วิธีที่เร็วที่สุดในการปรับปรุงคุณภาพของภาพที่สร้างโดย AI ไม่ใช่การเปลี่ยนโมเดล แต่คือการเขียนข้อความคำสั่งใหม่ คนส่วนใหญ่มักหยุดที่ 15 ตัวอักษร ซึ่งส่งผลให้ภาพออกมาค่อนข้างธรรมดา จากนั้นพวกเขาก็โทษโมเดล ลองใหม่อีกครั้ง แต่สุดท้ายก็ได้ผลลัพธ์เดิมซ้ำอีก
บทความนี้คือทางออก ด้านล่างนี้คือเทคนิคเฉพาะ 12 ข้อที่ได้รับการทดสอบแล้วว่าสามารถยกระดับผลลัพธ์ของ GPT Image 2 จาก 'ร่างแรกที่พอใช้ได้' ไปเป็น 'ภาพสุดท้ายที่พร้อมเผยแพร่' ตัวอย่างภาพแต่ละภาพถูกสร้างขึ้นโดย GPT Image 2 โดยใช้คำสั่งที่คล้ายกับที่อธิบายไว้ในบทความ
1. ให้ชัดเจน ให้ชัดเจนยิ่งขึ้น
"รถยนต์ในทะเลทราย" ไม่ใช่คำสั่งที่ชัดเจน. แบบจำลองสามารถเดาได้เพียงยี่ห้อ, รุ่น, ปี, สี, สถานที่, และเวลาของวัน. กรุณาระบุรายละเอียดทั้งหมดต่อไปนี้:
รถมัสแตงเปิดประทุนสีแดงเชอร์รี่ปี 1965 จอดอยู่บนถนนในทะเลทรายยามพลบค่ำ
มีฝุ่นหมุนวนจากล้อหลัง; ในระยะไกลมีที่ราบสูงที่มียอดราบ; ถ่ายจากมุมต่ำ
แสงแดดส่องประกายเป็นจุดๆ บนกันชนโครเมียม
ทุกคำจำกัดความ—"ปี 1965", "สีแดงเชอร์รี่", "เปิดประทุน", "มุมต่ำ"—ช่วยประหยัดให้โมเดลไม่ต้องเดา ผลลัพธ์จึงไม่ใช่แค่ "ภาพทั่วไป" แต่เป็น ภาพนั้น ที่เฉพาะเจาะจง
2. ระบุความยาวโฟกัส; อย่าอธิบายในแง่ของ 'ความรู้สึก'
85mm 镜头, 35mm 镜头, 24mm 广角 และ 100mm 微距 เป็นหนึ่งในคำที่ใช้ในการกำหนดภาพที่มีประสิทธิภาพด้านต้นทุนมากที่สุด คำเพียงคำเดียวสามารถควบคุมการจัดกรอบ การบีบอัดพื้นที่ ความลึกของภาพ และการบิดเบือนขอบพร้อมกันได้
- 85mm——ภาพถ่ายบุคคลที่มีเสน่ห์พร้อมฉากหลังเบลออย่างนุ่มนวล
- 35mm——ภาพถ่ายในสภาพแวดล้อมธรรมชาติที่มีโทนภาพอ่อนโยน
- 24 มม. มุมกว้าง——ทิวทัศน์และภายในที่ชวนดื่มด่ำ
- มาโคร 100 มม.——ภาพถ่ายผลิตภัณฑ์ระยะใกล้และพื้นผิววัสดุ
หากคุณติดอยู่กับคำแนะนำ ให้ลองเปลี่ยนมุมกล้องก่อน จากนั้นลองทำอย่างอื่น
3. กำหนดทิศทางของแสงสว่างเหมือนกับช่างภาพภาพยนตร์
การพูดว่า 'แสงสว่างดี' นั้นไม่มีความหมาย. เฉพาะคำศัพท์ทางภาพยนตร์เท่านั้นที่มีประสิทธิภาพ:
伦勃朗光——แหล่งกำเนิดแสงเดี่ยว; เงาบนแก้มเป็นรูปสามเหลี่ยม明暗对比 / chiaroscuro——ความคมชัดสูง; สภาพแวดล้อมมืด; วัตถุที่ส่องสว่างเพียงหนึ่งเดียว背后的描边光（rim light）——เอฟเฟกต์เงาดำ; วัตถุแยกออกจากพื้นหลัง阴天散射光——นุ่มนวลและสม่ำเสมอ; ไม่มีเงาคมชัด黄金时刻逆光——จุดแสงอุ่น; เงายาว
คำสำคัญสำหรับภาพด้านบนคือ: single tungsten spotlight from above, deep shadows wrapping the rest of the room, Rembrandt lighting สามคำ ผลลัพธ์ที่มุ่งเป้าหมาย
4. การใช้เทคนิคการประพันธ์
แบบจำลองภาพเข้าใจคำศัพท์ของการจัดองค์ประกอบแบบคลาสสิก:
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
ตำแหน่งของชาวประมงในภาพด้านบนตรงตามที่ระบุไว้ในคำใบ้: 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. ระบุชุดสีโดยใช้สี 3–5 สี
คำอธิบายสีที่คลุมเครือจะส่งผลให้ได้สีที่คลุมเครือเช่นกัน ชื่อสีที่สั้นและเฉพาะเจาะจงจะให้ผลลัพธ์ที่แม่นยำ:
เฉดสี: แดงเชอร์รี่, โอเคอร์ทราย, ท้องฟ้าสีทอง, น้ำตาลเข้มชื่อสีที่แยกด้วยเครื่องหมายจุดสองจุดและเครื่องหมายจุลภาค ค่าสีแบบเลขฐานสิบหกสามารถใช้ได้เช่นกัน แต่มีความเสถียรน้อยกว่าชื่อสีมาตรฐาน อย่าระบุสีเกินห้าสี—ยิ่งระบุสีมาก ความมุ่งมั่นของโมเดลต่อแต่ละสีก็จะยิ่งน้อยลง
6. ใส่ข้อความในเครื่องหมายคำพูดและระบุรูปแบบตัวอักษร
เมื่อจำเป็นต้องมีข้อความในรูปภาพ ให้ทำสองสิ่งนี้:
- วางข้อความลงในเครื่องหมายคำพูด:
"FRESH BREAD DAILY" - คำอธิบายแบบภาษาที่เข้าใจง่ายของรูปแบบตัวอักษร:
优雅手绘衬线字体
แต่ละบรรทัดควรมีไม่เกินหกคำ ประโยคยาวจะยังคงรวมกันอยู่
7. ติดตั้งตัวเครื่องหลักให้แน่นกับพื้นผิวการทำงานที่กำหนด
ภาพถ่ายสินค้า, ภาพถ่ายอาหาร, ภาพถ่ายสิ่งของนิ่ง—โปรดระบุเสมอว่าพื้นผิวของงานทำมาจากอะไร พื้นผิวของงานมีคุณสมบัติของวัสดุ ซึ่งแบบจะนำมาใช้:
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
เส้นแบ่งที่เลือนรางระหว่าง 'ภาพสต็อก' กับ 'ภาพที่แก้ไขได้'
8. เชื่อมโยงหัวข้อโดยใช้คำกริยาที่แสดงความสัมพันธ์ทางกายภาพ
เมื่อมีสองวัตถุในฉาก อย่าเพียงแค่ระบุชื่อวัตถุเหล่านั้น ให้ใช้คำกริยาเชิงพื้นที่เพื่อบอกโมเดลว่าทั้งสองเชื่อมโยงกันอย่างไร:
靠在从…升起倒映在缠绕在俯瞰着
นั่นคือความแตกต่างระหว่าง 'แมวกับหน้าต่าง' กับ 'แมวนอนขดอยู่บนขอบหน้าต่าง ขาของมันวางอยู่บนกระจก'
9. อธิบายสิ่งที่ ไม่มี ในภาพ
คำอธิบายเชิงลบมีความสำคัญไม่แพ้คำอธิบายเชิงบวก เพิ่มประโยคสั้น ๆ หลังจากคำอธิบายฉาก:
ฉลากไม่มีข้อความ ไม่มีโลโก้ และไม่มีลายน้ำ ไม่มีผู้คนในพื้นหลังGPT Image 2 โดยทั่วไปปฏิบัติตามแนวทางที่ระบุไว้อย่างเคร่งครัดที่ no text และ no logos ขอแนะนำให้เพิ่มลายน้ำในภาพเชิงพาณิชย์ทุกภาพเพื่อป้องกันไม่ให้มีลายน้ำที่ไม่มีความหมายปรากฏในภาพ
10. ผสมผสานสไตล์อย่างมีสติ—แต่เลือกธีมหลักที่โดดเด่น
การผสมผสานสไตล์เป็นวิธีหนึ่งในการทำงานกับนางแบบที่แสดงออกได้มากที่สุด ตราบใดที่คุณเลือกสไตล์ หลัก ก่อน แล้วจึงเพิ่มสไตล์ รอง เข้าไปเพื่อเสริมให้โดดเด่นยิ่งขึ้น:
ภาพประกอบสไตล์: สไตล์สีน้ำของสตูดิโอจิบลิที่ซ้อนทับด้วยไฮไลท์นีออนไซเบอร์พังค์, เมฆสไตล์สีน้ำนุ่มนวลจาก
จับคู่กับป้ายนีออนคมชัด
หากคุณระบุสองสไตล์ว่าเท่าเทียมกัน (เช่น 'สตูดิโอจิบลิ AND ไซเบอร์พังค์') โมเดลจะเฉลี่ยทั้งสองออก ทำให้ภาพออกมาแบนราบ การที่จะรักษาความสอดคล้องของภาพไว้ได้ จะต้องใช้โครงสร้างเช่น 'สไตล์พื้นฐาน + สไตล์ปรับแต่ง + จุดเด่น' เท่านั้น
11. ก่อนใช้รายการแบบหัวข้อย่อย ให้เริ่มต้นด้วยย่อหน้าที่เป็นข้อความต่อเนื่อง
ฉันบันทึกข้อความที่ฉันใช้บ่อยที่สุดเป็นประโยคสั้น ๆ 4–6 บรรทัด แทนที่จะเป็นรายการแบบจุด ๆ สาเหตุมีสองประการ:
- ร้อยแก้วสามารถเผยให้เห็นความขัดแย้งได้The วลี "ครัวสว่างสดใส ร่าเริง แสงไฟมืดทึบ กดดัน" ฟังดูผิดอย่างชัดเจนเมื่ออ่านออกเสียง แต่เมื่อเขียนเป็นข้อรายการ ข้อผิดพลาดกลับไม่ชัดเจนเท่า
- โมเดลนี้ถือว่าเครื่องหมายจุลภาคเป็นตัวแบ่งข้อมูลประโยคที่สอดคล้องกันช่วยให้ความสัมพันธ์ระหว่างอนุประโยคไหลลื่น ("บนหินอ่อน ล้อมรอบด้วยใบไม้ มีหยดน้ำ") ในขณะที่ชิ้นส่วนที่แยกกันสามชิ้นไม่สามารถบรรลุสิ่งนี้ได้
คำแนะนำที่ใช้คำค้นหาเหมาะสำหรับแบบจำลองที่ใช้การติดป้ายกำกับอย่างเดียว GPT Image 2 ไม่ใช่แบบจำลองเช่นนั้น
12. เปลี่ยนตัวแปรเพียงหนึ่งตัวในแต่ละครั้ง
อันสุดท้ายนี้คือกฎการทำงาน ไม่ใช่กฎการเขียน เมื่อภาพ 'เกือบถูกต้อง':
- เพียงแค่เปลี่ยนตัวแปร—เลนส์, แสง, เวลา, เวที—จากนั้นสร้างใหม่
- และเปรียบเทียบเคียงข้างกัน
- ล็อกตัวแปรนี้ไว้ แล้วจึงไปยังตัวแปรถัดไป
มีสองเหตุผลหลักที่ทำให้คนส่วนใหญ่ไม่สามารถทำซ้ำได้อย่างมีประสิทธิภาพ: พวกเขาเปลี่ยนพารามิเตอร์สามตัวพร้อมกันและไม่สามารถบอกได้ว่าการเปลี่ยนแปลงใดทำให้เกิดความแตกต่าง; หรือพวกเขาเริ่มต้นใหม่ทุกครั้งแทนที่จะใช้เวอร์ชันก่อนหน้าเป็นข้อมูลอ้างอิงในการสร้างต่อ ทั้งสองปัญหานี้สามารถแก้ไขได้ด้วยการฝึกฝนเพียงช่วงบ่ายเดียว
การเปรียบเทียบที่ชัดเจนระหว่าง 'ก่อนและหลัง'
คำแนะนำที่ไม่ดี:
ชายคนหนึ่งกำลังเล่นเปียโนในบาร์คำสั่งที่ดี (ใช้เคล็ดลับ 1, 2, 3 และ 5):
ภาพถ่ายบุคคลแบบภาพยนตร์คอนทราสต์สูง: นักเปียโนแจ๊สวัยกลางคนนั่งอยู่ที่เปียโนแกรนด์ในบาร์ที่มืดสลัวและเต็มไปด้วยควันบุหรี่
มีแสงไฟทังสเตนโทนอุ่นเพียงดวงเดียวส่องลงมาเหนือศีรษะของเขา สร้างแสงอบอุ่นบนใบหน้าและมือของเขา
ขณะที่ส่วนที่เหลือของห้องถูกปกคลุมด้วยเงามืดลึก เลนส์ 85 มม. พื้นผิวผิวคุณภาพระดับภาพถ่าย
จานสี: สีเหลืองอำพันอุ่น, สีแดงเบอร์กันดีเข้ม, และเงาสีดำเกือบดำโมเดลเดียวกัน จำนวนรุ่นเท่ากัน—แต่ผลลัพธ์กลับแตกต่างกันราวกับคนละโลก นี่คือหลักการสำคัญของวิศวกรรมคำสั่ง (prompt engineering): ตัวโมเดลไม่มีปัญหา จุดคอขวดอยู่ที่คำสั่งของคุณต่างหาก
ลองดูสิ
ไปที่ GPT Image 2 ข้อความสู่ภาพ เลือกข้อความใดก็ได้จากรายการแล้ววางลงไปเพื่อสร้างภาพ จากนั้นเปลี่ยนเพียงตัวแปรเดียว—เช่น มุมกล้อง แสง หรือชุดสี—แล้วสร้างภาพใหม่ ภายในสิบครั้ง คุณจะเริ่มมีความรู้สึกโดยสัญชาตญาณว่าตัวแปรใดมีผลต่อความชอบด้านสุนทรียภาพของคุณมากที่สุด
การแยกแยะนี้คือความแตกต่างเพียงอย่างเดียวระหว่าง 'ความสามารถในการสร้างภาพที่สร้างโดย AI' กับ 'ความสามารถในการสร้างภาพ'
