الصور المرجعية هي السلاح السري الذي يعتمد عليه صنّاع المحتوى المحترفون بالذكاء الاصطناعي للتحكم في الأسلوب والموضوع والتكوين. يشرح هذا المقال بالتفصيل كيف تزوّد مولدات الذكاء الاصطناعي بالمراجع البصرية لتحصل في كل مرة على نتائج دقيقة ومتسقة ومذهلة.
الصور المرجعية تغيّر كل شيء. عندما تكتب أمرًا نصيًا وحده، يتخذ الذكاء الاصطناعي مئات القرارات الصغيرة بشأن اللون والإضاءة والوضعية والملابس وملامح الوجه والمزاج. أما إذا أعطيته صورة مرجعية، فستُربط هذه القرارات فجأة بشيء حقيقي. تصبح النتيجة قابلة للتوقع ومتسقة، وقريبة فعلًا مما كنت تتخيله.
الأمر لا يتعلق بوصف صورة بالكلمات. بل يتعلق بإظهار ما تريده للذكاء الاصطناعي، وترك النموذج يتولى الترجمة. إليك كيف يعمل ذلك فعليًا.
يعتقد معظم الناس أن مولدات الذكاء الاصطناعي آلات لتحويل النص إلى صورة: تُدخل أمرًا نصيًا فتحصل على صورة. لكن أقوى النماذج اليوم متعددة الوسائط، إذ تقبل النص والصور معًا كمدخلات، ومدخل الصورة يحمل معلومات لا يمكن للنص وحده أن ينقلها بالكامل.
عندما تزوّد النموذج بصورة مرجعية، فأنت تمنحه مرساة بصرية. وبحسب الأداة وطريقة استخدامك لها، يمكن لهذه المرساة أن تثبّت:
النموذج لا ينسخ الصورة المرجعية بكسلًا بكسل. بل يقرأ المعلومات البصرية فيها ويستخدمها كشرط إلى جانب أمرك النصي. النص يخبره بما يجب تغييره، والصورة المرجعية تخبره بما يجب الإبقاء عليه.
تتصرف هذه العناصر الثلاثة بشكل مختلف تمامًا عند استخدام صورة مرجعية. فهم الفرق بينها يوفّر عليك ساعات من المحاولات الفاشلة.
المراجع الخاصة بالأسلوب تعمل بأفضل شكل عندما تشترك الصورة المرجعية مع أمرك النصي في الموضوع العام نفسه. فإذا أدخلت صورة بإضاءة درامية من نوع chiaroscuro وطلبت بورتريهًا، فسيطبّق النموذج منطق تلك الإضاءة على الوجه الجديد الذي وصفته.
المراجع الخاصة بالشخص محور الصورة تتطلب من النموذج استخلاص معلومات هوية محددة ونقلها: وجه، أو زي، أو منتج تجاري. وهذا أصعب. النماذج المتخصصة في ثبات الشخص محور الصورة، مثل Flux Redux Dev، مصممة خصيصًا لهذا الاستخدام.
المراجع الخاصة بالتكوين هي الأدق. يمكنك رفع رسم تخطيطي أو حتى مخطط أولي خشن، وسيضع النموذج العناصر في مواضع مشابهة. وقد صُمم ControlNet لهذا الغرض تحديدًا، وما زال من أدق الأدوات للتحكم في التكوين.
يبدو أمر مثل "امرأة بفستان أحمر، إضاءة سينمائية، فيلم 35 ملم" محددًا. لكنه يترك للذكاء الاصطناعي الاختيار: أي امرأة؟ وأي درجة من الأحمر؟ وأي علم ألوان لفيلم معين؟ وفي أي اتجاه تأتي الإضاءة؟
كل واحد من هذه الاختيارات المفتوحة فرصة لأن تبتعد النتيجة عمّا أردته. الصور المرجعية تسد هذه الفجوات. وكلما استطعت أن تُري بدلًا من أن تصف، زادت سيطرتك على النتيجة النهائية.
لا تتعامل كل أدوات الذكاء الاصطناعي مع الصور المرجعية بالطريقة نفسها. هناك ثلاثة مسارات عمل مختلفة، ولكل منها مستوى مختلف من التحكم.
الأقدم والأكثر شيوعًا. ترفع صورة فيُنشئ النموذج نسخة جديدة تحافظ على البنية العامة والألوان. تتيح معظم المنصات شريط القوة أو إزالة التشويش: كلما ارتفعت القوة زاد التغيير، وكلما انخفضت بقيت النتيجة أقرب إلى المرجع.
أفضل حالات الاستخدام:
نقطة ضعف الصورة إلى الصورة هي هوية الشخص محور الصورة. فإذا رفعت صورة لشخص معين، قد يحافظ النموذج على وضعيته التقريبية وإضاءته، لكنه يغيّر وجهه. وللتحكم الأدق في الهوية تحتاج إلى أداة أكثر تخصصًا.
IP-Adapter (Image Prompt Adapter) تقنية تحقن المحتوى الدلالي للصورة المرجعية مباشرة في طبقات الانتباه داخل النموذج. فبدلًا من الاعتماد على البنية البكسلية، تعتمد على ما تمثّله الصورة. وهذا يمنح ثباتًا أقوى للشخص محور الصورة.
يستخدم Flux Redux Dev نهجًا مشابهًا مدمجًا في بنية Flux. تزوّده بصورة مصدر فيستخلص Flux Redux أسلوبها وبصمة الشخص محور الصورة فيها، ثم يطبّقها على أوامر نصية جديدة. والنتيجة: الوجه نفسه، أو الأسلوب الفني نفسه، أو المنتج نفسه يظهر في مشاهد مختلفة تمامًا.
هذه هي الطريقة التي تستخدمها عندما يكون الاتساق أهم من الانحراف الإبداعي.
عندما لا تعطيك الصورة إلى الصورة ولا IP-Adapter الدقة التي تحتاجها، تدرّب LoRA (Low-Rank Adaptation). و LoRA نموذج صغير يُضبط بدقة على 10 إلى 30 صورة من الشخص محور الصورة أو الأسلوب أو المنتج الذي تريده. وبعد التدريب، يرتبط كل توليد يستخدم هذا LoRA ببيانات التدريب تلك.
يجعل P Image Trainer على PicassoIA هذه العملية متاحة دون الحاجة إلى إعداد GPU محلي. ارفع صورك المرجعية، واضبط بعض المعاملات، واحصل على LoRA مدرَّب يمكنك استخدامه في أي نموذج متوافق.
المفاضلة هي أن تدريب LoRA يستغرق وقتًا وصورًا أكثر في البداية. لكن في المشاريع المستمرة التي تحتاج إلى مظهر متسق تمامًا، يُعوّض الاستثمار فورًا.
يُعد Flux Redux Dev من أكثر الأدوات المباشرة للتوليد المستند إلى المراجع المتاحة حاليًا. صُمم من الأساس ليأخذ صورة مصدر وينشئ تنويعات تحترم الأسلوب والمحتوى معًا.
سيحافظ النموذج على الهوية الأساسية لمرجعك مع التكيّف مع أمرك النصي. يمكن لصورة شخص على خلفية بيضاء بسيطة أن تصبح الشخص نفسه في غابة، أو عند غروب الشمس، أو تحت إضاءة استوديو جانبية درامية. تبقى مرساة الوجه والملابس ثابتة، وكل ما عداها يتغير بحسب أمرك النصي.
| قيمة القوة | ماذا تفعل |
|---|---|
| 0.3-0.5 | تأثير خفيف للمرجع، مع حرية إبداعية أكبر |
| 0.6-0.8 | متوازن: اتساق قوي مع مساحة للتغيير |
| 0.85-1.0 | أقصى تثبيت للمرجع، وأقل تأثير للأمر النصي |
تعمل معظم سير العمل الاحترافية بين 0.65 و0.8. أما أقل من 0.5 فغالبًا ما تفقد هوية الشخص محور الصورة تمامًا. وأعلى من 0.9 تنسخ النتيجة المرجع بحرفية زائدة، فتحدّ من قيمة الأمر النصي.
يُعد ثبات الشخصيات من أكثر التحديات التي يُسأل عنها في توليد الصور بالذكاء الاصطناعي. إذا كنت تبني قصة أو حملة منتج أو شخصية على وسائل التواصل الاجتماعي، فأنت بحاجة إلى ظهور الوجه والملابس نفسها عبر مشاهد كثيرة ومختلفة.
أسرع سير عمل لاتساق الوجه:
كلما وصفت الوجه بشكل متسق في النص إلى جانب الصورة المرجعية، أصبحت الهوية أكثر استقرارًا عبر التوليدات. النص والصورة يعملان معًا، ولا يحل أحدهما محل الآخر.
ينطبق المبدأ نفسه على العناصر غير الوجه. إذا كانت شخصيتك ترتدي دائمًا سترة محددة، فضمّن السترة في صورتك المرجعية الرئيسية وصفها بدقة في أمرك النصي. تقرأ النماذج ملمس الملابس ولونها من المرجع بفعالية كبيرة، خاصة عندما يعزز الأمر النصي هذه التفاصيل.
بالنسبة للمنتجات التجارية المعقدة أو الأشياء الفريدة، يتفوق تدريب LoRA على IP-Adapter في كل مرة. فالاحتفاظ بالتفاصيل الدقيقة (الخياطة، والمكونات المعدنية، وموضع الشعار) أفضل بكثير مع LoRA مدرَّب مما هو مع صورة مرجعية واحدة.
نقل الأسلوب فن تطبيق اللغة البصرية لصورة على محتوى صورة أخرى. إضاءة film noir على صورة شارع حديث، أو نغمات تناظرية دافئة على بورتريه رقمي. يبدو الأمر بسيطًا، ومع النهج الصحيح يكون كذلك فعلًا.
عند استخدام الصورة إلى الصورة لنقل الأسلوب، تعطيك قوة مرجع تبلغ نحو 0.4 (40%) للأسلوب، وتترك 60% للأمر النصي، أكثر النتائج قابلية للاستخدام. وعند هذا التوازن:
إذا تجاوزت قوة المرجع 0.6 في نقل الأسلوب، سيبدأ الأسلوب في طمس الشخص محور الصورة. ويبدأ الشخص أو الجسم الذي أردت وضعه في ذلك الأسلوب بفقدان وضوحه وشكله المميز.
💡 نصيحة: بالنسبة للمراجع الخاصة بالأسلوب، استخدم صورًا ذات لغة بصرية واضحة وقوية. فالمرجع المنمّق بشدة يُوصل فكرته بشكل أفضل من مرجع خافت. وكلما كان الأسلوب أكثر تميزًا، قرأه النموذج وطبّقه بثقة أكبر.
يكون ControlNet الخيار الأفضل عندما يكون اهتمامك الأساسي هو الوضعية أو التكوين لا الأسلوب. ترفع خريطة حواف أو خريطة عمق أو هيكلًا عظميًا للوضعية، فيثبّت ControlNet مخرجات الذكاء الاصطناعي على هذه الإرشادات البنيوية، بينما يولّد بحرية في كل الأبعاد الأخرى.
إذا أردت إعادة إنتاج وضعية جسم محددة بدقة في مشهد جديد، أو مطابقة تخطيط غرفة من مخطط أرضي مرجعي، فإن ControlNet هو الأداة المناسبة. يتضمن PicassoIA Image Editor Pro تحريرًا متوافقًا مع ControlNet لهذا النوع تحديدًا من التوجيه البنيوي، إلى جانب التعديل الموضعي وتوسيع الصورة.
بعد فهم الأدوات، تكمن الخطوة التالية في تجنب الأنماط التي تنتج باستمرار مخرجات سيئة، بغض النظر عن النموذج الذي تستخدمه.
الخطأ الأكثر شيوعًا على الإطلاق: أن تكون قوة المرجع مرتفعة جدًا أو منخفضة جدًا. يميل المستخدمون الجدد إلى التطرف. يضبطونها على 1.0 متوقعين نسخًا مثاليًا، فيحصلون على شيء يشبه فلترًا مشوّهًا. أو يضبطونها على 0.2 على أمل تأثير خفيف، فلا يكون للصورة المرجعية أي أثر تقريبًا.
ابدأ من المنتصف. ابدأ من 0.7، ونفّذ ثلاث توليدات، ثم عدّل بخطوات صغيرة (من 0.05 إلى 0.1) بناءً على ما تراه. هذا النهج التشخيصي أكثر كفاءة بكثير من التخمين عند الأطراف والتساؤل عن سبب عدم نجاح أي شيء.
تنقل صورتك المرجعية إضاءتها إلى التوليد. إذا كان مرجعك يحتوي على إضاءة جانبية قاسية وأردت إضاءة تجميل ناعمة في المخرج، فهذان الشرطان يتصارعان. يحاول النموذج التوفيق بينهما فلا تحصل على أي منهما بوضوح.
إما أن تطابق نية الإضاءة في صورتك المرجعية، أو تصف الإضاءة الجديدة بوضوح تام في أمرك النصي، وتخفض قوة المرجع للسماح لاتجاه الضوء بالتغير.
تسبب عدم تطابق نسبة العرض إلى الارتفاع تشوهًا. طابق دائمًا صورتك المرجعية مع نسبة التوليد نفسها أو اقتطعها إليها. فإدخال مرجع بورتريه بنسبة 9:16 في توليد بنسبة 16:9 سيشوّه التناسب بشكل غير متوقع وينتج أشخاصًا مشوّهين.
الصور المرجعية الضبابية أو منخفضة الدقة أو المضغوطة بشدة تُضعف جودة المخرجات. لا يستطيع النموذج استخلاص معلومات واضحة عن الأسلوب أو الشخص محور الصورة من صورة مبكسلة. استخدم دائمًا أعلى نسخة متاحة من صورتك المرجعية.
إذا كان مرجعك الوحيد بدقة منخفضة، فمرّره أولًا عبر Wan 2.7 Image Pro أو نموذج رفع دقة لتوضيح التفاصيل قبل استخدامه كمرجع.
لا تتعامل كل مولدات الذكاء الاصطناعي مع الصور المرجعية بالقدر نفسه من الكفاءة. إليك خمسة من أقوى الخيارات على PicassoIA لأعمال المراجع البصرية، ولكل منها حالة استخدام مختلفة.
| النموذج | الأفضل لـ | نوع المرجع |
|---|---|---|
| Flux Redux Dev | تنويعات الشخص محور الصورة والأسلوب | مدخل صورة واحدة |
| PicassoIA Image Editor Pro | التعديل الموضعي، وتوسيع الصورة، وأداة ControlNet | البنية والتكوين |
| P Image Trainer | تثبيت الهوية بعمق | مجموعة بيانات تدريب LoRA |
| P Image Edit LoRA | تعديل الصور بتوجيه LoRA | LoRA مع مدخل صورة |
| Qwen Image Edit Plus | تعديل الصور المباشر بمرجع | تعديل صورة موجودة |
Flux Redux Dev هو نقطة البداية الافتراضية لمعظم سير عمل الصور المرجعية، لأنه يتعامل مع الأسلوب والشخص محور الصورة معًا بمدخل صورة واحد دون الحاجة إلى تدريب. وهو أسرع طريق من "لدي مرجع" إلى "لدي نتيجة متسقة".
PicassoIA Image Editor Pro هو الأداة القوية عندما تحتاج إلى تحكم دقيق. يتيح التعديل الموضعي إصلاح منطقة محددة في الصورة أو استبدالها مع الحفاظ على بقية الصورة سليمة. ويوسّع توسيع الصورة اللوحة إلى ما وراء حدودها الأصلية. ويثبّت ControlNet الوضعية والتكوين. ومجتمعةً، تجعل هذه الميزات منه منصة تحرير قائمة على المراجع الأكثر تنوعًا المتاحة.
يشكّل P Image Trainer و P Image Edit LoRA سير عمل من خطوتين لأقصى درجات الاتساق: درّب أولًا على مجموعة بيانات مرجعك، ثم ولّد مع تطبيق LoRA المدرَّب على كل المخرجات.
يتعامل Qwen Image Edit Plus مع مهام التحرير المباشر حين تملك صورة موجودة وتريد تعديل عناصر محددة فيها. فهو يقرأ الصورة التي رفعتها كمرجع، ويطبّق تعليماتك النصية على تغييرات مستهدفة.
بمجرد فهمك للآليات، يمكنك بناء عملية قابلة للتكرار بدلًا من التخمين في كل توليد.
المحترفون الذين يحصلون باستمرار على نتائج رائعة من مولدات الذكاء الاصطناعي لا يستخدمون أوامر نصية أفضل. بل يديرون المراجع بشكل أفضل. فمكتبة منظمة من المراجع عالية الجودة تستحق أكثر من أي صيغة لكتابة الأوامر.
بالنسبة للمشاريع التي تتطلب اتساقًا تامًا عبر عشرات أو مئات الصور، يمثل تدريب LoRA المسار الأكثر موثوقية. يرشدك P Image Trainer على PicassoIA خلال العملية دون الحاجة إلى أي إعداد محلي أو استثمار في الأجهزة.
جودة بيانات التدريب هي ما يحدد كل شيء. استخدم من 15 إلى 25 صورة لموضوعك مع:
مجموعة تدريب جيدة الإعداد تنتج LoRA يحافظ على هوية الشخص محور الصورة بثقة عبر أي أمر نصي أو مشهد أو أسلوب تطبقه. أما مجموعة سيئة الإعداد، بصور ضبابية أو تأطير غير متسق، فتهدر النقاط وتنتج نتائج غير مستقرة.
💡 نصيحة LoRA: اكتب وصفًا لكل صورة تدريب بكلمة محفّزة ثابتة (مثلًا "TOK person") وصِف المشهد بوضوح. هذا يدرّب النموذج على تفعيل الهوية المحددة عندما يرى تلك الكلمة في أوامرك، فتتحكم بدقة في وقت بدء تأثير LoRA وإيقافه.
بعد تدريب LoRA الخاص بك، اجمعه مع P Image Edit LoRA للحصول على سير عمل التحرير الأكثر تحكمًا على المنصة. يمكنك تطبيق LoRA على صور جديدة، أو استخدامه مع التعديل الموضعي، أو مزجه مع نماذج أخرى للحصول على مخرجات هجينة إبداعية.
الصور المرجعية ليست حلًا بديلًا ولا حيلة متقدمة. إنها سير العمل المعياري لأي شخص يحتاج إلى نتائج احترافية وقابلة للتوقع من توليد الذكاء الاصطناعي. سواء كنت تبني هوية علامة تجارية، أو تبتكر شخصية خيالية، أو تطابق أسلوبًا بصريًا محددًا عبر مشروع كامل، فإن الأدوات على PicassoIA تمنحك سيطرة كاملة على ما يثبّت الذكاء الاصطناعي عليه مرساته.
ابدأ مع Flux Redux Dev للحصول على تنويعات صور فورية من مرجع واحد. جرّب PicassoIA Image Editor Pro للتحكم الدقيق باستخدام ControlNet والتعديل الموضعي. وعندما تحتاج إلى أقصى درجات الاتساق عبر مشروع كامل، درّب LoRA الخاص بك باستخدام P Image Trainer ومرّر كل توليداتك عبر P Image Edit LoRA.
تصفّح كل النماذج المتاحة على picassoia.com/en/all-models واعثر على أداة الصور المرجعية المناسبة لمشروعك القادم.
اختر لغتك
