Hur skapar man AI bilder som nybörjare (en enkel guide)

Så fungerar det, på ett stycke

Du skriver en beskrivning och en bild dyker upp. Under ytan har verktyget lärt sig hur ord ser ut från ett enormt antal bildtextade bilder. Det börjar med slumpmässigt visuellt brus och putar upprepade gånger det bruset mot vad som helst som matchar din beskrivning.

En konsekvens förklarar det mesta av nybörjarfrustrationen: modellen matchar din beskrivning mot mönster, den följer inte instruktioner som en person skulle göra. Om du säger "ingen hund" finns ordet hund fortfarande där, och en hund kan mycket väl dyka upp. Om du utelämnar något frågar den inte, den fyller i luckan med den mest genomsnittliga versionen av den saken den har sett.

Det är hela konsten. Säg exakt vad du vill ha, och säg vad du inte vill ha på den plats som är gjord för det.

Formeln i sex delar

Nästan varje bra bildprompt innehåller samma sex saker. De som saknas fylls i med standardval, och de standardvalen är precis det som gör att en bild ser generisk ut.

Del	Vad du ska säga	Om du utelämnar det
Motiv	Den specifika saken, med de detaljer som spelar roll	Den mest generiska versionen av det substantivet
Miljö	Var det är, och hur mycket du ser	En tom eller rörig bakgrund
Ljus	Tid på dagen, riktning, kvalitet	Platt, jämnt belyst, livlöst
Komposition	Närbild eller vidvinkel, från vilken vinkel	En centrerad halvbild, varje gång
Stil	Fotografi, oljemålning, 3D rendering, illustration	Glansig digital konst
Stämning eller färg	Känslan och paletten	Övermättad och hög kontrast

En svag prompt: ett mysigt vardagsrum.

En stark prompt: Ett litet vardagsrum med en tänd öppen spis och en tabbykatt som sover i en sliten fåtölj, sent eftermiddagsljus genom ett västvänt fönster, vid vy från dörröppningen, realistiskt fotografi, 35mm, varma brunnyanser och mjuk bärnsten, lugnt och bebott.

Båda tar ungefär samma tid att komma på. Den andra är en bild, den första är en kategori.

Lägg sedan till det nybörjare helt hoppar över: en negativlista. Negativt: text, vattenstämpel, extra fingrar, rörig bakgrund, stockfoto-leende. Det mesta som får en bild att se AI genererad ut kommer från en liten uppsättning återkommande defekter, och att namnge dem tar bort dem.

Tricket som gör det här enkelt

Du behöver inte skriva dessa prompts själv. Be en text AI att skriva dem åt dig.

Skriv en bildgenereringsprompt för: [din grova idé]. Den är till för [syfte]. Strukturera den som motiv, miljö, ljus, komposition, stil, färg och stämning, och lägg sedan till en negativlista. Ge mig tre versioner som skiljer sig i komposition snarare än i adjektiv.

Språkmodeller är betydligt bättre på att skriva bildprompts än de flesta människor, eftersom formatet är känt och de har sett enorma mängder exempel. Det är därför att generera bilder inuti en chatt är genuint mer användbart än en fristående bildruta: verktyget som skriver prompten sitter precis bredvid det som ritar den.

Varför din bild blev fel

En kort diagnoslista som täcker nästan alla nybörjarproblem.

Tråkig och generisk. Du angav inte ljus eller komposition. De två gör mer nytta än något annat par.

Rätt saker, felplacerade. Säg kompositionen explicit: vidvinkel underifrån, närbild, motiv i vänstra tredjedelen. Modellen har ingen aning om var du vill ha saker om du inte säger det.

Något du bad om att inte se finns med i bilden. Att namnge det i huvudprompten gör det mer troligt, inte mindre. Flytta det till negativlistan.

Händer, ansikten eller små återkommande detaljer blir fel. Fortfarande det svagaste området överallt. Prova en tightare beskärning, en annan vinkel, eller att händer inte syns. Ibland räcker det att bara generera om.

Text är rappakalja. Förväntat. Se nästa avsnitt.

Det ser ut som stockfoto. Lägg till spontant, beskriv en handling snarare än en pose, och sätt stockfoto-leende mot kameran i negativlistan.

Fel form för där du behöver den. Be om det bildförhållande du faktiskt behöver. Att beskära en kvadrat till en banner slänger bort kompositionen du bad om.

Att iterera utan att gå runt i cirklar

Nybörjare genererar om samma prompt och hoppas på ett bättre resultat. Viss slump går inte att undvika, men de flesta bortkastade försök kommer från att ändra flera saker på en gång.

• Ändra en sak per försök. Ljus, eller komposition, eller stil. Inte alla tre, annars vet du inte vad som hjälpte.
• Fixa kompositionen före detaljerna. Att få kompositionen och ljuset rätt först är mycket mer effektivt än att förfina ett motiv som är i fel del av bilden.
• Beskriv vad som var rätt. När en bild är nära, säg det i ord i nästa prompt istället för att anta att verktyget minns.
• Spara prompts som fungerade. Sex eller åtta pålitliga promptformer är värda mer än en enda bild, och det är de som får en samling bilder att se ut som att de hör ihop.

Vad det fortfarande inte klarar

Text. Ord i bilder förblir opålitliga överallt. Ett kort ord fungerar ibland, en rubrik eller en logotyp gör det oftast inte. Generera bilden ren och lägg till text i valfritt designverktyg, vilket också ger dig rätt typsnitt.

Exakta arrangemang. "Exakt tre föremål, det röda till vänster" följs inte pålitligt. Om arrangemanget spelar roll, generera delarna och komponera dem själv.

Samma karaktär två gånger. Att få en identisk person eller produkt genom en serie är svårt. Detaljerade upprepade beskrivningar hjälper, men identiska resultat garanteras inte.

Att redigera ett riktigt foto exakt. Den kan justera bakgrund, ljus och stil bra. Den kan inte pålitligt flytta ett föremål två centimeter åt vänster.

Och om att använda resultaten: kontrollera reglerna innan något genererat går till kommersiellt bruk. Var extra försiktig med bilder som liknar en verklig person, en igenkännbar plats, eller en levande konstnärs distinkta stil. Villkoren skiljer sig mellan verktyg och ansvaret ligger hos den som publicerar bilden.