Η δημιουργία εικόνων από κείμενο που δίνουμε σε εργαλεία τεχνητής νοημοσύνης έχει κάνει σημαντικά βήματα τα τελευταία χρόνια και αποτελεί βασικό πλεονέκτημα, τόσο για επαγγελματίες του marketing όσο και για απλούς χρήστες.
Ωστόσο, η ποιότητα του τελικού αποτελέσματος δεν εξαρτάται μόνο από το μοντέλο τεχνητής νοημοσύνης που χρησιμοποιείται, αλλά και από τον τρόπο με τον οποίο ο χρήστης διατυπώνει την εντολή του – τα λεγόμενα prompts.
Όπως επισημαίνει και το Gemini, δεν υπάρχει ένα και μοναδικό «μαγικό prompt». Η αποτελεσματικότητα εξαρτάται από τον ακριβή συνδυασμό του θέματος, του περιβάλλοντος και του τεχνικού ύφους που ζητά ο χρήστης.
Οι ειδικοί προτείνουν μια συγκεκριμένη δομή για τη δημιουργία ενός αποτελεσματικού prompt. Η περιγραφή θα πρέπει να περιλαμβάνει το θέμα της εικόνας, τη δράση, το περιβάλλον, το ύφος της κάμερας και τον φωτισμό, καθώς και τις παραμέτρους ποιότητας.
H σειρά των εντολών έχει μεγάλη σημασία
Η σειρά έχει επίσης σημασία. Τα πιο σημαντικά στοιχεία καλό είναι να τοποθετούνται στην αρχή της περιγραφής, καθώς τα μοντέλα τεχνητής νοημοσύνης δίνουν ιδιαίτερη βαρύτητα στις πληροφορίες που λαμβάνουν πρώτες.
Η χρήση τεχνικών όρων που παραπέμπουν σε επαγγελματική φωτογραφία και κινηματογραφική παραγωγή μπορεί επίσης να βελτιώσει σημαντικά το αποτέλεσμα. Εκφράσεις όπως «cinematic lighting», «sharp focus», «8K resolution» και «high-end rendering» βοηθούν το μοντέλο να προσεγγίσει μια πιο επαγγελματική αισθητική.
Για μεγαλύτερη ευκρίνεια μπορούν να χρησιμοποιηθούν όροι όπως «ultra definition» και «hyper-detailed textures». Για περισσότερο βάθος και ρεαλισμό, χρήσιμες είναι περιγραφές όπως «volumetric light» και «soft shadows».
Στη σύνθεση της εικόνας, φωτογραφικοί όροι όπως «depth of field», «bokeh effect» και «wide angle» βοηθούν στην προσομοίωση πραγματικών φακών και περιορίζουν την επίπεδη ή τεχνητή εμφάνιση. Παράμετροι όπως «HDR» και «Unreal Engine 5» μπορούν να προστεθούν στο τέλος της περιγραφής για ένα πιο ολοκληρωμένο και επαγγελματικό αποτέλεσμα.
Η σημασία του negative prompt – τι δεν θέλουμε
Εξίσου σημαντικό είναι να εξηγεί ο χρήστης στην τεχνητή νοημοσύνη τι δεν θέλει να εμφανίζεται στην εικόνα.
Η τεχνική αυτή είναι γνωστή ως «negative prompting» και περιλαμβάνει την προσθήκη όρων που πρέπει να αποφεύγει το μοντέλο. Λέξεις όπως «blurry», «deformed», «poor quality», «incorrect anatomy» και «pixelated» μπορούν να χρησιμοποιηθούν για τον περιορισμό συνηθισμένων λαθών.
Ωστόσο, ακόμη και το καλύτερα διατυπωμένο prompt σπάνια οδηγεί στο τέλειο αποτέλεσμα με την πρώτη προσπάθεια. Η διαδικασία είναι συνήθως επαναληπτική: ο χρήστης πρέπει να ελέγξει την εικόνα, να εντοπίσει τι δεν πέτυχε, να τροποποιήσει ανάλογα την περιγραφή και να ξαναδοκιμάσει.
Η πρακτική εφαρμογή αυτής της μεθόδου είναι ιδιαίτερα χρήσιμη στη δημιουργία εικόνων προϊόντων, όπου η ενσωμάτωση του αντικειμένου στο περιβάλλον παίζει καθοριστικό ρόλο.
Παραδείγματα
Για παράδειγμα, ένα prompt θα μπορούσε να ζητά:
«Δημιούργησε μια υπερρεαλιστική εικόνα ενός προϊόντος σε πρώτο πλάνο, τοποθετημένου στο κέντρο, πάνω σε αμμώδη επιφάνεια που φωτίζεται από το φως του ηλιοβασιλέματος, με cinematic lighting, sharp focus, hyper-detailed textures, shallow depth of field, soft shadows και HDR.»
Το παράδειγμα δείχνει ότι η περιγραφή του περιβάλλοντος και του φωτισμού είναι εξίσου σημαντική με την περιγραφή του ίδιου του αντικειμένου.
Η βασική ιδέα είναι ότι ο χρήστης πρέπει να σκέφτεται σαν σκηνοθέτης ή διευθυντής φωτογραφίας. Όσο πιο συγκεκριμένες είναι οι οδηγίες για τη σύνθεση, τον φωτισμό, την οπτική γωνία και την αισθητική, τόσο λιγότερο χώρο αφήνεται στην τεχνητή νοημοσύνη για τυχαίες ερμηνείες.
Δεν υπάρχει, επομένως, ένα «τέλειο prompt» που να λειτουργεί για κάθε εικόνα. Υπάρχει, όμως, ένας τρόπος να δομείται σωστά η περιγραφή: θέμα, δράση, περιβάλλον, κάμερα, φωτισμός, ποιότητα και — όπου χρειάζεται — στοιχεία που πρέπει να αποφεύγονται.
Συγκρίνετε παράλληλα και με άλλα εργαλεία ΑΙ
Αν το αποτέλεσμα δεν σας ικανοποιεί μη διστάσετε να χρησιμοποιήσετε παράλληλα τις ίδιες εντολές σε άλλο, ανταγωνιστικό εργαλείο, όπως το ChatGPT. Ενδέχεται η αλλαγή αυτή να είναι καθοριστική αν έχετε στο μυαλό σας ένα συγκεκριμένο τελικό αποτέλεσμα και βλέπετε ότι το πρώτο εργαλείο δυσκολεύεται να υλοποιήσει αυτό που θέλετε.
Σε πολλές περιπτώσεις free εργαλείων εικόνας, το ChatGPT παραμένει καλύτερο και ταχύτερο. Όπως και στο θέμα των κειμένων που δεν απαιτούν άμεση επικαιροποίηση πηγών.
