AI से बनाए गए पोर्ट्रेट में रियलिस्टिक स्किन टोन पाना AI आर्ट की सबसे मुश्किल चुनौतियों में से एक है। यह आर्टिकल 5 खास प्रॉम्प्ट रणनीतियों को समझाता है, जो रंग, टेक्सचर, लाइटिंग और सबसर्फ़ेस स्कैटरिंग को नियंत्रित करती हैं, ताकि सबसे हल्के आइवरी से लेकर सबसे गहरे एबनी तक, हर Fitzpatrick स्किन टाइप में फ़ोटोरियलिस्टिक स्किन बने। इसमें असली प्रॉम्प्ट उदाहरण भी हैं, जिन्हें आप अभी इस्तेमाल कर सकते हैं।
AI आर्ट में स्किन टोन सही बनाना देखने में आसान लगता है, पर है बहुत मुश्किल। आप कंपोज़िशन, लाइटिंग सेटअप और बैकग्राउंड सब सही कर सकते हैं, लेकिन जैसे ही चेहरा आता है, वह प्लास्टिक में डुबोया हुआ लगने लगता है: ज़रूरत से ज़्यादा स्मूद, कृत्रिम रूप से चमकीला, या फिर आपकी चुनी हुई स्किन टाइप चाहे जो हो, धूसर और बेज के बीच कहीं अटका हुआ। समस्या मॉडल में नहीं है। समस्या यह है कि ज़्यादातर प्रॉम्प्ट AI को बताते हैं कि क्या बनाना है, पर यह नहीं बताते कि असली परिस्थितियों में स्किन असल में कैसे बर्ताव करती है।
ये 5 प्रॉम्प्ट ट्रिक्स यही बदलती हैं। हर ट्रिक AI इमेज जनरेटर की स्किन टोन की व्याख्या में एक खास कमज़ोर बिंदु को निशाना बनाती है, और साथ मिलकर ये ऐसे पोर्ट्रेट बनाती हैं जिनमें वह फ़ोटोरियलिस्टिक स्किन टेक्सचर होता है जो लोगों को स्क्रॉल करते-करते रोक ले।
AI इमेज जनरेटर फ़ोटोग्राफ़ से सीखते हैं। लेकिन ट्रेनिंग सेट की ज़्यादातर तस्वीरें या तो प्रोफ़ेशनली रीटच की गई होती हैं (स्किन स्मूद, पोर्स गायब, रंग नॉर्मलाइज़्ड) या खराब रोशनी में ली गई होती हैं, जो स्किन के असली अंडरटोन धो देती है। जब आप "brown skin वाली महिला का पोर्ट्रेट" जैसा धुंधला प्रॉम्प्ट लिखते हैं, तो मॉडल उस पक्षपाती डेटा का औसत निकालता है और कुछ ऐसा बनाता है जो लगभग सही दिखता है, पर भावहीन और सपाट होता है।
स्किन कोई सपाट सतह नहीं है। यह कई परतों वाला पारदर्शी-सा पदार्थ है: एपिडर्मिस रोशनी को परावर्तित करती है, डर्मिस उसे बिखेरती है, और हाइपोडर्मिस बाकी को सोखती है। असली स्किन उभरी सतहों पर गर्म हाइलाइट दिखाती है, गड्ढों में ठंडी छाया, और पतली त्वचा से होकर गुज़रती रोशनी की हल्की भीतरी चमक। कोई भी AI मॉडल यह संयोग से नहीं बनाता।
नीचे की ट्रिक्स मॉडल को उस जटिलता को जानबूझकर दोबारा बनाने पर मजबूर करती हैं। अधिकतम रियलिज़्म के लिए पाँचों को एक साथ इस्तेमाल करें, या अपने मौजूदा आउटपुट की किसी खास समस्या को ठीक करने के लिए अलग-अलग चुनें।
Fitzpatrick स्केल को त्वचा विशेषज्ञ थॉमस Fitzpatrick ने 1975 में विकसित किया था, ताकि मानव त्वचा के रंग को UV विकिरण पर उसकी प्रतिक्रिया के आधार पर वर्गीकृत किया जा सके। मेडिकल और फ़ोटोग्राफ़िक डेटा पर ट्रेन किए गए AI मॉडल इस स्केल को पहचानते हैं, और इसका ज़िक्र करने से "हल्का," "गहरा" या "भूरा" जैसे सामान्य शब्दों की तुलना में स्किन टोन पर कहीं ज़्यादा सटीक नियंत्रण मिलता है।
"गहरी त्वचा" लिखने के बजाय "Fitzpatrick type V, warm deep brown undertones" लिखें। "गोरी त्वचा" लिखने के बजाय "Fitzpatrick type II, cool porcelain, visible capillaries at the nose" लिखें। इससे मॉडल किसी व्यक्तिगत रंग-धारणा की जगह एक तय जैविक संदर्भ से जुड़ जाता है।
| Fitzpatrick प्रकार | विवरण | उपयोगी प्रॉम्प्ट डिस्क्रिप्टर |
|---|---|---|
| Type I | बहुत गोरी, हमेशा जल जाती है | "porcelain, cool pink undertone, translucent skin, visible veins" |
| Type II | गोरी, जल्दी जल जाती है | "fair ivory, light freckles, rosacea-prone cheeks, cool beige" |
| Type III | मध्यम, कभी-कभी जल जाती है | "warm olive, peach-amber highlight, neutral undertone" |
| Type IV | मध्यम-गहरी, शायद ही कभी जलती है | "warm caramel, golden undertone, honey highlight on nose tip" |
| Type V | गहरी, बहुत कम जलती है | "deep mahogany, warm amber highlight, rich brown shadow" |
| Type VI | बहुत गहरी, कभी नहीं जलती | "ebony, blue-black shadow depth, violet-red subsurface scatter" |
ध्यान दें कि हर विवरण बेस रंग को एक अंडरटोन, एक हाइलाइट व्यवहार और एक छाया गुण के साथ जोड़ता है। स्किन का रंग कोई एक hex वैल्यू नहीं है। यह मानों की एक रेंज है, जो इस पर निर्भर करती है कि रोशनी कहाँ पड़ती है। आपके प्रॉम्प्ट को तीनों ज़ोन का वर्णन करना होगा।
अंडरटोन ही वह चीज़ है जो स्किन टोन को बेजान और जीवंत दिखने वाले टोन में अलग करती है। हर इंसानी स्किन रंग का एक प्रमुख अंडरटोन होता है: warm (पीला, पीच, सुनहरा), cool (गुलाबी, लाल, नीला), या neutral (गर्म और ठंडे का मिश्रण)। बिना साफ़ निर्देश के AI मॉडल अंडरटोन को पहचानने और बनाए रखने में असंगत रहते हैं।
warm-अंडरटोन वाली स्किन के लिए जोड़ें: warm golden undertone, yellow-peach base, amber highlight on nose and cheeks
cool-अंडरटोन वाली स्किन के लिए जोड़ें: cool pink undertone, blue-purple shadow, rosacea flush on cheeks, visible capillaries
neutral स्किन के लिए जोड़ें: balanced warm-cool undertone, soft beige base, green-gray cast in deep shadows
💡 प्रो टिप: ओलिव स्किन के लिए "छाया वाले हिस्सों में पीला-हरा टिंट" जोड़ें, या गहरी स्किन के लिए "नीला-बैंगनी शैडो फ़िल"। ये वे असली अंडरटोन रंग हैं जो फ़ोटो की छायाओं में दिखते हैं, और यही एक रियलिस्टिक पोर्ट्रेट को सपाट पोर्ट्रेट से अलग करते हैं।
स्किन टोन गलत दिखने का सबसे आम कारण धुंधली लाइटिंग है। "soft lighting" लिखने से मॉडल को दिशा, कलर टेम्परेचर या क्वालिटी के बारे में कुछ पता नहीं चलता। मॉडल एक सामान्य फ़्रंट-लिट सेटअप चुन लेता है, जो हर स्किन टोन को एक ही मध्यम मान में समतल कर देता है।
सटीक लाइटिंग विवरण एक साथ तीन काम करते हैं। वे बताते हैं कि हाइलाइट कहाँ पड़ेंगे (जिससे स्किन टेक्सचर उभरता है), वे छाया का रंग तय करते हैं (जिससे अंडरटोन निर्धारित होता है), और वे व्हाइट बैलेंस सेट करते हैं (जिससे पूरा स्किन टोन गर्म या ठंडा होता है)।
यहाँ देखें कि एक धुंधला लाइटिंग विवरण और एक सटीक विवरण कैसे दिखते हैं:
धुंधला: "soft natural lighting"
सटीक: "volumetric morning light from upper left at 45 degrees, warm 4200K color temperature, soft shadow fill from open window right, rim light from ambient sky creating blue-tinted hair separation"
दूसरा विवरण मॉडल को सटीक कोण (ऊपर बाईं ओर, 45 डिग्री), सटीक कलर टेम्परेचर (4200K, जो गर्म सुबह की रोशनी जैसा पढ़ा जाता है), फ़िल सोर्स (दाईं ओर खुली खिड़की, जो नरम दूसरी रोशनी बनाती है) और एक खास रंग वाली रिम लाइट (नीले आकाश की परिवेशी रोशनी) बताता है। इनमें से हर पैरामीटर सीधे स्किन पर असर डालता है।
लाइट टेम्परेचर अलग-अलग स्किन टोन के साथ अलग तरह से काम करता है। गर्म 3200K टंगस्टन रोशनी पीले-अंडरटोन वाली स्किन को नारंगी की ओर धकेलती है, जो प्राकृतिक और सुंदर लग सकता है, लेकिन cool-अंडरटोन वाली स्किन की वह गुलाबी आभा हटाकर उसे धो भी सकता है जो उसे परिभाषित करती है। ठंडी 7000K ओवरकास्ट रोशनी cool-अंडरटोन वाली स्किन को उसकी नीली-गुलाबी खासियत बनाए रखकर निखारती है, लेकिन warm-अंडरटोन वाली स्किन को धूसर और फीका बना सकती है।
AI प्रॉम्प्ट के लिए लाइट टेम्परेचर शब्दावली:
💡 टिप: AI आर्ट में कलर टेम्परेचर स्किन टोन पर सबसे शक्तिशाली नियंत्रणों में से एक है। 2800K टंगस्टन प्रॉम्प्ट बेस स्किन रंग चाहे जो हो, स्किन को गर्म कर देगा, जबकि 7000K ओवरकास्ट रोशनी सबसे गर्म रंगत को भी सपाट और ठंडा कर देगी। सुसंगत नतीजों के लिए अपने लाइट टेम्परेचर को अपने अंडरटोन से मिलाएँ।
सबसर्फ़ेस स्कैटरिंग (SSS) वह ऑप्टिकल घटना है जिसमें रोशनी स्किन की सतह को भेदती है, त्वचा की डर्मल परतों के भीतर उछलती है, और थोड़े अलग रंग के साथ किसी दूसरे बिंदु से बाहर निकलती है। इसी वजह से स्किन जीवंत दिखती है, न कि रंगीन रबर जैसी।
ज़्यादातर AI आर्ट प्रॉम्प्ट इसका ज़िक्र ही नहीं करते। SSS का एक बुनियादी संदर्भ भी जोड़ने से मॉडल स्किन की गहराई को रेंडर करने का तरीका काफ़ी बदल देता है।
ये वाक्यांश AI इमेज जनरेटर में सबसर्फ़ेस स्कैटरिंग प्रभाव शुरू करते हैं:
subsurface scattering visible through thin skininner glow from SSS on nose tip and ear lobestranslucent skin, light passing through epidermisbacklit subsurface scatter on cheekbonesskin glows from within, warm red-orange SSS in shadowsआखिरी वाक्यांश, "warm red-orange SSS in shadows," खास तौर पर असरदार है। असली बैकलिट पोर्ट्रेट में स्किन के छाया वाले हिस्से वास्तव में लाल चमकते हैं, क्योंकि रोशनी ऊतक से होकर गुज़रती है। मॉडल से यही खास प्रभाव दोबारा बनवाने से नतीजा इलस्ट्रेशन-क्वालिटी से फ़ोटो-क्वालिटी तक पहुँच जाता है।
आप SSS को उन खास शारीरिक जगहों पर भी निर्देशित कर सकते हैं जहाँ यह सबसे प्रबल रूप से दिखता है:
| त्वचा का हिस्सा | प्राकृतिक SSS दिखावट | प्रॉम्प्ट भाषा |
|---|---|---|
| नाक की नोक | बैकलाइट में नारंगी-लाल चमक | "red-orange translucency at nose tip" |
| कान की लोब | तेज़ नारंगी ट्रांसमिशन | "glowing amber SSS through thin ear tissue" |
| गाल की हड्डियाँ | नरम गर्म अंदरूनी चमक | "warm SSS glow on cheekbone peaks" |
| उंगलियाँ (बैकलिट) | तेज़ लाल ट्रांसमिशन | "fingertips glow red-orange in backlight" |
| पलकें | बैंगनी-गुलाबी ट्रांसमिशन | "thin eyelid skin shows pink-violet SSS" |
SSS के साथ-साथ माइक्रो-टेक्सचर का वर्णन भी स्किन में महसूस होने वाली गहराई जोड़ता है। "detailed skin" लिखने के बजाय लिखें: "visible individual pores across nose and cheeks, fine hair follicle shadows along the jaw, natural sebum sheen on forehead, micro-texture of keratin on lip surface." ये खास शब्द मॉडल की टेक्सचर रेंडरिंग को सक्रिय करते हैं, जो सामान्य "detailed" कभी नहीं कर पाता।
फ़ोटोग्राफ़ी की शब्दावली पर ट्रेन किए गए AI मॉडल उसी पर प्रतिक्रिया देते हैं, क्योंकि मूल कैप्शन लिखने वालों ने यही भाषा इस्तेमाल की थी। "Kodak Portra 400" लिखने से मॉडल को "natural colors" लिखने की तुलना में रंग रेंडरिंग के बारे में कहीं ज़्यादा पता चलता है। फ़िल्म इमल्शन की कुछ जानी-पहचानी खासियतें होती हैं: Portra 400 गर्म झुकाव वाली है, जिसमें छायाएँ उठी हुई और हाइलाइट संकुचित होते हैं। Fujifilm Velvia संतृप्त और कंट्रास्ट वाली है। रंगीन सिमुलेशन में Ilford HP5 फीके, खुरदुरे मिडटोन बनाती है।
फ़िल्म स्टॉक के अलावा, कैमरा लेंस के कुछ खास विनिर्देश स्किन रेंडरिंग के लिए असली मायने रखते हैं:
लेंस विनिर्देश स्किन टोन के लिए खास तौर पर इसलिए मायने रखता है क्योंकि कंप्रेशन और डेप्थ ऑफ़ फ़ील्ड यही तय करते हैं। लंबी फ़ोकल लेंथ (85-135mm) चेहरे की विशेषताओं को थोड़ा संकुचित करती है, और यही वह तरीका है जिससे प्रोफ़ेशनल ब्यूटी फ़ोटोग्राफ़र स्किन को ज़्यादा एकसमान और निखरा दिखाते हैं। वाइड-एंगल लेंस नाक और ठोड़ी को विकृत करता है, और ये विकृतियाँ बदल देती हैं कि चेहरे पर छाया और हाइलाइट कैसे पड़ते हैं। मॉडल यह अप्रत्यक्ष रूप से जानता है, क्योंकि उसने इन लेंसों से ली गई असली तस्वीरों से सीखा है।
फ़िल्म ग्रेन एक और बड़ा लीवर है। प्राकृतिक फ़िल्म ग्रेन डिजिटल चिकनाहट को तोड़ता है, जो AI स्किन को प्लास्टिक जैसा बनाती है:
Kodak Portra 400 film grain, warm skin tones, lifted shadowsFujifilm Pro 400H, soft pastels, muted highlightsKodak Gold 200, slightly warm, vintage color castIlford HP5 color simulation, desaturated, gritty midtonesFujifilm Classic Chrome, muted orange-brown skin palette
💡 टिप: अधिकतम रियलिज़्म के लिए फ़िल्म स्टॉक को एक खास कैमरा मॉडल के साथ मिलाएँ: "Leica Q3, 28mm, Fujifilm Classic Chrome" एक खास कॉम्प्रेस्ड, म्यूटेड स्ट्रीट फ़ोटोग्राफ़ी लुक देता है, जो AI स्किन को डॉक्यूमेंट्री जैसा प्रामाणिक बनाता है।
अपने प्रॉम्प्ट में हमेशा "no retouching," "no skin smoothing," या "raw photography" शामिल करें। ये वाक्यांश मॉडल को बताते हैं कि वह उस डिजिटल एयरब्रशिंग को न लगाए, जिसके साथ ज़्यादातर कमर्शियल फ़ोटोग्राफ़ी ट्रेनिंग डेटा को तैयार किया गया था।
ऊपर की चार ट्रिक्स में यह जानना शामिल है कि कौन-सी भाषा इस्तेमाल करनी है। लेकिन हर बार शुरू से 75 शब्दों का परफ़ेक्ट स्किन टोन प्रॉम्प्ट लिखना धीमा और असंगत होता है। यहीं लार्ज लैंग्वेज मॉडल (LLM) वर्कफ़्लो को पूरी तरह बदल देते हैं।
अपनी इमेज बनाने से पहले, अपना बुनियादी कॉन्सेप्ट किसी LLM में डालें और उससे प्रॉम्प्ट को खास स्किन टोन विवरणों के साथ विस्तार देने को कहें। "portrait of a woman with dark skin in a cafe" जैसा बुनियादी कॉन्सेप्ट, सही निर्देश के साथ GPT-4o या Claude Sonnet 4.6 से गुज़रने पर एक फ़ोटोग्राफ़िक विनिर्देश बन जाता है।
LLM से कहें: "Expand this into a 60-word AI image generation prompt optimized for photorealistic skin tones. Include Fitzpatrick type, lighting direction and color temperature, subsurface scattering cues, film stock, and lens specification. Maintain the scene but add all technical skin rendering details."
Gemini 3.5 Flash जैसे मॉडल इतने तेज़ हैं कि आप एक मिनट से कम में 5-6 प्रॉम्प्ट वेरिएशन आज़मा सकते हैं। Llama 4 Maverick Instruct और DeepSeek R1 इसी काम के लिए मज़बूत मुफ़्त विकल्प हैं।
पूरा वर्कफ़्लो कुछ ऐसा दिखता है:
वह आखिरी कदम, यानी विज़न फ़ीडबैक, खास तौर पर शक्तिशाली है। GPT-4o आपकी बनाई इमेज देखकर ठीक-ठीक बता सकता है कि कौन-सा प्रॉम्प्ट शब्द रंग बदलने, प्लास्टिक जैसी चिकनाहट, या गलत छाया अंडरटोन का कारण बना। इससे प्रॉम्प्ट और नतीजे के बीच का चक्र ऐसे जुड़ता है, जैसा ट्रायल-एंड-एरर कभी कुशलता से नहीं कर पाता।
आप विज़न-सक्षम LLM का इस्तेमाल करके अपनी पसंद की किसी रेफ़रेंस फ़ोटो का विश्लेषण भी करा सकते हैं। ऐसा पोर्ट्रेट अपलोड करें जिसमें वही स्किन टोन हों जो आप पाना चाहते हैं, और LLM से कहें: "इस पोर्ट्रेट का सटीक Fitzpatrick टाइप, लाइटिंग का कलर टेम्परेचर, सबसर्फ़ेस स्कैटरिंग की विशेषताएँ और स्किन टेक्सचर, AI इमेज जनरेटर के लिए प्रॉम्प्ट की भाषा में बताइए।" LLM आपके लिए स्किन के पैरामीटर रिवर्स-इंजीनियर कर देगा।
यहाँ एक ही कॉन्सेप्ट का पहले और बाद का नतीजा है, इन तकनीकों के साथ और इनके बिना।
पहले (बुनियादी प्रॉम्प्ट):
"Portrait of a woman with dark brown skin, natural lighting, realistic"
बाद में (सभी 5 ट्रिक्स के साथ):
"Close-up portrait of a woman, Fitzpatrick type V warm deep mahogany skin, Rembrandt lighting from upper left at 45 degrees, warm 4500K color temperature, cool ambient fill from right, subsurface scattering visible on cheekbone and nose tip with warm orange-red SSS in shadow areas, micro-pore texture, individual hair detail at temples, Kodak Portra 400 film grain, Hasselblad X2D 85mm f/2.0 narrow depth of field, no retouching, no digital skin smoothing, raw 8K photography --ar 16:9 --style raw"
दूसरा प्रॉम्प्ट लंबा है। यह जानबूझकर है। AI इमेज मॉडल तब बेहतर नतीजे देते हैं जब प्रॉम्प्ट छोटे और धुंधले के बजाय सटीक और तकनीकी हों। खास तौर पर स्किन टोन के लिए, धुंधलापन सबसे बड़ा दुश्मन है।
आप अपने मौजूदा आउटपुट में क्या गड़बड़ है, उसके आधार पर इन ट्रिक्स को मिला-जुलाकर भी इस्तेमाल कर सकते हैं:
ऊपर का पोर्ट्रेट दिखाता है कि जब पाँचों सिद्धांत एक साथ काम करते हैं तो क्या संभव है: समूह का हर स्किन टोन अलग और स्वाभाविक दिखता है, और एक ही गर्म रोशनी की गुणवत्ता से एकजुट है, बिना किसी सामान्य, मटमैले औसत में बदले। यही लक्ष्य है।
PicassoIA आपको बिना किसी सेटअप या API कुंजी के 91 से ज़्यादा टेक्स्ट-टू-इमेज मॉडल तक सीधी पहुँच देता है। आप एक ही सेशन में कई मॉडलों पर वही स्किन टोन प्रॉम्प्ट चलाकर देख सकते हैं कि आपके खास Fitzpatrick प्रकार या लाइटिंग परिदृश्य को कौन-सा मॉडल सबसे अच्छी तरह संभालता है।
प्लेटफ़ॉर्म में इनपेंटिंग और आउटपेंटिंग के लिए AI इमेज एडिटिंग टूल भी शामिल हैं, इसलिए अगर कोई पोर्ट्रेट लगभग सही आए लेकिन छाया वाले हिस्से का स्किन टोन गलत हो, तो आप पूरी इमेज दोबारा जनरेट किए बिना उस खास हिस्से को ठीक कर सकते हैं। PicassoIA पर लार्ज लैंग्वेज मॉडल कलेक्शन में ट्रिक 5 में बताए गए सभी LLM शामिल हैं, जिससे आप प्रॉम्प्ट को निखारने से लेकर इमेज जनरेशन और चुनिंदा एडिटिंग तक पूरा वर्कफ़्लो अलग-अलग टूल बदले बिना कर सकते हैं।
अपना कोई मौजूदा प्रॉम्प्ट लाएँ। एक समय में एक ट्रिक लागू करें और आउटपुट की तुलना करें। "dark skin, natural lighting" और एक पूरी तरह निर्दिष्ट Fitzpatrick-स्केल प्रॉम्प्ट, जिसमें SSS, सटीक लाइट दिशा और Portra 400 फ़िल्म ग्रेन हो, के बीच का फ़र्क मामूली नहीं है। यह एक तकनीकी रूप से ठीक AI इमेज और एक ऐसी इमेज के बीच का फ़र्क है जो किसी पेशेवर फ़ोटोग्राफ़र के पोर्टफ़ोलियो से आई लगे।
picassoia.com/en/all-models से शुरू करें।
अपनी भाषा चुनें
