# A fotórealisztikus kép anatómiája

Canonical: https://romeoapps.app/hu/larpgpt/anatomy-of-a-photo-prompt/
Author: Roméo Gambino · Published: 2026-09-06 · Updated: 2026-09-06 · App: LarpGPT (https://romeoapps.app/hu/larpgpt/)

Mit csinálnak a prompt egyes részei a képgenerátoron belül, miért működik jobban egy-egy mondat döntésenként, mint a melléknevek fala, és hogyan lehet egy promptot adaptálni anélkül, hogy megtörné azt a dolgot, ami miatt működött.

## A felszólítás rövid, nem varázslat

A képi felszólításokkal kapcsolatban a legmakacsabb tévhit az, hogy bizonyos szavak varázslatosak, és a feladat az, hogy összegyűjtsük őket. Ami valójában működik, az közelebb áll egy olyan fotós eligazításához, aki nem tud kérdéseket feltenni. Ön egy jelenetet ír le, amelyet valakinek fel kell állítania, meg kell világítania és le kell forgatnia, és minden döntés, amelyet kimondatlanul hagy, a modell döntése az Ön helyett, általában a kérés legátlagosabb változata felé.


## Döntésenként egy mondat

A hosszú felszólítások nem azért hibáznak, mert hosszúak, hanem azért, mert nem különböztethetők meg. Egy mondatban húsz jelző verseng egymással, és a modell átlagolja őket. Ugyanaz a tartalom rövid mondatokra bontva, amelyek mindegyike egy döntést hordoz, sokkal kiszámíthatóbb eredményt hoz. Ezenkívül szerkeszthetővé teszi a promptot, mert láthatja, hogy melyik mondatot módosítsa, ha valami nincs rendben.


## A téma az első és a legnagyobb súlyú

A pozíció számít. A prompt elején megjelenő dolgok általában nagyobb súlyt kapnak, így a téma az elejére tartozik, konkrétan leírva. Egy konkrét téma az, amit le lehet fényképezni: egy tárgy, egy hely, egy szituáció fizikai tulajdonságokkal. Az absztrakt témák nem adnak semmit a modellnek, amiből építkezni lehetne, és valami általánost talál ki, ami kitölti a teret.


## Írd le, hogy mi lenne látható, ne azt, ami érezhető

Ez a leghasznosabb tudományág. Az olyan szó, mint a melankolikus, egy értelmezés, és a modellnek ki kell találnia, hogy melyik vizuális elrendezés hozza létre. Eső az ablakon, egyetlen égő lámpa, üres szék: ezeket rögzíti a kamera. Inkább az okokat írja le, mint a következményeket, és a hatás sokkal következetesebben megérkezik magától.


## A jelenet megszabja a korlátokat

A beállítás nem dekoráció. Meghatározza, hogy milyen fény áll rendelkezésre, milyen felületek vannak a visszaverésére, mi jelenhet meg a háttérben, és milyen léptékben olvasható minden. A részletesen leírt, meghatározott beállítás nélküli téma egy általános helyre kerül, és az általános beállítás ellentmond a témával kapcsolatos döntéseinek felének.


## A pillanat leszűkíti a jelenetet egy fényképre

A napszak, az időjárás és az évszak több munkát végez, mint azt a legtöbb ember elvárná, mert mindegyikhez egy teljes világítási beállítás tartozik. Az őszi késő délután alacsony meleg napsütést, hosszú árnyékokat és egy bizonyos színárnyalatot jelent, mindezt négy szóból. A pillanat megnevezése a leghatékonyabb mondat a legtöbb felszólításban.


## A fény döntés, nem utólagos gondolat

A fényképek nagyrészt fényből készülnek, és a meg nem határozott világítási választás a leggyorsabb út egy lapos, egyenletesen megvilágított, szintetikusnak tűnő képhez. Mondja el, honnan jön a fény, és milyen típusú. Ablakvilágítás balról. Egyetlen rezsiforrás. Felhős ég. Közvetlen napfény a leveleken keresztül. Mindegyik más-más képet készít ugyanabból a témából és jelenetből.


## A kemény és lágy fény különböző feladatokat lát el

A kis vagy távoli forrásból származó fény kemény: éles árnyékélek, nagy kontraszt, látható textúra. A nagy vagy szórt fényforrásból származó fény lágy: fokozatos árnyékok, alacsony kontraszt, gyengéd felületek. A kívánt elnevezés többet mond a modellnek a kép hangulatáról, mint bármely hangulati jelző.


## Összeállítási utasítások, amelyeket a modell követhet

A keretezési kifejezések azért hasznosak, mert egyértelműek. Közelkép, széles felvétel, szemmagasság, alacsony látószög, fej fölött. Függetlenül attól, hogy a téma középen, vagy az egyik oldalon van-e. Mi van előtte és mi van mögötte. Ezeket a szavakat egy fotós használná a forgatáson, és letisztultan fordítják le őket, mert inkább a geometriát írják le, mint az ízlést.


## Az objektív nyelve, és hogy valójában mit csinál

A széles gyújtótávolság eltúlozza a mélységet, és a közeli dolgokat nagytá teszi. A nagy gyújtótávolság összenyomja a távolságot és lesimítja a rétegeket. A széles rekesznyílás eltünteti a hátteret, és elszigeteli a témát. Ezek a kifejezések promptokban működnek, mivel valódi optikai viselkedésnek felelnek meg, és a kis mélységélesség kérése pontosabb, mint az elmosódott háttér kérése.


## Színes, visszafogott

Két vagy három szín elnevezése koherens képet eredményez. Nyolc megnevezése sarat termel, mert a modell igyekszik mindegyiket felvenni, és egyik sem dominál. Ha egy szín számít, inkább egy tárgyhoz rögzítse, mint a teljes képhez: egy piros ajtó jobban olvasható, mint egy vörösre színezett jelenet, és szabadon hagyja a paletta többi részét, hogy kövesse a fényt.


## Egyszerre egy dolgot változtass meg

Ha az eredmény közel van, de rossz, az ösztön az, hogy átírja a promptot. Állj ellen. Változtass meg egy mondatot, generáld újra, és nézd meg, mi mozgott. Ez kísérletenként lassabb, és összességében sokkal gyorsabb, mert megtanulja, hogy az egyes mondatok mit csinálnak. Egy újraírt és működő felszólítás nem tanít meg semmire, amit holnap újra felhasználhatsz.


## Tartsa meg az eldobott verziókat

Érdemes megtartani egy olyan felszólítást, amely valami érdekeset hozott, de nem azt, amit szerettél volna. A prompt könyvtárak ezekből épülnek fel, nem a sikerekből, mert a „közel hiányzott” esetek azok, amelyekhez alkalmazkodunk, amikor a következő rövidítés kissé eltér. Egy megjegyzés arra vonatkozóan, hogy valójában hogyan nézett ki az eredmény, többet ér, mint önmagában a felszólítás.


## Alkalmazkodjon a szerkezet megsértése nélkül

Amikor újra használ egy felszólítást, cserélje fel a témát és a beállítást, és először hagyja békén a fényt, a kompozíciót és az objektívet. Ezek azok a részek, amelyek fotós megjelenést kölcsönöznek a képnek, és ezek azok a részek, amelyeket az emberek törölnek, ha a felszólítás túl hosszúnak tűnik. Módosítsa őket szándékosan, egyenként, amint az új téma működik.


## Mondja el, mi a kép

Az így készített képek nem fényképek, és ennek megfogalmazására már léteznek szabványok. A IPTC Digital Source Type szótár olyan értékeket kínál, amelyek megkülönböztetik a valós életből vett digitális rögzítést a generatív mesterséges intelligencia segítségével létrehozott médiától, az C2PA specifikáció pedig azt határozza meg, hogy a származási információ hogyan terjed a fájllal. Ahol a kép valami valós dolog rögzítésére készül, jelölje meg. A LarpGPT felszólításokat és referenciaanyagokat biztosít, és amit Ön generál, azt a tiéd használhatja, és közzéteheti.


## Kérdések

### Miért nem sikerül gyakran a hosszú képparancsok?

Mert differenciálatlanok, nem azért, mert hosszúak. Egy mondatban húsz jelző verseng, és a modell átlagolja őket. Oszd fel ugyanazt a tartalmat egy-egy döntést tartalmazó rövid mondatokra, és az eredmény sokkal kiszámíthatóbbá válik.

### Leírjam a hangulatot, vagy ami látszik?

Ami látható. Az olyan szó, mint a melankolikus, egy olyan értelmezés, amelyet a modellnek ki kell találnia. Eső az ablakon, egyetlen égő lámpa, üres szék – olyan dolgokat rögzít a kamera. Írd le az okokat, és a hangulat következik.

### Számít a szavak sorrendje a felszólításban?

Igen. Ami korán jelenik meg, az általában nagyobb súlyt kap, így a téma az elejéhez tartozik, elég konkrétan leírva, hogy le lehessen fényképezni.

### Valóban működnek a fényképezőgépre vonatkozó olyan kifejezések, mint a gyújtótávolság?

Igen, mert megfelelnek a valós optikai viselkedésnek. A széles gyújtótávolság eltúlozza a mélységet, a hosszú tömöríti, a széles rekesz pedig elszigeteli a témát. A kis mélységélesség kérése pontosabb, mint az elmosódott háttér kérése.

### Hogyan címkézzek fel egy mesterséges intelligencia által generált képet?

Szabványok léteznek. A IPTC Digital Source Type szókincs megkülönbözteti a valós életből vett digitális rögzítést a generatív mesterséges intelligencia segítségével létrehozott médiától, az C2PA specifikáció pedig azt határozza meg, hogy a származás hogyan terjed a fájllal. Címkézz fel mindent, ami valami valódi feljegyzésére szolgálhat.

## További olvasnivalók

- IPTC Digital Source Type NewsCodes — https://cv.iptc.org/newscodes/digitalsourcetype/
- C2PA technical specification — https://c2pa.org/specifications/specifications/2.1/index.html
- IPTC Photo Metadata Standard — https://www.iptc.org/std/photometadata/specification/IPTC-PhotoMetadata