শুরুর জন্য AI ছবি কীভাবে তৈরি করবেন (একটি সহজ গাইড)

এটি কীভাবে কাজ করে, এক অনুচ্ছেদে

আপনি একটি বর্ণনা টাইপ করেন আর একটি ছবি দেখা যায়। এর নিচে, টুলটি বিশাল সংখ্যক ক্যাপশনযুক্ত ছবি থেকে শব্দগুলো দেখতে কেমন তা শিখেছে। এটি এলোমেলো ভিজ্যুয়াল নয়েজ দিয়ে শুরু করে আর বারবার সেই নয়েজকে আপনার বর্ণনার সঙ্গে মেলে এমন কিছুর দিকে ঠেলে দেয়।

একটি প্রভাব বেশিরভাগ শুরুর হতাশা ব্যাখ্যা করে: মডেলটি আপনার বর্ণনাকে প্যাটার্নের বিপরীতে মেলাচ্ছে, একজন মানুষের মতো নির্দেশ অনুসরণ করছে না। আপনি যদি বলেন "কোনো কুকুর নেই", "কুকুর" শব্দটি তখনও সেখানে আছে আর একটি কুকুর ভালোভাবেই দেখা দিতে পারে। আপনি যদি কিছু বাদ দেন, এটি জিজ্ঞাসা করে না; এটি সেই জিনিসের সবচেয়ে গড় সংস্করণ দিয়ে ফাঁকটি ভরে যা এটি দেখেছে।

এটিই পুরো দক্ষতা। আপনি কী চান তা সুনির্দিষ্টভাবে বলুন, আর আপনি কী চান না তা এর জন্য তৈরি জায়গায় বলুন।

ছয়-অংশের সূত্র

প্রায় প্রতিটি ভালো ছবি প্রম্পটে একই ছয়টি জিনিস থাকে। অনুপস্থিতগুলো ডিফল্ট দিয়ে ভরাট হয়, আর ডিফল্টগুলোই ঠিক যা একটি ছবিকে সাধারণ দেখায়।

অংশ	কী বলবেন	বাদ দিলে কী হবে
বিষয়	নির্দিষ্ট জিনিসটি, গুরুত্বপূর্ণ বিবরণসহ	সেই বিশেষ্যের সবচেয়ে সাধারণ সংস্করণ
পরিবেশ	এটি কোথায়, আর আপনি কতটা দেখেন	একটি খালি বা ঠাসা ব্যাকগ্রাউন্ড
আলো	দিনের সময়, দিক, মান	সমতল, সমানভাবে আলোকিত, প্রাণহীন
ফ্রেমিং	ক্লোজ আপ বা ওয়াইড, কোন কোণ থেকে	প্রতিবারই একটি কেন্দ্রীভূত মিডিয়াম শট
স্টাইল	ফটোগ্রাফ, তেলরঙের চিত্র, 3D রেন্ডার, চিত্রাঙ্কন	চকচকে ডিজিটাল আর্ট
মেজাজ বা রঙ	অনুভূতি আর প্যালেট	অতি-স্যাচুরেটেড আর হাই কনট্রাস্ট

একটি দুর্বল প্রম্পট: a cozy living room।

একটি শক্তিশালী প্রম্পট: A small living room with a lit fireplace and a tabby cat asleep on a worn armchair, late afternoon light through a west-facing window, wide shot from the doorway, realistic photograph, 35mm, warm browns and soft amber, calm and lived in.

চিন্তা করতে দুটোতেই প্রায় একই পরিমাণ প্রচেষ্টা লাগে। দ্বিতীয়টি একটি ছবি; প্রথমটি একটি ক্যাটাগরি।

তারপর সেই অংশটি যোগ করুন যা শুরুর ব্যবহারকারীরা সম্পূর্ণভাবে বাদ দেয়: একটি নেগেটিভ তালিকা। Negative: text, watermark, extra fingers, cluttered background, stock-photo smiling. একটি ছবিকে AI-জেনারেটেড দেখানোর বেশিরভাগ কারণ পুনরাবৃত্ত ত্রুটির একটি ছোট সেট থেকে আসে, আর সেগুলোর নাম বলা সেগুলো সরিয়ে দেয়।

যে কৌশল এটিকে সহজ করে

আপনাকে নিজে এই প্রম্পটগুলো লিখতে হবে না। একটি টেক্সট AI-কে সেগুলো আপনার জন্য লিখতে বলুন।

Write an image generation prompt for: [your rough idea]. It is for [purpose]. Structure it as subject, setting, lighting, framing, style, colour and mood, then a negative list. Give me three versions that differ in framing rather than in adjectives.

ভাষা মডেল বেশিরভাগ মানুষের চেয়ে ছবি প্রম্পট লেখায় উল্লেখযোগ্যভাবে ভালো, কারণ ফরম্যাটটি পরিচিত আর তারা বিশাল সংখ্যক উদাহরণ দেখেছে। এই কারণেই একটি চ্যাটের ভেতরে ছবি তৈরি করা একটি স্ট্যান্ডঅ্যালোন ছবি বক্সের চেয়ে সত্যিই বেশি দরকারি: যে টুলটি প্রম্পট লেখে সেটি ঠিক এটির পাশে বসে আছে যেটি এটি আঁকে।

কেন আপনার ছবি ভুল হয়ে এসেছে

প্রায় প্রতিটি শুরুর সমস্যা কভার করা একটি ছোট ডায়াগনস্টিক তালিকা।

বিরক্তিকর আর সাধারণ। আপনি আলো বা ফ্রেমিং নির্দিষ্ট করেননি। সেই দুটো অন্য যেকোনো জোড়ার চেয়ে বেশি কাজ করে।

সঠিক জিনিস, ভুলভাবে সাজানো। ফ্রেমিং স্পষ্টভাবে বলুন: wide shot from below, close up, subject in the left third। আপনি না বললে মডেলটির কোনো ধারণা নেই আপনি জিনিসগুলো কোথায় চান।

আপনি দেখতে চাননি এমন কিছু ছবিতে আছে। মূল প্রম্পটে এটির নাম বলা এটির সম্ভাবনা কমায় না, বাড়ায়। এটি নেগেটিভ তালিকায় সরান।

হাত, মুখ, বা ছোট পুনরাবৃত্ত বিবরণ ভুল। সর্বত্র এখনও সবচেয়ে দুর্বল এলাকা। একটি কাছাকাছি ক্রপ, একটি ভিন্ন কোণ, বা হাত দৃশ্যমান না রাখা চেষ্টা করুন। কখনো কখনো শুধু পুনরায় তৈরি করুন।

টেক্সট অর্থহীন। প্রত্যাশিত। পরবর্তী সেকশন দেখুন।

এটি স্টক ফটোগ্রাফির মতো দেখায়। candid যোগ করুন, একটি পোজের বদলে একটি অ্যাকশন বর্ণনা করুন, আর নেগেটিভে stock-photo smiling at camera রাখুন।

আপনার যেখানে দরকার তার জন্য ভুল আকার। আপনার আসলে দরকারি অ্যাসপেক্ট রেশিও চান। একটি বর্গকে একটি ব্যানারে ক্রপ করা আপনার অনুরোধ করা কম্পোজিশনটি ফেলে দেয়।

চক্রে না ঘুরে পুনরাবৃত্তি করা

শুরুর ব্যবহারকারীরা একটি ভালো রোলের আশায় একই প্রম্পট পুনরায় তৈরি করেন। কিছু এলোমেলোতা অনিবার্য, কিন্তু বেশিরভাগ অপচয় করা প্রচেষ্টা একবারে বেশ কয়েকটি জিনিস বদলানো থেকে আসে।

• প্রতি প্রচেষ্টায় একটি জিনিস বদলান। আলো, বা ফ্রেমিং, বা স্টাইল। তিনটি একসঙ্গে নয়, নাহলে আপনি জানবেন না কী সাহায্য করেছে।
• বিস্তারিতের আগে কম্পোজিশন ঠিক করুন। ফ্রেমের ভুল অংশে থাকা একটি বিষয়কে নিখুঁত করার চেয়ে প্রথমে ফ্রেমিং আর আলো ঠিক করা অনেক বেশি কার্যকর।
• কী ঠিক ছিল তা বর্ণনা করুন। একটি ছবি কাছাকাছি হলে, টুলটি মনে রাখে ধরে নেওয়ার বদলে পরবর্তী প্রম্পটে শব্দে তা বলুন।
• যে প্রম্পট কাজ করেছে তা সেভ করুন। ছয় বা আটটি নির্ভরযোগ্য প্রম্পট আকার যেকোনো একক ছবির চেয়ে বেশি মূল্যবান, আর সেগুলোই একটি ছবির সেটকে একসঙ্গে মানানসই দেখায়।

এটি এখনও কী করতে পারে না

টেক্সট। ছবিতে শব্দ সর্বত্র অনির্ভরযোগ্য থাকে। একটি ছোট শব্দ কখনো কখনো কাজ করে; একটি হেডলাইন বা একটি লোগো সাধারণত করে না। ছবিটি পরিষ্কার তৈরি করুন আর যেকোনো ডিজাইন টুলে টেক্সট যোগ করুন, যা আপনাকে সঠিক ফন্টও দেয়।

সুনির্দিষ্ট বিন্যাস। "ঠিক তিনটি বস্তু, লাল রঙেরটি বাঁয়ে" নির্ভরযোগ্যভাবে অনুসরণ করা হয় না। বিন্যাসটি গুরুত্বপূর্ণ হলে, টুকরোগুলো তৈরি করুন আর সেগুলো নিজে সাজান।

একই চরিত্র দুবার। একটি সিরিজজুড়ে অভিন্ন একজন ব্যক্তি বা প্রোডাক্ট পাওয়া কঠিন। বিস্তারিত পুনরাবৃত্ত বর্ণনা সাহায্য করে আর অভিন্ন ফলাফলের নিশ্চয়তা নেই।

একটি আসল ছবি সঠিকভাবে সম্পাদনা করা। এটি ব্যাকগ্রাউন্ড, আলো, আর স্টাইল ভালোভাবে সমন্বয় করতে পারে। এটি নির্ভরযোগ্যভাবে একটি বস্তুকে দুই ইঞ্চি বাঁয়ে সরাতে পারে না।

আর ফলাফল ব্যবহার করা নিয়ে: তৈরি করা কিছু বাণিজ্যিক কোথাও যাওয়ার আগে নিয়ম পরীক্ষা করুন। একজন আসল ব্যক্তি, একটি চেনা জায়গা, বা একজন জীবিত শিল্পীর স্বতন্ত্র স্টাইলের সঙ্গে মিল থাকা ছবির ক্ষেত্রে বিশেষ যত্ন নিন। টুলগুলোর মধ্যে শর্তাবলী আলাদা আর দায়িত্বটি যে ছবিটি প্রকাশ করে তার ওপর থাকে।