Technologie AI pro generování textu na základě obrázků se během pouhých několika let vyvinula z výzkumného projektu v profesionální tvůrčí nástroj. Dnes může kdokoli popsat obrázek v přirozeném jazyce a během několika sekund získat vysoce kvalitní výsledek – bez nutnosti používat grafický software, předplatného fotobanky nebo jakýchkoli technických znalostí.
Tato příručka obsahuje vše, co by měli začátečníci vědět: technické principy, jak formulovat účinné pokyny, výběr vhodného modelu pro různé úkoly a časté chyby, kterých se začátečníci dopouštějí.
Co je to AI pro převod textu na obrázek?
AI pro generování obrázků z textu je generativní model, který převádí textový popis (tzv.nápověda“) na vizuální obrázek. Zadáte-li například „červená liška sedící v zasněženém lese za soumraku, ve stylu olejomalby“, model vygeneruje obrázek odpovídající tomuto popisu.
Technologie, která za tím stojí, se nazývádifuzní model“. Model začíná s náhodným šumem a pod vedením podnětů se postupně zdokonaluje, až vygeneruje souvislý obrázek. Moderní difúzní modely jsou trénovány na stovkách milionů párů obrázků a textů, což je důvodem, proč dokážou porozumět tak široké škále popisů – od hyperrealistických portrétů přes abstraktní umění až po vizualizace produktů, a to bez výjimky.
Jak vlastně funguje AI pro vkládání textu do obrázků
Znalost základních principů výrazně zlepší vaše schopnosti při psaní promptů.
Celý proces se dělí na tři klíčové fáze:
1. Kódování textu— Vaše klíčová slova jsou jazykovým modelem (podobně jako ChatGPT při zpracování textu) převedena do číselné podoby, která zachycuje sémantický význam textu.
2. Potenciální šíření— Model začíná v komprimovaném latentním prostoru s náhodným šumem, postupně šum odstraňuje a výsledek směřuje k významu zadaného textu. Každý krok vede k jasnějšímu obrazu.
3. Dekódování— Zpracovaná implicitní reprezentace je dekódována do pixelového obrázku v plném rozlišení, který je možné stáhnout a použít.
Klíčové poznání: Model „nekreslí“ obrázky jako člověk, ale statisticky rekonstruuje obrázek, který odpovídá vzorcům naučeným během tréninku. Proto jsou konkrétní a popisné pokyny mnohem lepší než vágní.
První klíčové slovo: 5 klíčových prvků
Většina začátečníků píše příliš krátké a vágní pokyny. Dobrý pokyn obvykle obsahuje pět prvků:
1. Předmět
Na čem je hlavní důraz? Buďte konkrétní.
- Slabé: pes
- Silné: štěně zlatého retrívra
2. Pohyb nebo pozice
Co subjekt právě dělá?
- Slabý: sedí
- Silný: leží na boku, přední tlapky má natažené dopředu, oči má napůl zavřené
3. Prostředí
Kde se scéna odehrává?
- Slabá stránka: venku
- Silná stránka: na zvětralé dřevěné verandě na podzim, kolem leží spousta javorových listů
4. Světlo
Světlo ovlivňuje atmosféru více než téměř jakýkoli jiný prvek.
- Slabé: (bez informací o světle)
- Silné: měkké protisvětlo v zlaté hodince, teplé jantarové tóny, malá hloubka ostrosti
5. Styl nebo médium
Jaký styl by měly mít snímky?
- Slabá stránka: Realistický styl
- Silná stránka: Fotografie na 35mm film, Fuji Superia 400, mírně desaturovaná
Úplný příklad:„Štěně zlatého retrívra leží na boku na podzimním, větrem ošlehaném dřevěném verandě, kolem něj jsou rozházené javorové listy, měkké světlo zlaté hodinky v protisvětle, teplé jantarové tóny, malá hloubka ostrosti, fotografie na 35mm film, Fuji Superia 400, mírně desaturováno“
Jak je vidět na obrázku výše, rozdíl mezi obecným a podrobným zadáním je obrovský. Čím přesnější je popis stejné scény, tím profesionálnější jsou výsledky.
Výběr správného modelu v GPT Image 2
Různé modely mají různé výhody; výběr správného modelu vám ušetří čas i kredity.
| modelování | Nejlepší pro scénáře | tempo | Úrovně podrobnosti |
|---|---|---|---|
| Nano Banana 2 | Univerzální, multifunkční | ostrý (nože nebo důvtip) | váš (čestný) |
| Nano Banana Pro | Portrét, Jemný detail, Realistické | střední | velmi vysoká |
| Nano Banana | Rychlé návrhy, koncepční průzkumy | velmi rychle | střední |
| Seedream | Umělecký styl, Ilustrace | střední | váš (čestný) |
| GPT Image 1.5 | Složité scény, text v obrázcích | pomalu | velmi vysoká |
| Z-Image | Filmové, dramatické scény | střední | váš (čestný) |
| Flux 2 | Abstrakce, tvůrčí experimentování | ostrý (nože nebo důvtip) | váš (čestný) |
**Praktické zásady:**Většinu úkolů začněte s Nano Banana 2. Pokud potřebujete portrétní kvalitu nebo jemné detaily, přepněte na Nano Banana Pro. Pokud má obrázek obsahovat text, použijte GPT Image 1.5.
6 běžných scénářů a příkladů podnětových slov
Obsah pro sociální sítě
„Pohled shora na ranní kávu, keramický hrnek s latte artem, otevřený deník, čerstvé květiny v malé váze, přirozené světlo z okna, jemné stíny, lifestyle fotografie, teplé neutrální tóny“
Vizualizace produktu
„Minimalistická lahvička parfému na černém mramorovém povrchu, dramatické boční osvětlení, jediný zdroj světla zprava, reklama na luxusní kosmetiku, tmavé tajemné pozadí, komerční fotografie v rozlišení 4K“
Konceptuální umění
„Budoucí město vznášející se nad mraky, architektura ve stylu art deco spojená s prvky sci-fi, zlaté věže a skleněné mrakodrapy, teplé paprsky zapadajícího slunce, širokoúhlé záběry, digitální malby, mimořádně detailní“
Portréty
„Ateliérové portréty sebevědomé ženy ve věku kolem 40 let, přirozené výrazy, přirozené světlo z velkého okna, rembrandtovské osvětlení, malá hloubka ostrosti, fotoaparát Canon 5D Mark IV, objektiv 85 mm, profesionální pasové fotografie“
Pozadí/tapeta
„Abstraktní fluidní umění, propletené a vířící tmavě modrozelené a metalicky zlaté linie, makrofotografie, textura hladkého vlhkého povrchu, oceněná umělecká fotografie“
Logo a koncept značky
„Koncept minimalistického geometrického loga pro technologický startup: jednobarevné, čisté linie, bílé pozadí, vektorový styl, profesionální vizuální design značky“
Poměr šířky a výšky: Který zvolit?
Poměr stran ovlivňuje vnímání obrázku neméně než samotný obsah.
| poměry | velikosti | nejvhodnější |
|---|---|---|
| 1:1 | čtverec | Příspěvky na Instagramu, avatary |
| 16:9 | kolmý | Miniatury YouTube, obálky blogů, tapety na plochu |
| 9:16 | vertikálně | Instagram Stories、TikTok、Pinterest |
| 4:3 | norma | Prezentace, obecné webové stránky |
| 3:2 | Fotografické standardy | Tisk, vysoce kvalitní úpravy |
5 chyb, kterých se často dopouštějí začátečníci
1. Příliš krátké narážky— „Jedna hora“ je pro AI příliš málo informací. Přidej osvětlení, styl, atmosféru a náladu.
2. Protichůdné směrnice— „Temné a světlé“ nebo „detailní a minimalistické“ může model zmást. Vyberte si jeden směr.
3. Očekávání dokonalosti napoprvé— Než upravíte klíčová slova, vytvořte nejprve 3–5 variant. Přirozená náhodnost často přináší příjemná překvapení.
4. Ignorování negativních signálů— Většina platforem vám umožňuje určit obsah, který nechcete. Jako základní nastavení přidejte do seznamu negativních klíčových slov „rozmazané, nízká kvalita, nadbytečné části těla, deformace“.
5. Modelování špatného scénáře— Ať už použijete univerzální model k tvorbě portrétů, nebo portrétní model k tvorbě abstraktního umění, výsledek bude vždy průměrný. Model je třeba přizpůsobit danému úkolu.
Postup při generování prvního obrázku v GPT Image 2
- Přejděte na stránku GPT Image 2
- VyberteNano Banana 2jako výchozí model
- Napište klíčová slova podle výše uvedené struktury pěti prvků
- Vyberte poměr stran (pro většinu obsahu se používá 16:9, pro sociální sítě 1:1)
- Klikněte na „Vytvořit“ a počkejte asi 15 sekund
- Pokud nejste s výsledkem spokojeni, upravujte vždy jen jeden prvek – nepřepisujte celý popisek
Noví uživatelé získají při registraci kredity zdarma, které jim vystačí na několik experimentů s různými klíčovými slovy a modely.
Další krok
Jakmile si osvojíte základy funkce „Text na obrázek“, dalším krokem je „Obrázek na obrázek AI“ – generování textu na základě referenčního obrázku, díky čemuž získáte konzistentnější a lépe kontrolovatelné výsledky.
Podrobnější informace o technikách práce s klíčovými slovy najdete v našem článku „AI Picture Cue Word Guide“.
