AI ਚਿੱਤਰ ਪ੍ਰੌਂਪਟ ਗਾਈਡ

ਬਹੁਤੇ ਲੋਕ SDXL ਉੱਤੇ ਸਿੱਖੀਆਂ ਪ੍ਰੌਂਪਟ ਆਦਤਾਂ ਲੈ ਕੇ ਆਉਂਦੇ ਹਨ: ਕੌਮਿਆਂ ਨਾਲ ਵੱਖ ਕੀਤੇ ਨਾਂਵਾਂ ਦੀ ਲੜੀ, ਗੁਣਵੱਤਾ-ਟੋਕਨਾਂ ਦੀ ਭੂਮਿਕਾ, ਕੁਝ ਬਰੈਕਟਾਂ ਵਾਲੇ ਵਜ਼ਨ, ਅਤੇ ਹਾਂ-ਪੱਖੀ ਜਿੰਨਾ ਹੀ ਲੰਮਾ ਨਾਂਹ-ਪੱਖੀ ਪ੍ਰੌਂਪਟ। ਉਹ ਆਦਤਾਂ ਉਨ੍ਹਾਂ ਮਾਡਲਾਂ ਲਈ ਠੀਕ ਸਨ ਅਤੇ ਇੱਥੇ ਉਲਟਾ ਨੁਕਸਾਨ ਕਰਦੀਆਂ ਹਨ। ਇਹ ਹੈ ਉਸਦਾ ਛੋਟਾ ਰੂਪ ਜੋ ਸੱਚਮੁੱਚ ਕੰਮ ਕਰਦਾ ਹੈ — ਅਤੇ ਕਿਉਂਕਿ Shannon ਜਨਰੇਸ਼ਨ ਪ੍ਰੌਂਪਟ ਤੁਹਾਡੇ ਲਈ ਲਿਖਦਾ ਹੈ ਅਤੇ ਕੁਝ ਵੀ ਰੈਂਡਰ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਦਿਖਾਉਂਦਾ ਹੈ, ਇਹ ਓਨੀ ਹੀ ਇਸ ਗੱਲ ਦੀ ਵੀ ਗਾਈਡ ਹੈ ਕਿ Shannon ਦੇ ਸੁਝਾਏ ਪ੍ਰੌਂਪਟ ਨੂੰ ਪੜ੍ਹਨਾ ਅਤੇ ਠੀਕ ਕਰਨਾ ਕਿਵੇਂ ਹੈ।

01ਵਾਰਤਕ ਟੈਗਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਕਿਉਂ ਹੈ: ਮਾਡਲ ਭਾਸ਼ਾ ਮਾਡਲ ਵਾਂਗ ਪੜ੍ਹਦਾ ਹੈ

ਜਿਨ੍ਹਾਂ ਪੁਰਾਣੇ ਡਿਫ਼ਿਊਜ਼ਨ ਮਾਡਲਾਂ ਲਈ ਪ੍ਰੌਂਪਟ ਬਾਰੇ ਬਹੁਤੀ ਸਲਾਹ ਲਿਖੀ ਗਈ ਸੀ, ਉਹ ਅਜਿਹਾ ਟੈਕਸਟ ਇਨਕੋਡਰ ਵਰਤਦੇ ਸਨ ਜੋ ਅਮਲ ਵਿੱਚ ਸੰਕਲਪਾਂ ਦੀ ਬੋਰੀ ਵਾਂਗ ਵਿਹਾਰ ਕਰਦਾ ਸੀ: ਵਿਆਕਰਨ ਦੀ ਮੁਸ਼ਕਿਲ ਨਾਲ ਹੀ ਕੋਈ ਅਹਿਮੀਅਤ ਸੀ, ਅਤੇ ਜਿੱਤਣ ਵਾਲੀ ਰਣਨੀਤੀ ਸੀ ਸੰਬੰਧਿਤ ਨਾਂਵ ਢੇਰ ਲਾ ਦੇਣੇ ਤੇ ਵਜ਼ਨ ਨਾਲ ਉਨ੍ਹਾਂ ਨੂੰ ਝੁਕਾਅ ਦੇਣਾ। ਉਸ ਇਨਕੋਡਰ ਲਈ ਟੈਗਾਂ ਦਾ ਘੋਲ ਹੀ ਪ੍ਰੌਂਪਟ ਦੀ ਠੀਕ ਸ਼ਕਲ ਸੀ।

Shannon ਦਾ ਚਿੱਤਰ ਮਾਡਲ ਇਸ ਤਰ੍ਹਾਂ ਕੰਮ ਨਹੀਂ ਕਰਦਾ। ਉਹ ਪ੍ਰੌਂਪਟ ਨੂੰ ਉਵੇਂ ਪੜ੍ਹਦਾ ਹੈ ਜਿਵੇਂ ਭਾਸ਼ਾ ਮਾਡਲ ਲਿਖਤ ਪੜ੍ਹਦਾ ਹੈ, ਇਸ ਲਈ ਵਾਕ-ਬਣਤਰ ਅਰਥ ਲੈ ਕੇ ਚੱਲਦੀ ਹੈ। “ਛਤਰੀ ਨੂੰ ਆਪਣੇ ਮੋਢੇ ਨਾਲ ਟਿਕਾਈ ਹੋਈ” ਇੱਕ ਵਿਅਕਤੀ, ਇੱਕ ਵਸਤੂ ਅਤੇ ਇੱਕ ਅੰਗ ਵਿਚਕਾਰ ਰਿਸ਼ਤਾ ਹੈ; “ਛਤਰੀ, ਮੋਢਾ” ਸਿਰਫ਼ ਦੋ ਚੀਜ਼ਾਂ ਹਨ ਜੋ ਹਾਜ਼ਰ ਹਨ। ਸੰਬੰਧਕ ਚੀਜ਼ਾਂ ਨੂੰ ਥਾਂ ਦਿੰਦੇ ਹਨ। ਕਿਰਿਆਵਾਂ ਮੁਦਰਾ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਉਪਵਾਕ ਵੇਰਵੇ ਨੂੰ ਪੂਰੇ ਚਿੱਤਰ ਵਿੱਚ ਤੈਰਨ ਦੇਣ ਦੀ ਥਾਂ ਸਹੀ ਨਾਂਵ ਨਾਲ ਜੋੜਦੇ ਹਨ।

ਇਹ ਰਹੀ ਉਹੀ ਤਸਵੀਰ, ਦੋਹਾਂ ਤਰੀਕਿਆਂ ਨਾਲ ਮੰਗੀ ਹੋਈ।

woman, 30s, tokyo, rain, night, crosswalk, neon signs, umbrella,
wet asphalt, reflections, masterpiece, best quality, 8k, ultra
detailed, (bokeh:1.3), cinematic lighting, photorealistic

A woman in her early thirties waits at a rain-soaked Tokyo
crosswalk at night, holding a clear vinyl umbrella against her
shoulder and glancing down the street. Neon storefront signs
bleed red and cyan into the wet asphalt at her feet. Shot on
Kodak Portra 400, 85mm f/1.4, shallow depth of field, the
traffic signal behind her thrown out of focus.

ਵੇਖੋ ਕਿ ਟੈਗ ਵਾਲਾ ਰੂਪ ਕੀ ਨਹੀਂ ਦੱਸ ਸਕਦਾ। ਉਹ ਕਦੇ ਨਹੀਂ ਕਹਿੰਦਾ ਕਿ ਛਤਰੀ ਫੜੀ ਹੋਈ ਹੈ, ਇਸ ਲਈ ਉਹ ਜ਼ਮੀਨ ਉੱਤੇ ਪਈ ਵੀ ਨਿਕਲ ਸਕਦੀ ਹੈ। ਉਹ ਕਦੇ ਨਹੀਂ ਕਹਿੰਦਾ ਕਿ ਨਿਓਨ ਦਾ ਅਕਸ ਸੜਕ ਵਿੱਚ ਪੈ ਰਿਹਾ ਹੈ, ਸਿਰਫ਼ ਇਹ ਕਿ ਦੋਵੇਂ ਮੌਜੂਦ ਹਨ, ਸੋ ਤੁਹਾਨੂੰ ਸਾਈਨ ਬੋਰਡ ਅਤੇ ਗਿੱਲੀ ਸੜਕ ਮਿਲਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਵਿਚਕਾਰ ਕੋਈ ਪ੍ਰਕਾਸ਼ੀ ਰਿਸ਼ਤਾ ਨਹੀਂ। ਉਹ ਕਦੇ ਨਹੀਂ ਦੱਸਦਾ ਕਿ ਔਰਤ ਕਿੱਧਰ ਵੇਖ ਰਹੀ ਹੈ, ਸੋ ਉਸਦੀ ਮੁਦਰਾ ਸਿੱਕਾ ਉਛਾਲਣ ਵਰਗੀ ਗੱਲ ਹੈ। “Cinematic lighting” ਮਾਹੌਲ ਦਾ ਲੇਬਲ ਹੈ, ਰੌਸ਼ਨੀ ਦਾ ਸਰੋਤ ਨਹੀਂ। ਅਤੇ ਆਖ਼ਰੀ ਪੰਜ ਟੋਕਨ ਰੌਲਾ ਹਨ, ਜੋ ਕੰਟਰੋਲ ਦੇ ਹੱਥਿਆਂ ਦੀ ਥਾਂ ਫ਼ੋਟੋਗ੍ਰਾਫ਼ੀ ਬਾਰੇ ਅੰਗਰੇਜ਼ੀ ਸ਼ਬਦਾਂ ਵਜੋਂ ਪੜ੍ਹੇ ਜਾਂਦੇ ਹਨ।

ਵਾਰਤਕ ਵਾਲਾ ਰੂਪ ਇਸ ਲਈ ਲੰਮਾ ਨਹੀਂ ਕਿ ਉਹ ਸਜਾਵਟੀ ਹੈ। ਉਹ ਇਸ ਲਈ ਲੰਮਾ ਹੈ ਕਿ ਉਹ ਉਹ ਸਵਾਲ ਹੱਲ ਕਰਦਾ ਹੈ ਜੋ ਟੈਗ ਵਾਲੇ ਰੂਪ ਨੇ ਖੁੱਲ੍ਹੇ ਛੱਡ ਦਿੱਤੇ ਸਨ। ਸਾਰਾ ਨੁਕਤਾ ਇਹੀ ਹੈ।

02ਚਿੱਤਰ ਪ੍ਰੌਂਪਟ ਕਿੰਨਾ ਲੰਮਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ?

30 ਤੋਂ 80 ਸ਼ਬਦਾਂ ਦਾ ਨਿਸ਼ਾਨਾ ਰੱਖੋ। 100 ਤੋਂ ਬਹੁਤਾ ਅੱਗੇ ਨਾ ਜਾਓ। ਇਹ ਤੁਹਾਡੇ ਕੋਲ ਮੌਜੂਦ ਸਭ ਤੋਂ ਸੌਖਾ ਗੁਣਵੱਤਾ ਲੀਵਰ ਹੈ, ਅਤੇ ਦਾਇਰੇ ਦੇ ਦੋਵੇਂ ਸਿਰੇ ਮਾਇਨੇ ਰੱਖਦੇ ਹਨ।

ਲਗਭਗ 30 ਸ਼ਬਦਾਂ ਤੋਂ ਹੇਠਾਂ ਰਚਨਾ, ਰੌਸ਼ਨੀ ਅਤੇ ਫ਼ਰੇਮਿੰਗ ਅਣਦੱਸੀ ਰਹਿ ਜਾਂਦੀ ਹੈ, ਇਸ ਲਈ ਮਾਡਲ ਉਹੀ ਚੁਣਦਾ ਹੈ ਜੋ ਅੰਕੜਿਆਂ ਪੱਖੋਂ ਸਭ ਤੋਂ ਆਮ ਹੈ। “A woman in a coffee shop” ਇੱਕ ਜਾਇਜ਼ ਪ੍ਰੌਂਪਟ ਹੈ ਜੋ ਭੁੱਲ ਜਾਣ ਵਾਲਾ ਚਿੱਤਰ ਬਣਾਉਂਦਾ ਹੈ, ਕਿਉਂਕਿ ਤੁਸੀਂ ਹਰ ਦਿਲਚਸਪ ਫ਼ੈਸਲਾ ਸੌਂਪ ਦਿੱਤਾ।

ਲਗਭਗ 100 ਸ਼ਬਦਾਂ ਤੋਂ ਉੱਪਰ ਇੱਕ ਵੱਖਰਾ ਨੁਕਸ ਦਿਸਦਾ ਹੈ: ਪਿਛਲੇ ਉਪਵਾਕ ਪਹਿਲਿਆਂ ਨਾਲ ਚਿੱਤਰ ਦੇ ਉਹੀ ਹਿੱਸਿਆਂ ਲਈ ਮੁਕਾਬਲਾ ਕਰਦੇ ਹਨ, ਅਤੇ ਵੇਰਵਾ ਜੁੜਨ ਦੀ ਥਾਂ ਪਤਲਾ ਪੈ ਜਾਂਦਾ ਹੈ। ਰੌਸ਼ਨੀ ਦਾ ਤੀਜਾ ਵਰਣਨ ਪਹਿਲੇ ਨੂੰ ਖ਼ਤਮ ਕਰ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਪਹਿਲੇ ਅੱਠ ਸ਼ਬਦਾਂ ਵਿੱਚ ਟਿਕਾਏ ਵਿਸ਼ੇ ਨੂੰ ਹਰ ਨਵੇਂ ਵਾਕ ਨਾਲ ਘੱਟ ਧਿਆਨ ਮਿਲਦਾ ਹੈ। ਲੰਮੇ ਪ੍ਰੌਂਪਟ ਪੜ੍ਹਨ ਨੂੰ ਪੂਰੇ ਲੱਗਦੇ ਹਨ। ਉਹ ਰੈਂਡਰ ਹੋਣ ਵੇਲੇ ਪੂਰੇ ਨਹੀਂ ਨਿਕਲਦੇ।

ਅਨੁਸ਼ਾਸਨ ਇਹ ਹੈ: ਜੋ ਪ੍ਰੌਂਪਟ ਚਾਹੁੰਦੇ ਹੋ ਲਿਖੋ, ਫਿਰ ਉਸਨੂੰ ਸਿਰਫ਼ ਉਨ੍ਹਾਂ ਵਾਕਾਂ ਤੱਕ ਘਟਾਓ ਜਿਨ੍ਹਾਂ ਦੇ ਹਟਣ ਨਾਲ ਤਸਵੀਰ ਬਦਲ ਜਾਵੇਗੀ।

03ਕ੍ਰਮ ਦਾ ਅਨੁਸ਼ਾਸਨ: ਸਭ ਤੋਂ ਜ਼ਰੂਰੀ ਚੀਜ਼ ਪਹਿਲਾਂ

ਕਿਉਂਕਿ ਮਾਡਲ ਕ੍ਰਮਵਾਰ ਪੜ੍ਹਦਾ ਹੈ, ਥਾਂ ਹੀ ਜ਼ੋਰ ਹੈ: ਜੋ ਪਹਿਲਾਂ ਆਉਂਦਾ ਹੈ ਉਹ ਚਿੱਤਰ ਨੂੰ ਟਿਕਾਉਂਦਾ ਹੈ, ਜੋ ਆਖ਼ਰ ਵਿੱਚ ਆਉਂਦਾ ਹੈ ਉਹ ਉਸਨੂੰ ਸੋਧਦਾ ਹੈ। ਚੀਜ਼ਾਂ ਉਸੇ ਕ੍ਰਮ ਵਿੱਚ ਰੱਖੋ ਜਿਸ ਵਿੱਚ ਮਾਡਲ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀ ਲੋੜ ਹੈ:

1. ਵਿਸ਼ਾ — ਇਹ ਤਸਵੀਰ ਕਿਸ ਦੀ ਹੈ, ਠੋਸ ਰੂਪ ਵਿੱਚ।
2. ਕਿਰਿਆ ਜਾਂ ਮੁਦਰਾ — ਉਹ ਕੀ ਕਰ ਰਹੇ ਹਨ, ਕਿਵੇਂ ਖੜ੍ਹੇ ਹਨ।
3. ਸ਼ੈਲੀ ਜਾਂ ਮਾਹੌਲ — ਫ਼ੋਟੋ, ਤੇਲ ਚਿੱਤਰ, ਤਕਨੀਕੀ ਚਿੱਤਰਕਾਰੀ, ਅਤੇ ਉਸਦਾ ਸੁਰ।
4. ਥਾਂ ਅਤੇ ਰੌਸ਼ਨੀ — ਇਹ ਕਿੱਥੇ ਹੋ ਰਿਹਾ ਹੈ ਅਤੇ ਇਸ ਉੱਤੇ ਕਿਹੜੀ ਰੌਸ਼ਨੀ ਪੈ ਰਹੀ ਹੈ।
5. ਤਕਨੀਕੀ — ਫ਼ਰੇਮਿੰਗ, ਲੈਂਜ਼, ਡੂੰਘਾਈ ਦਾ ਦਾਇਰਾ, ਰੰਗ ਦੇ ਵੇਰਵੇ।

ਸਭ ਤੋਂ ਆਮ ਖ਼ੁਦ ਲਾਈ ਸੱਟ ਹੈ ਤਕਨੀਕੀ ਵਾਕ ਤੋਂ ਸ਼ੁਰੂ ਕਰਨਾ। “Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper” ਨਾਲ ਸ਼ੁਰੂ ਕਰਨਾ ਮਾਡਲ ਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ ਦਿੱਖ ਹੀ ਵਿਸ਼ਾ ਹੈ ਅਤੇ ਬੰਦਾ ਸਿਰਫ਼ ਇੱਕ ਵੇਰਵਾ। ਤੁਹਾਨੂੰ ਇੱਕ ਸ਼ਾਨਦਾਰ, ਖ਼ਾਲੀ ਫ਼ਰੇਮ ਮਿਲਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਇੱਕ ਛੋਟੀ, ਧੁੰਦਲੀ ਸ਼ਕਲ ਹੁੰਦੀ ਹੈ।

Cinematic wide shot, anamorphic lens flare, teal and orange
color grade, shallow depth of field, golden hour, of a man
reading a newspaper on a park bench.

A man in his sixties in a gray wool overcoat sits on a park
bench reading a folded broadsheet newspaper, one ankle crossed
over his knee. Late golden-hour sun rakes across him from the
left through bare plane trees. Photographed wide on a 35mm
anamorphic lens, shallow depth of field, warm highlights and
cool shadows.

ਪਹਿਲੇ ਰੂਪ ਦਾ ਹਰ ਤੱਤ ਦੂਜੇ ਵਿੱਚ ਬਚਿਆ ਹੋਇਆ ਹੈ; ਕੁਝ ਵੀ ਨਹੀਂ ਛੱਡਿਆ ਗਿਆ। ਬਸ ਹੁਣ ਮਾਡਲ ਨੂੰ ਪਹਿਲਾਂ ਇਹ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਤਸਵੀਰ ਕਿਸ ਦੀ ਹੈ, ਫਿਰ ਇਹ ਕਿ ਉਸਨੂੰ ਕਿਵੇਂ ਖਿੱਚਣਾ ਹੈ — ਅਤੇ ਸਿਰਫ਼ ਇਸ ਕ੍ਰਮ ਬਦਲਣ ਨਾਲ ਵਿਸ਼ਾ ਇਤਫ਼ਾਕੀਆ ਤੋਂ ਕੇਂਦਰੀ ਬਣ ਜਾਂਦਾ ਹੈ।

04ਵਿਸ਼ੇ ਬਾਰੇ ਠੋਸ ਬਣੋ

“ਇੱਕ ਵਿਅਕਤੀ” ਵਿਸ਼ਾ ਨਹੀਂ, ਇੱਕ ਖ਼ਾਲੀ ਥਾਂ ਹੈ — ਅਤੇ ਮਾਡਲ ਖ਼ਾਲੀ ਥਾਂਵਾਂ ਨੂੰ ਉਸ ਸਭ ਦੀ ਔਸਤ ਨਾਲ ਭਰਦਾ ਹੈ ਜੋ ਉਸਨੇ ਵੇਖਿਆ ਹੈ, ਅਤੇ ਠੀਕ ਇੱਥੋਂ ਉਹ ਚਮਕੀਲੀ, ਬੇ-ਉਮਰ, ਬੇ-ਪਛਾਣ ਦਿੱਖ ਆਉਂਦੀ ਹੈ। ਠੋਸਪਣ ਪੰਜ ਸ਼ਬਦ ਲੈਂਦਾ ਹੈ ਅਤੇ ਬਦਲੇ ਵਿੱਚ ਇੱਕ ਖ਼ਾਸ ਇਨਸਾਨ ਦਿੰਦਾ ਹੈ:

ਨਮੂਨਾ ਧਿਆਨ ਨਾਲ ਵੇਖੋ: ਉਮਰ ਜਾਂ ਦੌਰ, ਇੱਕ ਢਾਂਚਾਗਤ ਖ਼ਾਸੀਅਤ, ਅਤੇ ਇੱਕ ਵੱਖਰੀ ਦਿਸਣ ਵਾਲੀ ਕਮੀ। ਇਹੀ ਤੀਜੀ ਚੀਜ਼ ਨਤੀਜੇ ਨੂੰ ਬਣਾਏ ਹੋਏ ਦੀ ਥਾਂ ਖਿੱਚੇ ਹੋਏ ਵਾਂਗ ਬਣਾਉਂਦੀ ਹੈ। ਟੁੱਟਿਆ ਦੰਦ, ਘਿਸਿਆ ਪੱਲਾ, ਰੰਗ ਨਾਲ ਢਕਿਆ ਸਾਈਨ ਬੋਰਡ — ਛੋਟੀਆਂ ਬੇਤਰਤੀਬੀਆਂ ਪਲਾਸਟਿਕ ਦਿੱਖ ਵਿਰੁੱਧ ਸਭ ਤੋਂ ਤਾਕਤਵਰ ਸੰਕੇਤ ਹਨ, ਅਤੇ ਇਹ ਤੁਹਾਡੇ ਸ਼ਬਦ ਬਜਟ ਦਾ ਲਗਭਗ ਕੁਝ ਵੀ ਨਹੀਂ ਲੈਂਦੀਆਂ।

05ਫ਼ੋਟੋ ਵਰਗੀ ਦਿੱਖ: ਬੇਨਤੀ ਨੂੰ ਫ਼ੋਟੋ ਵਾਂਗ ਲਿਖੋ

ਜਦ ਤੱਕ ਤੁਸੀਂ ਕਲਾ, ਚਿੱਤਰਕਾਰੀ ਜਾਂ ਐਨੀਮੇ ਨਾ ਮੰਗੋ, ਫ਼ੋਟੋ ਵਰਗੀ ਦਿੱਖ ਮੂਲ ਸੁਰ ਹੈ। ਪਰ “photorealistic” ਸ਼ਬਦ ਬਹੁਤ ਘੱਟ ਕੰਮ ਕਰਦਾ ਹੈ। ਫ਼ੋਟੋ ਉਹ ਬਣਾਉਂਦਾ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਫ਼ੋਟੋਗ੍ਰਾਫ਼ੀ ਦੀ ਕਿਰਿਆ ਦਾ ਵਰਣਨ ਕਰੋ: ਇੱਕ ਅਸਲ ਕੈਮਰਾ, ਇੱਕ ਅਸਲ ਲੈਂਜ਼, ਅਤੇ ਇੱਕ ਅਸਲ ਫ਼ਿਲਮ ਸਟਾਕ ਜਾਂ ਰੌਸ਼ਨੀ ਦਾ ਸਰੋਤ।

ਕਾਰਨ ਸਿੱਧਾ ਹੈ। “Kodak Portra 400” ਕੈਪਸ਼ਨ ਵਾਲਾ ਹਰ ਚਿੱਤਰ ਇੱਕ ਖ਼ਾਸ ਪ੍ਰਕਿਰਿਆ ਨਾਲ ਬਣਿਆ ਸੀ ਜਿਸਦੀ ਆਪਣੀ ਦਾਣੇਦਾਰ ਬਣਤਰ, ਹਾਈਲਾਈਟ ਢਲਾਣ ਅਤੇ ਚਮੜੀ ਦੀ ਪੇਸ਼ਕਾਰੀ ਹੈ, ਅਤੇ ਸਟਾਕ ਦਾ ਨਾਮ ਲੈਣ ਨਾਲ ਇਹ ਸਭ ਸੱਦਿਆ ਜਾਂਦਾ ਹੈ। “8k ultra detailed” ਸਿਰਫ਼ ਸਟਾਕ-ਸਾਈਟ ਦੇ ਕੂੜੇ ਉੱਤੇ ਲਿਖਿਆ ਮਿਲਦਾ ਸੀ, ਸੋ ਉਹ ਸਟਾਕ-ਸਾਈਟ ਦਾ ਕੂੜਾ ਹੀ ਸੱਦਦਾ ਹੈ। ਕੁਝ ਭਰੋਸੇਯੋਗ ਨੁਸਖ਼ੇ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਉਹੀ ਵਿਸ਼ਾ ਸਾਫ਼ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਦਿੰਦਾ ਹੈ:

ਆਧਾਰ ਨੂੰ ਨੁਸਖ਼ੇ ਨਾਲ ਮਿਲਾਓ — 24mm ਚੌੜੇ ਸ਼ਾਟ ਵਿੱਚ, ਜਿੱਥੇ ਚਿਹਰਾ ਅੱਸੀ ਪਿਕਸਲ ਉੱਚਾ ਹੈ, ਰੋਮ-ਪੱਧਰ ਦੀ ਚਮੜੀ ਦੀ ਬਣਤਰ ਦਾ ਕੋਈ ਮਤਲਬ ਨਹੀਂ — ਅਤੇ ਫਿਰ ਉਸਨੂੰ ਜੋੜੋ। ਆਧਾਰ ਦਾ ਵੇਰਵਾ ਹੈ — ਬਣਤਰ ਦਾ ਉਹ ਸਬੂਤ ਕਿ ਇਸਨੂੰ ਸੱਚਮੁੱਚ ਕਿਸੇ ਲੈਂਜ਼ ਨੇ ਰਿਕਾਰਡ ਕੀਤਾ। ਦਿਸਦੇ ਚਮੜੀ ਦੇ ਰੋਮ ਅਤੇ ਬਾਰੀਕ ਚਿਹਰੇ ਦੇ ਵਾਲ। ਲਿਨਨ ਦੀ ਕਮੀਜ਼ ਦੀ ਬੁਣਾਈ। ਰੌਸ਼ਨੀ ਦੀ ਲਕੀਰ ਵਿੱਚ ਧੂੜ ਦੇ ਕਣ। ਚਮੜੇ ਦੇ ਬੂਟ ਉੱਤੇ ਰਗੜ ਦਾ ਨਿਸ਼ਾਨ। ਚਮਕਦੇ ਪਿਛੋਕੜ ਸਾਹਮਣੇ ਉੱਡਦੇ ਵਾਲ। ਦੋ ਜਾਂ ਤਿੰਨ ਕਾਫ਼ੀ ਹਨ, ਅਤੇ ਇਹੀ ਕਿਸੇ ਵਿਅਕਤੀ ਦੇ ਰੈਂਡਰ ਅਤੇ ਉਸਦੀ ਫ਼ੋਟੋ ਵਿਚਲਾ ਫ਼ਰਕ ਹਨ।

06ਪਰਤਦਾਰ ਦ੍ਰਿਸ਼: ਅਗਲਾ, ਵਿਚਕਾਰਲਾ, ਪਿਛਲਾ ਤਲ

ਜਦੋਂ ਦ੍ਰਿਸ਼ ਵਿੱਚ ਡੂੰਘਾਈ ਹੋਵੇ, ਤਿੰਨੇ ਤਲ ਵੱਖ-ਵੱਖ ਅਤੇ ਕ੍ਰਮ ਵਿੱਚ ਦੱਸੋ। ਅਜਿਹੇ ਚਿੱਤਰਾਂ ਲਈ ਇਹ ਸਭ ਤੋਂ ਅਸਰਦਾਰ ਤਰੀਕਾ ਹੈ ਜੋ ਪਿਛੋਕੜ ਦੀ ਥਾਂ ਅਸਲ ਥਾਂਵਾਂ ਵਾਂਗ ਲੱਗਣ, ਅਤੇ ਲਗਭਗ ਕੋਈ ਇਹ ਨਹੀਂ ਕਰਦਾ। ਇਸ ਤੋਂ ਬਿਨਾਂ ਤੁਹਾਨੂੰ ਚਪਟਾਪਣ ਮਿਲਦਾ ਹੈ: ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਦੱਸੀ ਹਰ ਚੀਜ਼ ਲਗਭਗ ਇੱਕੋ ਦੂਰੀ ਉੱਤੇ ਆ ਬੈਠਦੀ ਹੈ ਅਤੇ ਫ਼ਰੇਮ ਦੀ ਇੱਕੋ ਵਿਚਕਾਰਲੀ ਪੱਟੀ ਲਈ ਲੜਦੀ ਹੈ। ਤਲਾਂ ਦੇ ਨਾਮ ਲੈਣ ਨਾਲ ਮਾਡਲ ਨੂੰ ਖ਼ਰਚ ਕਰਨ ਲਈ ਡੂੰਘਾਈ ਦਾ ਬਜਟ ਮਿਲਦਾ ਹੈ।

In the foreground, a cracked concrete ledge with a half-empty
paper coffee cup and a scattering of cigarette ash, slightly out
of focus. In the midground, a bicycle courier in a yellow rain
jacket wheels her bike across a wet plaza, caught mid-stride. In
the background, a glass office tower dissolves into low fog.
Shot on a 50mm lens at f/2.8, flat overcast light.

ਦੋ ਸੁਧਾਰ। ਅਗਲੇ ਤਲ ਵਿੱਚ ਕੋਈ ਅਜਿਹੀ ਚੀਜ਼ ਰੱਖੋ ਜੋ ਜਾਣ-ਬੁੱਝ ਕੇ ਧੁੰਦਲੀ ਹੋਵੇ — ਡੂੰਘੇ ਦ੍ਰਿਸ਼ਾਂ ਦੀਆਂ ਅਸਲ ਫ਼ੋਟੋਆਂ ਵਿੱਚ ਲਗਭਗ ਹਮੇਸ਼ਾ ਅਜਿਹੀ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਇਸਦਾ ਨਾ ਹੋਣਾ ਆਮ ਪਛਾਣ-ਨਿਸ਼ਾਨ ਹੈ। ਅਤੇ ਦੱਸੋ ਕਿ ਵਿਸ਼ਾ ਕਿਹੜੇ ਤਲ ਉੱਤੇ ਹੈ: ਜੇ ਸਾਈਕਲ ਵਾਲੀ ਕੋਰੀਅਰ ਹੀ ਤਸਵੀਰ ਦਾ ਨੁਕਤਾ ਹੈ ਤਾਂ ਉਹ ਵਿਚਕਾਰਲੇ ਤਲ ਵਿੱਚ ਬਣਦੀ ਹੈ, ਨਹੀਂ ਤਾਂ ਟਾਵਰ ਅਤੇ ਕੌਫ਼ੀ ਦਾ ਕੱਪ ਉਸ ਨਾਲ ਫ਼ਰੇਮ ਲਈ ਲੜਨਗੇ।

07ਸਹੀ ਰੰਗ: hex ਕੋਡ, ਵਸਤੂਆਂ ਨਾਲ ਜੁੜੇ ਹੋਏ

ਬ੍ਰਾਂਡ ਦੇ ਕੰਮ, ਪਹਿਰਾਵੇ ਦੀ ਇਕਸਾਰਤਾ, ਜਾਂ ਜਿੱਥੇ ਵੀ “ਲਾਲ” ਕਾਫ਼ੀ ਖ਼ਾਸ ਨਹੀਂ, ਉੱਥੇ hex ਕੋਡ ਨੂੰ color #RRGGBB ਵਜੋਂ ਲਿਖੋ ਅਤੇ ਉਸਨੂੰ ਨਾਮ ਵਾਲੀ ਵਸਤੂ ਨਾਲ ਜੋੜੋ:

...wearing a heavy wool peacoat, color #8B0000, over a cream
turtleneck, against a studio backdrop, color #1E3A5F.

...#8B0000, #1E3A5F, dark red and navy color palette, moody...

ਤਿੰਨ ਮੋਟੇ ਨਿਯਮ। hex ਸਿਰਫ਼ ਉਨ੍ਹਾਂ ਦੋ-ਤਿੰਨ ਰੰਗਾਂ ਲਈ ਵਰਤੋ ਜੋ ਸੱਚਮੁੱਚ ਮਾਇਨੇ ਰੱਖਦੇ ਹਨ ਅਤੇ ਬਾਕੀ ਲਈ ਸਾਦੇ ਸ਼ਬਦ — ਛੇ hex ਕੋਡਾਂ ਵਾਲਾ ਪ੍ਰੌਂਪਟ ਆਪਣਾ ਬਹੁਤਾ ਬਜਟ ਰੰਗਾਂ ਦੇ ਟੁਕੜਿਆਂ ਉੱਤੇ ਖ਼ਰਚ ਕਰਦਾ ਹੈ। ਕੋਡ ਨੂੰ ਕਿਨਾਰਿਆਂ ਵਾਲੀ ਵਸਤੂ ਨਾਲ ਜੋੜੋ, ਕਦੇ “ਰੌਸ਼ਨੀ” ਜਾਂ “ਮਾਹੌਲ” ਨਾਲ ਨਹੀਂ। ਅਤੇ ਯਾਦ ਰੱਖੋ ਕਿ ਇਹ ਵਸਤੂ ਦਾ ਰੰਗ ਦੱਸਦਾ ਹੈ, ਆਖ਼ਰੀ ਪਿਕਸਲ ਦਾ ਮੁੱਲ ਨਹੀਂ: ਸੁਨਹਿਰੀ ਵੇਲੇ ਦੀ ਪਿਛਲੀ ਰੌਸ਼ਨੀ ਵਿੱਚ #8B0000 ਵਾਲਾ ਕੋਟ ਸਵੈਚ ਨਾਲੋਂ ਨਿੱਘਾ ਦਿਸੇਗਾ, ਬਿਲਕੁਲ ਜਿਵੇਂ ਅਸਲ ਜ਼ਿੰਦਗੀ ਵਿੱਚ ਹੁੰਦਾ।

08ਆਸਪੈਕਟ ਰੇਸ਼ੋ ਚੁਣਨਾ

ਪੰਜ ਰੇਸ਼ੋ ਉਪਲਬਧ ਹਨ ਅਤੇ ਠੀਕ ਵਾਲਾ ਆਮ ਤੌਰ ਉੱਤੇ ਵਿਸ਼ੇ ਤੋਂ ਹੀ ਸਮਝ ਆ ਜਾਂਦਾ ਹੈ, ਪਰ ਤੁਹਾਡੀ ਸਾਫ਼ ਬੇਨਤੀ ਹਮੇਸ਼ਾ ਜਿੱਤਦੀ ਹੈ — ਵਾਲਪੇਪਰ ਮੰਗੋ ਤਾਂ ਸਮੱਗਰੀ ਜੋ ਵੀ ਸੁਝਾਵੇ, ਤੁਹਾਨੂੰ tall ਮਿਲੇਗਾ।

ਇਸਨੂੰ ਗ਼ਲਤ ਕਰਨਾ ਦਿਸਣ ਨਾਲੋਂ ਵੱਧ ਨੁਕਸਾਨਦੇਹ ਹੈ। wide ਫ਼ਰੇਮ ਵਿੱਚ ਪੂਰੀ ਲੰਬਾਈ ਦੀ ਖੜ੍ਹੀ ਸ਼ਕਲ ਤੁਹਾਨੂੰ ਵੱਡੇ ਫ਼ਰੇਮ ਵਿੱਚ ਛੋਟੀ ਸ਼ਕਲ ਨਹੀਂ ਦਿੰਦੀ — ਆਮ ਤੌਰ ਉੱਤੇ ਕੱਟੀ ਹੋਈ ਸ਼ਕਲ ਦਿੰਦੀ ਹੈ, ਕਿਉਂਕਿ ਮਾਡਲ ਚੌੜਾਈ ਭਰਦਾ ਹੈ ਅਤੇ ਸਿਰ ਜਾਂ ਪੈਰ ਫ਼ਰੇਮ ਤੋਂ ਬਾਹਰ ਚਲੇ ਜਾਂਦੇ ਹਨ। ਫ਼ਰੇਮ ਨੂੰ ਵਿਸ਼ੇ ਦੇ ਭਾਰੂ ਧੁਰੇ ਨਾਲ ਮਿਲਾਓ ਅਤੇ ਰਚਨਾ ਬਾਰੇ ਬਹੁਤੀਆਂ ਸ਼ਿਕਾਇਤਾਂ ਗ਼ਾਇਬ ਹੋ ਜਾਣਗੀਆਂ।

ਦੋ ਗੱਲਾਂ ਯਾਦ ਰੱਖਣ ਯੋਗ ਹਨ: ਸੰਪਾਦਨ ਆਪਣੇ ਆਪ ਸਰੋਤ ਚਿੱਤਰ ਦਾ ਆਸਪੈਕਟ ਰੇਸ਼ੋ ਰੱਖਦਾ ਹੈ, ਸੋ ਤੁਸੀਂ ਸੰਪਾਦਨ ਨਾਲ ਫ਼ਰੇਮ ਨਹੀਂ ਬਦਲ ਸਕਦੇ, ਜਦਕਿ ਜੋੜਨ ਵੇਲੇ ਤੁਸੀਂ ਨਵਾਂ ਕੈਨਵਸ ਚੁਣ ਸਕਦੇ ਹੋ — ਜੋ ਅਕਸਰ ਤੁਹਾਡੇ ਕੋਲ ਪਹਿਲਾਂ ਤੋਂ ਮੌਜੂਦ ਚੀਜ਼ ਦੀ ਸ਼ਕਲ ਬਦਲਣ ਦਾ ਸਭ ਤੋਂ ਸਾਫ਼ ਤਰੀਕਾ ਹੁੰਦਾ ਹੈ।

09ਗ਼ਲਤ ਆਦਤਾਂ: ਕੀ ਕਰਨਾ ਬੰਦ ਕਰੋ

ਗੁਣਵੱਤਾ ਟੋਕਨ: “masterpiece, best quality, 8k, ultra detailed”

ਇਹ ਕਮਿਊਨਿਟੀ ਵੱਲੋਂ ਲੱਭੇ ਗਏ ਹੱਥੇ ਸਨ ਜੋ ਇੱਕ ਖ਼ਾਸ ਪੁਰਾਣੀ ਸਿਖਲਾਈ ਵੰਡ ਲਈ ਸਨ, ਜਿੱਥੇ ਕੁਝ ਕੈਪਸ਼ਨ ਵਾਕਾਂਸ਼ ਕੁਝ ਚਿੱਤਰ ਸਰੋਤਾਂ ਨਾਲ ਜੁੜਦੇ ਸਨ। ਉਹ ਇੱਥੇ ਤਬਦੀਲ ਨਹੀਂ ਹੁੰਦੇ। ਇੱਥੇ ਇਹ ਆਮ ਅੰਗਰੇਜ਼ੀ ਸ਼ਬਦਾਂ ਵਜੋਂ ਪੜ੍ਹੇ ਜਾਂਦੇ ਹਨ, ਕੁਝ ਨਹੀਂ ਜੋੜਦੇ, ਅਤੇ ਉਸ ਸ਼ਬਦ ਬਜਟ ਦਾ ਹਿੱਸਾ ਖਾ ਜਾਂਦੇ ਹਨ ਜਿਸ ਬਾਰੇ ਤੁਹਾਨੂੰ ਪਹਿਲਾਂ ਹੀ ਦੱਸਿਆ ਜਾ ਚੁੱਕਾ ਹੈ ਕਿ ਉਹ ਤੰਗ ਹੈ। ਬਦਲ ਇਹ ਹੈ ਕਿ ਦੱਸੋ ਤੁਸੀਂ ਕਿਹੜਾ ਵੇਰਵਾ ਚਾਹੁੰਦੇ ਹੋ: “ultra detailed” ਨਹੀਂ ਸਗੋਂ “ਕੋਟ ਦੇ ਕੱਪੜੇ ਵਿੱਚ ਦਿਸਦੀ ਬੁਣਾਈ ਅਤੇ ਜਬਾੜੇ ਉੱਤੇ ਬਾਰੀਕ ਦਾੜ੍ਹੀ” — ਉਹੀ ਇਰਾਦਾ, ਪਰ ਅਜਿਹੇ ਰੂਪ ਵਿੱਚ ਜਿਸਨੂੰ ਮਾਡਲ ਰੈਂਡਰ ਕਰ ਸਕੇ।

ਵਜ਼ਨ ਸਿੰਟੈਕਸ: (word:1.3), [word], {{word}}

ਪਾਰਸ ਨਹੀਂ ਹੁੰਦਾ। ਬਰੈਕਟ, ਕੌਲਨ ਅਤੇ ਅੰਕ ਸ਼ਾਬਦਿਕ ਲਿਖਤ ਵਜੋਂ ਲੱਗਦੇ ਹਨ ਅਤੇ, ਜੇ ਕੁਝ ਕਰਦੇ ਹਨ ਤਾਂ ਆਲੇ-ਦੁਆਲੇ ਦੇ ਵਾਕ ਨੂੰ ਪੜ੍ਹਨਾ ਔਖਾ ਬਣਾ ਦਿੰਦੇ ਹਨ। ਜੇ ਤੁਸੀਂ ਕਿਸੇ ਚੀਜ਼ ਉੱਤੇ ਵੱਧ ਜ਼ੋਰ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਉਹ ਦੋ ਲੀਵਰ ਵਰਤੋ ਜੋ ਸੱਚਮੁੱਚ ਕੰਮ ਕਰਦੇ ਹਨ: ਉਸਨੂੰ ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਪਹਿਲਾਂ ਲਿਆਓ, ਅਤੇ ਉਸਨੂੰ ਵੱਧ ਸ਼ਬਦ ਦਿਓ। “A crimson silk scarf, its fringed ends lifting in the wind” ਹਰ ਮਾਇਨੇ ਰੱਖਣ ਵਾਲੇ ਪੈਮਾਨੇ ਉੱਤੇ “(red scarf:1.4)” ਨਾਲੋਂ ਭਾਰੂ ਹੈ।

ਟਕਰਾਉਂਦੀਆਂ ਹਦਾਇਤਾਂ

ਬੇਮੇਲ ਹਦਾਇਤਾਂ ਰਲਾਉਣ ਨਾਲ ਉਹ ਮਿਲਦੀਆਂ ਨਹੀਂ; ਇੱਕ ਡਾਵਾਂਡੋਲ ਔਸਤ ਬਣਦੀ ਹੈ ਜੋ ਆਮ ਤੌਰ ਉੱਤੇ ਕਿਸੇ ਨੂੰ ਵੀ ਸੰਤੁਸ਼ਟ ਨਹੀਂ ਕਰਦੀ। ਆਮ ਦੋਸ਼ੀ:

• ਮਾਧਿਅਮ — “photorealistic” ਨਾਲ “watercolor”; “oil painting” ਨਾਲ “shot on 85mm”। ਇੱਕ ਚੁਣੋ ਅਤੇ ਉਸ ਉੱਤੇ ਟਿਕੇ ਰਹੋ।
• ਫ਼ਰੇਮਿੰਗ — “wide establishing shot” ਨਾਲ “extreme close-up on her eyes”; “full body” ਨਾਲ “detailed facial pores”।
• ਰੌਸ਼ਨੀ — “harsh midday sun” ਨਾਲ “soft golden hour glow”; “low key, deep shadows” ਨਾਲ “bright and airy”।
• ਦੌਰ — “1970s film aesthetic” ਨਾਲ “modern minimalist” ਅਤੇ “cyberpunk”।
• ਸ਼ੈਲੀਆਂ ਦਾ ਢੇਰ — ਇੱਕੋ ਵੇਲੇ ਚਾਰ ਕਲਾਕਾਰ ਜਾਂ ਚਾਰ ਵਿਧਾਵਾਂ। ਦੋ ਸੰਬੰਧਿਤ ਹਵਾਲੇ ਚੱਲ ਸਕਦੇ ਹਨ; ਚਾਰ ਇੱਕ-ਦੂਜੇ ਨੂੰ ਕੱਟ ਕੇ ਆਮ ਬਣਾ ਦਿੰਦੇ ਹਨ।
• ਫੈਲਾਅ — “rustic, weathered, ancient, timeworn wooden door” ਇੱਕੋ ਵਿਚਾਰ ਚਾਰ ਵਾਰ ਲਿਖਿਆ ਹੈ, ਅਤੇ ਹਰ ਦੁਹਰਾਅ ਬਾਕੀ ਪ੍ਰੌਂਪਟ ਨੂੰ ਪਤਲਾ ਕਰਦਾ ਹੈ।

10ਲਿਖਤ-ਤੋਂ-ਚਿੱਤਰ ਵਿੱਚ ਕੋਈ ਨਾਂਹ-ਪੱਖੀ ਪ੍ਰੌਂਪਟ ਨਹੀਂ ਹੁੰਦਾ

ਇਹ ਉਹ ਗ਼ਲਤ ਆਦਤ ਹੈ ਜੋ ਤਜਰਬੇਕਾਰ ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਸਭ ਤੋਂ ਵੱਧ ਫੜਦੀ ਹੈ, ਕਿਉਂਕਿ ਪੁਰਾਣੇ ਢਾਂਚਿਆਂ ਉੱਤੇ ਨਾਂਹ-ਪੱਖੀ ਪ੍ਰੌਂਪਟ ਅੱਧਾ ਹੁਨਰ ਸੀ।

ਜਨਰੇਸ਼ਨ ਲਈ ਨਿਯਮ ਪੱਕਾ ਹੈ ਅਤੇ ਥੋੜ੍ਹਾ ਉਲਟ ਲੱਗਦਾ ਹੈ: ਪ੍ਰੌਂਪਟ ਵਿੱਚ “no text, no watermark, no extra fingers” ਲਿਖਣ ਨਾਲ ਇਹ ਚੀਜ਼ਾਂ ਵੱਧ ਸੰਭਾਵਿਤ ਹੋ ਜਾਂਦੀਆਂ ਹਨ, ਘੱਟ ਨਹੀਂ। ਮਾਡਲ “no text” ਨੂੰ ਅਜਿਹੇ ਵਾਕ ਵਜੋਂ ਪੜ੍ਹਦਾ ਹੈ ਜਿਸ ਵਿੱਚ text ਦਾ ਸੰਕਲਪ ਹੈ; ਨਾਂਹ ਕਮਜ਼ੋਰ ਸੰਕੇਤ ਹੈ ਅਤੇ ਨਾਂਵ ਤਾਕਤਵਰ। ਤੁਸੀਂ ਅਸਲ ਵਿੱਚ ਲਿਖਤ ਹੀ ਮੰਗ ਲਈ ਹੈ। ਇਸਦੀ ਥਾਂ ਹਮੇਸ਼ਾ ਹਾਂ-ਪੱਖੀ ਰੂਪ ਦੱਸੋ:

ਸੰਪਾਦਨ ਅਤੇ ਜੋੜਨ ਲਈ ਨਾਂਹ-ਪੱਖੀ ਪ੍ਰੌਂਪਟ ਮੌਜੂਦ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਵਰਤਣਾ ਚਾਹੀਦਾ ਹੈ — ਪਰ ਖ਼ਰਾਬੀਆਂ ਲਈ, ਸਮੱਗਰੀ ਲਈ ਨਹੀਂ। ਚੰਗੀ ਸਮੱਗਰੀ: ਵਾਟਰਮਾਰਕ, ਲਿਖਤ ਦੀ ਪਰਤ, ਦੁਹਰੇ ਅੰਗ, ਵਿੰਗੇ ਹੱਥ, ਵਾਧੂ ਤਿੱਖ ਦੇ ਚਮਕਦੇ ਘੇਰੇ, JPEG ਦੇ ਖ਼ਾਨੇ, ਜੋੜ ਦੇ ਕਿਨਾਰੇ ਦੀਆਂ ਲਕੀਰਾਂ। ਮਾੜੀ ਸਮੱਗਰੀ: ਉਹ ਸਭ ਜੋ ਦੱਸਦਾ ਹੈ ਕਿ ਤਸਵੀਰ ਕਿਸ ਦੀ ਹੈ, ਜੋ ਹਦਾਇਤ ਵਿੱਚ ਬਣਦਾ ਹੈ।

11Shannon ਤੁਹਾਡੇ ਲਈ ਜੋ ਪ੍ਰੌਂਪਟ ਲਿਖਦਾ ਹੈ, ਉਸਨੂੰ ਪੜ੍ਹਨਾ

ਇਹੀ ਗੱਲ ਇਸ ਗਾਈਡ ਨੂੰ ਸਿਧਾਂਤਕ ਦੀ ਥਾਂ ਤੁਰੰਤ ਕੰਮ ਆਉਣ ਵਾਲੀ ਬਣਾਉਂਦੀ ਹੈ। ਤੁਹਾਨੂੰ ਜਨਰੇਸ਼ਨ ਪ੍ਰੌਂਪਟ ਖ਼ੁਦ ਲਿਖਣ ਦੀ ਲੋੜ ਨਹੀਂ। ਤੁਸੀਂ ਕਿਸੇ ਵੀ ਭਾਸ਼ਾ ਵਿੱਚ, ਸਾਦੀ ਬੋਲੀ ਵਿੱਚ ਮੰਗਦੇ ਹੋ; Shannon ਪਛਾਣਦਾ ਹੈ ਕਿ ਚਿੱਤਰ ਮੰਗਿਆ ਜਾ ਰਿਹਾ ਹੈ, ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਜਨਰੇਸ਼ਨ ਪ੍ਰੌਂਪਟ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਕੁਝ ਵੀ ਰੈਂਡਰ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਉਹ ਤੁਹਾਨੂੰ ਪੁਸ਼ਟੀ ਕਾਰਡ ਉੱਤੇ ਦਿਖਾਉਂਦਾ ਹੈ। ਤੁਹਾਡੀ ਪੁਸ਼ਟੀ ਤੋਂ ਬਿਨਾਂ ਨਾ ਕੁਝ ਬਣਦਾ ਹੈ ਅਤੇ ਨਾ ਕੋਈ ਬਿਲ।

ਸੋ ਸਭ ਤੋਂ ਵੱਧ ਫ਼ਾਇਦਾ ਦੇਣ ਵਾਲਾ ਹੁਨਰ ਸਿਫ਼ਰ ਤੋਂ ਪ੍ਰੌਂਪਟ ਲਿਖਣਾ ਨਹੀਂ — ਸਗੋਂ ਕਾਰਡ ਉੱਤੇ ਪਏ ਪ੍ਰੌਂਪਟ ਨੂੰ ਪੜ੍ਹਨਾ ਹੈ। ਇਹ ਸੂਚੀ ਵੇਖੋ:

1. ਕੀ ਵਿਸ਼ਾ ਠੋਸ ਹੈ? ਜੇ ਕਾਰਡ ਉੱਤੇ “a person” ਜਾਂ “a woman” ਲਿਖਿਆ ਹੈ, ਤਾਂ ਤੁਹਾਨੂੰ ਸਭ ਤੋਂ ਵੱਡਾ ਉਪਲਬਧ ਸੁਧਾਰ ਮਿਲ ਗਿਆ। ਉਸਨੂੰ ਉਮਰ, ਕੱਦ-ਕਾਠੀ, ਕੋਈ ਖ਼ਾਸੀਅਤ ਦਿਓ।
2. ਕੀ ਵਿਸ਼ਾ ਪਹਿਲਾਂ ਹੈ? ਜੇ ਪ੍ਰੌਂਪਟ ਸ਼ੈਲੀ ਜਾਂ ਕੈਮਰੇ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਕਹੋ ਕਿ ਇਸਦੀ ਥਾਂ ਵਿਸ਼ੇ ਤੋਂ ਸ਼ੁਰੂ ਕਰੇ।
3. ਕੀ ਇਹ ਦਾਇਰੇ ਵਿੱਚ ਹੈ? 30 ਸ਼ਬਦਾਂ ਤੋਂ ਘੱਟ ਹੋਵੇ ਤਾਂ ਰੌਸ਼ਨੀ ਅਤੇ ਥਾਂ ਬਾਰੇ ਹੋਰ ਵੇਰਵਾ ਮੰਗੋ। 100 ਤੋਂ ਵੱਧ ਹੋਵੇ ਤਾਂ ਕੱਟਣ ਲਈ ਕਹੋ।
4. ਕੀ ਕੋਈ ਰੌਸ਼ਨੀ ਦਾ ਸਰੋਤ ਹੈ? ਮਾਹੌਲ ਦਾ ਸ਼ਬਦ ਨਹੀਂ — ਅਸਲ ਰੌਸ਼ਨੀ: ਖਿੜਕੀ, ਸੜਕ ਦਾ ਲੈਂਪ, ਫ਼ਲੈਸ਼, ਬੱਦਲਵਾਈ ਵਾਲਾ ਅਸਮਾਨ, ਸੌਫ਼ਟਬਾਕਸ।
5. ਕੋਈ ਟਕਰਾਅ? ਇੱਕੋ ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਦੋ ਮਾਧਿਅਮ, ਦੋ ਫ਼ਰੇਮਿੰਗ, ਜਾਂ ਦੋ ਰੌਸ਼ਨੀ ਹਾਲਤਾਂ ਲੱਭੋ।
6. ਕੋਈ ਲੁਕਵੀਂ ਨਾਂਹ? ਜੇ ਕਾਰਡ ਵਿੱਚ “without”, “no” ਜਾਂ “avoid” ਹੈ, ਤਾਂ ਉਹ ਲਿਖਤ-ਤੋਂ-ਚਿੱਤਰ ਪ੍ਰੌਂਪਟ ਉਹੀ ਚੀਜ਼ ਮੰਗ ਰਿਹਾ ਹੈ ਜਿਸਦਾ ਨਾਮ ਲੈ ਰਿਹਾ ਹੈ।
7. ਕੀ ਰੇਸ਼ੋ ਵਿਸ਼ੇ ਲਈ ਠੀਕ ਹੈ? wide ਵਿੱਚ ਪੂਰੀ ਲੰਬਾਈ ਦੀ ਸ਼ਕਲ ਸਭ ਤੋਂ ਆਮ ਬੇਮੇਲ ਹੈ।

ਸੁਧਾਰ ਗੱਲਬਾਤ ਵਾਂਗ ਹੁੰਦੇ ਹਨ: “ਉਸਨੂੰ ਤੀਹਵਿਆਂ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਬਣਾਓ, ਇੱਕ ਭਰਵੱਟੇ ਵਿੱਚੋਂ ਲੰਘਦਾ ਜ਼ਖ਼ਮ ਦਾ ਨਿਸ਼ਾਨ ਪਾਓ, 85mm ਉੱਤੇ Portra ਨਾਲ ਖਿੱਚੋ, ਅਤੇ portrait ਵਰਤੋ” ਇੱਕ ਬਿਲਕੁਲ ਵਧੀਆ ਹਦਾਇਤ ਹੈ। ਤੁਹਾਨੂੰ ਨਵਾਂ ਕਾਰਡ ਮਿਲਦਾ ਹੈ ਅਤੇ ਤੁਸੀਂ ਉਸਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹੋ। ਵਾਰ-ਵਾਰ ਸੋਧਣ ਦਾ ਕੋਈ ਜੁਰਮਾਨਾ ਨਹੀਂ, ਕਿਉਂਕਿ ਹਾਲੇ ਕੁਝ ਰੈਂਡਰ ਹੋਇਆ ਹੀ ਨਹੀਂ।

ਅਤੇ Shannon ਬਿਨਾਂ ਪੁੱਛੇ ਚਿੱਤਰ ਨਹੀਂ ਬਣਾਉਂਦਾ। ਸਲਾਮ, ਸਵਾਲ, ਜਾਂ ਚਰਚਾ ਲਈ ਜੋੜੀ ਫ਼ੋਟੋ ਕੋਈ ਰੈਂਡਰ ਨਹੀਂ ਚਲਾਉਂਦੀ। Shannon ਨੂੰ ਕਿਸੇ ਚਿੱਤਰ ਵੱਲ ਵੇਖਣ ਲਈ ਕਹਿਣਾ — ਵਰਣਨ ਕਰਨਾ, ਪੜ੍ਹਨਾ, ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ — ਆਮ ਵਿਜ਼ਨ ਕੰਮ ਹੈ, ਜਨਰੇਸ਼ਨ ਨਹੀਂ, ਅਤੇ ਇਸਦਾ ਕੋਈ ਵਾਧੂ ਖ਼ਰਚ ਨਹੀਂ।

12ਸੰਪਾਦਨ ਅਤੇ ਜੋੜਨ ਲਈ ਹੁਨਰ ਕਿਵੇਂ ਬਦਲਦਾ ਹੈ

ਉੱਪਰਲੇ ਨਿਯਮ ਜਨਰੇਸ਼ਨ ਲਈ ਲਿਖੇ ਗਏ ਹਨ। ਦੋ ਨਾਲ ਲੱਗਦੇ ਢੰਗ ਪ੍ਰੌਂਪਟ ਦੀ ਸ਼ਕਲ ਬਦਲ ਦਿੰਦੇ ਹਨ।

ਇੱਕ ਚਿੱਤਰ ਦਾ ਸੰਪਾਦਨ

ਸੰਪਾਦਨ ਪ੍ਰੌਂਪਟ ਇੱਕ ਹਦਾਇਤ ਹੈ, ਵਰਣਨ ਨਹੀਂ: ਦੱਸੋ ਕਿ ਕੀ ਬਦਲਦਾ ਹੈ ਅਤੇ ਕੀ ਉਵੇਂ ਹੀ ਰਹਿੰਦਾ ਹੈ। ਨਾ ਬਦਲਣ ਵਾਲੇ ਹਿੱਸਿਆਂ ਦੇ ਨਾਮ ਲੈਣਾ ਇਸ ਉਤਪਾਦ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਗੁਣਵੱਤਾ ਲੀਵਰ ਹੈ — “ਪਿਛੋਕੜ ਨੂੰ ਨਿਓਨ ਦੇ ਅਕਸਾਂ ਵਾਲੀ ਬਰਸਾਤੀ ਰਾਤ ਦੀ ਸ਼ਹਿਰੀ ਗਲੀ ਵਿੱਚ ਬਦਲੋ, ਔਰਤ ਨੂੰ ਬਿਲਕੁਲ ਉਵੇਂ ਹੀ ਰੱਖੋ” ਟਿਕਿਆ ਰਹਿੰਦਾ ਹੈ, ਜਦਕਿ ਉਸੇ ਬੇਨਤੀ ਵਿੱਚੋਂ ਇਹ ਵਾਕ ਹਟਾ ਦਿਓ ਤਾਂ ਉਹ ਚੁੱਪ-ਚਾਪ ਉਸਦਾ ਚਿਹਰਾ ਦੁਬਾਰਾ ਬਣਾ ਦਿੰਦਾ ਹੈ। ਟਿਕਾਅ ਬਾਰੇ ਸਪਸ਼ਟ ਰਹੋ: ਚਿਹਰਾ, ਮੁਦਰਾ, ਵਾਲ ਅਤੇ ਕੱਪੜੇ ਬਿਲਕੁਲ ਉਹੀ ਰੱਖੋ। ਠੀਕ ਇੱਕ ਸਰੋਤ ਚਿੱਤਰ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਨਤੀਜਾ ਉਸਦਾ ਆਸਪੈਕਟ ਰੇਸ਼ੋ ਰੱਖਦਾ ਹੈ।

ਦੋ ਜਾਂ ਵੱਧ ਚਿੱਤਰਾਂ ਨੂੰ ਜੋੜਨਾ

ਜਦੋਂ ਵੀ ਤੱਤ ਇੱਕ ਤੋਂ ਵੱਧ ਤਸਵੀਰਾਂ ਤੋਂ ਆਉਂਦੇ ਹਨ — ਪਹਿਰਾਵਾ ਬਦਲਣਾ, ਦ੍ਰਿਸ਼ ਵਿੱਚ ਕੋਈ ਵਸਤੂ, ਇੱਕੋ ਫ਼ਰੇਮ ਵਿੱਚ ਦੋ ਲੋਕ, ਵਿਅਕਤੀ ਉੱਤੇ ਉਤਪਾਦ, ਇੱਕ ਚਿੱਤਰ ਦੀ ਸ਼ੈਲੀ ਨਾਲ ਦੂਜੇ ਦਾ ਵਿਸ਼ਾ — ਤਾਂ ਪ੍ਰੌਂਪਟ ਨੂੰ ਹਰ ਚਿੱਤਰ ਦੀ ਭੂਮਿਕਾ, ਕ੍ਰਮ ਵਿੱਚ, ਦੱਸਣੀ ਪੈਂਦੀ ਹੈ: “ਪਹਿਲੇ ਚਿੱਤਰ ਵਾਲੀ ਔਰਤ ਦੂਜੇ ਚਿੱਤਰ ਵਾਲਾ ਲਾਲ ਬੁਣਿਆ ਸਵੈਟਰ ਪਾਈ, ਉਸੇ ਪਾਰਕ ਵਿੱਚ ਖੜ੍ਹੀ।” ਪਹਿਲਾ ਚਿੱਤਰ ਮੁੱਖ ਵਿਸ਼ਾ ਜਾਂ ਦ੍ਰਿਸ਼ ਹੁੰਦਾ ਹੈ; ਬਾਅਦ ਵਾਲੇ ਚਿੱਤਰ ਲਿਆਏ ਜਾਣ ਵਾਲੇ ਹਿੱਸੇ ਦਿੰਦੇ ਹਨ। ਬਹੁ-ਚਿੱਤਰ ਬੇਨਤੀ ਨੂੰ ਇੱਕ ਸਰੋਤ ਅਤੇ ਲਿਖਤੀ ਵਰਣਨ ਵਿੱਚ ਨਾ ਸਮੇਟੋ — ਅਸਲ ਚਿੱਤਰਾਂ ਨੂੰ ਜੋੜਨਾ ਹੀ ਉਹ ਚੀਜ਼ ਹੈ ਜੋ ਉਨ੍ਹਾਂ ਦੀ ਅਸਲ ਦਿੱਖ ਸੰਭਾਲਦੀ ਹੈ।

13ਬਿਨਾਂ ਸੈਂਸਰ ਪ੍ਰੌਂਪਟਿੰਗ: ਜੋ ਕਹਿਣਾ ਹੈ ਸਾਫ਼ ਕਹੋ

ਜਨਰੇਸ਼ਨ ਰਾਹ ਉੱਤੇ ਕੋਈ ਸਮੱਗਰੀ ਫਿਲਟਰ ਨਹੀਂ ਅਤੇ ਪ੍ਰੌਂਪਟ ਲਿਖਣ ਵਾਲੇ ਮਾਡਲ ਉੱਤੇ ਕੋਈ ਇਨਕਾਰ ਪਰਤ ਨਹੀਂ। ਇਹੀ ਇਸ ਉਤਪਾਦ ਦਾ ਪੂਰਾ ਨੁਕਤਾ ਹੈ: ਫਿਲਟਰ ਵਾਲੇ ਜਨਰੇਟਰ ਲਗਾਤਾਰ ਜਾਇਜ਼ ਕੰਮ ਤੋਂ ਇਨਕਾਰ ਕਰਦੇ ਹਨ — ਕਲਾ ਨਗਨ ਚਿੱਤਰ, ਮੈਡੀਕਲ ਅਤੇ ਫ਼ੌਰੈਂਸਿਕ ਚਿੱਤਰਕਾਰੀ, ਸੁਰੱਖਿਆ ਖੋਜ ਦੇ ਚਿੱਤਰ, ਗਲਪ ਵਿੱਚ ਹਿੰਸਾ, ਸਿਆਸੀ ਵਿਅੰਗ, ਹੱਕਦਾਰ ਵੱਲੋਂ ਕੀਤਾ ਬ੍ਰਾਂਡ ਅਤੇ ਸ਼ਕਲ ਵਾਲਾ ਕੰਮ। ਫਿਲਟਰ ਵਾਲੇ ਪਲੇਟਫ਼ਾਰਮਾਂ ਉੱਤੇ ਅੱਧਾ ਪ੍ਰੌਂਪਟ ਹੁਨਰ ਗੋਲ-ਮੋਲ ਸ਼ਬਦ ਘੜਨਾ ਹੀ ਹੈ, ਅਤੇ ਗੋਲ-ਮੋਲ ਸ਼ਬਦ ਸਹੀ ਚਿੱਤਰ ਦੇ ਦੁਸ਼ਮਣ ਹਨ।

ਸੋ ਕਾਰਡ ਉੱਤੇ ਇੱਕ ਹੋਰ ਚੀਜ਼ ਵੇਖਣ ਵਾਲੀ ਹੈ: ਕਿ ਉਹ ਅਸਲ ਵਿਸ਼ੇ ਦਾ ਵਰਣਨ ਸਾਦੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਕਰੇ, ਨਾ ਕਿ ਉਸ ਲਿਹਾਜ਼ ਵਾਲੀ ਸ਼ਬਦਾਵਲੀ ਵਿੱਚ ਜੋ ਲੋਕ ਫਿਲਟਰ ਵਾਲੇ ਟੂਲਾਂ ਤੋਂ ਸਿੱਖਦੇ ਹਨ। ਜ਼ਖ਼ਮ ਦੀ ਫ਼ੌਰੈਂਸਿਕ ਚਿੱਤਰਕਾਰੀ ਵਿੱਚ ਦੱਸਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਜ਼ਖ਼ਮ ਕੀ ਹੈ। ਲਿਹਾਜ਼ ਵਾਲੀ ਭਾਸ਼ਾ ਹਰ ਥਾਂ ਮਾੜਾ ਚਿੱਤਰ ਬਣਾਉਂਦੀ ਹੈ, ਕਿਉਂਕਿ ਮਾਡਲ ਉਹੀ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਸ਼ਬਦ ਕਹਿੰਦੇ ਹਨ।

ਸਮਰੱਥਾ ਅਤੇ ਸੂਝ-ਬੂਝ ਵੱਖ-ਵੱਖ ਚੀਜ਼ਾਂ ਹਨ। Shannon Lab LLC ਇਸਨੂੰ ਇੱਕ ਪ੍ਰਕਾਸ਼ਿਤ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਨੀਤੀ ਦੇ ਤਹਿਤ ਚਲਾਉਂਦੀ ਹੈ: ਬਿਨਾਂ ਫਿਲਟਰ ਜਨਰੇਸ਼ਨ ਇੱਕ ਪੇਸ਼ੇਵਰ ਟੂਲ ਹੈ, ਅਤੇ ਸਹਿਮਤੀ, ਹੱਕ ਅਤੇ ਕਾਨੂੰਨ ਤੁਹਾਡੇ ਬਣਾਏ ਹਰ ਚਿੱਤਰ ਉੱਤੇ ਹਾਲੇ ਵੀ ਲਾਗੂ ਹੁੰਦੇ ਹਨ।

14API ਕਿੱਥੇ ਬੈਠਦਾ ਹੈ

API ਦੀ ਖੋਜ ਤੋਂ ਆਏ ਪਾਠਕਾਂ ਲਈ ਇੱਕ ਸ਼ੁੱਧਤਾ ਦੀ ਗੱਲ: ਚਿੱਤਰ ਬਣਾਉਣਾ, ਸੰਪਾਦਨ ਅਤੇ ਜੋੜਨਾ Shannon ਚੈਟ ਐਪ ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ, /v1 API ਉੱਤੇ ਨਹੀਂ। API ਲਿਖਤ ਅਤੇ ਵਿਜ਼ਨ ਦੀ ਸੇਵਾ ਦਿੰਦਾ ਹੈ — ਇਹ ਤੁਹਾਡੇ ਭੇਜੇ ਚਿੱਤਰ ਤਿੰਨਾਂ ਬੋਲੀਆਂ (/v1/chat/completions, /v1/messages, /v1/responses, ਸਾਰੀਆਂ ਸਟ੍ਰੀਮਿੰਗ ਸਮੇਤ) ਵਿੱਚ ਪੜ੍ਹ, ਵਰਣਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਿਤ ਕਰ ਸਕਦਾ ਹੈ — ਪਰ ਇਹ ਉਨ੍ਹਾਂ ਨੂੰ ਬਣਾਉਂਦਾ ਨਹੀਂ। ਜੇ ਤੁਸੀਂ ਅਜਿਹੀ ਪਾਈਪਲਾਈਨ ਬਣਾ ਰਹੇ ਹੋ ਜਿਸਨੂੰ ਚਿੱਤਰ ਸਮਝਣੇ ਹਨ, ਤਾਂ API ਦਸਤਾਵੇਜ਼ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਥਾਂ ਹੈ। ਜੇ ਤੁਸੀਂ ਚਿੱਤਰ ਬਣਾਉਣੇ ਹਨ, ਤਾਂ ਉਹ ਚੈਟ ਐਪ ਹੈ, ਅਤੇ ਇਸ ਗਾਈਡ ਦੀ ਹਰ ਗੱਲ ਉੱਥੇ ਲਾਗੂ ਹੁੰਦੀ ਹੈ। ਚਿੱਤਰ ਸਾਡੇ ਆਪਣੇ GPU ਕਲੱਸਟਰ ਉੱਤੇ ਰੈਂਡਰ ਹੁੰਦੇ ਹਨ।

15ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ

ਸੰਬੰਧਿਤ ਪੜ੍ਹਤ: ਬਿਨਾਂ ਸੈਂਸਰ AI ਚਿੱਤਰ ਜਨਰੇਸ਼ਨ · ਬਿਨਾਂ ਸੈਂਸਰ AI ਚਿੱਤਰ ਸੰਪਾਦਨ · ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਨੀਤੀ · API ਦਸਤਾਵੇਜ਼ · Shannon ਦੀ ਸਾਰੀ ਖੋਜ। ਇੱਥੇ ਦਿੱਤੀ ਸੇਧ Shannon ਦੇ ਚਿੱਤਰ ਮਾਡਲ ਦੀ ਸਾਡੀ ਆਪਣੀ ਪਰਖ ਤੋਂ ਲਈ ਗਈ ਹੈ; ਪੁਰਾਣੇ ਡਿਫ਼ਿਊਜ਼ਨ ਢਾਂਚਿਆਂ ਲਈ ਲਿਖੀ ਸਲਾਹ ਆਮ ਤੌਰ ਉੱਤੇ ਇੱਥੇ ਲਾਗੂ ਨਹੀਂ ਹੁੰਦੀ।