Jak psát výzvy AI pro realistické lidi

Proč jsou lidé nejtěžším tématem

Diváci jsou experti na tváře a těla. Všimneme si trochu špatné ruky, nemožného držení těla nebo kůže, která vypadá jako plast, dlouho předtím, než si všimneme chyby v budově nebo krajině. To z lidí dělá téma, kde vágní výzvy selhávají nejviditelněji. Oprava je stejná jako u jakékoli fotografické výzvy, jen je přísnější: popsat, co by kamera skutečně zaznamenala, a nechat co nejméně na modelově představě průměrného člověka.

Vymyslete osobu, nepůjčujte si ji

Začněte od osoby, která neexistuje. Popište věkové rozmezí, tvar těla, vlasy, oblečení a činnost a nechte detaily být obyčejné. Nikdy nevyžadujte podobu skutečného soukromého jednotlivce a nikdy nevytvářejte skutečnou veřejnou osobnost v situaci, která by mohla být považována za skutečnou. Kromě etiky mnoho jurisdikcí uznává osobnostní práva, která lidem umožňují kontrolovat komerční využití jejich jména, image a podoby. Pravidla se v jednotlivých zemích liší a vynalezený člověk se otázce zcela vyhýbá.

Popište činnost, ne pózu

Lidé fotografovaní při něčem vypadají přirozeně; lidé, kterým bylo řečeno, aby pózovali, vypadali jako obrázky z fotobanky. Místo ženy usmívající se do kamery zkuste čtyřicátnici číst papírovou mapu na nádraží a v druhé ruce držet kávu. Činnost dává tělu důvod pro jeho držení těla, dává rukám něco, čeho se mohou držet, a dává tváři výraz, který vychází spíše z úkolu než z výzvy.

Držení těla a váha

Skutečná těla nesou váhu. Někdo se opírá o zábradlí, sedí na okraji židle a během čekání přenese váhu na jednu nohu: to jsou malé fyzické skutečnosti, díky nimž je postava uvěřitelná. Ztuhlé, symetrické postavy směřující dopředu jsou jedním z nejběžnějších znaků generovaného obrazu. Jediná věta o tom, kde leží váha a o co se člověk opírá, často udělá více než několik vět o jeho vzhledu.

Oblečení jako materiál a střih

Popište oblečení tak, jak byste popsali jakýkoli jiný povrch: mačkaná lněná košile s ohrnutými rukávy, těžký vlněný kabát, trochu příliš velký, obnošené plátěné tenisky. Látka, která se skládá, natahuje a mačká, je jedním z nejsilnějších realistických signálů, protože reaguje na tělo pod ní. Obecná slova jako stylový nebo elegantní neříkají nic o materiálu a obvykle vytvářejí oblečení, které vypadá čerstvě rozbalené.

Kůže, bez retuše

Vygenerované obličeje jsou často hladké a rovnoměrné, jako silně retušované reklamy. Pokud chcete přirozený výsledek, řekněte to fyzicky: přirozená textura pleti, viditelné póry, jemné linky kolem očí, lehké spálení přes nos, žádný make-up. Pomáhá také popis světla, protože měkké boční světlo jemně odhaluje texturu, zatímco ploché přední světlo ji maže. Vyhněte se hromadění výrazů jako dokonalý nebo bezchybný, které výsledek posouvají dále k plastickému vzhledu.

Ruce potřebují práci

Ruce jsou známou slabou stránkou generátorů obrázků. Nejspolehlivějším přístupem je dát jim něco konkrétního, co mají dělat, držet šálek, spočívat na stole, zastrčený v kapse kabátu, než je nechat volně v rámu. Méně viditelných prstů znamená menší pravděpodobnost chyby. Před použitím obrázku si vždy prohlédněte ruce: spočítejte prsty, zkontrolujte, jak uchopí předměty, a podívejte se, kde se setkávají se zápěstím.

Světlo na tvářích

Klasické fotografické nastavení, popsané v tradici tříbodového osvětlení, používá hlavní světlo na objekt, sekundární světlo ke změkčení stínů a světlo zezadu k oddělení objektu od pozadí. K použití myšlenky nepotřebujete žargon. Měkké světlo okna z jedné strany, jemný odraz vyplňující stranu stínu a světlé pozadí za hlavou popisuje stejné uspořádání jednoduchými slovy. Nadzemní polední slunce naopak vytváří tmavé stíny pod očima a je zřídka lichotivé.

Rámování a vzdálenost

Řekněte, jak blízko je kamera. Portrét s hlavou a rameny, postava viděná z několika metrů na ulici, malá postava v široké krajině: každý z nich nastavuje měřítko, ve kterém mají být tváře a ruce vykresleny. Širší rámování skrývá drobné chyby a vypovídá více o příběhu; detailní záběry odhalí vše. Pro co nejpřirozenější výsledky je nejshovívavější výchozí bod střední zarámování s jasnou aktivitou a skutečným prostředím.

Rozmanitost záměrem, nikoli náhodou

Generátory obrázků odrážejí vzorce ve svých tréninkových datech a jedna studie Midjourney zjistila, že i neutrální výzvy vracely nestejné výsledky podle pohlaví, barvy pleti a umístění. Pokud chcete konkrétní osobu, popište ji konkrétně. Pokud vytváříte sérii, změňte věk, tvar těla a vzhled záměrně, spíše než abyste nejprve přijali cokoli, co model vrátí, a než ji publikujete, zkontrolujte sadu jako celek.

Souhlas a syntetická média

Rámec Partnership on AI pro zodpovědná syntetická média je postaven na třech myšlenkách: souhlas, zveřejnění a transparentnost. Pro generované lidi souhlas většinou znamená nepoužívat něčí podobiznu bez povolení, a to ani prostřednictvím referenčních fotografií. Pokud pracujete z fotografie skutečné osoby, například abyste si zachovali konzistentní charakter, ujistěte se, že máte jasný souhlas této osoby s konkrétním použitím, a nikdy nevytvářejte obrázky, které někoho sexualizují, ponižují nebo se vydávají za někoho jiného.

Pravidla zveřejňování, která je třeba znát

V Evropské unii zákon o AI definuje hluboký padělek jako umělou inteligencí nebo zmanipulovaný obrazový, zvukový nebo video obsah, který se podobá existujícím osobám, předmětům, místům, entitám nebo událostem a falešně by se jevil jako autentický. Zadavatelé, kteří generují takový obsah, musí prozradit, že byl uměle vytvořen nebo zmanipulován, s omezenějším zveřejněním pro zjevně umělecké, kreativní, satirické nebo fiktivní práce. Evropská komise uvádí, že tato pravidla transparentnosti platí od srpna 2026. Realisticky vymyšlená osoba v kontextu, který by mohl být považován za skutečný, si zaslouží nálepku všude.

Označte soubor, nejen titulek

Při opětovném sdílení obrázku lze titulek oříznout nebo ztratit. Existují standardy metadat pro přenášení informací se souborem: slovník IPTC Digital Source Type obsahuje hodnoty pro média vytvořená pomocí generativní umělé inteligence a mnoho nástrojů zapisuje takové informace automaticky. Při úpravách a exportu jej ponechte nedotčený a přidejte viditelnou poznámku všude tam, kde by si lidé mohli obrázek přiměřeně splést s fotografií skutečné osoby.

Kam se hodí LarpGPT

LarpGPT je knihovna fotografických výzev pro cestování, architekturu, auta a životní styly, napsané kolem předmětu, kompozice, osvětlení a objektivu, a mnohé z jejích scén životního stylu lze upravit tak, aby zahrnovaly vynalezenou osobu pomocí výše uvedeného přístupu. Zkopírujete výzvu a vložíte ji do generátoru obrázků, který již používáte. LarpGPT negeneruje obrázky; respektování práv jiných lidí a zveřejňování syntetického obsahu zůstává s vámi.

Zdroje a další čtení

• Regulation (EU) 2024/1689 (Artificial Intelligence Act), Articles 3 and 50
• European Commission: AI Act, regulatory framework and application timeline
• Partnership on AI: Responsible Practices for Synthetic Media
• Personality rights (Wikipedia)
• Midjourney (Wikipedia), section on bias in generated images
• IPTC Digital Source Type NewsCodes