چطور برای مدل‌های تصویری پرامپت بنویسیم

یک پرامپت، فهرست چیزهایی است که به مدل گفته‌اید. هرچه در این فهرست نباشد حذف نمی‌شود — مدل خودش انتخابش می‌کند. ننویسید نور از کدام سمت می‌تابد، نوری انتخاب می‌شود؛ ننویسید پس‌زمینه چیست، پس‌زمینه‌ای ساخته می‌شود.

به همین دلیل بیشتر نتیجه‌های ناامیدکننده از پرامپت غلط نمی‌آیند، از پرامپت ناقص می‌آیند. فاصلهٔ «یک فنجان قهوه روی میز» تا یک عکس محصول قابل استفاده، چند کلمه است.

مدل چیزی جز متن شما ندارد

مدل نمی‌داند این تصویر قرار است کجا استفاده شود، چه کسی سفارشش داده و شما در ذهنتان چه دیده‌اید. هر ویژگی‌ای که تعیین نکنید، با محتمل‌ترین حالت پر می‌شود؛ و محتمل‌ترین حالت، تقریباً همیشه یعنی میانگین. پرامپت مبهم، تصویر متوسط می‌دهد — نه تصویر غلط.

یک آزمون ساده قبل از فرستادن: پرامپت را بخوانید و از خودتان بپرسید اگر همین متن را به یک تصویرگر می‌دادید، او چند سؤال از شما می‌پرسید. هر سؤال، یک چیزی است که ننوشته‌اید.

پنج بخش یک پرامپت کامل

تقریباً هر پرامپت خوبی، هرچقدر هم کوتاه، همین پنج چیز را روشن می‌کند:

بخش	چه چیزی را مشخص می‌کند	نمونه
سوژه	چه چیزی در قاب است	یک فنجان قهوهٔ سرامیکی سفید
جزئیات سوژه	جنس، رنگ، حالت، سن	دست‌ساز، با لبهٔ کمی نامنظم
محیط	کجا و روی چه	روی میز چوب گردوی تیره
نور	منبع، جهت، کیفیت	نور نرم پنجره از سمت چپ
قاب	فاصله، زاویه، سبک	نمای نزدیک، عمق میدان کم

لازم نیست هر پنج بخش را بنویسید. اما هر بخشی که ننویسید، مدل به‌جای شما پرش می‌کند.

یک بازنویسی، قدم‌به‌قدم

فرض کنید عکس محصول یک کافه را می‌خواهید. پرامپت اول معمولاً این شکلی است:

یک فنجان قهوه روی میز

حالا همان پنج بخش را یکی‌یکی اضافه کنیم — جنس فنجان، محیط، نور، و بعد قاب:

نمای نزدیک از یک فنجان قهوهٔ سرامیکی سفید دست‌ساز
روی میز چوب گردوی تیره، بخار در حال بلند شدن،
کنارش یک دفترچهٔ باز و یک خودکار،
نور نرم پنجره از سمت چپ با سایه‌های کشیده،
زاویهٔ سه‌ربع از بالا، عمق میدان کم و پس‌زمینهٔ محو

هیچ‌کدام از این کلمه‌ها فنی یا پیچیده نیستند. تنها کاری که کرده‌ایم این است که تصمیم‌هایی را که به‌هرحال گرفته می‌شد، خودمان گرفته‌ایم.

نور را مثل عکاس توصیف کنید

«نورپردازی حرفه‌ای» یا «نور خوب» چیزی به مدل نمی‌گوید؛ هر دو صفت‌اند بدون مرجع. نور را با سه چیز مشخص کنید: منبع (پنجره، آفتاب مستقیم، لامپ نئون، شمع)، جهت (از چپ، از پشت، از بالا) و کیفیت (نرم با سایهٔ لبه‌محو، یا سخت با سایهٔ تیز).

بعضی عبارت‌ها هر سه را با هم می‌رسانند و به همین دلیل خوب کار می‌کنند: «نور طلایی غروب» یعنی منبع پایین و کم‌ارتفاع، جهت مایل، و کیفیت گرم و نرم — هر سه در سه کلمه.

قاب، فاصله و ترکیب‌بندی

قاب را هم مثل نور می‌شود صریح گفت: فاصله (نمای بسیار نزدیک، متوسط، باز)، زاویه (هم‌تراز چشم، از بالا، از پایین)، و جای سوژه در قاب (وسط، یک‌سوم چپ).

یک نکتهٔ عملی که اغلب فراموش می‌شود: اگر قرار است بعداً روی تصویر متن بنشیند — بنر، استوری، کاور — همان اول بگویید کدام قسمت قاب باید خالی و ساده بماند. جای خالی را از اول خواستن، خیلی ساده‌تر از ساختنش بعد از تولید است.

متن داخل تصویر

مدل‌های تصویری متن را می‌کشند، تایپ نمی‌کنند. حروف را به‌عنوان شکل می‌بینند، نه به‌عنوان کلمه — برای همین نوشتهٔ داخل تصویر ممکن است در نگاه اول درست به‌نظر برسد و در نگاه دوم یک حرفش جابه‌جا باشد.

اگر متن لازم دارید، سه قاعده شانس را بالا می‌برد: عبارت را داخل گیومه و عیناً بنویسید، کوتاه نگهش دارید، و در هر تصویر فقط یک عبارت بخواهید.

تابلوی چوبی کوچک روی دیوار آجری،
با نوشتهٔ «OPEN» به خط دست‌نویس سفید

متن فارسی سخت‌تر است، چون خط فارسی متصل است و شکل هر حرف به حرف قبل و بعدش بستگی دارد؛ یک اتصال اشتباه، کل کلمه را خراب می‌کند. برای متن فارسی مطمئن‌ترین راه هنوز همان راه قدیمی است: تصویر را بدون متن بسازید و نوشته را بعداً در یک ویرایشگر روی آن بگذارید.

جمله‌های منفی چرا کار نمی‌کنند

به‌جای اینکه بنویسید چه چیزی نباشد، بنویسید چه چیزی باشد.

وقتی می‌نویسید «خیابان بدون ماشین»، کلمهٔ «ماشین» در پرامپت هست. مدل واژه‌ها را وزن می‌دهد و «نبودن» چیزی نیست که بشود به آن وزن داد؛ نتیجه اغلب دقیقاً همان چیزی است که نمی‌خواستید.

پرامپت اول، به شکلی که معمولاً نوشته می‌شود:

اتاق نشیمن مدرن، بدون گیاه، بدون رنگ قرمز

و همان خواسته، این بار به‌صورت ایجابی:

اتاق نشیمن مدرن با پالت خاکستری و چوب روشن،
سطوح خالی و مرتب

اگر ابزاری که استفاده می‌کنید فیلد جداگانه‌ای برای «نباید باشد» دارد، جای منفی‌ها همان‌جاست — نه وسط توصیف اصلی.

اصلاح کنید، از نو ننویسید

واکنش طبیعی به یک نتیجهٔ بد، پاک کردن همه‌چیز و نوشتن یک پرامپت تازه است. مشکل اینجاست که بعدش نمی‌دانید کدام تغییر جواب داد. اگر ده کلمه را با هم عوض کنید، ده بار حدس زده‌اید.

• پرامپتی را که نزدیک‌ترین نتیجه را داده، به‌عنوان پایه نگه دارید.
• هر بار فقط یک محور را عوض کنید: یک‌بار نور، یک‌بار قاب، یک‌بار جزئیات سوژه.
• پرامپت‌هایی که جواب داده‌اند را در یک فایل متنی نگه دارید؛ بیشترشان دفعهٔ بعد هم با کمی تغییر کار می‌کنند.

هر تولید اعتبار مصرف می‌کند، بنابراین اصلاح هدفمند از تکرار تصادفی به‌صرفه‌تر است. اگر تولیدی ناموفق باشد، اعتبارش به‌طور خودکار برمی‌گردد.

هر ژانر، محور خودش را دارد

پنج بخش بالا همه‌جا صدق می‌کند، اما وزنشان فرق دارد. اینکه بدانید در کار خودتان کدام محور تعیین‌کننده است، از هر ترفند دیگری بیشتر جواب می‌دهد:

• عکس محصول: جنس سطح، بازتاب و منبع نور. پس‌زمینهٔ ساده تقریباً همیشه بهتر از شلوغ جواب می‌دهد.
• پرتره: حالت چهره، جهت نگاه و جنس نوری که به صورت می‌خورد.
• تصویر شبکه‌های اجتماعی: نسبت قاب و فضای خالی برای متن، همان اول.
• تصویرسازی: مدیوم و سبک را صریح بگویید — آبرنگ، خط‌کشی سیاه‌وسفید، کلاژ — وگرنه سبک را مدل انتخاب می‌کند.
• رندر سه‌بعدی: بخشی از این توصیف را می‌شود به‌جای متن، مستقیم از خود صحنه به مدل داد. لایه‌های رندر ساختار صحنه را از فایل می‌آورند و آن‌وقت پرامپت فقط دربارهٔ تغییر حرف می‌زند.

---

جمع‌بندی

• هرچه ننویسید، مدل به‌جای شما تصمیم می‌گیرد.
• سوژه، جزئیات، محیط، نور و قاب — پنج چیزی که ارزش صریح نوشتن دارند.
• نور را با منبع، جهت و کیفیت بگویید، نه با صفت.
• به‌جای «نباشد»، بنویسید چه باشد.
• هر بار یک محور را عوض کنید، نه کل پرامپت را.

و اگر اصلاً حوصلهٔ پرامپت‌نویسی ندارید، لازم هم نیست: مای‌هوش پیش‌تنظیم‌های آماده دارد که دستور را خودشان می‌سازند، و می‌توانید به زبان خودتان هم بگویید چه تغییری می‌خواهید. ویدیوهای آموزشی همین کار را قدم‌به‌قدم نشان می‌دهند.

پرامپت‌نویسی مهارت مرموزی نیست. فقط عادت کردن به این است که چیزی را که در ذهنتان بدیهی است، بنویسید.