Hvordan strukturere en AI-bildeforespørsel fra bunnen av

Hvorfor struktur slår ordforråd

Folk samler spørsmålsord slik de en gang samlet søkeoperatorer, og det gir inkonsekvente resultater. Det som gir konsistente resultater er en ordre du følger hver gang. Når hver forespørsel har samme form, kan du sammenligne to forsøk og vite hva som endret seg, og du slutter å gjenoppdage de samme leksjonene hver økt.

Rekkefølgen som fungerer

Motiv, så innstilling, så øyeblikk, så lys, så komposisjon, så linse, så farge. Syv spor, en kort setning hver. Ikke alle ledetekster trenger alle syv, men å skrive dem i denne rekkefølgen betyr at de tidlige setningene begrenser de senere i retningen en fotograf ville jobbe, i stedet for å overlate modellen til å forene motsetninger.

Start med et motiv du kan fotografere

Skriv faget som en fysisk ting med egenskaper: materiale, størrelse, tilstand, orientering. Et forvitret dørhåndtak i messing er et emne. Eleganse er det ikke. Testen er om en fotograf som er sendt for å fotografere den, vet hva han skal se etter, og hvis svaret er nei, gjetter modellen også.

Plasser den deretter et bestemt sted

Innstillingen bestemmer hvilket lys som finnes og hva som omgir motivet, så en vag innstilling opphever et presist motiv. Nevn hva slags rom, gate eller landskap, og en eller to ting som faktisk ville vært i det. To konkrete detaljer forankrer en scene bedre enn et avsnitt med atmosfære.

Navngi øyeblikket

Tid på døgnet, vær, årstid. Denne setningen er uvanlig effektiv fordi hver av disse har en hel lystilstand. Morgen etter regn gir deg våte overflater, diffust lys og et kjølig støp med fire ord. Å hoppe over det lar modellen velge, og den har en tendens til å velge lyse middager, som er det minst interessante lyset som finnes.

Gjør lyset eksplisitt

Si hvor den kommer fra og hva slags type den er: et vindu til venstre, en enkelt taklampe, overskyet himmel, direkte sol. Legg til om den er hard eller myk. Dette er setningen som mest pålitelig skiller et bilde som leses som fotografisk fra et som leses som gjengitt, og det er setningen som oftest utelates.

ramme inn fotografiet

Bruk ordene en fotograf bruker på settet, fordi de beskriver geometri og oversetter rent. Nærbilde eller bred. Øyehøyde, lav vinkel eller over hodet. Motivet sentrert eller til siden. Hva er i forgrunnen og hva er bak. Tvetydighet her er der en god forespørsel gir et merkelig sammensatt resultat.

Legg til linsens oppførsel hvis det betyr noe

En bred brennvidde overdriver dybden og forstørrer det som er i nærheten. En lang brennvidde komprimerer lag. En stor blenderåpning gjør bakgrunnen uskarp og isolerer motivet. Bruk disse når effekten er viktig for bildet, og la dem være ute når den ikke gjør det, fordi en linsesetning lagt til av vane begrenser resultatet uten grunn.

Hold farge til to eller tre valg

En kort palett gir et sammenhengende bilde og en lang gir gjørme. Hvis en farge er viktig, fest den til et objekt i stedet for til hele rammen. En rød dør fungerer. En rødtonet scene kjemper med det du sa om lyset.

Si hva som skal være synlig, ikke hvordan det skal føles

Den vanligste feilen i et førsteutkast er en stemningssetning. Erstatt hver enkelt med det fysiske arrangementet som ville produsere det. Denne enkeltsubstitusjonen forbedrer flere spørsmål enn noen annen endring, fordi den konverterer noe modellen må tolke til noe den kan konstruere.

Unngå å stable adjektiver

Vakkert, imponerende, ultra-detaljert, mesterverk og deres slektninger avbryter stort sett. De beskriver ikke noe et kamera kan ta opp, og de skyver resultatet mot det treningsdataene forbinder med ordene, som vanligvis er et generisk utseende. Kutt dem og rommet de frigjør kan holde en faktisk avgjørelse.

Negativer er en siste utvei

Hvis noe uønsket fortsetter å dukke opp, er den vanlige årsaken at spørsmålet ditt antyder det. En melding som ber om et skrivebord produserer ofte en bærbar datamaskin fordi skrivebord på fotografier vanligvis har en. Å legge til et negativt er mindre pålitelig enn å beskrive hva som bør være der i stedet, siden en fylt plass ikke også kan inneholde ting du ikke ønsket.

Gjenta én setning om gangen

Når et resultat er nært, endre nøyaktig én setning og regenerer. Du vil lære hva den setningen styrer, og den kunnskapen overføres til hver fremtidig melding. Å omskrive alt på en gang gir et bedre bilde og ingen forståelse, noe som betyr at neste brief starter fra null igjen.

Hold oversikt over hva hvert forsøk gjorde

Lagre ledeteksten og én linje på det som kom tilbake. Nesten-ulykkene er mer verdifulle enn suksessene, fordi de er det du tilpasser når neste forespørsel er litt annerledes. Et bibliotek med ledetekster uten notater er en liste over strenger du ikke vil stole på om seks måneder.

Gjenbruk strukturen, bytt ut innholdet

For å tilpasse en melding som fungerte, bytt motiv og innstilling først og la lys, komposisjon og linse være i fred. Disse setningene er det som får et bilde til å se fotografisk ut. Når du endrer dem, endre en om gangen slik at du kan fortelle hva som skjedde. LarpGPT gir forespørsler og referansemateriale å starte fra, og det du genererer er ditt å bruke og ditt å avsløre.

Ett komplett forsøk, deretter en variant

Originaleksempel: vertikalt portrett av en voksen ved et vindu, skulderavskjæring, mykt naturlig sidelys, ensfarget grå vegg, rolig uttrykk, ingen tekst eller logo. Se gjennom det resulterende bildet ved å sjekke personen, innrammingen og lyset først.

For det andre forsøket, behold ordlyden og erstatt kun den grå veggen med en blå vegg. Dette gjør den tiltenkte endringen lettere å vurdere enn å endre motiv, linse, belysning og innstilling sammen. Generatoren kan fortsatt variere mellom forsøkene; en forespørsel er ikke en deterministisk kontroll.

Videre lesing

• IPTC Digital Source Type NewsCodes
• C2PA technical specification