Den raskeste måten å forbedre kvaliteten på bilder generert av AI på er ikke å bytte modell, men å skrive om instruksjonene. De fleste stopper etter å ha skrevet 15 tegn, og resultatet blir et ganske ordinært bilde. Da skylder de på modellen, prøver på nytt, men resultatet blir fortsatt ganske ordinært.
Denne artikkelen er løsningen. Her er 12 konkrete og velprøvde tips som kan løfte GPT Image 2s resultater fra «et greit utkast» til «et ferdig produkt klart for publisering». Hvert eksempelbilde er generert av GPT Image 2 ved hjelp av lignende prompter som beskrevet i artikkelen.
1. Skriv konkret. Vær litt mer konkret.
«En bil i ørkenen» er ikke et ledord. Modellen kan bare gjette på bilmodell, årgang, farge, motiv og tidspunkt på dagen. Legg fast alle disse faktorene:
En kirsebærrød Mustang cabriolet fra 1965 står parkert på en ørkenvei i skumringen,
med støv som virvler opp fra bakhjulene, mens det i det fjerne ligger et flatt platå. Bildet er tatt med lav vinkel,
og sollyset kaster lysflekker på den forkrommede støtfangeren.
Hvert enkelt nøkkelord («1965», «kirsebærrød», «kabriolet», «lav vinkel») sparer modellen for en gjetning. Resultatet blir ikke lenger et «generelt bilde», men akkurat det bildet.
2. Angi brennvidde, ikke skriv «følelse»
85mm 镜头, 35mm 镜头, 24mm 广角 og 100mm 微距 er noen av de mest kostnadseffektive ordene i bildebeskrivelser. Ett ord styrer samtidig komposisjon, romlig komprimering, dybdeskarphet og kantforvrengning.
- 85mm——Tiltalende portretter, myk bakgrunnsuskarphet
- 35mm——Naturlige miljøbilder, milde bilder
- 24 mm vidvinkel——Landskap, oppslukende interiørbilder
- 100 mm makro——Produktnærbilder, materialteksturer
Hvis du sitter fast på et stikkord, kan du prøve å skifte vinkel først, og deretter endre på noe annet.
3. Styr lyset som en lysdesigner
«God belysning» gir ingen mening. Det er kun filmterminologien som gjelder:
伦勃朗光——Enkelt, hardt lys; skyggen på kinnene er trekantet明暗对比 / chiaroscuro——Sterk kontrast, mørkt miljø, ett enkelt opplyst motiv背后的描边光（rim light）——Silhuett-effekt, motivet skiller seg fra bakgrunnen阴天散射光——Mykt og jevnt, uten harde skygger黄金时刻逆光——Varmt lysflekk, lang skygge
Nøkkelordene i bildet ovenfor er: single tungsten spotlight from above, deep shadows wrapping the rest of the room, Rembrandt lighting. Tre ord, målrettet produksjon.
4. Bruk av komposisjonsspråk
Bildemodeller kjenner til klassiske komposisjonsbegreper:
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
Stedet hvor fiskeren befinner seg på bildet ovenfor, er nettopp det som er angitt i ledetråden: 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. Gi en fargepalett navn etter 3–5 farger
Uklare fargebeskrivelser gir bare uklare farger. Korte og konkrete fargebetegnelser gir nøyaktige resultater:
Farger: kirsebærrød, sandbrun, gylden himmel, mørk brunFargenavn skilt med kolon og komma. Hex-fargenoder kan også brukes, men de er mindre stabile enn vanlige fargenavn. Bruk ikke mer enn fem farger – jo flere du oppgir, desto svakere blir modellens forutsigelser for hver enkelt farge.
6. Sett anførselstegn rundt teksten, og angiv skriftstilen
Når det skal være tekst i bildet, må du gjøre to ting:
- Legg inn den bokstavelige teksten iomvendt komma (punktum):
"FRESH BREAD DAILY" - En enkel beskrivelse avskrifttype:
优雅手绘衬线字体
Hver linje bør ikke inneholde mer enn seks ord. Lange setninger vil fortsatt bli uskarpe.
7. Fest hoveddelen til en bestemt benkeplate
Produktbilder, matbilder, stillbilder – skriv alltid hva som ligger på bordplaten. Bordplaten har materialegenskaper som modellen vil bruke:
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
Det uklare begrepet «bord» er forskjellen mellom arkivbilder og redigeringsklare bilder.
8. Koble hovedordene sammen med et relasjonsverb
Når det er to hovedelementer i bildet, må du ikke bare liste dem opp. Gi modellen et romlig adverb som beskriver hvordan de to henger sammen:
靠在从…升起倒映在缠绕在俯瞰着
Det er dette som er forskjellen mellom «en katt, et vindu» og «en katt som ligger sammenkrøket på vinduskarmen med potene på glasset».
9. Beskriv hva som ikke er i bildet
Negative beskrivelser er like viktige som positive. Legg til en liten setning etter scenebeskrivelsen:
Etiketten har ingen tekst, ingen logo, ingen vannmerke og ingen personer i bakgrunnenGPT Image 2 følger som regel nøye retningslinjene i no text og no logos. Det anbefales å legge til vannmerker på alle bilder som skal brukes kommersielt, for å unngå at meningsløse vannmerker havner i bildet.
10. Kombiner stiler bevisst – men velg én hovedstil
Å blande stiler er en av de mest uttrykksfulle måtene å bruke modeller på, forutsatt at du først velger en hovedstil og deretter legger til en bi-stil som et tillegg:
Stiliserte illustrasjoner: Studio Ghiblis akvarellestetikk, kombinert med cyberpunk-inspirerte neonreflekser,
myke skyer med akvarellpreg, sammen med skarpe neonskilt.
Hvis du angir to stiler med like stor vekt («Ghibli OG cyberpunk»), vil modellen vekte dem likt, og bildet blir flatt. Ved å bruke strukturen «grunnleggende stil + modifiserende stil + høylys» kan bildet beholde sin sammenheng.
11. Før du bruker punktlisten, bør du starte med et stykke fri tekst
Jeg har samlet de beste stikkordene i en tekst på 4–6 linjer, i stedet for en liste med punkter. Det er to grunner til dette:
- **Prosa kan tvinge frem selvmotsigelser.**Et lyst og muntert kjøkken, mørkt og trykkende lys» høres helt klart feil ut når det leses opp som en setning; men når det skrives som stikkord, er det ikke like lett å legge merke til.
- **Modellen behandler kommaer som grenser.**En sammenhengende setning kan videreføre sammenhengen mellom setningsleddene («på marmoren, omgitt av bladene, med vanndråper»), noe tre uavhengige fragmenter ikke klarer.
Kortfattede instruksjoner egner seg for modeller som utelukkende bruker tagger. GPT Image 2 er ikke en slik modell.
12. Endre bare én variabel om gangen
Dette siste punktet er en arbeidsflytregel, ikke en skriveregel. Når et bilde «nesten er riktig»:
- Bare endrevariabel——objektiv, belysning, tid, arbeidsflate——deretter generer på nytt
- og sammenlign side om side
- lås denne variabelen, og endre deretter den neste
De to vanligste årsakene til at folk mislykkes med iterasjon er enten at de endrer tre parametere samtidig og ikke klarer å se hvilken endring som har hatt effekt, eller at de starter helt fra bunnen av hver gang i stedet for å bruke forrige utkast som utgangspunkt. Begge deler kan forbedres gjennom en ettermiddags øvelse.
En tydelig «før og etter»-sammenligning
Dårlige søkeord:
En person som spiller piano på en barEt godt søkeord (ved bruk av tips nr. 1, 2, 3 og 5):
Portrett med filmisk kontrast: En jazzpianist i middelalderen sitter foran et flygel i en dunkel, røykfylt bar,
med et enkelt varmt wolfram-spotlys over hodet som kaster et varmt lys på ansiktet og hendene,
mens resten av rommet er innhyllet i dype skygger. 85 mm-objektiv, hudtekstur i fotokvalitet.
Fargetoner: varm ravfarge, dyp vinrød, nesten svart skygge.Samme modell, samme antall genereringer – men resultatene er som natt og dag. Dette er hele poenget med å finpusse promptene: Modellen er ikke problemet, flaskehalsen ligger i promptene dine.
Prøv det selv
Åpne GPT Image 2 Tekst-til-bilde, velg en hvilken som helst av de foreslåtte tekstene øverst og lim den inn, og generer bildet. Endre deretter bare én variabel – objektiv, belysning eller fargepalett – og generer bildet på nytt. Innen ti forsøk vil du ha utviklet en indre forståelse av «hvilken variabel som påvirker din estetiske oppfatning mest».
Denne dømmekraften er den eneste forskjellen mellom å «kunne lage AI-bilder» og å «kunne lage bilder».
