റിയലിസ്റ്റിക് ആളുകൾക്ക് AI നിർദ്ദേശങ്ങൾ എങ്ങനെ എഴുതാം

എന്തുകൊണ്ടാണ് ആളുകൾ ഏറ്റവും ബുദ്ധിമുട്ടുള്ള വിഷയം

കാഴ്ചക്കാർ മുഖത്തും ശരീരത്തിലും വിദഗ്ധരാണ്. ഒരു കെട്ടിടത്തിലോ ലാൻഡ്‌സ്‌കേപ്പിലോ ഒരു പോരായ്മ കാണുന്നതിന് വളരെ മുമ്പുതന്നെ പ്ലാസ്റ്റിക് പോലെ തോന്നിക്കുന്ന ഒരു ചെറിയ കൈ, അസാധ്യമായ ഭാവം അല്ലെങ്കിൽ ചർമ്മം ഞങ്ങൾ ശ്രദ്ധിക്കുന്നു. അവ്യക്തമായ നിർദ്ദേശങ്ങൾ ഏറ്റവും ദൃശ്യമായി പരാജയപ്പെടുന്ന വിഷയമായി അത് ആളുകളെ മാറ്റുന്നു. ഏതൊരു ഫോട്ടോഗ്രാഫിക് പ്രോംപ്റ്റിനും ഒരേ പരിഹാരമാണ്, കർശനമായത് മാത്രം: ഒരു ക്യാമറ യഥാർത്ഥത്തിൽ എന്താണ് റെക്കോർഡ് ചെയ്യുന്നതെന്ന് വിവരിക്കുക, കൂടാതെ ഒരു ശരാശരി വ്യക്തിയെക്കുറിച്ചുള്ള മോഡലിൻ്റെ ആശയത്തിന് കഴിയുന്നത്ര കുറച്ച് വിടുക.

വ്യക്തിയെ കണ്ടുപിടിക്കുക, കടം വാങ്ങരുത്

നിലവിലില്ലാത്ത ഒരു വ്യക്തിയിൽ നിന്ന് ആരംഭിക്കുക. പ്രായപരിധി, ശരീരഘടന, മുടി, വസ്ത്രം, ഒരു പ്രവർത്തനം എന്നിവ വിവരിക്കുക, വിശദാംശങ്ങൾ സാധാരണമായിരിക്കട്ടെ. ഒരു യഥാർത്ഥ സ്വകാര്യ വ്യക്തിയുടെ സാദൃശ്യത്തിനായി ഒരിക്കലും ആവശ്യപ്പെടരുത്, യഥാർത്ഥമെന്ന് കരുതാവുന്ന ഒരു സാഹചര്യത്തിൽ ഒരിക്കലും ഒരു യഥാർത്ഥ പൊതു വ്യക്തിയെ സൃഷ്ടിക്കരുത്. ധാർമ്മികതയ്‌ക്കപ്പുറം, പല അധികാരപരിധികളും വ്യക്തിത്വ അവകാശങ്ങൾ അംഗീകരിക്കുന്നു, ഇത് ആളുകളെ അവരുടെ പേര്, ഇമേജ്, സാദൃശ്യം എന്നിവയുടെ വാണിജ്യപരമായ ഉപയോഗം നിയന്ത്രിക്കാൻ അനുവദിക്കുന്നു. നിയമങ്ങൾ രാജ്യത്തിനനുസരിച്ച് വ്യത്യാസപ്പെട്ടിരിക്കുന്നു, കണ്ടുപിടിച്ച വ്യക്തി ചോദ്യം പൂർണ്ണമായും ഒഴിവാക്കുന്നു.

ഒരു പോസല്ല, ഒരു പ്രവർത്തനം വിവരിക്കുക

ഫോട്ടോ എടുത്ത ആളുകൾ എന്തെങ്കിലും ചെയ്യുന്നത് സ്വാഭാവികമായി തോന്നുന്നു; ആളുകളോട് സ്റ്റോക്ക് ഇമേജുകൾ പോലെ പോസ് ചെയ്യാൻ പറഞ്ഞു. ഒരു സ്ത്രീ ക്യാമറയെ നോക്കി പുഞ്ചിരിക്കുന്നതിനുപകരം, നാൽപ്പതുവയസ്സുള്ള ഒരു സ്ത്രീയെ ഒരു റെയിൽവേ സ്റ്റേഷനിൽ പേപ്പർ മാപ്പ് വായിക്കാൻ ശ്രമിക്കുക, മറ്റേ കൈയിൽ കാപ്പിയും പിടിക്കുക. ഒരു പ്രവർത്തനം ശരീരത്തിന് അതിൻ്റെ ഭാവത്തിന് ഒരു കാരണം നൽകുന്നു, കൈകൾക്ക് പിടിക്കാൻ എന്തെങ്കിലും നൽകുന്നു, കൂടാതെ മുഖത്തിന് പ്രോംപ്റ്റിൽ നിന്നല്ല, ചുമതലയിൽ നിന്ന് വരുന്ന ഒരു ഭാവം നൽകുന്നു.

ഭാവവും ഭാരവും

യഥാർത്ഥ ശരീരം ഭാരം വഹിക്കുന്നു. ഒരാൾ റെയിലിംഗിൽ ചാരി, കസേരയുടെ അരികിൽ ഇരിക്കുക, കാത്തിരിക്കുമ്പോൾ ഭാരം ഒരു കാലിലേക്ക് മാറ്റുന്നു: ഇവ ഒരു രൂപത്തെ വിശ്വസനീയമാക്കുന്ന ചെറിയ ശാരീരിക വസ്തുതകളാണ്. ദൃഢമായ, സമമിതി, മുൻവശത്തുള്ള രൂപങ്ങൾ ജനറേറ്റഡ് ഇമേജിൻ്റെ ഏറ്റവും സാധാരണമായ അടയാളങ്ങളിൽ ഒന്നാണ്. ഭാരം എവിടെയാണ് ഇരിക്കുന്നത്, ആ വ്യക്തി എന്തിലേക്ക് ചായുന്നു എന്നതിനെക്കുറിച്ചുള്ള ഒരൊറ്റ വാചകം പലപ്പോഴും അവരുടെ രൂപത്തെക്കുറിച്ച് നിരവധി വാക്യങ്ങളേക്കാൾ കൂടുതലാണ്.

മെറ്റീരിയലും അനുയോജ്യവുമായ വസ്ത്രം

മറ്റേതൊരു പ്രതലവും നിങ്ങൾ വിവരിക്കുന്ന വിധത്തിൽ വസ്ത്രങ്ങൾ വിവരിക്കുക: ഉരുട്ടിയ കൈകളുള്ള ഒരു ചുരുട്ടിയ ലിനൻ ഷർട്ട്, ഭാരമുള്ള കമ്പിളി കോട്ട് അൽപ്പം വലുത്, ധരിച്ച ക്യാൻവാസ് സ്‌നീക്കറുകൾ. മടക്കുകയും നീട്ടുകയും ചുളിവുകൾ വീഴുകയും ചെയ്യുന്ന തുണിത്തരങ്ങൾ ഏറ്റവും ശക്തമായ റിയലിസം സൂചകങ്ങളിൽ ഒന്നാണ്, കാരണം അത് ശരീരത്തിനടിയിൽ പ്രതികരിക്കുന്നു. സ്റ്റൈലിഷ് അല്ലെങ്കിൽ എലഗൻ്റ് പോലുള്ള പൊതുവായ വാക്കുകൾ മെറ്റീരിയലിനെക്കുറിച്ച് ഒന്നും പറയുന്നില്ല, സാധാരണയായി പുതുതായി പായ്ക്ക് ചെയ്യാത്ത വസ്ത്രങ്ങൾ നിർമ്മിക്കുന്നു.

ചർമ്മം, റീടച്ചിംഗ് ഇല്ലാതെ

ജനറേറ്റഡ് മുഖങ്ങൾ പലപ്പോഴും മിനുസമാർന്നതും വൻതോതിൽ റീടച്ച് ചെയ്ത പരസ്യം പോലെയും പുറത്തുവരും. നിങ്ങൾക്ക് ഒരു സ്വാഭാവിക ഫലം വേണമെങ്കിൽ, ശാരീരികമായി പറയുക: സ്വാഭാവിക ചർമ്മത്തിൻ്റെ ഘടന, ദൃശ്യമായ സുഷിരങ്ങൾ, കണ്ണുകൾക്ക് ചുറ്റുമുള്ള നേർത്ത വരകൾ, മൂക്കിലുടനീളം നേരിയ സൂര്യതാപം, മേക്കപ്പ് ഇല്ല. പ്രകാശത്തെ വിവരിക്കുന്നതും സഹായിക്കുന്നു, കാരണം മൃദുവായ സൈഡ് ലൈറ്റ് ടെക്സ്ചർ സൌമ്യമായി വെളിപ്പെടുത്തുമ്പോൾ ഫ്ലാറ്റ് ഫ്രണ്ടൽ ലൈറ്റ് അതിനെ മായ്‌ക്കുന്നു. പെർഫെക്റ്റ് അല്ലെങ്കിൽ കുറ്റമറ്റത് പോലുള്ള പദങ്ങളിൽ പൈലിംഗ് ഒഴിവാക്കുക, ഇത് ഫലത്തെ പ്ലാസ്റ്റിക് രൂപത്തിലേക്ക് കൂടുതൽ എത്തിക്കുന്നു.

കൈകൾക്ക് ഒരു ജോലി ആവശ്യമാണ്

ഇമേജ് ജനറേറ്ററുകളുടെ അറിയപ്പെടുന്ന ഒരു ദുർബലമായ പോയിൻ്റാണ് കൈകൾ. ഫ്രെയിമിൽ അവരെ സ്വതന്ത്രമായി വിടുന്നതിനുപകരം, ഒരു കപ്പ് പിടിച്ച്, ഒരു മേശയിൽ വിശ്രമിച്ച്, കോട്ട് പോക്കറ്റിൽ ഒതുക്കി, അവർക്ക് എന്തെങ്കിലും ചെയ്യാൻ പ്രത്യേകമായി എന്തെങ്കിലും നൽകുക എന്നതാണ് ഏറ്റവും വിശ്വസനീയമായ സമീപനം. ദൃശ്യമാകുന്ന വിരലുകൾ കുറവാണെങ്കിൽ, ഒരു പിശകിനുള്ള സാധ്യത കുറവാണ്. ഒരു ചിത്രം ഉപയോഗിക്കുന്നതിന് മുമ്പ് എല്ലായ്പ്പോഴും കൈകൾ പരിശോധിക്കുക: വിരലുകൾ എണ്ണുക, അവർ വസ്തുക്കളെ എങ്ങനെ പിടിക്കുന്നുവെന്ന് പരിശോധിക്കുക, കൈത്തണ്ടയിൽ എവിടെയാണ് കണ്ടുമുട്ടുന്നതെന്ന് നോക്കുക.

മുഖത്ത് പ്രകാശം

ത്രീ-പോയിൻ്റ് ലൈറ്റിംഗ് പാരമ്പര്യത്തിൽ വിവരിച്ചിരിക്കുന്ന ക്ലാസിക് ഫോട്ടോഗ്രാഫിക് സജ്ജീകരണം, വിഷയത്തിൽ ഒരു പ്രധാന ലൈറ്റ്, നിഴലുകളെ മൃദുവാക്കാൻ ഒരു ദ്വിതീയ വെളിച്ചം, പശ്ചാത്തലത്തിൽ നിന്ന് വിഷയത്തെ വേർതിരിക്കുന്നതിന് പിന്നിൽ നിന്നുള്ള പ്രകാശം എന്നിവ ഉപയോഗിക്കുന്നു. ആശയം ഉപയോഗിക്കുന്നതിന് നിങ്ങൾക്ക് പദപ്രയോഗം ആവശ്യമില്ല. ഒരു വശത്ത് നിന്നുള്ള മൃദുവായ വിൻഡോ വെളിച്ചം, നിഴൽ വശത്ത് നിറയുന്ന ഒരു മൃദുവായ പ്രതിഫലനം, തലയ്ക്ക് പിന്നിൽ ഒരു ശോഭയുള്ള പശ്ചാത്തലം എന്നിവ ഒരേ ക്രമീകരണത്തെ ലളിതമായ വാക്കുകളിൽ വിവരിക്കുന്നു. നേരെമറിച്ച്, മദ്ധ്യാഹ്ന സൂര്യൻ, കണ്ണുകൾക്ക് താഴെ ഇരുണ്ട നിഴലുകൾ ഇടുന്നു, അപൂർവ്വമായി മുഖസ്തുതി കാണിക്കുന്നു.

ഫ്രെയിമിംഗും ദൂരവും

ക്യാമറ എത്ര അടുത്താണെന്ന് പറയൂ. ഒരു തലയും തോളും ഉള്ള ഒരു ഛായാചിത്രം, ഒരു തെരുവിൽ കുറച്ച് മീറ്റർ അകലെ നിന്ന് കാണുന്ന ഒരു രൂപം, വിശാലമായ ഭൂപ്രകൃതിയിലെ ഒരു ചെറിയ രൂപം: ഓരോന്നും മുഖങ്ങളും കൈകളും ചിത്രീകരിക്കേണ്ട സ്കെയിൽ സജ്ജമാക്കുന്നു. വിശാലമായ ഫ്രെയിമുകൾ ചെറിയ പിശകുകൾ മറയ്ക്കുകയും കൂടുതൽ കഥ പറയുകയും ചെയ്യുന്നു; ക്ലോസപ്പുകൾ എല്ലാം തുറന്നുകാട്ടുന്നു. ഏറ്റവും സ്വാഭാവികമായ ഫലങ്ങൾക്കായി, വ്യക്തമായ പ്രവർത്തനവും യഥാർത്ഥ ക്രമീകരണവുമുള്ള ഒരു മീഡിയം ഫ്രെയിമിംഗ് ഏറ്റവും ക്ഷമിക്കുന്ന ആരംഭ പോയിൻ്റാണ്.

ആകസ്മികമായല്ല, ഉദ്ദേശ്യം കൊണ്ടാണ് വൈവിധ്യം

ഇമേജ് ജനറേറ്ററുകൾ അവരുടെ പരിശീലന ഡാറ്റയിൽ പാറ്റേണുകൾ പ്രതിഫലിപ്പിക്കുന്നു, കൂടാതെ Midjourney-നെക്കുറിച്ചുള്ള ഒരു പഠനത്തിൽ ന്യൂട്രൽ പ്രോംപ്റ്റുകൾ പോലും ലിംഗഭേദം, ചർമ്മത്തിൻ്റെ നിറം, സ്ഥാനം എന്നിവ പ്രകാരം അസമമായ ഫലങ്ങൾ നൽകുന്നുവെന്ന് കണ്ടെത്തി. നിങ്ങൾക്ക് ഒരു പ്രത്യേക വ്യക്തിയെ വേണമെങ്കിൽ, അവരെ പ്രത്യേകം വിവരിക്കുക. നിങ്ങൾ ഒരു സീരീസ് നിർമ്മിക്കുകയാണെങ്കിൽ, ആദ്യം നൽകുന്ന മോഡൽ സ്വീകരിക്കുന്നതിനുപകരം, ബോധപൂർവം പ്രായവും ശരീരത്തിൻ്റെ ആകൃതിയും രൂപവും വ്യത്യാസപ്പെടുത്തുക, നിങ്ങൾ പ്രസിദ്ധീകരിക്കുന്നതിന് മുമ്പ് സെറ്റ് മൊത്തത്തിൽ അവലോകനം ചെയ്യുക.

സമ്മതവും സിന്തറ്റിക് മീഡിയയും

ഉത്തരവാദിത്തമുള്ള സിന്തറ്റിക് മീഡിയയ്ക്കുള്ള Partnership on AI ൻ്റെ ചട്ടക്കൂട് മൂന്ന് ആശയങ്ങളെ ചുറ്റിപ്പറ്റിയാണ് നിർമ്മിച്ചിരിക്കുന്നത്: സമ്മതം, വെളിപ്പെടുത്തൽ, സുതാര്യത. ജനറേറ്റുചെയ്‌ത ആളുകൾക്ക്, സമ്മതം എന്നാൽ റഫറൻസ് ഫോട്ടോകൾ ഉൾപ്പെടെ, അനുമതിയില്ലാതെ ആരുടേയും സാദൃശ്യം ഉപയോഗിക്കരുത് എന്നാണ് അർത്ഥമാക്കുന്നത്. ഒരു യഥാർത്ഥ വ്യക്തിയുടെ ഫോട്ടോയിൽ നിന്നാണ് നിങ്ങൾ പ്രവർത്തിക്കുന്നതെങ്കിൽ, ഉദാഹരണത്തിന്, സ്ഥിരതയുള്ള സ്വഭാവം നിലനിർത്തുന്നതിന്, നിർദ്ദിഷ്ട ഉപയോഗത്തിന് ആ വ്യക്തിയുടെ വ്യക്തമായ കരാർ നിങ്ങൾക്കുണ്ടെന്ന് ഉറപ്പാക്കുക, ആരെയും ലൈംഗികമായി ചിത്രീകരിക്കുകയോ അപമാനിക്കുകയോ ആൾമാറാട്ടം നടത്തുകയോ ചെയ്യുന്ന ചിത്രങ്ങൾ ഒരിക്കലും സൃഷ്ടിക്കരുത്.

അറിയാനുള്ള വെളിപ്പെടുത്തൽ നിയമങ്ങൾ

യൂറോപ്യൻ യൂണിയനിൽ, AI ആക്‌ട് ആഴത്തിലുള്ള വ്യാജത്തെ നിർവചിക്കുന്നത് AI- ജനറേറ്റുചെയ്‌തതോ കൃത്രിമമായതോ ആയ ഇമേജ്, ഓഡിയോ അല്ലെങ്കിൽ വീഡിയോ ഉള്ളടക്കം നിലവിലുള്ള വ്യക്തികൾ, വസ്തുക്കൾ, സ്ഥലങ്ങൾ, സ്ഥാപനങ്ങൾ അല്ലെങ്കിൽ ഇവൻ്റുകൾ എന്നിവയോട് സാമ്യമുള്ളതും ആധികാരികമാണെന്ന് തെറ്റായി തോന്നുന്നതുമായ ഉള്ളടക്കമാണ്. അത്തരം ഉള്ളടക്കം സൃഷ്ടിക്കുന്ന വിന്യസിക്കുന്നവർ അത് കൃത്രിമമായി സൃഷ്ടിച്ചതോ കൃത്രിമമായി സൃഷ്ടിച്ചതോ ആണെന്ന് വെളിപ്പെടുത്തണം, കൂടുതൽ പരിമിതമായ വെളിപ്പെടുത്തലോടെ, കലാപരമായ, സർഗ്ഗാത്മക, ആക്ഷേപഹാസ്യ അല്ലെങ്കിൽ സാങ്കൽപ്പിക സൃഷ്ടികൾ. ഈ സുതാര്യത നിയമങ്ങൾ 2026 ഓഗസ്റ്റ് മുതൽ ബാധകമാണെന്ന് യൂറോപ്യൻ കമ്മീഷൻ പ്രസ്താവിക്കുന്നു. യാഥാർത്ഥ്യമായി കണക്കാക്കാവുന്ന ഒരു സന്ദർഭത്തിൽ യാഥാർത്ഥ്യബോധത്തോടെ കണ്ടുപിടിച്ച വ്യക്തി എല്ലായിടത്തും ഒരു ലേബലിന് അർഹനാണ്.

അടിക്കുറിപ്പ് മാത്രമല്ല, ഫയൽ ലേബൽ ചെയ്യുക

ഒരു ചിത്രം വീണ്ടും പങ്കിടുമ്പോൾ ഒരു അടിക്കുറിപ്പ് ക്രോപ്പ് ചെയ്യപ്പെടുകയോ നഷ്ടപ്പെടുകയോ ചെയ്യാം. ഫയലിനൊപ്പം വിവരങ്ങൾ കൊണ്ടുപോകാൻ മെറ്റാഡാറ്റ സ്റ്റാൻഡേർഡുകൾ നിലവിലുണ്ട്: IPTC ഡിജിറ്റൽ സോഴ്‌സ് ടൈപ്പ് പദാവലിയിൽ ജനറേറ്റീവ് AI ഉപയോഗിച്ച് സൃഷ്‌ടിച്ച മീഡിയയ്‌ക്കായുള്ള മൂല്യങ്ങൾ ഉൾപ്പെടുന്നു, കൂടാതെ പല ടൂളുകളും അത്തരം വിവരങ്ങൾ സ്വയമേവ എഴുതുന്നു. നിങ്ങൾ എഡിറ്റ് ചെയ്യുമ്പോഴും എക്‌സ്‌പോർട്ട് ചെയ്യുമ്പോഴും അത് കേടുകൂടാതെ സൂക്ഷിക്കുക, ആളുകൾക്ക് യഥാർത്ഥ വ്യക്തിയുടെ ഫോട്ടോയാണെന്ന് തെറ്റിദ്ധരിപ്പിക്കുന്നിടത്തെല്ലാം ദൃശ്യമായ ഒരു കുറിപ്പ് ചേർക്കുക.

LarpGPT എവിടെയാണ് യോജിക്കുന്നത്

LarpGPT എന്നത് യാത്ര, വാസ്തുവിദ്യ, കാറുകൾ, ലൈഫ്‌സ്‌റ്റൈൽ സീനുകൾ എന്നിവയ്‌ക്കായുള്ള ഫോട്ടോ പ്രോംപ്റ്റുകളുടെ ഒരു ലൈബ്രറിയാണ്, വിഷയം, കോമ്പോസിഷൻ, ലൈറ്റിംഗ്, ലെൻസ് എന്നിവയെ ചുറ്റിപ്പറ്റി എഴുതിയിരിക്കുന്നു, കൂടാതെ മുകളിലുള്ള സമീപനം ഉപയോഗിച്ച് കണ്ടുപിടിച്ച വ്യക്തിയെ ഉൾപ്പെടുത്തുന്നതിന് അതിലെ പല ജീവിതശൈലി രംഗങ്ങളും പൊരുത്തപ്പെടുത്താനാകും. നിങ്ങൾ ഒരു നിർദ്ദേശം പകർത്തി നിങ്ങൾ ഇതിനകം ഉപയോഗിക്കുന്ന ഇമേജ് ജനറേറ്ററിൽ ഒട്ടിക്കുക. LarpGPT ചിത്രങ്ങൾ സൃഷ്ടിക്കുന്നില്ല; മറ്റുള്ളവരുടെ അവകാശങ്ങളെ മാനിക്കുന്നതും സിന്തറ്റിക് ഉള്ളടക്കം വെളിപ്പെടുത്തുന്നതും നിങ്ങളോടൊപ്പമുണ്ടാകും.

തുടർ വായന

• 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