Hogyan írjunk mesterséges intelligencia-üzeneteket reális embereknek

Miért az emberek a legnehezebb téma

A nézők az arcok és a testek szakértői. Már jóval azelőtt észreveszünk egy kicsit rossz kezet, lehetetlen testtartást vagy műanyagnak látszó bőrt, mielőtt észrevennénk egy épület vagy egy táj hibáját. Ez teszi az embereket olyan témává, ahol a homályos felszólítások a legszembetűnőbben kudarcot vallanak. A javítás ugyanaz, mint minden fényképes felszólításnál, csak szigorúbb: írja le, mit is rögzítene egy fényképezőgép, és a lehető legkevesebbet hagyjon a modell átlagemberről alkotott elképzelésére.

Találja ki az embert, ne kérjen kölcsön

Kezdj egy olyan személyből, aki nem létezik. Írjon le egy korosztályt, egy testalkat, hajat, ruházatot és egy tevékenységet, és a részletek legyenek hétköznapiak. Soha ne kérjen valódi magánszemély hasonlatosságára, és soha ne generáljon valódi közszereplőt olyan helyzetben, amely valódinak tekinthető. Az etikán túl sok joghatóság elismeri a személyiségi jogokat, amelyek lehetővé teszik az emberek számára, hogy ellenőrizzék nevük, képük és képmásaik kereskedelmi felhasználását. A szabályok országonként eltérőek, és egy kitalált személy teljesen elkerüli a kérdést.

Egy tevékenységet írjon le, ne egy pózt

Az emberek, akikről fényképeznek valamit, természetesnek tűnnek; az emberek, akiknek pózolni mondtak, úgy néznek ki, mint a stock képek. Ahelyett, hogy egy nő mosolyogna a kamerába, próbáljon meg egy negyven év körüli nőt papírtérképet olvasni egy vasútállomáson, a másik kezében kávét tartva. Egy tevékenység okot ad a testnek a testtartásra, ad a kezeknek valamit, amit meg kell tartani, és olyan kifejezést kölcsönöz az arcnak, amely inkább a feladatból fakad, mint a felszólításból.

Testtartás és súly

A valódi testek súlyt hordoznak. Valaki egy korlátra támaszkodva, a szék szélén ülve, várakozás közben súlyt helyez az egyik lábára: ezek apró fizikai tények, amelyek hihetővé teszik az alakot. A merev, szimmetrikus, előre néző figurák a generált kép egyik leggyakoribb jele. Egyetlen mondat arról, hogy hol ül a súly, és minek támaszkodik a személy, gyakran többet mond, mint több mondat a megjelenéséről.

Ruházat, mint anyag és illeszkedés

Jellemezze a ruhákat úgy, ahogyan bármely más felületet leírna: gyűrött lenvászon ing felcsavart ujjakkal, nehéz gyapjúkabát, kissé túl nagy, kopott vászon tornacipő. A gyűrődő, nyúló és ráncos szövet az egyik legerősebb realizmus jelzés, mert reagál az alatta lévő testre. Az olyan általános szavak, mint például a stílusos vagy az elegáns, semmit sem mondanak az anyagról, és általában frissen kicsomagolt ruhákat eredményeznek.

Bőr, retusálás nélkül

A generált arcok gyakran simák és egyenletesek, mint az erősen retusált reklámok. Ha természetes eredményt szeretnél, mondd fizikailag: természetes bőrtextúra, látható pórusok, finom ráncok a szem körül, enyhe leégés az orron, smink nélkül. A fény leírása is segít, mert a lágy oldalsó lámpa finoman feltárja a textúrát, míg a lapos elülső lámpa törli azt. Kerülje az olyan kifejezések halmozását, mint a tökéletes vagy hibátlan, amelyek tovább tolják az eredményt a műanyag megjelenés felé.

A kezeknek munkára van szükségük

A kezek a képgenerátorok jól ismert gyenge pontja. A legmegbízhatóbb megoldás az, ha valami konkrét tevékenységet adunk nekik, kezükben egy csészével, egy asztalon pihenve, kabátzsebbe bújtatjuk, ahelyett, hogy szabadon hagynánk őket a keretben. Kevesebb látható ujj kevesebb hibalehetőséget jelent. Mindig ellenőrizze a kezét, mielőtt képet használ: számolja meg az ujjait, ellenőrizze, hogyan fogják meg a tárgyakat, és nézze meg, hol találkoznak a csuklóval.

Fény az arcokon

A klasszikus fényképezési elrendezés, amelyet a hárompontos világítási hagyomány szerint írnak le, fő fényt használ a témára, egy másodlagos fényt az árnyékok tompítására, és egy hátulról jövő fényt a téma és a háttér elválasztására. You do not need the jargon to use the idea. Az egyik oldalról lágy ablakfény, az árnyékoldalt kitöltő gyengéd visszaverődés és a fej mögötti világos háttér ugyanazt az elrendezést írja le egyszerű szavakkal. Ezzel szemben a fej feletti déli nap sötét árnyékokat hoz a szem alá, és ritkán hízelgő.

Keretezés és távolság

Mondja meg, milyen közel van a kamera. Egy fej-váll portré, egy alak néhány méterről az utcán, egy kis figura a széles tájon: mindegyik meghatározza azt a léptéket, amelyen az arcokat és a kezeket kell megjeleníteni. A szélesebb keretek elrejtik az apró hibákat, és többet mondanak el a történetről; a közeli képek mindent feltárnak. A legtermészetesebb eredmény eléréséhez a közepes keretezés egyértelmű tevékenységgel és valódi beállítással a legmegbocsátóbb kiindulópont.

A sokszínűség szándékból, nem véletlenül

A képgenerátorok tükrözik a mintákat az edzési adataikban, és egy Midjourney tanulmány szerint még a semleges felszólítások is egyenlőtlen eredményeket adtak nem, bőrszín és elhelyezkedés szerint. Ha konkrét személyt szeretne, írja le konkrétan. Ha sorozatot készítesz, tudatosan változtasd az életkort, a testalkat és a megjelenést, ahelyett, hogy elfogadnád azt, amit a modell először visszaad, és tekintsd át a készlet egészét, mielőtt közzétennéd.

Beleegyezés és szintetikus adathordozók

A Partnership on AI felelős szintetikus médiára vonatkozó kerete három ötlet köré épül: beleegyezés, nyilvánosságra hozatal és átláthatóság. A generált emberek esetében a beleegyezés többnyire azt jelenti, hogy senki képmását engedély nélkül nem használják fel, beleértve a referenciafotókat is. Ha egy valós személy fényképéről dolgozol, például a következetes karakter megőrzése érdekében, győződjön meg róla, hogy az adott személy egyértelműen beleegyezik a konkrét felhasználásba, és soha ne hozzon létre olyan képeket, amelyek szexualizálnak, megaláznak vagy megszemélyesítenek valakit.

A közzétételi szabályokat ismerni kell

Az Európai Unióban az AI-törvény a mély hamisítványt olyan mesterséges intelligencia által generált vagy manipulált kép-, hang- vagy videótartalomként határozza meg, amely meglévő személyekre, tárgyakra, helyekre, entitásokra vagy eseményekre hasonlít, és hamisan hitelesnek tűnik. Az ilyen tartalmat létrehozó telepítőknek nyilvánosságra kell hozniuk, hogy azt mesterségesen hozták létre vagy manipulálták, a nyilvánvalóan művészi, kreatív, szatirikus vagy kitalált alkotások esetében korlátozottabb nyilvánosságra hozatalt. Az Európai Bizottság kijelenti, hogy ezek az átláthatósági szabályok 2026 augusztusától érvényesek. Mindenhol megérdemel egy címkét egy reális, kitalált személy egy valóságosnak tekinthető kontextusban.

Címkézze fel a fájlt, ne csak a feliratot

A kép újramegosztásakor a felirat levágható vagy elveszhet. Léteznek metaadat-szabványok az információ fájllal való átvitelére: a IPTC Digital Source Type szótár a generatív mesterséges intelligencia segítségével létrehozott média értékeket tartalmazza, és sok eszköz automatikusan írja ezeket az információkat. A szerkesztés és az exportálás során őrizze meg érintetlenségét, és tegyen látható megjegyzést minden olyan helyre, ahol az emberek ésszerűen összetéveszthetik a képet egy valós személy fényképével.

Ahová a LarpGPT illik

A LarpGPT az utazáshoz, építészethez, autókhoz és életstílus-jelenetekhez készült fotóparancsok könyvtára, a téma, a kompozíció, a világítás és az objektív köré írva, és számos életstílus-jelenet adaptálható úgy, hogy a fenti megközelítéssel egy kitalált személy is szerepeljen benne. Kimásol egy promptot, és beilleszti a már használt képgenerátorba. LarpGPT nem hoz létre képeket; mások jogainak tiszteletben tartása és a szintetikus tartalom közzététele Önnél marad.

További olvasnivalók

• 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