كلما خرجت صورتك المولَّدة بالذكاء الاصطناعي خاطئة، فالسبب في الغالب أمر نصي معطوب. يستعرض هذا المقال أكثر أخطاء الأوامر النصية ضررًا مع مولّدات تحويل النص إلى صورة، من الأوصاف الغامضة إلى غياب تفاصيل الإضاءة، ويقدّم لك حلولًا مجرّبة لكل خطأ منها.
أيًّا كان المولّد الذي تستخدمه، سواء Flux Dev أو Flux Schnell أو Stable Diffusion، فهو يأخذ ما تكتبه ويبني منه صورة، كلمةً بكلمة وتوكنًا بتوكن. والنتيجة لا تكون أفضل من المدخلات. قد يبدو هذا بديهيًا، لكن معظم الناس ما زالوا يكتبون أوامرهم كقوائم تسوّق، ثم يتساءلون لماذا تبدو النتائج كأحلام محمومة.
أخطاء الأوامر النصية التي تُفسد صور الذكاء الاصطناعي نادرًا ما تكون صارخة. إنها هادئة وصغيرة، ويمكن إصلاحها تمامًا. يستعرض هذا المقال سبعة من أكثرها ضررًا، ويوضح لك بدقة ما الذي ينبغي تغييره.
لديك صورة واضحة في ذهنك: امرأة تقف في ضوء الساعة الذهبية، ترتدي قميصًا أبيض من الكتان، وشعرها يتطاير مع النسيم، دافئة وفوتوغرافية. تكتب "امرأة في ضوء الغروب" فتحصل على شيء باهت وجامد وواضح أنه من صنع الذكاء الاصطناعي. الفجوة لا تكمن في قدرة النموذج، بل في الترجمة.
تعالج نماذج تحويل النص إلى صورة اللغة إحصائيًا. لكل كلمة في أمرك وزن، ويوازن النموذج بين هذه الأوزان لإنتاج المخرجات. وعندما يكون أمرك فقيرًا، يملأ النموذج الفراغات بأكثر الارتباطات شيوعًا في بيانات تدريبه. ومن هنا تأتي النتائج العامة.
فكّر في أمرك النصي كإشارة مختلطة بضوضاء. كل كلمة غامضة تضيف ضوضاء، وكل كلمة محددة توضح الإشارة. "امرأة جميلة" ضوضاء خالصة تقريبًا. أما "امرأة تبلغ 28 عامًا بعينين خضراوين وشعر بني محمّر طبيعي، تقف على شاطئ عند الساعة الذهبية، ترتدي قميصًا كتانيًا أبيض فضفاضًا، ويتحرك شعرها قليلًا مع الريح، عدسة بورتريه 85mm، f/1.6، Kodak Portra 400" فهي إشارة خالصة تقريبًا.
الفرق في جودة المخرجات بين هذين الأمرين ليس طفيفًا. إنه فرق كبير.
الأوامر الغامضة هي السبب الأكثر شيوعًا في خيبة أمل صور الذكاء الاصطناعي. وهي تبدو هكذا:
لا يمنح أي من هذه الأوامر النموذج ما يكفي للعمل به. فعبارة "شخص" تنهار إلى متوسط آلاف الوجوه. و"منظر طبيعي جميل" تمنح النموذج حرية كاملة، وهذا يبدو جيدًا لكنه عادةً ما ينتج شيئًا مملًا ومتوقعًا.
💡 اختبار الغموض: إذا كان بإمكانك أن تصف عشر صور مختلفة تمامًا بالأمر النصي نفسه، فالأمر غامض أكثر من اللازم.
قسّم موضوعك إلى أربع طبقات:
| الطبقة | غامض | محدد |
|---|---|---|
| الشخص | "امرأة" | "امرأة تبلغ 30 عامًا بنمش وشعر قصير داكن" |
| المكان | "في الخارج" | "تقف في شارع مرصوف بالحجارة في لشبونة عند منتصف النهار" |
| المزاج | "إضاءة جميلة" | "شمس منتصف النهار القاسية من الأعلى تُلقي ظلالًا قصيرة وحادة" |
| التقنية | (لا شيء) | "عدسة 35mm، f/8، واقعي كالصور الفوتوغرافية، Kodak Portra 400" |
املأ الطبقات الأربع وستتحسن نتائجك من المحاولة الأولى.
الإضاءة هي أقوى متغير منفرد في أي صورة فوتوغرافية. فهي تحدد المزاج والعمق ودرجة حرارة اللون، وتحدد ما إذا كانت البشرة تبدو حيّة أم بلاستيكية. تفهم نماذج الذكاء الاصطناعي المدرّبة على بيانات التصوير الفوتوغرافي مراجع الإضاءة بعمق، لأن المصورين قضوا 150 عامًا في توثيق طرق وصفها بدقة.
عندما تتجاهل الإضاءة في أمرك النصي، يلجأ النموذج إلى مخرجات مسطحة بإضاءة محيطية. وهذا ليس خطأً، لكنه يفتقر إلى الإلهام. وفور أن تضيف وصفًا محددًا للإضاءة، تكتسب الصورة بُعدًا.
استخدم هذه الأنماط في أوامرك النصية:
💡 اجمع بين الاتجاه والجودة ودرجة الحرارة للحصول على أقصى قدر من التحكم. عبارة "إضاءة خلفية ذهبية ناعمة من اليسار، دافئة بمقدار 3200K، وجو ضبابي" تمنح النموذج ثلاثة قيود مفيدة بدلًا من واحد.
يعرف المصورون أن العدسة التي تستخدمها تغيّر الطابع البصري للصورة بالكامل. فلقطة بعدسة زاوية عريضة 24mm تبدو واسعة ومشوهة قليلًا. أما لقطة البورتريه بعدسة 85mm فتبدو حميمية، مع ضغط الخلفية في بوكيه ناعم. ولقطة الماكرو بعدسة 100mm تكشف ملمسًا لا تراه العين المجردة.
تشرّبت نماذج صور الذكاء الاصطناعي المدرّبة على بيانات التصوير هذه الارتباطات. وعندما تُدرج معلومات العدسة في أمرك النصي، فأنت لا تضيف كلمات فقط، بل تُفعّل مجموعة من الخصائص البصرية المتعلَّمة.
جرّب هذه في أمرك النصي التالي:
24mm wide angle, f/8, deep focus للقطات البيئية أو المعمارية85mm, f/1.4, shallow depth of field, soft bokeh للبورتريهات100mm macro, f/2.8 للقطات المقربة جدًا مع تفاصيل الملمسزاوية الكاميرا قوية بالقدر نفسه:
| الزاوية | التأثير البصري |
|---|---|
| زاوية منخفضة (ننظر إلى الأعلى) | يبدو الشخص قويًا ومهيمنًا |
| مستوى العين | إحساس طبيعي يشبه الوثائقي |
| زاوية مرتفعة (ننظر إلى الأسفل) | يبدو الشخص صغيرًا، والسياق طاغٍ |
| من الجو / من الأعلى | طابع رسومي وتجريدي، يركز على الأنماط |
| ميلان هولندي | توتر وقلق |
أضف المسافة أيضًا: "لقطة مقربة"، "لقطة متوسطة"، "لقطة واسعة تأسيسية". هذه الكلمات الثلاث تغيّر التكوين بالكامل.
هناك اعتقاد شائع بأن الأوامر الأطول التي تحتوي على وسوم أسلوب أكثر تنتج صورًا أفضل. يكتب المستخدم "واقعي كالصور الفوتوغرافية، لوحة زيتية، ألوان مائية، أنمي، سينمائي، HDR، 8K، تحفة فنية"، ثم يتساءل لماذا تبدو المخرجات مشوشة وغير واضحة. السبب أن وسوم الأسلوب هذه تتعارض فيما بينها.
"واقعي كالصور الفوتوغرافية" و"أنمي" تدفعان النموذج في اتجاهين متعاكسين. و"لوحة زيتية" و"تصوير سينمائي" غير متوافقتين تقنيًا. يحاول النموذج إرضاء كليهما فينتهي به الأمر إلى عدم إرضاء أي منهما.
💡 قاعدة تكديس الأسلوب: اختر أسلوبًا أساسيًا واحدًا ومُعدِّلًا داعمًا واحدًا. الأسلوبان الأساسيان المتعارضان ينتجان فوضى.
اختر مرساة الأسلوب أولًا، ثم ادعمها:
RAW photo, 8K, photorealistic, Kodak Portra 400, film graincinematic color grading, anamorphic lens flare, 2.39:1 aspect ratio, film printphotojournalism, natural light, handheld feel, 35mm street photographyلا تخلط بين هذه الخيارات. اختر مسارًا واحدًا والتزم به. كلما كان تكديس أسلوبك أنظف، كانت المخرجات أكثر تماسكًا.
تخبر الأوامر النصية السلبية النموذج بما يجب استبعاده. وهي متاحة في Stable Diffusion وغيره من النماذج التي تدعم التوجيه الخالي من المصنّف. وعندما لا تستخدمها، فأنت تقول للنموذج: "ليست لدي أي تفضيلات بشأن ما لا يظهر في هذه الصورة."
والنتيجة أن عيوب الذكاء الاصطناعي الشائعة، مثل الأصابع الزائدة والوجوه المندمجة والخلفيات الضبابية وأنماط النصوص غير المتوقعة، تظهر كلها دون أي قيد يصفّيها.
انسخ هذا وكيّفه حسب حالتك:
blurry, out of focus, low quality, watermark, text, logo, extra limbs, extra fingers, deformed hands, distorted face, cartoon, illustration, CGI, 3D render, anime, oversaturated, noise, grain, duplicate, ugly, bad anatomy
أضف الاستثناءات الخاصة بالأسلوب فوق ذلك:
bald, double chin, asymmetrical eyesbuildings, people, artificial lightshadows on product, cluttered background, reflections💡 في Flux Dev، تجعل قيم التوجيه الأعلى النموذج يتبع الأوامر النصية الإيجابية والسلبية بصرامة أكبر. وعند التوجيه 3.5 أو أعلى، يصبح أمرك السلبي مرشحًا حقيقيًا.
يولّد كثير من الناس الصور بصيغة مربعة 1:1 ثم يقصونها لاستخدامها المقصود. وهذا يكسر التكوين. ينبغي توليد البورتريه بنسبة 2:3 أو 9:16. وخلفية المنظر الطبيعي بنسبة 16:9 أو 21:9. وقد تحتاج منشورات وسائل التواصل الاجتماعي إلى 4:5.
عندما تولّد بنسبة عرض إلى ارتفاع خاطئة ثم تقصّ، تفقد معلومات وضعها النموذج عمدًا. فالنموذج يبني تكوينه للّوحة التي تمنحه إياها. والقص يتخلص من جزء من ذلك القرار.
| حالة الاستخدام | أفضل نسبة |
|---|---|
| بورتريه، منشور اجتماعي | 2:3 أو 9:16 |
| صورة الواجهة الرئيسية للموقع | 16:9 أو 21:9 |
| لقطة منتج | 1:1 أو 4:3 |
| مربع Instagram | 1:1 |
| ملصق مطبوع | 3:4 أو 2:3 |
يدعم Flux Schnell 11 نسبة عرض إلى ارتفاع، ويغطي Flux Dev النطاق نفسه. وعلى PicassoIA، تحدد نسبتك قبل التوليد، فيبني النموذج التكوين الصحيح منذ البداية، لا بعد ذلك.
وإذا لم تملأ مخرجاتك الإطار كما ينبغي، فإن نموذج الدقة الفائقة Real ESRGAN يرفع دقة نتيجتك أربع مرات مع الحفاظ على التفاصيل، مما يمنحك مساحة للعمل قبل أي قص نهائي.
في كل مرة تشغّل فيها أمرًا نصيًا دون قيمة بذرة ثابتة، يبدأ النموذج من نمط ضوضاء عشوائي مختلف. وهذا يعني أن الأوامر النصية المتطابقة قد تنتج صورًا مختلفة جذريًا في التشغيلات المتتالية. وإذا وجدت نتيجة تعجبك، فلن تستطيع إعادة إنتاجها دون قيمة البذرة. وإذا كنت تحاول بناء سلسلة بصرية متسقة، فلن تجد نقطة ارتكاز.
يعامل معظم الناس كل توليد كتذكرة يانصيب جديدة. وهذا النهج مناسب للاستكشاف المبكر، لكنه يفشل تمامًا في أعمال الإنتاج.
عندما تحصل على نتيجة تسير في الاتجاه الصحيح، دوّن قيمة البذرة فورًا. ثم كرّر بإجراء تغييرات صغيرة على الأمر النصي مع إبقاء البذرة ثابتة. وهذا يمنحك مسارًا متحكمًا وقابلًا للتكرار للمضي قدمًا.
في Flux Dev، يمكنك تحديد البذرة مباشرةً في معلمات التوليد. ولّد بقيمة بذرة ثابتة مع أوصاف إضاءة مختلفة قليلًا، أو عدّل قيمة التوجيه، أو استبدل معدّل أسلوب واحدًا في كل مرة. كل تغيير واضح لأنه لم يتحرك إلا متغير واحد.
💡 فكّر في التحكم بالبذور كإدارة للإصدارات لتوليداتك. إنه يفرّق بين من يستكشف ومن ينتج.
يُعد Flux Dev أحد أقوى نماذج تحويل النص إلى صورة المتاحة على PicassoIA، إذ يضم 12 مليار معامل، ويُنتج صورًا بدقة 1 ميغابكسل تصمد عند الفحص عن قرب. إليك سير عمل خطوة بخطوة يطبّق كل ما تناولته هذه المقالة.
قبل أن تكتب كلمة واحدة من أمرك النصي، افتح محدد نسبة العرض إلى الارتفاع واضبطه ليتوافق مع المخرج المقصود. 16:9 للشاشة العريضة، و2:3 للبورتريه، و1:1 لمواقع التواصل. يبني النموذج تكوينه وفق اللوحة التي يُعطاها.
ادمج هذه الطبقات في أمر نصي واحد بلغة طبيعية. لا تستخدم الفواصل للفصل بين مفاهيم غير مترابطة عبر الطبقات الأربع جميعًا، وإلا عامل النموذج كلها بالوزن نفسه.
يتحكم معامل التوجيه في مدى صرامة النموذج في اتباع أمرك النصي. القيم المنخفضة (حوالي 2 إلى 3) تمنح النموذج مساحة إبداعية. والقيم المرتفعة (أعلى من 4) تثبّت المخرجات بإحكام على كلماتك. وللأمر المفصّل جدًا، ابدأ من 3.5. وللأوامر الإبداعية الأكثر حرية، جرّب 2.5.
شغّل التوليد مرة واحدة. إذا كان الاتجاه صحيحًا لكن غير مثالي، فدوّن البذرة وشغّل مرة أخرى مع تغيير صغير. عدّل شيئًا واحدًا في كل مرة: وصف الإضاءة، أو البعد البؤري للعدسة، أو صفة واحدة. كل تغيير يعلّمك ما يفعله ذلك المتغير فعليًا في السياق.
إذا كانت مخرجاتك تحتاج إلى تكبير للطباعة أو للعرض عالي الدقة، فمرّرها عبر Real ESRGAN على PicassoIA. أداة رفع الدقة 4x تحدّد التفاصيل الدقيقة وتقلل عيوب الضغط، فتنتج ملفًا أكبر دون خسارة ملحوظة في الجودة.
بعد كل ما سبق، إليك شكل الأمر النصي المبني جيدًا عمليًا. قارن بين هذين:
أمر نصي ضعيف:
"امرأة جميلة عند الغروب"
أمر نصي قوي:
"امرأة تبلغ 28 عامًا بشعر بني محمّر طبيعي تقف على ساحل صخري عند الساعة الذهبية، مع ضوء خلفي دافئ من الجهة اليمنى يُنشئ إضاءة حافّية على شعرها، ترتدي قميصًا كتانيًا فضفاضًا بلون أبيض مائل إلى العاجي، تنظر قليلًا خارج الكادر بتعبير هادئ، عدسة بورتريه 85mm f/1.4، عمق ميدان ضحل مع خلفية بحرية ضبابية بتأثير بوكيه (bokeh)، حبيبات فيلم Kodak Portra 400، تصوير فوتوغرافي RAW واقعي كالصور الفوتوغرافية بدقة 8K"
الأمر الثاني أطول، نعم. لكنه ليس أطول لأنه يستخدم صفات أكثر، بل لأنه يغطي الطبقات الأربع كلها: الموضوع والمكان والإضاءة والتقنية. كل كلمة فيه تستحق مكانها.
أخطاء الأوامر النصية التي تُفسد صور الذكاء الاصطناعي لا تتعلق بالإبداع أو الموهبة. إنها تتعلق بالمعلومات. النموذج لا يستطيع العمل إلا بما تمنحه إياه. امنحه المزيد، وسيعطيك المزيد في المقابل.
كل مهارة نوقشت في هذا المقال متاحة للتجربة على PicassoIA اليوم. افتح Flux Dev وشغّل أمرك النصي التالي مع وصف إضاءة محدد لم تستخدمه من قبل. جرّب Flux Schnell للتكرار السريع عبر اثني عشر اختلافًا في جلسة واحدة. وعندما تحتاج صورك إلى دقة أعلى للطباعة، مرّرها عبر Real ESRGAN واحصل على رفع دقة 4x في ثوانٍ.
يمنحك PicassoIA أكثر من 90 نموذجًا لتحويل النص إلى صورة دون سقف للنقاط ودون حصص للتوليد. وهذا يعني أنه يمكنك تطبيق كل إصلاح ورد في هذا المقال، واختبار كل اختلاف، وبناء الانضباط في كتابة الأوامر الذي ينتج باستمرار صورًا تستحق الاحتفاظ بها. ابدأ من picassoia.com/en/all-models واختر النموذج الذي يناسب مشروعك التالي.
اختر لغتك
