یہ کیسے کام کرتا ہے، ایک پیراگراف میں
آپ ایک تفصیل ٹائپ کرتے ہیں اور ایک تصویر ظاہر ہوتی ہے۔ پس پردہ، ٹول نے بہت بڑی تعداد میں کیپشن والی تصاویر سے سیکھا کہ الفاظ کیسے نظر آتے ہیں۔ یہ بے ترتیب بصری شور سے شروع کرتا ہے اور بار بار اس شور کو اس چیز کی طرف دھکیلتا ہے جو آپ کی تفصیل سے میل کھائے۔
ایک نتیجہ زیادہ تر ابتدائی مایوسی کی وضاحت کرتا ہے: ماڈل آپ کی تفصیل کو نمونوں کے خلاف ملاتا ہے، کسی انسان کی طرح ہدایات کی پیروی نہیں کرتا۔ اگر آپ کہیں "کوئی کتا نہیں"، تو لفظ "کتا" پھر بھی وہاں ہے اور ایک کتا ظاہر ہو سکتا ہے۔ اگر آپ کچھ چھوڑ دیتے ہیں، تو یہ نہیں پوچھتا؛ یہ خلا کو اس چیز کے سب سے اوسط ورژن سے بھر دیتا ہے جو اس نے دیکھا ہو۔
یہی پوری مہارت ہے۔ مخصوص طور پر بتائیں کہ آپ کیا چاہتے ہیں، اور جو نہیں چاہتے وہ اس کے لیے بنائی گئی جگہ میں بتائیں۔
چھ حصوں کا فارمولا
تقریباً ہر اچھا امیج پرامپٹ انہی چھ چیزوں پر مشتمل ہوتا ہے۔ غائب چیزیں ڈیفالٹس سے بھر جاتی ہیں، اور ڈیفالٹس ہی بالکل وہ چیز ہیں جو تصویر کو عمومی بناتی ہیں۔
| حصہ | کیا کہیں | اگر چھوڑ دیں |
|---|---|---|
| موضوع | مخصوص چیز، اہم تفصیلات کے ساتھ | اس اسم کا سب سے عمومی ورژن |
| ماحول | یہ کہاں ہے، اور آپ کتنا دیکھتے ہیں | ایک خالی یا بھرا ہوا پس منظر |
| روشنی | دن کا وقت، سمت، معیار | فلیٹ، یکساں روشنی والا، بے جان |
| فریمنگ | قریبی یا وسیع، کس زاویے سے | ہمیشہ ایک مرکز میں درمیانہ شاٹ |
| انداز | تصویر، آئل پینٹنگ، 3D رینڈر، خاکہ | چمکدار ڈیجیٹل آرٹ |
| موڈ یا رنگ | احساس اور پیلیٹ | حد سے زیادہ رنگین اور زیادہ کنٹراسٹ |
ایک کمزور پرامپٹ: ایک آرام دہ رہنے کا کمرہ۔
ایک مضبوط پرامپٹ: ایک چھوٹا رہنے کا کمرہ جس میں جلتی ہوئی چمنی اور ایک پرانی آرام کرسی پر سویا ہوا ایک دھاری دار بلی ہو، مغرب کی طرف کھڑکی سے دیر دوپہر کی روشنی، دروازے سے وسیع شاٹ، حقیقت پسندانہ تصویر، 35mm، گرم بھورے اور نرم عنبری رنگ، پرسکون اور رہائشی۔
دونوں کو سوچنے میں تقریباً ایک جیسی محنت لگتی ہے۔ دوسرا ایک تصویر ہے؛ پہلا ایک زمرہ ہے۔
پھر وہ حصہ شامل کریں جسے ابتدائی صارفین مکمل طور پر چھوڑ دیتے ہیں: ایک منفی فہرست۔ منفی: متن، واٹر مارک، اضافی انگلیاں، بھرا ہوا پس منظر، اسٹاک فوٹو مسکراہٹ۔ زیادہ تر وہ چیز جو تصویر کو AI سے بنی ہوئی دکھاتی ہے دہرائے جانے والے نقائص کے ایک چھوٹے سیٹ سے آتی ہے، اور انہیں نام دینا انہیں ہٹا دیتا ہے۔
وہ چال جو اسے آسان بناتی ہے
آپ کو یہ پرامپٹس خود لکھنے کی ضرورت نہیں۔ کسی متنی AI سے کہیں کہ آپ کے لیے لکھے۔
اس کے لیے ایک امیج جنریشن پرامپٹ لکھیں: [your rough idea]۔ یہ [purpose] کے لیے ہے۔ اسے موضوع، ماحول، روشنی، فریمنگ، انداز، رنگ اور موڈ کے طور پر ترتیب دیں، پھر ایک منفی فہرست۔ مجھے تین ورژن دیں جو صفات کے بجائے فریمنگ میں مختلف ہوں۔
زبان کے ماڈلز امیج پرامپٹس لکھنے میں زیادہ تر لوگوں سے کافی بہتر ہیں، کیونکہ شکل معلوم ہے اور انہوں نے بہت بڑی تعداد میں مثالیں دیکھی ہیں۔ یہی وجہ ہے کہ چیٹ کے اندر تصاویر بنانا اسٹینڈ اِلون امیج باکس سے حقیقتاً زیادہ مفید ہے: پرامپٹ لکھنے والا ٹول اسی کے ساتھ بیٹھا ہے جو اسے بناتا ہے۔
آپ کی تصویر غلط کیوں آئی
تقریباً ہر ابتدائی مسئلے کا احاطہ کرنے والی ایک مختصر تشخیصی فہرست۔
بورنگ اور عمومی۔ آپ نے روشنی یا فریمنگ متعین نہیں کی۔ یہ دو کسی بھی اور جوڑے سے زیادہ کام کرتے ہیں۔
درست چیزیں، غلط طریقے سے ترتیب دی گئیں۔ فریمنگ واضح طور پر بتائیں: نیچے سے وسیع شاٹ، قریبی شاٹ، موضوع بائیں تہائی میں۔ ماڈل کو کوئی اندازہ نہیں کہ آپ چیزیں کہاں چاہتے ہیں جب تک آپ نہ بتائیں۔
وہ چیز جسے آپ نے نہ دیکھنے کو کہا وہ تصویر میں ہے۔ اسے مرکزی پرامپٹ میں نام دینا اس کے آنے کا امکان کم نہیں بڑھاتا ہے۔ اسے منفی فہرست میں منتقل کریں۔
ہاتھ، چہرے یا چھوٹی دہرائی جانے والی تفصیلات غلط ہیں۔ یہ اب بھی ہر جگہ سب سے کمزور علاقہ ہے۔ ایک قریبی کراپ، مختلف زاویہ، یا ہاتھوں کے نظر نہ آنے کو آزمائیں۔ کبھی کبھار بس دوبارہ بنائیں۔
متن بے معنی ہے۔ متوقع۔ اگلا حصہ دیکھیں۔
یہ اسٹاک فوٹوگرافی جیسا لگتا ہے۔ candid شامل کریں، پوز کے بجائے ایک عمل بیان کریں، اور منفی فہرست میں کیمرے کی طرف اسٹاک فوٹو مسکراہٹ ڈالیں۔
آپ کو جہاں ضرورت ہے اس کے لیے غلط شکل۔ وہ aspect ratio مانگیں جس کی آپ کو اصل میں ضرورت ہے۔ ایک مربع کو بینر میں کراپ کرنا اس ترتیب کو ضائع کر دیتا ہے جو آپ نے مانگی تھی۔
چکر لگائے بغیر بہتری لانا
ابتدائی صارفین بہتر نتیجے کی امید میں ایک ہی پرامپٹ دوبارہ بناتے ہیں۔ کچھ بے ترتیبی ناگزیر ہے، لیکن زیادہ تر ضائع ہونے والی کوششیں بیک وقت کئی چیزیں بدلنے سے آتی ہیں۔
- ہر کوشش میں ایک چیز بدلیں۔ روشنی، یا فریمنگ، یا انداز۔ تینوں نہیں، ورنہ آپ کو معلوم نہیں ہوگا کہ کیا مددگار تھا۔
- تفصیل سے پہلے ترکیب ٹھیک کریں۔ پہلے فریمنگ اور روشنی درست کرنا فریم کے غلط حصے میں موجود موضوع کو نکھارنے سے کہیں زیادہ کارآمد ہے۔
- بیان کریں کہ کیا درست تھا۔ جب کوئی تصویر قریب ہو، تو یہ فرض کرنے کے بجائے کہ ٹول کو یاد ہے، اگلے پرامپٹ میں الفاظ میں بتائیں۔
- کام کرنے والے پرامپٹس محفوظ کریں۔ چھ یا آٹھ قابلِ اعتماد پرامپٹ شکلیں کسی ایک تصویر سے زیادہ قیمتی ہیں، اور یہی وہ چیز ہیں جو تصاویر کے سیٹ کو ایک دوسرے سے تعلق رکھنے والی دکھاتی ہیں۔
یہ اب بھی کیا نہیں کر سکتا
متن۔ تصاویر میں الفاظ ہر جگہ غیر قابلِ اعتماد رہتے ہیں۔ ایک مختصر لفظ کبھی کبھار کام کرتا ہے؛ ایک عنوان یا لوگو عام طور پر نہیں کرتا۔ تصویر کو صاف بنائیں اور کسی ڈیزائن ٹول میں متن شامل کریں، جو آپ کو درست فونٹ بھی دیتا ہے۔
عین ترتیبات۔ "بالکل تین اشیاء، سرخ والی بائیں طرف" قابلِ اعتماد طریقے سے پیروی نہیں کی جاتی۔ اگر ترتیب اہم ہو، تو ٹکڑے بنائیں اور خود انہیں ترتیب دیں۔
ایک ہی کردار دو بار۔ ایک سلسلے میں ایک جیسا شخص یا پروڈکٹ حاصل کرنا مشکل ہے۔ تفصیلی دہرائی گئی تفصیلات مدد کرتی ہیں اور ایک جیسے نتائج کی ضمانت نہیں۔
حقیقی تصویر میں درست ترمیم کرنا۔ یہ پس منظر، روشنی اور انداز اچھی طرح ایڈجسٹ کر سکتا ہے۔ یہ کسی چیز کو قابلِ اعتماد طریقے سے دو انچ بائیں منتقل نہیں کر سکتا۔
اور نتائج استعمال کرنے کے بارے میں: کسی بھی بنائی گئی چیز کے کمرشل طور پر کہیں جانے سے پہلے قواعد چیک کریں۔ کسی حقیقی شخص، پہچانی جانے والی جگہ، یا کسی زندہ فنکار کے مخصوص انداز سے ملتی جلتی تصاویر کے ساتھ خاص احتیاط کریں۔ شرائط ٹولز کے درمیان مختلف ہوتی ہیں اور ذمہ داری اسی پر ہوتی ہے جو تصویر شائع کرے۔
- تمام چھ حصے شامل کریں: موضوع، ماحول، روشنی، فریمنگ، انداز، موڈ
- جو آپ نہیں چاہتے وہ منفی فہرست میں رکھیں، کبھی مرکزی تفصیل میں نہیں
- اپنے خام آئیڈیا سے امیج پرامپٹ لکھنے کے لیے متنی AI سے کہیں
- اس aspect ratio پر بنائیں جس کی آپ کو اصل میں ضرورت ہے
- ہر کوشش میں ایک متغیر بدلیں تاکہ آپ کو معلوم ہو کہ کیا مددگار تھا
- امیج ماڈل کے بجائے ڈیزائن ٹول میں متن شامل کریں
- کام کرنے والے پرامپٹس محفوظ کریں تاکہ آپ کی تصاویر مستقل نظر آئیں
عمومی سوالات
کیا مجھے AI تصاویر بنانے کے لیے فنکارانہ مہارتیں چاہئیں؟
نہیں، لیکن آپ کو وضاحتی مہارتیں چاہئیں، اور یہی وہ حصہ ہے جسے ابتدائی صارفین کم اہمیت دیتے ہیں۔ مایوس کن تصویر اور اچھی تصویر کے درمیان فرق تقریباً مکمل طور پر اس پر منحصر ہے کہ آپ نے روشنی، فریمنگ اور انداز کو کتنی مخصوصیت سے بیان کیا۔ اگر کسی منظر کو تفصیل سے بیان کرنا فطری طور پر نہیں آتا، تو متنی AI سے کہیں کہ آپ کے خام آئیڈیا کو منظم پرامپٹ میں بدل دے۔
کیا میں امیج آئیڈیاز سوچنے میں مدد کے لیے AI استعمال کر سکتا ہوں؟
جی ہاں، اور یہ زیادہ تر لوگوں کے خیال سے زیادہ مفید ہے۔ کسی چیٹ بوٹ سے پانچ وضاحتی تصورات مانگیں، پھر اس سے کہیں کہ آپ کے پسندیدہ کو منفی فہرست کے ساتھ ایک مکمل منظم امیج پرامپٹ میں بدل دے۔ زبان کے ماڈلز زیادہ تر ابتدائی صارفین سے بہتر امیج پرامپٹس لکھتے ہیں، یہی وجہ ہے کہ چیٹ کے اندر تصاویر بنانا اسٹینڈ اِلون امیج باکس کو شکست دیتا ہے۔
میری تصویر میں متن بے معنی کیوں لگتا ہے؟
کیونکہ رینڈر شدہ متن حقیقتاً ہر امیج ماڈل میں سب سے کمزور علاقہ ہے، اور کوئی پرامپٹ قابلِ اعتماد طریقے سے اسے ٹھیک نہیں کرتا۔ مختصر واحد الفاظ کبھی کبھار نکلتے ہیں؛ عنوانات، لوگوز اور لیبلز عام طور پر نہیں نکلتے۔ متن کے بغیر تصویر بنائیں اور کسی ڈیزائن ٹول میں ٹائپوگرافی شامل کریں، جو آپ کو درست فونٹ استعمال کرنے اور اسے صحیح طریقے سے رکھنے دیتا ہے۔
کون سا امیج جنریٹر بہترین ہے؟
یہ لوگوں کی توقع سے زیادہ موضوع پر منحصر ہے۔ Flux فوٹو ریئلزم اور ہر اس چیز کے لیے سب سے مضبوط ہے جو کیمرے سے آئی ہوئی لگنی چاہیے۔ Stable Diffusion خاکے کے لیے زیادہ اسٹائلسٹک کنٹرول اور تنوع دیتا ہے۔ فیصلہ کرنے کا سب سے تیز طریقہ ایک ہی پرامپٹ کو ان دونوں سے چلانا اور نتائج کا ساتھ ساتھ موازنہ کرنا ہے، کیونکہ پورٹریٹس پر جیتنے والا اکثر انٹیریئرز پر جیتنے والا نہیں ہوتا۔
کیا مجھے امیج جنریشن کے لیے الگ سبسکرپشن چاہیے؟
ضروری نہیں۔ امیج جنریشن Whizi میں Pro اور اس سے اوپر متنی ماڈلز کے ساتھ شامل ہے، جو دوسرے بل کے بغیر عام تخلیقی اور مواد کے کام کا احاطہ کرتی ہے۔ ایک مخصوص امیج ٹول اب بھی ان لوگوں کے لیے معنی رکھتا ہے جو یہ روزانہ پیشہ ورانہ طور پر کرتے ہیں اور بہت باریک اسٹائلسٹک کنٹرول چاہتے ہیں۔