Die Anatomie einer fotorealistischen Bildaufforderung

Eine Aufforderung ist eine kurze Aussage, kein Zauberspruch

Das hartnäckigste Missverständnis über Bildaufforderungen ist, dass bestimmte Wörter magisch sind und die Aufgabe darin besteht, sie zu sammeln. Was tatsächlich funktioniert, ist eher das Briefing eines Fotografen, der keine Fragen stellen kann. Sie beschreiben eine Szene, die jemand aufbauen, beleuchten und fotografieren muss, und jede Entscheidung, die Sie unausgesprochen lassen, ist eine Entscheidung, die das Model für Sie trifft, normalerweise in Richtung der durchschnittlichsten Version dessen, was Sie gefragt haben.

Ein Satz pro Entscheidung

Lange Eingabeaufforderungen scheitern nicht, weil sie lang sind, sondern weil sie undifferenziert sind. Zwanzig Adjektive in einem Satz konkurrieren miteinander und das Modell mittelt sie. Der gleiche Inhalt, aufgeteilt in kurze Sätze, von denen jeder eine Entscheidung enthält, führt zu einem weitaus vorhersehbareren Ergebnis. Dadurch ist die Eingabeaufforderung auch bearbeitbar, da Sie sehen können, welcher Satz geändert werden muss, wenn etwas nicht stimmt.

Das Thema steht an erster Stelle und hat das größte Gewicht

Die Position ist wichtig. Was am Anfang einer Eingabeaufforderung erscheint, wird in der Regel stärker gewichtet, sodass das Thema konkret beschrieben in den Vordergrund gehört. Ein konkretes Motiv ist etwas, das man fotografieren kann: ein Objekt, ein Ort, eine Situation mit physikalischen Eigenschaften. Abstrakte Themen geben dem Modell nichts, worauf es aufbauen kann, und es wird etwas Generisches erfinden, um den Raum zu füllen.

Beschreiben Sie, was sichtbar wäre, nicht was gefühlt wird

Dies ist die nützlichste Disziplin überhaupt. Ein Wort wie „melancholisch“ ist eine Interpretation, und das Modell muss erraten, welche visuelle Anordnung sie hervorbringt. Regen auf einem Fenster, eine einzelne brennende Lampe, ein leerer Stuhl: Das sind Dinge, die eine Kamera aufzeichnet. Schreiben Sie die Ursachen und nicht die Wirkung auf, und die Wirkung stellt sich von selbst mit weitaus größerer Konsistenz ein.

Die Szene setzt die Zwänge

Die Kulisse ist keine Dekoration. Es bestimmt, welches Licht verfügbar ist, welche Oberflächen vorhanden sind, um es zu reflektieren, was im Hintergrund erscheinen kann und in welchem Maßstab alles angezeigt wird. Ein ausführlich beschriebenes Thema ohne festgelegte Einstellung wird an einer generischen Stelle platziert, und die generische Einstellung widerspricht dann der Hälfte Ihrer Entscheidungen zu dem Thema.

Der Moment verengt eine Szene auf ein Foto

Tageszeit, Wetter und Jahreszeit leisten mehr Arbeit, als die meisten Menschen erwarten, da jede einzelne davon ein ganzes Beleuchtungssetup mit sich bringt. Der späte Nachmittag im Herbst bedeutet eine tiefstehende, warme Sonne, lange Schatten und einen besonderen Farbstich, alles aus vier Wörtern. In den meisten Aufforderungen ist die Benennung des Augenblicks der effizienteste Satz.

Licht ist eine Entscheidung, kein nachträglicher Gedanke

Fotos bestehen größtenteils aus Licht, und eine unbestimmte Wahl der Beleuchtung ist der schnellste Weg zu einem flachen, gleichmäßig ausgeleuchteten Bild, das synthetisch aussieht. Sagen Sie, woher das Licht kommt und welche Art es ist. Fensterlicht von links. Eine einzige Overhead-Quelle. Bedeckter Himmel. Direkte Sonne durch die Blätter. Jedes erzeugt ein anderes Bild vom gleichen Motiv und der gleichen Szene.

Hartes und weiches Licht erfüllen unterschiedliche Aufgaben

Licht von einer kleinen oder weit entfernten Quelle ist hart: scharfe Schattenkanten, hoher Kontrast, sichtbare Textur. Das Licht einer großen oder diffusen Quelle ist weich: allmähliche Schatten, geringer Kontrast, sanftere Oberflächen. Die Benennung des gewünschten Bildes verrät dem Modell mehr über die Stimmung eines Bildes als jedes Adjektiv über die Stimmung.

Kompositionsanweisungen, denen das Modell folgen kann

Rahmenbegriffe sind nützlich, weil sie eindeutig sind. Nahaufnahme, Weitwinkelaufnahme, Augenhöhe, niedriger Winkel, von oben. Ob das Motiv mittig oder seitlich sitzt. Was ist davor und was ist dahinter. Dies sind die Worte, die ein Fotograf am Set verwenden würde, und sie lassen sich sauber übersetzen, weil sie eher die Geometrie als den Geschmack beschreiben.

Linsensprache und was sie tatsächlich tut

Eine große Brennweite verstärkt die Tiefe und macht nahe Dinge groß. Eine lange Brennweite komprimiert die Entfernung und glättet Schichten. Eine große Blende wirft den Hintergrund unscharf und isoliert das Motiv. Diese Begriffe funktionieren in Eingabeaufforderungen, da sie dem realen optischen Verhalten entsprechen und die Abfrage einer geringen Schärfentiefe präziser ist als die Abfrage eines verschwommenen Hintergrunds.

Farbe, zurückhaltend

Durch die Benennung von zwei oder drei Farben entsteht ein stimmiges Bild. Die Benennung von acht erzeugt Schlamm, da das Modell versucht, alle einzubeziehen, und keiner dominiert. Wenn eine Farbe wichtig ist, binden Sie sie an ein Objekt und nicht an das gesamte Bild: Eine rote Tür lässt sich besser lesen als eine rot getönte Szene und lässt dem Rest der Palette die Freiheit, dem Licht zu folgen.

Ändern Sie jeweils eine Sache

Wenn ein Ergebnis knapp, aber falsch ist, besteht der Instinkt darin, die Eingabeaufforderung neu zu schreiben. Widerstehen Sie ihm. Ändern Sie einen Satz, regenerieren Sie ihn und sehen Sie, was sich bewegt hat. Dies ist pro Versuch langsamer und insgesamt viel schneller, da Sie lernen, was jeder Satz bewirkt. Eine neu geschriebene Eingabeaufforderung, die funktioniert, lehrt Sie nichts, was Sie morgen wiederverwenden können.

Behalten Sie die Versionen, die Sie verwerfen

Eine Eingabeaufforderung, die etwas Interessantes hervorgebracht hat, aber nicht das, was Sie wollten, ist es wert, behalten zu werden. Prompt-Bibliotheken werden aus diesen erstellt, nicht aus den Erfolgen, denn die Beinahe-Unfälle sind das, was Sie anpassen, wenn der nächste Auftrag etwas anders ausfällt. Ein Hinweis darauf, wie das Ergebnis tatsächlich aussah, ist mehr wert als die Aufforderung allein.

Passen Sie sich an, ohne die Struktur zu zerstören

Wenn Sie eine Eingabeaufforderung wiederverwenden, tauschen Sie das Motiv und die Einstellung aus und lassen Sie die Licht-, Kompositions- und Objektivsätze zunächst in Ruhe. Das sind die Teile, die ein Bild fotografisch aussehen lassen, und es sind die Teile, die gelöscht werden, wenn eine Eingabeaufforderung zu lang erscheint. Ändern Sie sie bewusst nacheinander, sobald das neue Thema funktioniert.

Sagen Sie, was das Bild ist

Auf diese Weise erstellte Bilder sind keine Fotos, und es gibt bereits Standards dafür. Das IPTC Digital Source Type-Vokabular stellt Werte bereit, die eine digitale Aufnahme aus dem echten Leben von Medien unterscheiden, die mit generativer KI erstellt wurden, und die C2PA-Spezifikation definiert, wie Herkunftsinformationen mit einer Datei übertragen werden. Wo das Bild als Aufzeichnung von etwas Realem dienen könnte, beschriften Sie es. LarpGPT stellt Eingabeaufforderungen und Referenzmaterial bereit, und was Sie generieren, steht Ihnen zur Nutzung und zur Offenlegung offen.

Weiterlesen

• IPTC Digital Source Type NewsCodes
• C2PA technical specification
• IPTC Photo Metadata Standard