يكتب معظم الناس أوامرهم النصية للذكاء الاصطناعي بالطريقة نفسها التي يكتبون بها بحثًا في Google. ولهذا السبب تبدو نتائجهم عامة وبعيدة عن الهدف. يشرح هذا المقال الكلمات والعبارات المحددة التي تُضعف أوامرك النصية، ويوضح سبب إساءة نماذج الذكاء الاصطناعي فهمها، ويقدّم البدائل الدقيقة التي تنتج صورًا أكثر حدّة وقصدية مع كل توليد.
قضيت وقتًا في بناء أمر نصي يبدو محكمًا. ضغطت على زر التوليد. فجاءت النتيجة خاطئة: الإضاءة مسطّحة، والتكوين عام، والأجواء بعيدة تمامًا عما تخيّلته. إذا تكرر هذا باستمرار، فالمشكلة على الأرجح ليست في النموذج. المشكلة في الكلمات.
تحلّل مولّدات الصور النص بطريقة مختلفة عن طريقة قراءة البشر له. فهي تمنح التوكنات أوزانًا، وتستخرج الأنماط من بيانات التدريب، وتحسم الغموض باتجاه المتوسطات الإحصائية. بعض الكلمات تُحفّز هذا السلوك القائم على المتوسطات بقوة. وبعضها الآخر يحمل من المعلومات البصرية القليل جدًا، فيملأ النموذج الفراغات بما رآه أكثر من غيره، وهو نادرًا ما يكون ما قصدته. هذا المقال جولة مباشرة على تلك الكلمات وما يمكن أن تحل محلها.
عندما تكتب "اجعلها تبدو جميلة"، فالنموذج لا يتجاهلك. إنه ببساطة لا يستطيع تحويل كلمة "جميلة" إلى تعليمة بكسلات. لا تملك هذه الكلمة مقابلًا بصريًا ثابتًا في بيانات التدريب. فقد تعني تبسيطًا ناعم الألوان بالباستيل، وقد تعني إضاءة استوديو درامية. النموذج لا يستطيع التمييز.
أفضل النماذج أداءً على المنصة، ومنها Flux Dev وGPT Image 1، تستجيب للمفردات البصرية الملموسة. لا للصفات الذاتية، ولا للمقارنات النسبية. بل للأوصاف الفيزيائية لما هو موجود في المشهد: مصدر الضوء، وملمس السطح، والبعد البؤري للعدسة، ودرجة حرارة اللون.
تأمّل الفرق بين "سيارة عند غروب الشمس" و"سيارة Ford Mustang fastback موديل 1967 بلون Wimbledon White، متوقفة على إسفلت مبتل، بزاوية خلفية ثلاثية الأرباع، بعدسة 24 مم، f/4، الساعة الذهبية، بعد الغروب بعشر دقائق، مع وهج ناعم على كروم المصباح الخلفي". الأمر النصي الثاني لا يكلّف شيئًا إضافيًا عند كتابته. ونتائجه أكثر قصدية بلا مقارنة.
الفجوة بين توليد متوسط وتوليد رائع هي دائمًا تقريبًا مسألة تحديد. ليس نموذجًا أفضل، وليس حظًا. بل الكلمات التي تختارها.
ربما تكون هذه أكثر الكلمات شيوعًا في الأوامر الضعيفة. بالنسبة إلى الإنسان، تحمل عبارة "صورة شخصية جميلة" وزنًا عاطفيًا حقيقيًا. أما بالنسبة إلى Flux Pro أو Imagen 4 Ultra فتتحول هذه الكلمات إلى المتوسط الإحصائي لكل صورة وُسمت بأنها جميلة في مجموعة التدريب، وهو ما ينتج نتيجة مفرطة المعالجة وعامة.
صِف لماذا ستكون جميلة بالنسبة إلى عدسة الكاميرا:
| بدلًا من... | اكتب... |
|---|---|
| غروب جميل | 15 دقيقة بعد الغروب، ضوء كهرماني ووردي عند 6°، أشعة حجمية تمر عبر طبقات السحاب الريشي |
| صورة شخصية خلّابة | 85 مم f/1.4، لمعات انعكاس في حدقتي العينين، إضاءة شعر من الأعلى، ملمس طبيعي للبشرة |
| ملمس مذهل | ماكرو 60 مم، f/5.6، سطح خرساني خشن، رواسب معدنية متأكسدة، شبكة شقوق مرئية |
💡 قاعدة عامة: إذا كانت الكلمة تصف كيف يجعلك شيء ما تشعر، بدلًا من وصف شكله، فاحذفها من الأمر النصي واستبدلها بملاحظة بصرية.
أدوات التفضيل الذاتية لا تحمل أي بيانات بصرية. فعبارة "تكوين مثالي" لا يمكن تحليلها. ليس لدى النموذج أي حكم جمالي. هو يعرف فقط ما رآه أكثر في سياقات مشابهة، وهذا ما ستعيده كلمة "مثالي": الوسيط.
احذف جميع أدوات التفضيل. فهي لا تضيف أي معلومات، وتدفع النموذج نحو سلوك المتوسطات. استبدلها بأوصاف إيجابية محددة: "تركيز حادّ على الشخص، وتلاشٍ طبيعي لعمق المجال، مع عنصر أمامي ناعم قليلًا."
لا تعمل هذه الكلمات إلا ضمن سياق. فعبارة "إضاءة أكثر دراماتيكية" مقارنةً مع ماذا؟ كل توليد يبدأ من الصفر. ليس لدى النموذج أي وصول إلى أي مخرجات سابقة عند تحليل أمرك النصي الحالي. اللغة النسبية لا معنى بنيويًا لها في هذا السياق.
بدائل مطلقة:
تُربك هذه التعليمة حتى النماذج القادرة. يفسّر Stable Diffusion 3 وStable Diffusion 3.5 Large كلمة "واقعي" ضمن مدى واسع من المعاني الممكنة. فالواقعية الفوتوغرافية، والدقة التشريحية، والإضاءة المقبولة فيزيائيًا، وأمانة المواد، كلها محاور منفصلة.
حدّد المحور الذي يهمك:
هذه الكلمات نسبية ما لم يكن هناك جسم مرجعي. قد تُنتج عبارة "حشد كبير" 20 شخصًا أو 2,000. ومن دون مرساة مادية في المشهد، يعتمد النموذج على المتوسط الذي أنتجته بيانات التدريب لهذه العبارة. فيصبح الحجم غير متسق.
أضف مرجعًا:
تنتج لغة الكمية نتائج متباينة بشدة بين التوليدات. قد تظهر "بعض الزهور" بثلاث زهرات أو أربعين، حسب ما يستخلصه النموذج من بيانات التدريب لتلك العبارة. إذا كان العدد يؤثر في تكوينك، فكن صريحًا. فـ"ثلاثة عبّاد شمس" ستتفوق دائمًا على "بعض عبّاد الشمس".
💡 عندما لا يكون العدد الدقيق مهمًا، استخدم لغة الكثافة: "زهور متراصة بكثافة عبر المقدمة" أو "أزهار متناثرة ومعزولة مع مساحة واضحة بين كل ساق وأخرى". الكثافة خاصية بصرية. أما العدد فلا.
"سينمائي" هي أكثر الكلمات إساءةً للاستخدام في أوامر الذكاء الاصطناعي، وقد جرى تدريب النماذج عليها حتى فقدت معناها تقريبًا. تعود النماذج الآن إلى افتراضها كأجواء "داكنة، قليلة التشبّع قليلًا، وضبابية جوية، وتوهّج عدسة غامض". وهذا يغطي نحو 5% فقط من السينما الفعلية.
استبدلها بما تقصده فعلًا:
"جمالي" تسمية شبه عديمة الفائدة بعد سنوات من التمييع على وسائل التواصل الاجتماعي. فلكل صورة جماليتها. ذكرها لا يضيف شيئًا. صِف الخصائص البصرية التي تُعرّف المظهر الذي تريده.
"نابض بالحياة" و"زاهٍ" تدفع النماذج عادةً إلى الإفراط في التشبّع. فتبدو الصور وكأنها مرّت بفلتر Instagram على أقصى درجة.
| تجنّب | استخدم بدلًا من ذلك |
|---|---|
| ألوان نابضة بالحياة | درجات أساسية مشبعة، ومحاكاة Fuji Velvia، وتفاصيل غنية في الظلال |
| سماء زاهية | سماء زرقاء كوبالتية عميقة، وتأثير مرشح استقطاب، وحواف سحب حادّة |
| جمالي | صِف خصائص محددة: خضرة مكتومة، وملمس قطني، وضباب بعد الظهر |
تمتد هذه التسميات الزمنية عبر عقود من أساليب بصرية مختلفة تمامًا. "مطبخ عصري" قد يعني مطبخًا بلون ذهبي حصادي من السبعينيات، أو بساطة مدمجة بأجهزة مخفية من عام 2024. يحوّل النموذج هذه التسميات إلى مركّبات متوسطة من كل بيانات التدريب الخاصة بتلك الحقبة، فلا تنتج فترة محددة.
سمِّ العقد أو حركة التصميم:
"صورة شخصية احترافية" من أكثر الأوامر الضعيفة تكرارًا عند إرسالها إلى مولّدات الذكاء الاصطناعي. فينتج النموذج نتيجة متوسطة من صور المخزون مع إضاءة استوديو مسطّحة وتعبير جامد. فكّكها إلى مكوناتها الفعلية.
ماذا تعني "احترافي" بالمصطلحات البصرية:
التعليمات مثل "بلا خلفية"، و"بلا أشخاص"، و"ليس داكنًا جدًا" غير فعّالة في الأمر النصي الإيجابي. نماذج توليد الصور ليست محركات منطق. فعندما تكتب "بلا خلفية"، فأنت تُدخل مفهوم "خلفية" إلى تدفق التوكنات، وقد يؤدي ذلك بشكل متناقض إلى تعزيز عناصر الخلفية في المخرجات.
نماذج مثل Ideogram v3 Turbo وSDXL Lightning 4Step تملك حقول أوامر سلبية مخصصة لهذا السبب تحديدًا. استخدمها.
إعادة الصياغة الإيجابية:
تحمل الجمل الكاملة بنية نحوية يتخلى عنها نماذج الذكاء الاصطناعي جزئيًا لصالح توكنات الأسماء والصفات. فعبارة "امرأة تقف بجوار نافذة في ضوء الصباح" أقل فعالية من "امرأة واقفة، نافذة طويلة، ضوء صباحي، ظل خلفي ناعم".
أدوات الربط مثل "الذي"، و"التي"، و"أن"، و"بينما" تضيف ضوضاء معالجة دون أن تضيف إشارة بصرية.
مقارنة الصيغ:
| أسلوب الجمل | أسلوب الرموز البصرية |
|---|---|
| امرأة تبدو سعيدة قرب نافذة | امرأة، ابتسامة دافئة، نافذة عالية، ضوء ناعم بعد الظهر |
| شارع يبدو قديمًا بإضاءة جميلة | شارع مرصوف بالحصى، طراز أوروبي من القرن 19، الساعة الذهبية، ظلال طويلة |
| سيارة تبدو سريعة وقوية | سيارة Ferrari F40 حمراء من زاوية منخفضة، ضبابية الحركة على العجلات الخلفية، عمق ميدان f/4 |
كل أمر فعّال يغطي أربع فئات. إذا غابت إحداها، يملأ النموذج تلك الفجوة بمتوسطه الخاص. تحقّق من كل أمر أمام هذه القائمة قبل التوليد:
💡 مرّر كل أمر نصي على هذه القائمة قبل التوليد. ستكتشف 80% من لغتك الغامضة قبل أن تكلّفك نقطة توليد.
أسرع تحسين يمكنك إجراؤه هو استبدال الصفات المجردة بمفردات التصوير الفوتوغرافي. تستجيب النماذج المدرّبة على مجموعات صور ضخمة استجابة كبيرة للغة الكاميرا والإضاءة التقنية. فلهذه المصطلحات مراجع بصرية ملموسة ومتّسقة في بيانات التدريب.
جدول الاستبدال السريع:
| كلمة مجردة | مصطلح التصوير |
|---|---|
| حالمة | تركيز ناعم، f/1.4، تعريض زائد خفيف، توهّج عدسة على المناطق المضيئة |
| دراماتيكية | مصدر ضوء صلب واحد، تباين عالٍ، نسبة تعبئة ظلال عميقة |
| نظيفة | خلفية بيضاء ملساء، صندوق ضوء كبير من الأعلى مباشرة، بلا ملمس |
| كئيبة | ضوء متاح فقط، انحراف لوني تنغستن، حبيبات 35 مم في منتصف الدرجات |
| حادّة | 85 مم f/8، تراكم تركيز، ضوء منتصف النهار القاسي، صفر حركة للكاميرا |
| دافئة | لوحة Kodak Portra 400، وانزياح 5500K تنغستن، كهرماني في الظلال |
خذ آخر ثلاثة أوامر فشلت وأعِد كتابتها باستخدام كل المبادئ أعلاه. احذف كل كلمة رأي. استبدل كل مقارنة نسبية بقيم مطلقة. أضف مواصفات عدسة كاميرا. سمِّ إعداد الإضاءة. استبدل كل مرجع زمني بوصف محدد بالعقد. وأضف إشارة إلى نوع الفيلم.
ثم شغّل المشهد نفسه كتوليد جنبًا إلى جنب على Flux Dev أو Stable Diffusion 3.5 Large على PicassoIA. سيغيّر الفرق في جودة المخرجات طريقة تعاملك مع الأوامر النصية بشكل دائم.
أكثر من 91 نموذجًا لتحويل النص إلى صورة في انتظار أمر نصي مكتوب جيدًا على PicassoIA. يتفوّق Ideogram v3 Turbo مع الأوامر التي تتضمن عناصر نصية. ويتعامل GPT Image 1 بإتقان مع المشاهد المعقدة متعددة العناصر. وSDXL Lightning 4Step مثالي للتكرار السريع عند اختبار تعديلات الأمر النصي. ويكافئ Flux Schnell LoRA التوجيهات الأسلوبية المحددة بنتائج سريعة ونظيفة.
اختر واحدًا. اكتب أمرًا نصيًا دقيقًا باستخدام كل ما قرأته هنا. وانظر ما الذي تنتجه اللغة المحددة والمقصودة فعلًا. هذا هو جوهر الممارسة كلها.
اختر لغتك
