વાસ્તવિક લોકો માટે AI પ્રોમ્પ્ટ કેવી રીતે લખવું

શા માટે લોકો સૌથી મુશ્કેલ વિષય છે

દર્શકો ચહેરા અને શરીરના નિષ્ણાત છે. અમને બિલ્ડિંગ અથવા લેન્ડસ્કેપમાં કોઈ ખામી દેખાય તે પહેલાં થોડો ખોટો હાથ, અશક્ય મુદ્રા અથવા ત્વચા જે પ્લાસ્ટિક જેવી લાગે છે. તે લોકોને તે વિષય બનાવે છે જ્યાં અસ્પષ્ટ સંકેતો સૌથી વધુ દેખીતી રીતે નિષ્ફળ જાય છે. ફિક્સ કોઈપણ ફોટોગ્રાફિક પ્રોમ્પ્ટ માટે સમાન છે, ફક્ત વધુ કડક: કૅમેરા ખરેખર શું રેકોર્ડ કરશે તેનું વર્ણન કરો અને સરેરાશ વ્યક્તિના મોડેલના વિચાર પર શક્ય તેટલું ઓછું છોડી દો.

વ્યક્તિની શોધ કરો, એક ઉધાર ન લો

એવી વ્યક્તિથી શરૂઆત કરો જેનું અસ્તિત્વ નથી. વય શ્રેણી, શરીરનો આકાર, વાળ, કપડાં અને પ્રવૃત્તિનું વર્ણન કરો અને વિગતોને સામાન્ય રહેવા દો. વાસ્તવિક ખાનગી વ્યક્તિની સમાનતા માટે ક્યારેય પૂછશો નહીં, અને વાસ્તવિક તરીકે લઈ શકાય તેવી પરિસ્થિતિમાં ક્યારેય વાસ્તવિક જાહેર વ્યક્તિ બનાવશો નહીં. નૈતિકતાથી આગળ, ઘણા અધિકારક્ષેત્રો વ્યક્તિત્વના અધિકારોને માન્યતા આપે છે, જે લોકોને તેમના નામ, છબી અને સમાનતાના વ્યાવસાયિક ઉપયોગને નિયંત્રિત કરવા દે છે. નિયમો દેશ પ્રમાણે અલગ-અલગ હોય છે, અને શોધાયેલ વ્યક્તિ પ્રશ્નને સંપૂર્ણપણે ટાળે છે.

કોઈ પ્રવૃત્તિનું વર્ણન કરો, દંભનું નહીં

જે લોકો ફોટોગ્રાફ કરે છે તે કંઈક કુદરતી લાગે છે; લોકોને સ્ટોક ઈમેજીસ જેવા દેખાવાનું કહ્યું. કૅમેરાને જોઈને હસતી સ્ત્રીને બદલે, ચાલીસની ઉંમરની સ્ત્રીને બીજા હાથમાં કૉફી પકડીને, ટ્રેન સ્ટેશન પર પેપરનો નકશો વાંચવાનો પ્રયાસ કરો. પ્રવૃત્તિ શરીરને તેની મુદ્રા માટેનું કારણ આપે છે, હાથને પકડી રાખવા માટે કંઈક આપે છે અને ચહેરાને અભિવ્યક્તિ આપે છે જે પ્રોમ્પ્ટને બદલે કાર્યમાંથી આવે છે.

મુદ્રા અને વજન

વાસ્તવિક શરીર વજન વહન કરે છે. કોઈ વ્યક્તિ રેલિંગ પર ઝૂકે છે, ખુરશીની ધાર પર બેઠું છે, રાહ જોતી વખતે એક પગ પર વજન ફેરવે છે: આ નાના ભૌતિક તથ્યો છે જે આકૃતિને વિશ્વાસપાત્ર બનાવે છે. સખત, સપ્રમાણતાવાળા, ફ્રન્ટ-ફેસિંગ આકૃતિઓ જનરેટ કરેલી છબીના સૌથી સામાન્ય સંકેતો પૈકી એક છે. વજન ક્યાં બેસે છે અને વ્યક્તિ શેની સામે ઝુકે છે તે વિશેનું એક વાક્ય ઘણીવાર તેના દેખાવ વિશેના અનેક વાક્યો કરતાં વધુ કરે છે.

સામગ્રી અને ફિટ તરીકે કપડાં

તમે અન્ય કોઈપણ સપાટીનું વર્ણન કરો છો તે રીતે કપડાંનું વર્ણન કરો: રોલ્ડ સ્લીવ્સ સાથેનો ક્રિઝ્ડ લેનિન શર્ટ, ભારે ઊનનો કોટ થોડો મોટો, પહેરેલા કેનવાસ સ્નીકર્સ. ફેબ્રિક જે ફોલ્ડ કરે છે, ખેંચે છે અને કરચલીઓ કરે છે તે વાસ્તવિકતાના સૌથી મજબૂત સંકેતોમાંનું એક છે, કારણ કે તે શરીરના નીચેના ભાગને પ્રતિક્રિયા આપે છે. સ્ટાઇલિશ અથવા એલિગન્ટ જેવા સામાન્ય શબ્દો સામગ્રી વિશે કશું કહેતા નથી અને સામાન્ય રીતે એવા કપડાં બનાવે છે જે તાજા અનપેક્ડ દેખાય છે.

ત્વચા, રિટચિંગ વગર

જનરેટ કરેલા ચહેરાઓ ઘણી વખત સરળ અને સમાન બહાર આવે છે, જેમ કે ભારે રિટચ કરેલી જાહેરાત. જો તમને કુદરતી પરિણામ જોઈતું હોય, તો ભૌતિક દ્રષ્ટિએ કહો: કુદરતી ત્વચાની રચના, દૃશ્યમાન છિદ્રો, આંખોની આસપાસની ઝીણી રેખાઓ, નાકમાં આછો તડકો, કોઈ મેકઅપ નહીં. પ્રકાશનું વર્ણન કરવાથી પણ મદદ મળે છે, કારણ કે સપાટ ફ્રન્ટલ લાઇટ તેને ભૂંસી નાખે છે ત્યારે નરમ બાજુનો પ્રકાશ ટેક્ષ્ચરને નરમાશથી દર્શાવે છે. સંપૂર્ણ અથવા દોષરહિત શબ્દો પર ઢગલા કરવાનું ટાળો, જે પરિણામને પ્લાસ્ટિક દેખાવ તરફ આગળ ધકેલશે.

હાથને કામની જરૂર છે

હાથ એ ઇમેજ જનરેટરનું જાણીતું નબળું બિંદુ છે. સૌથી ભરોસાપાત્ર અભિગમ એ છે કે તેમને ફ્રેમમાં મુક્ત રાખવાને બદલે કપ પકડીને, ટેબલ પર આરામ કરવા, કોટના ખિસ્સામાં ટકીને કરવા માટે તેમને ચોક્કસ કંઈક આપવું. ઓછી દૃશ્યમાન આંગળીઓનો અર્થ છે ભૂલની ઓછી તકો. ઇમેજનો ઉપયોગ કરતા પહેલા હંમેશા હાથની તપાસ કરો: આંગળીઓની ગણતરી કરો, તેઓ વસ્તુઓને કેવી રીતે પકડે છે તે તપાસો અને તેઓ કાંડાને ક્યાં મળે છે તે જુઓ.

ચહેરા પર પ્રકાશ

ક્લાસિક ફોટોગ્રાફિક સેટઅપ, ત્રણ-પોઇન્ટ લાઇટિંગ પરંપરામાં વર્ણવવામાં આવ્યું છે, વિષય પર મુખ્ય પ્રકાશ, પડછાયાઓને નરમ કરવા માટે ગૌણ પ્રકાશ અને પૃષ્ઠભૂમિથી વિષયને અલગ કરવા પાછળથી પ્રકાશનો ઉપયોગ કરે છે. વિચારનો ઉપયોગ કરવા માટે તમારે કલકલની જરૂર નથી. એક બાજુથી વિન્ડોની નરમ પ્રકાશ, પડછાયાની બાજુમાં હળવા પ્રતિબિંબ અને માથાની પાછળની તેજસ્વી પૃષ્ઠભૂમિ સમાન ગોઠવણને સાદા શબ્દોમાં વર્ણવે છે. ઓવરહેડ મધ્યાહન સૂર્ય, તેનાથી વિપરીત, આંખો હેઠળ ઘેરા પડછાયાઓ મૂકે છે અને ભાગ્યે જ ખુશામત કરે છે.

ફ્રેમિંગ અને અંતર

કહો કે કેમેરા કેટલો નજીક છે. માથા અને ખભાનું પોટ્રેટ, શેરીમાં થોડા મીટર દૂરથી દેખાતી આકૃતિ, વિશાળ લેન્ડસ્કેપમાં એક નાનકડી આકૃતિ: દરેક એક સ્કેલ સેટ કરે છે કે જેના પર ચહેરા અને હાથ રેન્ડર કરવાના હોય છે. વિશાળ ફ્રેમિંગ નાની ભૂલોને છુપાવે છે અને વધુ વાર્તા કહે છે; ક્લોઝ-અપ્સ બધું ઉજાગર કરે છે. સૌથી કુદરતી પરિણામો માટે, સ્પષ્ટ પ્રવૃત્તિ અને વાસ્તવિક સેટિંગ સાથેનું માધ્યમ ફ્રેમિંગ એ સૌથી ક્ષમાજનક પ્રારંભિક બિંદુ છે.

ઇરાદા દ્વારા વિવિધતા, અકસ્માત દ્વારા નહીં

ઇમેજ જનરેટર્સ તેમના તાલીમ ડેટામાં પેટર્નને પ્રતિબિંબિત કરે છે, અને Midjourney ના એક અભ્યાસમાં જાણવા મળ્યું છે કે તટસ્થ સંકેતો પણ લિંગ, ચામડીના રંગ અને સ્થાન દ્વારા અસમાન પરિણામો આપે છે. જો તમને કોઈ ચોક્કસ વ્યક્તિ જોઈએ છે, તો તેનું વિશેષ વર્ણન કરો. જો તમે કોઈ શ્રેણી બનાવી રહ્યા હોવ, તો મોડલ જે કંઈ પણ પહેલા આપે તે સ્વીકારવાને બદલે ઈરાદાપૂર્વક ઉંમર, શરીરના આકાર અને દેખાવમાં ફેરફાર કરો અને તમે તેને પ્રકાશિત કરતા પહેલા સેટની સંપૂર્ણ સમીક્ષા કરો.

સંમતિ અને કૃત્રિમ માધ્યમો

જવાબદાર સિન્થેટિક મીડિયા માટે Partnership on AIનું માળખું ત્રણ વિચારોની આસપાસ બનેલ છે: સંમતિ, જાહેરાત અને પારદર્શિતા. જનરેટ કરેલા લોકો માટે, સંમતિનો મોટાભાગે અર્થ થાય છે કે સંદર્ભ ફોટાઓ સહિતની પરવાનગી વિના કોઈની સમાનતાનો ઉપયોગ ન કરવો. જો તમે વાસ્તવિક વ્યક્તિના ફોટોગ્રાફ પરથી કામ કરો છો, ઉદાહરણ તરીકે, એક સુસંગત પાત્ર રાખવા માટે, ખાતરી કરો કે તમારી પાસે ચોક્કસ ઉપયોગ માટે તે વ્યક્તિનો સ્પષ્ટ કરાર છે, અને ક્યારેય એવી છબીઓ બનાવશો નહીં કે જે કોઈને જાતીય બનાવે, અપમાનિત કરે અથવા ઢોંગ કરે.

જાણવા માટે જાહેરાત નિયમો

યુરોપિયન યુનિયનમાં, AI એક્ટ ડીપ ફેકને AI-જનરેટેડ અથવા મેનિપ્યુલેટેડ ઇમેજ, ઑડિઓ અથવા વિડિયો કન્ટેન્ટ તરીકે વ્યાખ્યાયિત કરે છે જે હાલની વ્યક્તિઓ, ઑબ્જેક્ટ્સ, સ્થાનો, સંસ્થાઓ અથવા ઇવેન્ટ્સ જેવું લાગે છે અને ખોટી રીતે અધિકૃત હોવાનું જણાય છે. ડિપ્લોયર કે જેઓ આવી સામગ્રી જનરેટ કરે છે તેમણે સ્પષ્ટપણે કલાત્મક, સર્જનાત્મક, વ્યંગાત્મક અથવા કાલ્પનિક કાર્ય માટે વધુ મર્યાદિત જાહેરાત સાથે, કૃત્રિમ રીતે જનરેટ અથવા હેરાફેરી કરી હોવાનું જાહેર કરવું આવશ્યક છે. યુરોપિયન કમિશન જણાવે છે કે આ પારદર્શિતા નિયમો ઑગસ્ટ 2026 થી લાગુ થાય છે. વાસ્તવિક તરીકે લઈ શકાય તેવા સંદર્ભમાં વાસ્તવિક શોધ કરનાર વ્યક્તિ દરેક જગ્યાએ લેબલને પાત્ર છે.

ફાઇલને લેબલ કરો, માત્ર કૅપ્શન જ નહીં

જ્યારે કોઈ છબી ફરીથી શેર કરવામાં આવે ત્યારે કૅપ્શન દૂર કરી શકાય છે અથવા ગુમ થઈ શકે છે. ફાઇલ સાથે માહિતી વહન કરવા માટે મેટાડેટા ધોરણો અસ્તિત્વમાં છે: IPTC ડિજિટલ સ્ત્રોત પ્રકાર શબ્દભંડોળમાં જનરેટિવ AI નો ઉપયોગ કરીને બનાવેલ મીડિયા માટેના મૂલ્યોનો સમાવેશ થાય છે અને ઘણા સાધનો આવી માહિતી આપમેળે લખે છે. જ્યારે તમે સંપાદિત કરો અને નિકાસ કરો ત્યારે તેને અકબંધ રાખો, અને જ્યાં પણ લોકો વાસ્તવિક વ્યક્તિના ફોટોગ્રાફ માટે છબીને વાજબી રીતે ભૂલ કરી શકે ત્યાં એક દૃશ્યમાન નોંધ ઉમેરો.

જ્યાં LarpGPT બંધબેસે છે

LarpGPT એ પ્રવાસ, આર્કિટેક્ચર, કાર અને જીવનશૈલીના દ્રશ્યો માટે ફોટો પ્રોમ્પ્ટ્સની લાઇબ્રેરી છે, જે વિષય, રચના, લાઇટિંગ અને લેન્સની આસપાસ લખવામાં આવે છે અને તેના ઘણા જીવનશૈલી દ્રશ્યો ઉપરના અભિગમનો ઉપયોગ કરીને શોધાયેલ વ્યક્તિનો સમાવેશ કરવા માટે અનુકૂલિત થઈ શકે છે. તમે પ્રોમ્પ્ટની નકલ કરો અને તેને તમે પહેલાથી ઉપયોગ કરો છો તે ઇમેજ જનરેટરમાં પેસ્ટ કરો. LarpGPT છબીઓ જનરેટ કરતું નથી; અન્ય લોકોના અધિકારોનું સન્માન કરવું અને કૃત્રિમ સામગ્રીને જાહેર કરવી તમારી સાથે રહે છે.

વધુ વાંચન

• 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