Az AI által generált képek minőségét nem a modell cseréje, hanem a prompt átírása javítja a leggyorsabban. A legtöbb ember 15 szónál abbahagyja az írást, így a képek átlagosak lesznek; ezt követően a modellt hibáztatják, újra futtatják a programot, de az eredmény továbbra is átlagos marad.
Ez a cikk az orvosság. Az alábbiakban 12 konkrét és bevált tippet mutatok be, amelyek segítségével a GPT Image 2 kimenetét a „megfelelő vázlat” szintjéről „közzétehető végleges kép” szintjére emelheted. Minden példaképet a GPT Image 2 oldalon hoztam létre a cikkben leírt hasonló promptok segítségével.
1. Írj konkrétabban! Még konkrétabban!
A „sivatagban álló autó” nem jelzőszó. A modell csak az autó típusát, gyártási évét, színét, a felvétel helyszínét és a fényviszonyokat tudja kitalálni. Ezeket pontosan meg kell határozni:
Egy 1965-ös cseresznyepiros Mustang kabrió áll a sivatagi úton alkonyatkor,
a hátsó kerekek által felkavart por, a távolban a lapos fennsík, alacsony szögből felfelé fényképezve,
a napfény foltokat vet a krómozott lökhárítóra.
Minden egyes meghatározó kifejezés („1965”, „cseresznyepiros”, „kabrió”, „alulról felfelé”) segít elkerülni, hogy a modellnek találgatnia kelljen. Az eredmény így már nem egy „általános kép” lesz, hanem pontosan az a kép.
2. Írja le a fókusztávolságot, ne pedig az „érzését”
A 85mm 镜头, 35mm 镜头, 24mm 广角 és 100mm 微距 a képekhez kapcsolódó kulcsszavak közül a legjobb ár-érték arányúak. Egyetlen szóval egyszerre lehet szabályozni a képkivágást, a térkompressziót, a mélységélességet és a szélső torzítást.
- 85mm——Vonzó portrék, lágy háttérhomályosítás
- 35mm——Természetes környezeti felvételek, kellemes képi hangulat
- 24mm széles látószögű——Tájképek, magával ragadó beltéri felvételek
- 100mm makró——Termék-közelképek, anyagok textúrái
Ha egy szövegkártyánál elakadsz, először válts objektívet, majd próbáld meg valami mást.
3. Irányítsd a fényt úgy, mint egy operatőr
A „jó megvilágítás” kifejezés értelmetlen. Csak a filmes szaknyelv érvényes:
伦勃朗光——Egyetlen kemény fényforrás, az arcán háromszög alakú árnyékok明暗对比 / chiaroscuro——Erős kontraszt, sötét környezet, egyetlen megvilágított tárgy背后的描边光（rim light）——Sziluettszerű hatás, a tárgy elválik a háttértől阴天散射光——Lágy és egyenletes, kemény árnyékok nélkül黄金时刻逆光——Meleg színű fényfolt, hosszú árnyék
A fenti kép kulcsszavai: single tungsten spotlight from above, deep shadows wrapping the rest of the room, Rembrandt lighting. Három szó, célzott tartalom.
4. Kompozíciós eszközökkel
A képalkotó modell ismeri a klasszikus kompozíciós fogalmakat:
三分法构图，主体在右下三分位居中对称构图从前景延伸到地平线的引导线画面左侧 2/3 留白
A fenti képen a halász pontosan azon a helyen tartózkodik, amelyet a leírás megjelöl: 主体位于画面右下三分位，平静的雾气湖面占据上方三分之二.
5. Nevezz el egy színpalettát 3–5 színnel
A homályos színleírások csak homályos színeket eredményeznek. A rövid és konkrét elnevezésű színpaletta pontos eredményt ad:
Színárnyalatok: cseresznyepiros, homokvörös, aranyos égbolt, sötétbarna árnyalatKettősponttal és vesszővel elválasztott színnevek. Hexadecimális színértékek is használhatók, de ezek kevésbé stabilak, mint a szokásos színnevek. Ne legyen több mint 5 szín – minél többet sorolunk fel, annál gyengébb lesz a modell minden egyes színre vonatkozó teljesítménye.
6. A szöveget idézőjelek közé kell tenni, és meg kell jelölni a betűstílust
Ha a képen szövegre van szükség, két dolgot kell tenned:
- A szöveg szó szerinti tartalmát helyezze el a**fordított vessző (pont.)**oldalon:
"FRESH BREAD DAILY" - betűtípusköznyelvi leírása:
优雅手绘衬线字体
Egy sorban legfeljebb 6 szót használjunk. A hosszú mondatok így is elmosódnak.
7. Rögzítsük az alapot egy konkrét munkafelülethez
Termékfotók, ételfotók, csendéletfotók: mindig írja le, hogy mi látható a pulton. A pultnak vannak anyagjellemzői, amelyeket a modell felhasznál:
带奶白和金色纹理的粉色大理石板带可见木纹的未上漆橡木桌夜晚潮湿的柏油路面，街灯倒影亚麻桌布，柔和的褶皱
A homályos „asztal” jelzi a különbséget a stockfotók és a professzionális minőségű képek között.
8. Kapcsoljuk össze a főneveket egy fizikai kapcsolatot kifejező igével
Ha a képen két fő elem szerepel, ne csak sorold fel őket. Adj a modellnek egy térbeli igét, amely megmutatja, hogyan kapcsolódnak egymáshoz:
靠在从…升起倒映在缠绕在俯瞰着
Ez a különbség a „egy macska, egy ablak” és a „egy macska az ablakpárkányon összegömbölyödve, mancsait az üvegre támasztva” között.
9. Írja le, mi nincs a képen
A negatív leírás ugyanolyan fontos, mint a pozitív. A jelenet leírása után tegyünk hozzá egy rövid mondatot:
A címkén nincs szöveg, logó vagy vízjel, a háttérben nincs emberA GPT Image 2 általában pontosan betartja a no text és a no logos irányelveket. Kereskedelmi célú képek esetében javasolt a vízjel hozzáadása, hogy elkerülhető legyen a képbe keveredő értelmetlen vízjelek megjelenése.
10. Összehangold tudatosan a stílusokat – de válassz egy alaphangot
A stílusok ötvözése a modellezés egyik legkifejezőbb módszere, feltéve, hogy először kiválasztasz egy fő stílust, majd ezt kiegészíted egy másodlagos stílussal:
Stílusos illusztráció: a Ghibli-stílusú akvarell esztétikája, cyberpunk neonfényekkel kombinálva,
lágy, akvarellszerű felhők, éles neonfeliratokkal párosítva.
Ha két stílust egyenlő súllyal sorolsz fel („Ghibli ÉS cyberpunk”), a modell átlagolja őket, és a kép lapos hatást kelt. Csak a „alapstílus + kiegészítő stílus + fényhatás” szerkezet alkalmazásával maradhat a kép koherens.
11. A felsorolás előtt írj egy rövid bevezetőt
A legjobb kulcsszavakat nem pontok formájában, hanem 4–6 soros szövegként rögzítem. Ennek két oka van:
- **A próza ki tudja szorítani az önellentmondást.**Világos, vidám konyha, sötét, nyomasztó fény” – ezt mondatként felolvasva nyilvánvalóan helytelen; viszont pontok formájában megfogalmazva nem olyan könnyű észrevenni.
- **A modell a vesszőket határoknak tekinti.**Egy összefüggő mondat képes fenntartani a mellékmondatok közötti kapcsolatot („a márványon, levelekkel körülvéve, vízcseppekkel borítva”), míg három egymástól független részlet nem képes erre.
A kulcsszavas utasítások tisztán címkézésalapú modellekhez alkalmasak. A GPT Image 2 nem ilyen modell.
12. Egyszerre csak egy változót módosítson
Ez az utolsó pont egy munkafolyamat-szabály, nem pedig írási szabály. Amikor egy ábra „majdnem tökéletes”:
- Csak módosítsd aváltozófájlt – objektív, fény, idő, asztallap –, majd generáld újra a
- fájlt, és hasonlítsd össze egymás mellett a
- fájlokkal. Rögzítsd ezt a változót, majd módosítsd a következőt.
A legtöbb embernek két oka van az iterációs kudarcra: vagy egyszerre három paramétert módosít, és nem tudja megkülönböztetni, melyik változtatásnak volt hatása; vagy minden alkalommal a nulláról indul, ahelyett, hogy az előző változatot használná referenciaként. Mindkét dolog egy délutáni gyakorlással kijavítható.
Egy áttekinthető „előtte–utána” összehasonlítás
Rossz kulcsszavak:
Egy ember zongorázik egy bárbanJó leírás (az 1., 2., 3. és 5. tippet felhasználva):
Filmszerű kontrasztú portré: egy középkorú jazz-zongorista ül egy homályos, füstös bárban egy zongora előtt,
fejét egyetlen meleg tónusú wolfram-reflektor világítja meg, meleg fényt vetve arcára és kezére,
míg a szoba többi része mély árnyékba burkolózik. 85 mm-es objektív, fotóminőségű bőrtextúra.
Színvilág: meleg borostyán, mély bordó, szinte fekete árnyékok.Ugyanaz a modell, ugyanannyi generálás – a képek azonban egymástól világok távolságra vannak. Ez a prompt-tervezés alapvető elve: a modell rendben van, a szűk keresztmetszet a promptodban van.
Próbáld ki!
Nyisd meg a GPT Image 2 Szövegből kép oldalt, válassz ki belőle egy tetszőleges leírást, illeszd be, majd generáld le. Ezután változtass meg csak egy változót – például a lencsét, a megvilágítást vagy a színpalettát –, majd generáld le újra. 10 próbálkozáson belül meg fogod érezni, hogy „melyik beállítás hat leginkább az esztétikai ízlésedre”.
Ez a megkülönböztető képesség jelenti az egyetlen különbséget a „tud AI-képet készíteni” és a „tud képet készíteni” között.
