوح، لنز، سطح جزئیات). لازم نیست همیشه هر شش مورد را بنویسید، اما هرچه بیشتر مشخص کنید، خروجی حرفه‌ای‌تر می‌شود.

ترتیب نوشتن هم مهم است: معمولاً از مهم‌ترین عنصر یعنی سوژه شروع کنید و بعد به سمت جزئیات فنی بروید. مدل به کلمات ابتدای پرامپت وزن بیشتری می‌دهد، پس آنچه واقعاً برایتان مهم است را زودتر بیاورید.

مثال: «یک آشپز جوان در حال تزئین یک بشقاب غذای مدرن [سوژه]، عکاسی حرفه‌ای غذا [سبک]، نمای نزدیک از بالا [ترکیب‌بندی]، نور نرم از پنجرهٔ کناری [نور]، تُن‌های گرم و اشتهاآور [رنگ]، وضوح بالا و جزئیات دقیق بافت غذا [کیفیت]».

۳. گام اول: سوژه را دقیق و ملموس توصیف کن

سوژه قلب هر تصویر است و بیشترین اشتباه‌ها همین‌جا رخ می‌دهد. کاربران معمولاً صفت‌های احساسی و مبهم مثل «زیبا»، «باحال» یا «حرفه‌ای» می‌نویسند. مشکل این است که این کلمات برای مدل معنای بصری روشنی ندارند. به‌جای آن‌ها، ویژگی‌های عینی و قابل‌دیدن را توصیف کنید: رنگ، جنس، حالت، سن، لباس، وضعیت بدن و هر جزئیاتی که تصویر را مشخص می‌کند.

یک ترفند مفید این است که از خودتان بپرسید «اگر می‌خواستم این صحنه را برای یک نقاش با تلفن توصیف کنم، چه می‌گفتم؟». همان جزئیات را در پرامپت بیاورید. این مهارتِ «توصیف دقیق» دقیقاً همان چیزی است که پرامپت‌نویسی متنی را هم قدرتمند می‌کند؛ برای تمرین بیشتر می‌توانید از آموزش‌های ChatGPT کمک بگیرید.

مثال: «یک مرد میان‌سال با ریش جوگندمی و عینک گرد، پیراهن پشمی خاکستری پوشیده، با لبخندی ملایم پشت میز کار چوبی نشسته و فنجان چای در دست دارد، فضای دنج یک کتابخانهٔ خانگی».

۴. گام دوم: سبک، رسانه و لنز هنری را مشخص کن

یک سوژهٔ ثابت می‌تواند به صدها شکل مختلف تصویر شود؛ سبک همان چیزی است که تعیین می‌کند خروجی یک عکس واقعی باشد یا یک نقاشی آبرنگ یا یک رندر سه‌بعدی. اگر سبک را مشخص نکنید، مدل معمولاً به یک حالت میانگین و بی‌هویت می‌رسد. پس همیشه بگویید رسانه چیست: «عکاسی واقع‌گرایانه»، «تصویرسازی دیجیتال»، «نقاشی رنگ‌روغن»، «رندر سه‌بعدی سینمایی»، «طراحی خطی مینیمال» و مانند این‌ها.

برای سبک عکاسی، افزودن مشخصات لنز و دوربین خروجی را حرفه‌ای‌تر می‌کند؛ عباراتی مثل «لنز ۸۵ میلی‌متری»، «عمق میدان کم»، «عکاسی با نور طبیعی» یا «سبک عکاسی خیابانی» به مدل کمک می‌کنند لحن درست را پیدا کند. اگر به سراغ سبک هنرمندان زندهٔ خاص نروید و به‌جای آن سبک‌های عمومی و تکنیک‌ها را توصیف کنید، هم نتیجهٔ بهتری می‌گیرید و هم از نظر اخلاقی در مسیر درستی هستید.

مثال: «منظرهٔ یک جنگل مه‌آلود در سپیده‌دم، به سبک نقاشی دیجیتال فانتزی، رنگ‌های سرد آبی و سبز، نورپردازی حجمی میان درختان، جزئیات بالا، حال‌وهوای رازآلود و آرام».

۵. گام سوم: نور، رنگ و حال‌وهوا را بچین

نور شاید مهم‌ترین عنصری باشد که کاربران مبتدی از آن غافل می‌شوند، در حالی که همان چیزی است که به تصویر «حس» می‌دهد. مشخص کنید نور از کجا می‌آید و چه کیفیتی دارد: «نور طلایی غروب»، «نور نرم و پخش یک روز ابری»، «نورپردازی دراماتیک و کم‌نور»، «نئون‌های رنگی شب شهر». هر کدام از این‌ها فضای کاملاً متفاوتی می‌سازند، حتی اگر سوژه یکسان باشد.

پالت رنگی را هم می‌توانید هدایت کنید: «تُن‌های گرم و صمیمی»، «رنگ‌های سرد و مینیمال»، «کنتراست بالا با رنگ‌های اشباع». ترکیب نور و رنگ درست، همان چیزی است که یک تصویر معمولی را به تصویری تأثیرگذار تبدیل می‌کند. این ظرافت‌ها یکی از دلایلی است که هوش مصنوعی به ابزاری جدی برای طراحی و بازاریابی تبدیل شده؛ موضوعی که در مقالهٔ اهمیت هوش مصنوعی در کسب‌وکار بیشتر به آن پرداخته‌ایم.

مثال: «پرترهٔ یک نوازندهٔ ویولن روی صحنه، نورپردازی دراماتیک تک‌نقطه‌ای از بالا، پس‌زمینهٔ کاملاً تاریک، تُن‌های گرم کهربایی، حال‌وهوای احساسی و باشکوه، کنتراست بالا».

۶. گام چهارم: ترکیب‌بندی، زاویه و نسبت ابعاد

ترکیب‌بندی تعیین می‌کند بیننده کجا را نگاه کند و چه حسی بگیرد. با چند اصطلاح ساده می‌توانید کادر را کنترل کنید: «نمای نزدیک» (close-up) برای تأکید روی جزئیات چهره، «نمای باز» (wide shot) برای نشان دادن کل صحنه، «نمای از پایین» برای حس قدرت، و «نمای از بالا» برای مرور کلی. قاعدهٔ یک‌سوم (rule of thirds) هم ترکیب‌بندی متعادل‌تری می‌سازد.

نسبت ابعاد را هم فراموش نکنید. بسیاری از ابزارها اجازه می‌دهند نسبت را مشخص کنید؛ برای استوری اینستاگرام نسبت عمودی ۹:۱۶، برای پست مربعی ۱:۱ و برای کاور و بنر نسبت افقی ۱۶:۹ مناسب است. تعیین درست نسبت ابعاد از همان ابتدا، شما را از برش‌های ناخواسته نجات می‌دهد.

مثال: «نمای باز از یک کافه‌نشین تنها کنار پنجرهٔ بزرگ، سوژه در یک‌سوم چپ کادر، نسبت ابعاد ۱۶:۹، عمق میدان زیاد تا خیابان بارانی بیرون هم دیده شود، حال‌وهوای سینمایی».

۷. پرامپت منفی و رفع خطاهای رایج

گاهی به‌جای گفتن «چه می‌خواهید»، باید بگویید «چه نمی‌خواهید». به این کار «پرامپت منفی» (negative prompt) می‌گویند و برای حذف خطاهای پرتکرار عالی است. مشکلاتی مثل انگشتان اضافه، چهره‌های اعوجاج‌یافته، متن به‌هم‌ریخته روی تصویر یا واترمارک‌های ناخواسته، اغلب با یک پرامپت منفی خوب برطرف می‌شوند.

اگر ابزار شما فیلد جداگانه‌ای برای negative prompt دارد، از آن استفاده کنید؛ اگر ندارد (مثل چت‌بات‌هایی که با زبان طبیعی کار می‌کنند)، کافی است در ادامهٔ پرامپت با جمله‌ای مثل «از این موارد پرهیز کن:…» خواسته‌های منفی را بیاورید. یک نکتهٔ مهم دربارهٔ متن: بیشتر مدل‌ها هنوز در نوشتن متنِ درست داخل تصویر ضعیف‌اند، پس اگر به متن دقیق نیاز دارید بهتر است آن را بعداً با یک ویرایشگر اضافه کنید.

مثال: «پرترهٔ یک زن در حال نوشتن در دفترچه… [ادامهٔ توصیف]. از این موارد پرهیز کن: دست‌ها و انگشتان اضافه، چهرهٔ نامتقارن، متن ناخوانا، واترمارک، نویز و اعوجاج».

۸. الگوی آمادهٔ پرامپت و اصلاح مرحله‌به‌مرحله

حالا همه‌چیز را در یک الگوی ساده جمع می‌کنیم که می‌توانید هر بار پرش کنید: [سوژه با جزئیات] + [سبک/رسانه] + [نور] + [رنگ و حال‌وهوا] + [ترکیب‌بندی و زاویه] + [نسبت ابعاد] + [پرهیزها]. کافی است جای هر بخش را با توصیف خودتان پر کنید تا یک پرامپت کامل داشته باشید.

اما راز کاربلدها این است: پرامپت‌نویسی یک فرایند تکرارشونده است، نه یک تیر در تاریکی. اولین خروجی را به‌عنوان پیش‌نویس ببینید و فقط یک عنصر را در هر بار تغییر دهید. اگر نور خوب نبود، تنها بخش نور را عوض کنید؛ اگر ترکیب‌بندی جواب نداد، فقط زاویه را تغییر دهید. این روش «تغییر تک‌عنصری» کمک می‌کند بفهمید کدام کلمه چه اثری دارد و خیلی سریع به تصویر دلخواه برسید.

مثال: نسخهٔ اول: «یک ربات دوست‌داشتنی در یک کارگاه». نسخهٔ اصلاح‌شده: «یک ربات کوچک و دوست‌داشتنی با چشمان گرد آبی، در حال تعمیر یک ساعت قدیمی روی میز کار، رندر سه‌بعدی سینمایی سبک پیکسار، نور گرم آباژور، تُن‌های کهربایی، نمای نزدیک، نسبت ۱:۱، بدون متن و واترمارک».

پرسش‌های پرتکرار

آیا این فرمول برای همهٔ ابزارها کار می‌کند؟ بله. اصولِ سوژه، سبک، نور و ترکیب‌بندی زبان مشترک همهٔ مدل‌های تولید تصویر‌اند؛ چه از تصویرساز داخل ChatGPT استفاده کنید، چه Gemini یا Grok. فقط جزئیات فنی مثل نحوهٔ نوشتن پرامپت منفی کمی فرق می‌کند.

پرامپت را فارسی بنویسم یا انگلیسی؟ بیشتر مدل‌ها فارسی را می‌فهمند، اما هنوز با پرامپت انگلیسی دقیق‌تر عمل می‌کنند. یک راه خوب این است که پرامپت را فارسی فکر کنید و بعد از خود هوش مصنوعی بخواهید آن را به یک پرامپت انگلیسی حرفه‌ای تبدیل کند.

چرا گاهی متن داخل تصویر خراب می‌شود؟ چون مدل‌های تصویر متن را به‌شکل «شکل» می‌بینند نه «حروف». برای متن دقیق، یا از مدل‌های جدیدتر که در این کار بهترند استفاده کنید، یا متن را بعداً با یک ابزار ویرایش تصویر اضافه کنید. برای در جریان ماندن از جدیدترین قابلیت‌ها، اخبار هوش مصنوعی را دنبال کنید.