آموزش پرامپت‌نویسی برای تولید تصویر با هوش مصنوعی

تولید تصویر با هوش مصنوعی دیگر یک سرگرمی ساده نیست؛ اما فرقِ یک عکس معمولی و یک تصویر چشمگیر، تقریباً همیشه در «پرامپت» است. در این آموزش گام‌به‌گام یاد می‌گیری پرامپت تصویر را طوری بنویسی که مدل دقیقاً همان چیزی را بسازد که در ذهن داری — با یک فرمول روشن و ده‌ها مثال آمادهٔ فارسی.

۱. پرامپت تصویر چیست و چرا با پرامپت متنی فرق دارد؟

وقتی با یک چت‌بات صحبت می‌کنی، در حال یک گفت‌وگو هستی و مدل می‌تواند از تو سؤال بپرسد یا حدس بزند. اما پرامپت تصویر بیشتر شبیه یک «دستور پخت» است: مدل کلمات تو را به الگوهای بصری ترجمه می‌کند و هر چیزی که نگویی را خودش با میانگینِ آموخته‌هایش پر می‌کند. به همین دلیل، کلمات مبهم خروجی مبهم و کلیشه‌ای می‌سازند. اگر تازه‌کار هستی، پیشنهاد می‌کنیم اول نگاهی به پرامپت‌نویسی برای مبتدی‌ها و مجموعهٔ آموزش‌های چت‌جی‌پی‌تی بیندازی تا پایه‌ها را محکم کنی.

تفاوت را با یک نمونه ببین. پرامپت مبهم «یک منظره» می‌تواند هر چیزی بسازد؛ اما یک توصیف دقیق، تصویر را به ذهن تو قفل می‌کند.

مثال: «منظرهٔ کوهستانی مه‌آلود هنگام طلوع آفتاب، یک دریاچهٔ آرام در پیش‌زمینه با انعکاس قله‌های برفی، نور طلایی ملایم، سبک عکاسی طبیعت، حال‌وهوای آرام و رؤیایی، جزئیات بالا».

۲. آناتومی یک پرامپت تصویر حرفه‌ای (۶ جزء)

یک پرامپت خوب معمولاً از شش جزء ساخته می‌شود که پشت‌سرهم می‌آیند: سوژه (چه چیزی می‌خواهی)، سبک یا مدیوم (عکس، نقاشی، رندر سه‌بعدی، انیمه)، نورپردازی (نور طلایی غروب، نور نرم استودیویی)، ترکیب‌بندی و زاویهٔ دوربین (نمای نزدیک، زاویهٔ پایین، لنز ۸۵ میلی‌متری)، حال‌وهوا و رنگ (گرم، سرد، دراماتیک) و در پایان کیفیت (جزئیات بالا، فوکوس دقیق، ۸K). لازم نیست همیشه هر شش جزء را بنویسی، اما هرچه بیشتر مشخص کنی، کنترل تو بیشتر می‌شود.

حالا همین شش جزء را در یک پرامپت واحد کنار هم بگذاریم تا قدرتش را ببینی.

مثال: «پرترهٔ یک مرد میان‌سال با ریش جوگندمی و کت پشمی، نشسته در یک کافه، نور نرم پنجره از پهلو، نمای نزدیک با پس‌زمینهٔ محو (بوکه)، سبک عکاسی سینمایی، رنگ‌های گرم، فوکوس دقیق، جزئیات بالا».

۳. سوژهٔ تصویر را دقیق و مشخص کن

مهم‌ترین بخش پرامپت، سوژه است. هرچه سوژه را دقیق‌تر توصیف کنی، مدل کمتر به حدس‌های کلیشه‌ای می‌افتد. تعداد، سن، لباس، حالت چهره، ژست و کاری که سوژه انجام می‌دهد را مشخص کن. مبهم‌گویی بزرگ‌ترین دلیل خروجی‌های ناامیدکننده است. علاوه بر خودِ سوژه، «زمینه» یا محیط اطراف را هم کوتاه توصیف کن؛ اینکه سوژه کجاست و چه چیزی دورش است به مدل کمک می‌کند صحنه‌ای باورپذیر بسازد. اما حواست باشد صحنه را بیش‌ازحد شلوغ نکنی؛ یک سوژهٔ اصلیِ روشن، همیشه بهتر از پنج سوژهٔ نصفه‌ونیمه است.

به این ارتقاء دقت کن: از «یک زن جوان» به یک توصیف کامل می‌رسیم که چهره، پوشش و حالت را روشن می‌کند.

مثال: «پرترهٔ یک زن جوان حدوداً ۲۵ ساله با روسری آبی‌رنگ و لبخندی ملایم، نگاه مستقیم به دوربین، ایستاده در یک بازار سنتی، نور طبیعی روز، نمای نیم‌تنه».

۴. سبک، مدیوم و مرجع هنری را انتخاب کن

یک سوژهٔ واحد می‌تواند به صدها شکل ساخته شود؛ «سبک» است که تعیین می‌کند خروجی یک عکس واقعی باشد یا یک نقاشی آبرنگ. مدیوم را صریح بگو: عکس، نقاشی رنگ‌روغن، آبرنگ، رندر سه‌بعدی، طرح مدادی، انیمه یا پیکسل‌آرت. یک نکتهٔ حرفه‌ای و اخلاقی: به‌جای نام‌بردن از یک هنرمند زندهٔ مشخص، بهتر است از نام یک «سبک»، «دوره» یا «تکنیک» استفاده کنی؛ هم نتیجه پایدارتر است و هم به حقوق آثار دیگران احترام گذاشته‌ای.

ببین چطور فقط با عوض‌کردن مدیوم، همان سوژه لحن کاملاً تازه‌ای می‌گیرد.

مثال: «همان زن با روسری آبی، این‌بار به سبک نقاشی رنگ‌روغن کلاسیک، بافت مشخص قلم‌مو، پالت رنگ گرم، نورپردازی دراماتیک شبیه نقاشی‌های پرتره قرن نوزدهم».

۵. نورپردازی و حال‌وهوا (اتمسفر) را بساز

نور، روحِ یک تصویر است. همان صحنه با «نور طلایی غروب» حسی گرم و رمانتیک دارد و با «نور نئون» حسی مدرن و سرد. چند اصطلاح پرکاربرد که باید بلد باشی: نور طلایی (golden hour)، نور نرم و پخش (soft light)، نور سخت و پرکنتراست (hard light)، نور لبه‌ای (rim light)، نور پشتی (backlight) و نور استودیویی. کنار نور، «حال‌وهوا» را هم با کلماتی مثل آرام، دراماتیک، مرموز یا شاد مشخص کن. می‌توانی پالت رنگ را هم جهت بدهی؛ مثلاً «تُن‌های گرم نارنجی و قهوه‌ای» یا «تُن‌های سرد آبی و خاکستری» خیلی سریع کل حسِ تصویر را عوض می‌کند.

این نمونه نشان می‌دهد چطور نور و اتمسفر یک صحنهٔ ساده را سینمایی می‌کند.

مثال: «یک خیابان شهری خلوت در شب بارانی، نور نئون صورتی و آبی مغازه‌ها، بازتاب رنگ‌ها روی آسفالت خیس، مه ملایم، حال‌وهوای سایبرپانک و مرموز، سبک عکاسی سینمایی».

۶. ترکیب‌بندی، زاویهٔ دوربین و لنز

حتی بهترین سوژه اگر بد قاب‌بندی شود جذاب نخواهد بود. تعیین کن که تصویر نمای نزدیک (close-up) باشد یا نمای باز (wide shot)؛ از چه زاویه‌ای دیده شود (زاویهٔ هم‌تراز چشم، زاویهٔ پایین برای حس قدرت، زاویهٔ بالا یا نمای هوایی)؛ و اگر عکس واقع‌گرایانه می‌خواهی، حتی نوع لنز و عمق میدان را بگو. اصطلاحاتی مثل «قانون یک‌سوم»، «ترکیب‌بندی متقارن» و «بوکه» (پس‌زمینهٔ محو) خیلی به کمکت می‌آیند.

در این مثال، زاویه و لنز کاملاً حسِ صحنه را عوض می‌کنند.

مثال: «نمای هوایی از یک جزیرهٔ استوایی با آب فیروزه‌ای، زاویهٔ کاملاً از بالا (bird’s-eye view)، ترکیب‌بندی متقارن، لنز واید، فوکوس دقیق در سراسر کادر، رنگ‌های زنده».

۷. کیفیت، نسبت تصویر و «کلمات جادویی»

در پایان پرامپت می‌توانی چند کلمهٔ کیفیت اضافه کنی تا خروجی تمیزتر شود: «جزئیات بالا»، «فوکوس دقیق»، «واقع‌گرایانه» یا «۸K». اما زیاده‌روی نکن؛ ریختن ده‌ها صفت پشت‌سرهم گاهی نتیجه را بدتر می‌کند. یک نکتهٔ عملی مهم، «نسبت تصویر» است: برای پست اینستاگرام مربع (۱:۱)، برای استوری و ریلز عمودی (۹:۱۶) و برای کاور یا بنر افقی (۱۶:۹) را مشخص کن تا تصویر برای محل انتشارت ساخته شود. اگر می‌خواهی بدانی این ابزارها در عمل تا کجا توانا هستند و کجا محدودیت دارند، مطلب توانایی‌ها و محدودیت‌های واقعی هوش مصنوعی را بخوان.

این نمونه، کیفیت و نسبت تصویر را برای یک خروجیِ آمادهٔ انتشار ترکیب می‌کند.

مثال: «تصویر تبلیغاتی از یک فنجان قهوهٔ داغ روی میز چوبی، بخار در حال بلندشدن، نور نرم صبحگاهی از پهلو، پس‌زمینهٔ محو، سبک عکاسی غذا، رنگ‌های گرم، جزئیات بالا، فوکوس دقیق، نسبت تصویر ۱:۱».

۸. پرامپت منفی: بگو چه چیزی را نمی‌خواهی

گاهی گفتن اینکه «چه چیزی را نمی‌خواهی» به‌اندازهٔ توصیف خواسته‌ات مهم است. به این کار «پرامپت منفی» می‌گویند. بعضی ابزارها یک فیلد جداگانه برای آن دارند و در بعضی دیگر باید همان را داخل پرامپت با عبارت «بدون…» بیاوری. پرامپت منفی مخصوصاً برای حذف خطاهای رایج مثل دست‌های بدشکل، متن‌های بی‌معنی یا واترمارک عالی است.

یک فهرست کوتاه و کاربردی از موارد منفی که معمولاً کیفیت را بالا می‌برد:

مثال: «پرامپت منفی: بدون متن، بدون واترمارک، بدون انگشت یا دست اضافه، بدون چهرهٔ تغییرشکل‌یافته، بدون تصویر تار، بدون کیفیت پایین، بدون قاب و حاشیه».

۹. اصلاح تدریجی و پرهیز از خطاهای رایج

حرفه‌ای‌ها به‌ندرت اولین پرامپت را کامل می‌نویسند. روش درست، «اصلاح تدریجی» است: از یک نسخهٔ ساده شروع کن، خروجی را ببین، و در هر مرحله فقط یک چیز را عوض یا اضافه کن (اول سوژه، بعد نور، بعد سبک، بعد زاویه). اگر می‌خواهی چهره یا شخصیت در چند تصویر ثابت بماند، از قابلیت «seed» یا تصویر مرجع استفاده کن. رایج‌ترین خطاها عبارت‌اند از: مبهم‌گویی، دستورهای متناقض (مثلاً «شب» و «نور آفتاب» با هم)، شلوغ‌کردن صحنه با چند سوژه و پرکردن پرامپت با صفت‌های بی‌هدف. انتظار واقع‌بینانه هم مهم است؛ یادداشت توهم هوش مصنوعی کمک می‌کند مرز توانایی این ابزارها را بهتر بشناسی. یک عادت خوب هم این است که پرامپت‌های موفقت را در یک فایل ذخیره کنی؛ به‌مرور یک «کتابخانهٔ پرامپت» شخصی می‌سازی که در کارهای بعدی کلی وقت‌ات را صرفه‌جویی می‌کند.

ببین اصلاح تدریجی در عمل چطور کار می‌کند:

مثال: نسخهٔ ۱: «یک روباه در جنگل». نسخهٔ ۲: «یک روباه قرمز در جنگل مه‌آلود، نور طلایی صبح». نسخهٔ ۳: «نمای نزدیک از یک روباه قرمز در جنگل مه‌آلود، نور طلایی صبح از پشت، بوکه، سبک عکاسی حیات‌وحش، جزئیات بالا».

پرسش‌های پرتکرار

بهترین ابزار برای تولید تصویر کدام است؟ ابزارهای متنوعی وجود دارد (از جمله سرویس‌های اوپن‌ای‌آی، گوگل جمینای، گراک و میدجرنی) و هرکدام حال‌وهوای خودشان را دارند؛ اما خبر خوب این است که اصول پرامپت‌نویسی که در این مقاله خواندی، تقریباً روی همهٔ آن‌ها یکسان جواب می‌دهد.

چرا دست‌ها و متن در تصاویر خراب می‌شوند؟ چون این جزئیات ساختار بسیار پیچیده‌ای دارند و مدل‌ها هنوز در آن‌ها کامل نیستند. راه‌حل عملی، استفاده از پرامپت منفی، ساده‌ نگه‌داشتن ژست دست‌ها و امتحان نسخه‌های جدیدتر ابزارهاست. برای دنبال‌کردن آخرین پیشرفت‌ها، صفحهٔ اخبار هوش مصنوعی را بررسی کن.

پرامپت را فارسی بنویسم یا انگلیسی؟ بیشتر مدل‌ها با انگلیسیِ دقیق کمی بهتر عمل می‌کنند، اما فارسی هم کار می‌کند. یک ترفند خوب این است که ساختار و توصیف را فارسی بنویسی و فقط چند کلیدواژهٔ فنی مهم (مثل نام سبک یا نسبت تصویر) را انگلیسی بیاوری. تسلط بر همین مهارت، امروز به یک مزیت واقعی در کسب‌وکار و بازار کار تبدیل شده است.