Anatomien til en fotorealistisk bildeprompt

En ledetekst er en kortfattelse, ikke en trollformel

Den mest vedvarende misforståelsen om bildemeldinger er at visse ord er magiske og jobben er å samle dem. Det som faktisk fungerer er nærmere å orientere en fotograf som ikke kan stille spørsmål. Du beskriver en scene som noen må sette opp, lyse og skyte, og hver avgjørelse du lar være usagt er en avgjørelse modellen tar for deg, vanligvis mot den mest gjennomsnittlige versjonen av det du spurte om.

En setning per avgjørelse

Lange spørsmål mislykkes ikke fordi de er lange, men fordi de er udifferensierte. Tjue adjektiver i én setning konkurrerer med hverandre, og modellen beregner gjennomsnittet av dem. Det samme innholdet delt inn i korte setninger, som hver har en avgjørelse, gir et langt mer forutsigbart resultat. Det gjør også ledeteksten redigerbar, fordi du kan se hvilken setning som skal endres når noe er galt.

Emnet kommer først og veier mest

Posisjon betyr noe. Det som dukker opp tidlig i en prompt vektes generelt tyngre, så emnet hører hjemme i front, beskrevet konkret. Et konkret motiv er et du kan fotografere: et objekt, et sted, en situasjon med fysiske egenskaper. Abstrakte emner gir modellen ingenting å bygge på, og den vil finne opp noe generisk for å fylle plassen.

Beskriv hva som vil være synlig, ikke hva som føles

Dette er den mest nyttige disiplinen. Et ord som melankolsk er en tolkning, og modellen må gjette hvilket visuelt arrangement som produserer det. Regn på et vindu, en lysende lampe, en tom stol: det er ting et kamera registrerer. Skriv årsakene i stedet for effekten, og effekten kommer av seg selv med langt mer konsistens.

Scenen setter begrensningene

Innstillingen er ikke dekorasjon. Det bestemmer hvilket lys som er tilgjengelig, hvilke overflater som finnes for å reflektere det, hva som kan vises i bakgrunnen, og hvilken skala alt leses i. Et emne beskrevet i detalj uten angitt innstilling vil bli plassert et generisk sted, og den generiske innstillingen vil da motsi halvparten av valgene du har gjort om emnet.

Øyeblikket begrenser en scene til et fotografi

Tid på døgnet, vær og årstid gjør mer arbeid enn de fleste forventer, fordi hver enkelt har et helt lysoppsett med seg. Sen ettermiddag på høsten innebærer en lav varm sol, lange skygger og et spesielt fargekast, alt fra fire ord. Å navngi øyeblikket er den mest effektive setningen i de fleste ledetekster.

Lys er en avgjørelse, ikke en ettertanke

Fotografier er i stor grad laget av lys, og et uoppgitt lysvalg er den raskeste veien til et flatt, jevnt opplyst bilde som ser syntetisk ut. Si hvor lyset kommer fra og hva slags det er. Vinduslys fra venstre. En enkelt overliggende kilde. Overskyet himmel. Direkte sol gjennom bladene. Hver produserer et annet bilde fra samme motiv og scene.

Hardt og mykt lys gjør forskjellige jobber

Lys fra en liten eller fjern kilde er vanskelig: skarpe skyggekanter, høy kontrast, synlig tekstur. Lys fra en stor eller diffus kilde er mykt: gradvise skygger, lav kontrast, mildere overflater. Å navngi hvilken du ønsker forteller modellen mer om stemningen i et bilde enn noe adjektiv om stemning gjør.

Komposisjonsinstruksjoner modellen kan følge

Rammetermer er nyttige fordi de er entydige. Nærbilde, vidbilde, øyehøyde, lav vinkel, overhead. Om motivet sitter sentrert eller til side. Hva er foran og hva er bak. Dette er ordene en fotograf ville brukt på settet, og de oversettes rent fordi de beskriver geometri i stedet for smak.

Linsespråk, og hva det faktisk gjør

En bred brennvidde overdriver dybden og gjør nærting store. En lang brennvidde komprimerer avstand og flater ut lag. En stor blenderåpning kaster bakgrunnen ut av fokus og isolerer motivet. Disse begrepene fungerer i ledetekster fordi de samsvarer med ekte optisk oppførsel, og å be om en liten dybdeskarphet er mer presist enn å be om en uskarp bakgrunn.

Farge, behersket

Å navngi to eller tre farger gir et sammenhengende bilde. Å navngi åtte produserer gjørme, fordi modellen prøver å inkludere alle og ingen dominerer. Hvis en farge er viktig, fest den til et objekt i stedet for til hele bildet: en rød dør leser bedre enn en rødtonet scene, og den lar resten av paletten være fri til å følge lyset.

Endre en ting om gangen

Når et resultat er nært men feil, er instinktet å omskrive ledeteksten. Motstå det. Endre én setning, regenerer og se hva som beveget seg. Dette er tregere per forsøk og mye raskere totalt sett, fordi du lærer hva hver setning gjør. En omskrevet forespørsel som fungerer, lærer deg ingenting du kan gjenbruke i morgen.

Behold versjonene du forkaster

En forespørsel som ga noe interessant, men ikke det du ønsket, er verdt å beholde. Spennende biblioteker bygges ut fra disse, ikke fra suksessene, fordi nestenulykkene er det du tilpasser når neste brief er litt annerledes. Et notat om hvordan resultatet faktisk så ut er verdt mer enn forespørselen alene.

Tilpass uten å bryte strukturen

Når du gjenbruker en forespørsel, bytt motiv og innstilling og la lyset, komposisjonen og linsesetningene være i fred med det første. Det er disse delene som får et bilde til å se fotografisk ut, og det er delene folk sletter når en forespørsel føles for lang. Endre dem bevisst, en om gangen, når det nye faget fungerer.

Si hva bildet er

Bilder laget på denne måten er ikke fotografier, og standardene for å si det eksisterer allerede. IPTC Digital Source Type-vokabularet gir verdier som skiller en digital fangst samplet fra det virkelige liv fra media opprettet ved hjelp av generativ AI, og C2PA-spesifikasjonen definerer hvordan herkomstinformasjon reiser med en fil. Der bildet kan være tatt for å registrere noe ekte, merk det. LarpGPT gir forespørsler og referansemateriale, og det du genererer er ditt å bruke og ditt å avsløre.

Videre lesing

• IPTC Digital Source Type NewsCodes
• C2PA technical specification
• IPTC Photo Metadata Standard