Det snabbaste sättet att förbättra kvaliteten på AI-genererade bilder är inte att byta modell, utan att skriva om prompten. De flesta slutar efter 15 tecken, vilket resulterar i ganska ordinära bilder. Då skyller de på modellen, genererar en ny bild, men resultatet blir fortfarande ganska ordinärt.
Den här artikeln är lösningen. Här följer 12 konkreta och beprövade tips som kan lyfta GPT Image 2:s resultat från ”ett hyfsat utkast” till ”ett publiceringsklart slutresultat”. Varje exempelbild har genererats av GPT Image 2 med hjälp av liknande promptar som beskrivs i texten.
1. Skriv mer konkret. Var ännu mer konkret.
"En bil i öknen" är inte en ledtråd. Modellen får endast gissa bilmodell, tillverkningsår, färg, motiv och tidpunkt för fotograferingen. Fastställ följande:
En körsbärsröd Mustang cabriolet från 1965 står parkerad på en ökenväg i skymningen,
med damm som virvlar upp från bakhjulen, i bakgrunden syns ett platålandskap, fotograferat med låg vinkel,
och solstrålarna speglas i fläckar på den kromade stötfångaren.
Varje specifikation (”1965”, ”körsbärsröd”, ”cabriolet”, ”låg vinkel”) hjälper modellen att undvika en gissning. Resultatet blir inte längre en ”allmän bild”, utan just den bilden.
2. Ange brännvidd, inte ”känsla”
85mm 镜头, 35mm 镜头, 24mm 广角 och 100mm 微距 är några av de mest prisvärda bildbeskrivningarna. Ett enda ord styr samtidigt bildutsnitt, rumslig komprimering, skärpedjup och kantförvrängning.
- 85mm——Tilltalande porträtt, mjuk bakgrundsoskärpa
- 35mm——Naturliga miljöbilder, mild bildkomposition
- 24 mm vidvinkel——Landskap, uppslukande interiörer
- 100 mm makro——Produktnärbilder, material och texturer
Om du fastnar på ett ledord, byt först objektiv och ändra sedan något annat.
3. Styra ljuset som en fotograf
"Bra belysning" är meningslöst. Det är filmterminologin som gäller:
伦勃朗光——En enda hård ljuskälla, triangulära skuggor på kinderna明暗对比 / chiaroscuro——Stark kontrast, mörk miljö, ett enda upplyst motiv背后的描边光（rim light）——Silhuettkänsla, motivet avskilt från bakgrunden阴天散射光——Mjukt och jämnt, inga hårda skuggor黄金时刻逆光——Varma ljusfläckar, långa skuggor
Nyckelorden för bilden ovan är: single tungsten spotlight from above, deep shadows wrapping the rest of the room, Rembrandt lighting. Tre ord, riktad produktion.
4. Med hjälp av kompositionsspråk
Bildmodeller behärskar klassiska kompositionsbegrepp:
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
Den plats där fiskaren befinner sig på bilden ovan är precis den som anges i ledtråden: 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. Namnge en färgpalett med 3–5 färger
Vaga färgbeskrivningar ger bara vaga färger. Korta och konkreta färgnamn ger exakta resultat:
Färgtoner: körsbärsröd, sandbrun, himmelsblå, mörkbrunFärgnamn separerade med kolon och komma. Hexadecimala färgvärden kan också användas, men de är mindre stabila än vanliga färgnamn. Använd högst fem färger – ju fler färger du anger, desto svagare blir modellens förutsägelser för varje enskild färg.
6. Sätt citattecken runt texten och ange typsnitt
När det behövs text i bilden ska du göra två saker:
- Lägg in texten iinverterat kommatecken (punct.):
"FRESH BREAD DAILY" - En vardaglig beskrivning avtypsnitt:
优雅手绘衬线字体
Varje rad bör innehålla högst 6 ord. Långa meningar blir fortfarande otydliga.
7. Fäst huvuddelen på en bestämd arbetsyta
Produktbilder, matbilder, stilleben – ange alltid vad som finns på bordet. Bordet har materialegenskaper som modellen kommer att använda:
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 otydliga begreppet ”bord” är skillnaden mellan stockfoton och redigerade bilder.
8. Koppla samman huvudorden med ett relationsverb
När det finns två huvudobjekt i bilden ska du inte bara räkna upp dem. Ge modellen ett rumsligt verb som beskriver hur de hänger ihop:
靠在从…升起倒映在缠绕在俯瞰着
Det är just det som är skillnaden mellan ”en katt, ett fönster” och ”en katt som ligger hopkurad på fönsterbrädan med tassarna mot glaset”.
9. Beskriv vad som inte finns i bilden
Negativa beskrivningar är lika viktiga som positiva. Lägg till en kort mening efter scenbeskrivningen:
Etiketten har ingen text, inget logo, inget vattenmärke och ingen person i bakgrundenGPT Image 2 följer i regel noggrant riktlinjerna på no text och no logos. Vi rekommenderar att alla kommersiella bilder förses med vattenstämpel för att undvika att meningslösa vattenstämplar hamnar i bilden.
10. Kombinera stilar medvetet – men välj en grundton
Att blanda stilar är ett av de mest uttrycksfulla sätten att använda modellen på, men förutsättningen är att du först väljer en huvudstil och sedan lägger till en bi-stil som komplement:
Stiliserad illustration: Ghiblis akvarellestetik kombinerad med cyberpunk-inspirerade neonreflexer,
mjuka moln med akvarellkänsla i kombination med skarpa neonskyltar.
Om du anger två stilar med samma vikt (”Ghibli OCH cyberpunk”) kommer modellen att jämna ut dem, vilket ger en platt bild. Endast genom att använda strukturen ”grundstil + modifierande stil + högdagrar” kan bilden behålla sin sammanhållning.
11. Innan du använder en punktlista, börja med ett stycke i prosaform
Jag sammanställer de bästa stikordsen till en text på 4–6 rader, istället för en punktlista. Det finns två skäl till detta:
- Prosa kan tvinga fram självmotsägelser.”Ett ljust och glatt kök, mörkt och tryckande ljus” låter uppenbart fel när det läses som en mening; men när det skrivs som en punkt är det svårare att upptäcka.
- **Modellen behandlar kommatecken som gränser.**En sammanhängande mening kan låta relationen mellan satsdelarna fortsätta (”på marmorn, omgiven av blad, med vattendroppar”), vilket tre fristående fragment inte klarar av.
Kortfattade prompter passar bäst för modeller som enbart bygger på taggar. GPT Image 2 är inte en sådan modell.
12. Ändra bara en variabel åt gången
Den sista punkten gäller arbetsflödesregler, inte skrivregler. När en bild är ”nästan perfekt”:
- Ändra endastvariabel——objektiv, belysning, tid, arbetsyta——och generera sedan om
- . Jämför sida vid sida
- . Lås den här variabeln och ändra sedan nästa.
Det finns två vanliga orsaker till att de flesta misslyckas med att iterera: antingen ändrar de tre parametrar på en gång och kan inte avgöra vilken ändring som gav resultat, eller så börjar de varje gång från noll med text-till-bild istället för att använda det föregående utkastet som utgångspunkt för bild-till-bild. Båda dessa vanor kan rättas till under en eftermiddags övning.
En tydlig jämförelse mellan "före och efter"
Dåliga ledord:
En person som spelar piano på en barBra prompt (med hjälp av tipsen 1, 2, 3 och 5):
Porträtt med filmisk kontrast: En jazzpianist i medelåldern sitter framför ett flygel i en dämpad, rökfylld bar,
med en enda varmtonad glödlampsspotlight ovanför huvudet som kastar ett varmt ljus över hans ansikte och händer,
medan resten av rummet är höljt i djupa skuggor. 85 mm-objektiv, hudtextur i fotokvalitet.
Färgtoner: varm bärnsten, mörk vinröd, nästan svarta skuggor.Samma modell, samma antal genereringar – men helt olika resultat. Det är hela poängen med att finslipa promptarna: modellen är inte problemet, flaskhalsen ligger i dina promptar.
Prova själv
Öppna GPT Image 2 Text-till-bild, välj vilken text som helst från listan och klistra in den för att generera en bild. Ändra sedan bara en variabel – vinkel, belysning eller färgpalett – och generera en ny bild. Efter högst tio försök kommer du att ha en inre känsla för vilken faktor som påverkar ditt estetiska intryck mest.
Denna förmåga att bedöma är den enda skillnaden mellan att ”kunna skapa AI-bilder” och att ”kunna skapa bilder”.
