چگونه در چت Whizi تصویر تولید کنیم

پاسخ کوتاه

انتخابگر مدل را باز کنید، کلید بالای آن را از Text به Image & Video تغییر دهید، یک مدل تصویر انتخاب کنید و تصویر مورد نظر را توصیف کنید. راهنمای کادر نوشتن به "Describe the image you want to generate..." تغییر می‌کند و نتیجه در همان گفتگو نمایش داده می‌شود.

مدل	کاربرد
Whizi Image	ساخت هر نوع تصویر؛ اولین ردیف در انتخابگر خلاقانه
Nano Banana	ویرایش عکسی که پیوست می‌کنید
Flux	آثار عکس‌واقع‌گرای دقیق
Stable Diffusion	مدل تصویر Stability AI

تولید تصویر در پلن Pro، به میزان 100 تصویر در هر دورهٔ ماهانه، و در Powerhouse، به میزان 500 تصویر، گنجانده شده است. حساب‌های Free و Starter سهمیهٔ تصویر صفر دارند. یک prompt تصویر می‌تواند بین 1 تا 4,000 کاراکتر باشد و تصاویر تولیدشده به مدت 30 روز نگهداری می‌شوند، با یک دکمهٔ دانلود روی هر کدام. اگر تولید به‌جای رندر شدن با خطا مواجه شود، متن خطا علت را مشخص می‌کند؛ به image generation failed مراجعه کنید.

چرا تولید در چت متفاوت است

روند معمول تولید تصویر یک محصول جداگانه، یک اشتراک جداگانه و یک کادر خالی جداگانه است که هیچ چیز دربارهٔ کاری که در دست دارید نمی‌داند. تولید تصویر درون همان گفتگو دو چیز عملی را تغییر می‌دهد.

اول، مدل از قبل زمینه را دارد. اگر همین حالا بیست پیام صرف توسعهٔ یک ایدهٔ کمپین کرده‌اید، عبارت "تصویر اصلی برای این را بساز" همهٔ آن زمینه را با خود حمل می‌کند. لازم نیست بریف را دوباره برای ابزاری دیگر توضیح دهید.

دوم، می‌توانید از یک مدل متنی برای نوشتن prompt تصویر استفاده کنید. این ترفندی است که بیشتر افراد از آن غافل می‌مانند: از Claude یا GPT بخواهید ایدهٔ خام شما را به یک prompt تصویر با ساختار درست تبدیل کند، سپس آن را اجرا کنید. مدل‌های زبانی در نوشتن prompt تصویر به‌مراتب بهتر از بیشتر افراد عمل می‌کنند، چون این قالب شناخته‌شده است و آن‌ها نمونه‌های زیادی از آن دیده‌اند.

Prompt: بگذارید مدل متنی prompt تصویر را بنویسد

Write an image generation prompt for: [rough idea]. It will be used for [purpose and placement]. Structure it as: subject, action or state, setting, lighting, composition and framing, medium or lens, colour treatment, mood. Add a negative list of what must not appear. Give me three variations that differ in composition rather than in adjectives.

ساختار prompt که جواب می‌دهد

تقریباً هر prompt تصویر خوب همین هفت بخش را تقریباً به همین ترتیب دارد. بخش‌های جاافتاده با پیش‌فرض‌های مدل پر می‌شوند و همین پیش‌فرض‌ها هستند که prompt‌های عمومی، تصاویر استوک عمومی تولید می‌کنند. اگر این اولین باری است که یکی می‌نویسید، how to create AI images همین موضوع را از صفر پوشش می‌دهد.

بخش	چه بگویید	اثر حذف آن
موضوع	چیز مشخص، همراه با جزئیاتی که اهمیت دارد	عمومی‌ترین نسخهٔ آن اسم را می‌گیرید
کنش یا حالت	چه کاری انجام می‌دهد یا چگونه قرار گرفته	ثابت، پوزدار، بی‌روح
محیط	کجا، و چقدر از آن دیده می‌شود	پس‌زمینهٔ پیش‌فرض خالی یا شلوغ
نورپردازی	جهت، کیفیت، زمان روز	تخت، نور یکنواخت، بی‌شخصیت
ترکیب‌بندی	زاویه، فاصله، جای موضوع در قاب	همیشه نمای متوسط از مرکز
رسانه یا لنز	عکس و فاصلهٔ کانونی، یا سبک تصویرسازی	گرایش به هنر دیجیتال براق
رنگ و حس‌وحال	پالت و احساس	اشباع بیش از حد، کنتراست بالا

یک مثال کاربردی. ضعیف: a person working in an office. قوی: A woman in her fifties reviewing printed drawings at a standing desk, late afternoon light from a window to her left, shot from slightly behind her shoulder at eye level, 50mm, muted greens and warm neutrals, calm and unhurried. Negative: stock-photo smiling at camera, cluttered desk, visible brand logos, text.

فهرست منفی بیش از آنچه انتظار می‌رود اهمیت دارد. بیشتر چیزی که باعث می‌شود تصاویر تولیدشده، تولیدشده به نظر برسند، مجموعه‌ای کوچک از آثار تکرارشونده است، و نام‌بردن آن‌ها این آثار را حذف می‌کند: stock-photo smiling، over-saturated، text، watermark، extra fingers، symmetrical corporate composition.

انتخاب مدل

• Whizi Image برای ساخت هر نوع تصویر. این مولد اصلی و اولین ردیف انتخابگر خلاقانه است.
• Nano Banana برای ویرایش عکسی که از قبل دارید. تصویر را پیوست کنید و تغییر مورد نظر را توصیف کنید؛ به‌محض پیوست‌شدن یک تصویر، راهنمای کادر نوشتن از حالت تولید به حالت ویرایش تغییر می‌کند.
• Flux برای آثار عکس‌واقع‌گرای دقیق و هر چیزی که باید کنار عکس‌برداری واقعی قرار بگیرد.
• Stable Diffusion، مدل Stability AI، به‌عنوان نظر دوم: به prompt‌نویسی دقیق پاداش می‌دهد و از همان کلمات نتیجه‌ای متفاوت تولید می‌کند.

می‌توانید درون همان چت بین آن‌ها جابه‌جا شوید، که سریع‌ترین راه برای پاسخ به تنها سؤال مهم است: همان prompt را در دو مدل اجرا کنید و نتایج را کنار هم ببینید. کیفیت مدل بسته به موضوع بسیار متفاوت است، و برنده در پرتره اغلب برندهٔ فضای داخلی یا تصویرسازی مسطح نیست.

تکرار بدون چرخیدن دور خودتان

خطای رایج این است که همان prompt را بارها و بارها تکرار کنید به امید نتیجه‌ای بهتر. بخشی از این اجتناب‌ناپذیر است، اما بیشتر تلاش‌های هدررفته از تغییر چند چیز به‌طور همزمان و گم‌کردن ردِ آنچه کمک کرده، ناشی می‌شود.

• در هر تلاش فقط یک متغیر را تغییر دهید. نور، یا قاب‌بندی، یا پالت رنگ. نه هر سه.
• آنچه جواب داد را در کلمات نگه دارید. وقتی تصویری نزدیک است، در prompt بعدی توضیح دهید چه چیزی درست بوده، به‌جای اینکه فرض کنید مدل به یاد می‌آورد.
• ترکیب‌بندی را پیش از جزئیات درست کنید. درست‌کردن قاب و نور در مرحلهٔ اول بسیار کارآمدتر از تکمیل موضوعی است که در بخش نادرست قاب قرار دارد.
• در نسبت ابعاد نهایی تولید کنید. بریدن یک تصویر مربع به یک بنر عریض، همان ترکیب‌بندی‌ای را که خواسته بودید از بین می‌برد. از ابتدا همان نسبتی را بخواهید که واقعاً نیاز دارید.
• prompt‌هایی که جواب دادند را ذخیره کنید. هشت prompt قابل‌اعتماد با سبک خانگی که می‌توانید دوباره جای‌گذاری کنید، از هر تصویر تکی ارزشمندترند، و استفادهٔ دوباره از آن‌ها همان چیزی است که یک مجموعه از دارایی‌ها را شبیه یک مجموعه می‌کند.

برای ویرایش تصویری که از قبل دارید، آن را بارگذاری کنید و تغییر مورد نظر را توصیف کنید. این روش برای تنظیم پس‌زمینه، نور و پالت خوب کار می‌کند، و برای ویرایش‌های ساختاری دقیق کمتر خوب کار می‌کند، که همچنان در یک ویرایشگر تصویر واقعی سریع‌تر انجام می‌شود.

چیزهایی که مدل‌های تصویر هنوز اشتباه می‌کنند

متن. کلمات رندرشده همچنان ضعیف‌ترین بخش در همهٔ مدل‌ها هستند. کلمات کوتاه گاهی درست درمی‌آیند؛ یک تیتر، یک لوگو یا یک برچسب معمولاً درست درنمی‌آید. تصویر را تمیز تولید کنید و متن را در ابزار طراحی خود اضافه کنید.

دست‌ها، تعدادها و جزئیات کوچک تکرارشونده. انگشت‌ها، دندان‌ها، پایه‌های صندلی و پنجره‌های یک ساختمان همه جاهایی هستند که مدل‌ها شمارش را از دست می‌دهند. پیش از استفاده از هر چیزی، آن را بزرگ‌نمایی کنید.

دستورات دقیق مکانی. "دقیقاً سه شیء، آن قرمز سمت چپ" غیرقابل‌اعتماد است. اگر چیدمان واقعاً اهمیت دارد، آن را در ویرایشگر خود بچینید.

ثبات میان تصاویر. یکسان‌درآمدن یک شخصیت یا محصول در یک سری تصاویر دشوار است. توضیحات دقیق و تکرارشونده کمک می‌کند؛ اما نتایج یکسان تضمین‌شده نیست.

دربارهٔ استفاده: پیش از قراردادن هر چیز تولیدشده در یک جایگاه پولی، حقوق خود را بررسی کنید، و به‌ویژه دربارهٔ هر چیزی شبیه یک شخص واقعی، مکانی قابل‌شناسایی یا سبکی متمایز مرتبط با یک هنرمند زنده، دقت بیشتری به خرج دهید. شرایط ارائه‌دهندگان متفاوت است، و مسئولیت تجاری بر عهدهٔ کسی است که تصویر را منتشر می‌کند.