LarpGPT · मार्गदर्शक
वास्तववादी लोकांसाठी एआय प्रॉम्प्ट कसे लिहायचे
AI प्रतिमांमध्ये विश्वासार्ह लोकांचे वर्णन करा: मुद्रा, कपडे, त्वचा, हात आणि प्रकाश, तसेच त्यासोबत येणारे संमती, समानता आणि प्रकटीकरण नियम.

या मार्गदर्शकामध्ये१४
का लोक सर्वात कठीण विषय आहेत
प्रेक्षक चेहरे आणि शरीराचे तज्ञ आहेत. एखाद्या इमारतीत किंवा लँडस्केपमध्ये काही दोष लक्षात येण्यापूर्वी आपल्याला थोडासा चुकीचा हात, एक अशक्य मुद्रा किंवा प्लास्टिकसारखी दिसणारी त्वचा लक्षात येते. हे लोकांना असा विषय बनवते जिथे अस्पष्ट प्रॉम्प्ट सर्वात दृश्यमानपणे अयशस्वी होतात. निराकरण कोणत्याही फोटोग्राफिक प्रॉम्प्ट प्रमाणेच आहे, फक्त कठोर: कॅमेरा प्रत्यक्षात काय रेकॉर्ड करेल याचे वर्णन करा आणि मॉडेलच्या सरासरी व्यक्तीच्या कल्पनेवर शक्य तितक्या कमी सोडा.
एखाद्या व्यक्तीचा शोध लावा, एक उधार घेऊ नका
अस्तित्वात नसलेल्या व्यक्तीपासून सुरुवात करा. वय श्रेणी, शरीर आकार, केस, कपडे आणि क्रियाकलाप यांचे वर्णन करा आणि तपशील सामान्य असू द्या. वास्तविक खाजगी व्यक्तीच्या प्रतिमेसाठी कधीही प्रॉम्प्ट करू नका आणि वास्तविक म्हणून घेतले जाऊ शकते अशा परिस्थितीत कधीही वास्तविक सार्वजनिक व्यक्तिमत्त्व निर्माण करू नका. नैतिकतेच्या पलीकडे, अनेक अधिकार क्षेत्रे व्यक्तिमत्त्वाचे अधिकार ओळखतात, जे लोकांना त्यांचे नाव, प्रतिमा आणि समानतेचा व्यावसायिक वापर नियंत्रित करू देतात. देशानुसार नियम वेगळे असतात आणि शोध लावलेली व्यक्ती हा प्रश्न पूर्णपणे टाळते.
एखाद्या क्रियाकलापाचे वर्णन करा, पोझचे नाही
काहीतरी करताना फोटो काढलेले लोक नैसर्गिक दिसतात; लोकांना स्टॉक प्रतिमांसारखे दिसण्यास सांगितले. कॅमेऱ्याकडे पाहून स्मितहास्य करणाऱ्या स्त्रीऐवजी, चाळीशीतल्या एका महिलेच्या दुसऱ्या हातात कॉफी धरून रेल्वे स्टेशनवर कागदाचा नकाशा वाचण्याचा प्रयत्न करा. एखादी क्रिया शरीराला त्याच्या मुद्रेचे कारण देते, हातांना धरण्यासाठी काहीतरी देते आणि चेहऱ्याला एक अभिव्यक्ती देते जे प्रॉम्प्ट ऐवजी कार्यातून येते.
मुद्रा आणि वजन
वास्तविक शरीरात वजन असते. कोणीतरी रेलिंगवर टेकलेले, खुर्चीच्या काठावर बसलेले, वाट पाहत असताना एका पायावर वजन हलवत आहे: ही लहान भौतिक तथ्ये आहेत जी एखाद्या आकृतीला विश्वासार्ह बनवतात. ताठ, सममितीय, समोरच्या आकृत्या ही व्युत्पन्न प्रतिमेची सर्वात सामान्य चिन्हे आहेत. वजन कोठे बसते आणि व्यक्ती कशाकडे झुकत आहे याविषयीचे एक वाक्य अनेकदा त्यांच्या देखाव्याबद्दल अनेक वाक्यांपेक्षा अधिक करते.
साहित्य आणि फिट म्हणून कपडे
तुम्ही इतर कोणत्याही पृष्ठभागाचे वर्णन कराल त्याप्रमाणे कपड्यांचे वर्णन करा: गुंडाळलेल्या स्लीव्हजसह कापलेला तागाचा शर्ट, जरा जास्तच मोठा लोकरीचा कोट, परिधान केलेले कॅनव्हास स्नीकर्स. दुमडलेले, ताणलेले आणि सुरकुत्या असलेले फॅब्रिक हे वास्तववादाचे सर्वात मजबूत संकेत आहे, कारण ते शरीराच्या खाली असलेल्या शरीराला प्रतिसाद देते. जेनेरिक शब्द जसे की स्टायलिश किंवा एलिगंट मटेरिअलबद्दल काहीही बोलत नाहीत आणि सामान्यत: ताजे अनपॅक केलेले कपडे तयार करतात.
त्वचा, परिष्करण न करता
व्युत्पन्न केलेले चेहरे बऱ्याचदा गुळगुळीत आणि अगदी मोठ्या प्रमाणात रिटच केलेल्या जाहिरातींसारखे बाहेर येतात. जर तुम्हाला नैसर्गिक परिणाम हवा असेल, तर भौतिक शब्दांत सांगा: त्वचेची नैसर्गिक रचना, दृश्यमान छिद्र, डोळ्यांभोवती बारीक रेषा, नाकावर हलके सनबर्न, मेकअप नाही. प्रकाशाचे वर्णन करणे देखील मदत करते, कारण मऊ बाजूचा प्रकाश पोत हळूवारपणे प्रकट करतो तर सपाट पुढचा प्रकाश तो पुसून टाकतो. परिपूर्ण किंवा निर्दोष अशा अटींवर ढीग टाळा, जे परिणाम प्लास्टिकच्या देखाव्याकडे पुढे ढकलतात.
हातांना काम हवे आहे
हात प्रतिमा जनरेटरचा एक सुप्रसिद्ध कमकुवत बिंदू आहे. सर्वात विश्वासार्ह दृष्टीकोन म्हणजे त्यांना फ्रेममध्ये मोकळे सोडण्यापेक्षा, कप धरून, टेबलवर आराम करून, कोटच्या खिशात टेकवून त्यांना काहीतरी विशिष्ट कार्य देणे. कमी दृश्यमान बोटे म्हणजे त्रुटीची शक्यता कमी. प्रतिमा वापरण्यापूर्वी नेहमी हातांची तपासणी करा: बोटे मोजा, ते वस्तू कशा पकडतात ते तपासा आणि ते मनगट कुठे मिळतात ते पहा.
चेहऱ्यावर प्रकाश
तीन-पॉइंट लाइटिंग परंपरेत वर्णन केलेले क्लासिक फोटोग्राफिक सेटअप, विषयावरील मुख्य प्रकाश, सावल्या मऊ करण्यासाठी दुय्यम प्रकाश आणि पार्श्वभूमीपासून विषय वेगळे करण्यासाठी मागून प्रकाश वापरतो. कल्पना वापरण्यासाठी तुम्हाला शब्दशैलीची गरज नाही. एका बाजूने खिडकीचा मऊ प्रकाश, सावलीची बाजू भरणारे हलके प्रतिबिंब आणि डोक्याच्या मागे एक उजळ पार्श्वभूमी हीच मांडणी सोप्या शब्दांत वर्णन करते. दुपारचा सूर्य, याउलट, डोळ्यांखाली गडद सावल्या ठेवतो आणि क्वचितच खुशामत करणारा असतो.
फ्रेमिंग आणि अंतर
कॅमेरा किती जवळ आहे ते सांगा. डोके आणि खांद्याचे पोर्ट्रेट, रस्त्यावर काही मीटर अंतरावर दिसणारी एक आकृती, विस्तीर्ण लँडस्केपमधील एक लहान आकृती: प्रत्येक एक स्केल सेट करतो ज्यावर चेहरा आणि हात प्रस्तुत केले जावेत. विस्तीर्ण फ्रेमिंग लहान त्रुटी लपवतात आणि अधिक कथा सांगतात; क्लोज-अप सर्वकाही उघड करतात. सर्वात नैसर्गिक परिणामांसाठी, स्पष्ट क्रियाकलाप आणि वास्तविक सेटिंगसह एक मध्यम फ्रेमिंग हा सर्वात क्षमाशील प्रारंभ बिंदू आहे.
हेतूने विविधता, अपघाताने नाही
प्रतिमा जनरेटर त्यांच्या प्रशिक्षण डेटामध्ये नमुने प्रतिबिंबित करतात आणि Midjourney च्या एका अभ्यासात असे आढळून आले आहे की अगदी तटस्थ प्रॉम्प्ट देखील लिंग, त्वचेचा रंग आणि स्थानानुसार असमान परिणाम देतात. तुम्हाला एखादी विशिष्ट व्यक्ती हवी असल्यास, त्यांचे विशेष वर्णन करा. तुम्ही मालिका बनवत असाल तर, मॉडेल जे काही परत येईल ते स्वीकारण्यापेक्षा वय, शरीराचा आकार आणि देखावा जाणूनबुजून बदला आणि तुम्ही ते प्रकाशित करण्यापूर्वी सेटचे संपूर्ण पुनरावलोकन करा.
संमती आणि सिंथेटिक मीडिया
जबाबदार सिंथेटिक मीडियासाठी Partnership on AI चे फ्रेमवर्क तीन कल्पनांभोवती तयार केले गेले आहे: संमती, प्रकटीकरण आणि पारदर्शकता. व्युत्पन्न केलेल्या लोकांसाठी, संमतीचा अर्थ मुख्यतः संदर्भ फोटोंसह परवानगीशिवाय कोणाचीही उपमा न वापरणे. तुम्ही एखाद्या खऱ्या व्यक्तीच्या छायाचित्रावरून काम करत असल्यास, उदाहरणार्थ एक सुसंगत वर्ण ठेवण्यासाठी, तुमच्याकडे त्या व्यक्तीचा विशिष्ट वापरासाठी स्पष्ट करार असल्याची खात्री करा आणि कधीही लैंगिक, अपमानित किंवा तोतयागिरी करणाऱ्या प्रतिमा तयार करू नका.
जाणून घेण्यासाठी प्रकटीकरण नियम
युरोपियन युनियनमध्ये, AI कायदा डीप फेक म्हणजे AI-व्युत्पन्न किंवा हाताळलेली प्रतिमा, ऑडिओ किंवा व्हिडिओ सामग्री जी विद्यमान व्यक्ती, वस्तू, ठिकाणे, संस्था किंवा घटनांशी सदृश आहे आणि खोटेपणे अस्सल असल्याचे दिसते. अशी सामग्री व्युत्पन्न करणाऱ्या नियोक्त्याने स्पष्टपणे कलात्मक, सर्जनशील, उपहासात्मक किंवा काल्पनिक कार्यासाठी अधिक मर्यादित प्रकटीकरणासह, ती कृत्रिमरित्या व्युत्पन्न केलेली किंवा हाताळलेली असल्याचे उघड करणे आवश्यक आहे. युरोपियन कमिशनने असे म्हटले आहे की हे पारदर्शकतेचे नियम ऑगस्ट 2026 पासून लागू होतात. एक वास्तववादी शोध लावलेली व्यक्ती ज्या संदर्भात खरी म्हणून घेतली जाऊ शकते ती सर्वत्र लेबलची पात्र आहे.
फाईलला लेबल लावा, फक्त मथळा नाही
इमेज रीशेअर केल्यावर कॅप्शन कापले जाऊ शकते किंवा हरवले जाऊ शकते. फाइलसह माहिती घेऊन जाण्यासाठी मेटाडेटा मानके अस्तित्वात आहेत: IPTC डिजिटल स्रोत प्रकार शब्दसंग्रहामध्ये जनरेटिव्ह AI वापरून तयार केलेल्या मीडियासाठी मूल्ये समाविष्ट आहेत आणि अनेक साधने अशी माहिती स्वयंचलितपणे लिहितात. जेव्हा तुम्ही संपादित आणि निर्यात करता तेव्हा ते अबाधित ठेवा आणि जिथे लोक वास्तविक व्यक्तीच्या छायाचित्रासाठी प्रतिमेची चूक करू शकतील तेथे दृश्यमान टीप जोडा.
जिथे LarpGPT बसते
LarpGPT हे प्रवास, आर्किटेक्चर, कार आणि जीवनशैलीच्या दृश्यांसाठी फोटो प्रॉम्प्टचे लायब्ररी आहे, जे विषय, रचना, प्रकाश आणि लेन्सच्या आसपास लिहिलेले आहे आणि त्यातील अनेक जीवनशैली दृश्ये वरील दृष्टिकोन वापरून शोधलेल्या व्यक्तीचा समावेश करण्यासाठी रुपांतरित केली जाऊ शकतात. तुम्ही प्रॉम्प्ट कॉपी करा आणि तुम्ही आधीपासून वापरत असलेल्या इमेज जनरेटरमध्ये पेस्ट करा. LarpGPT प्रतिमा निर्माण करत नाही; इतर लोकांच्या हक्कांचा आदर करणे आणि सिंथेटिक सामग्री उघड करणे आपल्यासोबत राहते.
प्रश्न
मी AI-व्युत्पन्न लोकांना वास्तववादी कसे बनवू शकतो?
व्यक्तीला एक क्रियाकलाप द्या, मुद्रा, कपडे सामग्री म्हणून वर्णन करा, त्वचेची नैसर्गिक रचना आणि वास्तविक प्रकाश स्रोत. ताठ पोझेस, निर्दोष त्वचा आणि मुक्त तरंगणारे हात ही व्युत्पन्न प्रतिमेची सर्वात सामान्य चिन्हे आहेत.
AI प्रतिमांना हात का चुकतात?
हात प्रतिमा जनरेटरचा एक ज्ञात कमकुवत बिंदू आहे. त्यांना विशिष्ट कार्य देणे, जसे की कप धरून ठेवणे आणि कमी बोटे दाखवणे त्रुटी कमी करते, परंतु प्रतिमा वापरण्यापूर्वी तुम्ही नेहमी त्यांची तपासणी केली पाहिजे.
मी वास्तविक लोकांच्या प्रतिमा तयार करू शकतो?
खऱ्या खाजगी व्यक्तींना पूर्णपणे टाळा, आणि वास्तविक मानल्या जाऊ शकतील अशा परिस्थितीत सार्वजनिक व्यक्तींचे चित्रण कधीही करू नका. अनेक देशांमधील व्यक्तिमत्व अधिकार एखाद्या व्यक्तीचे नाव, प्रतिमा आणि समानतेचे संरक्षण करतात आणि शोधलेली व्यक्ती ही समस्या टाळते.
मला वास्तववादी AI लोकांना लेबल करण्याची आवश्यकता आहे का?
युरोपियन युनियनमध्ये, AI कायद्यानुसार सखोल बनावट उघड करणे आवश्यक आहे, म्हणजे व्युत्पन्न केलेली सामग्री जी अस्तित्वात असलेल्या व्यक्तींशी साम्य आहे आणि खोटेपणे अस्सल वाटेल. कोणत्याही वास्तववादी व्युत्पन्न व्यक्तीला लेबल लावणे ही सर्वत्र चांगली सराव आहे.
पुढील वाचन
- 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
