AI इमेज जनरेटर से रियलिस्टिक, नैचुरल दिखने वाली बॉडी पाने के लिए सिर्फ़ "photorealistic" लिखना काफ़ी नहीं है। ये 6 प्रॉम्प्ट टिप्स बताते हैं कि स्किन टेक्सचर, बॉडी प्रपोर्शन, लाइटिंग की दिशा, कपड़ों की फ़िज़िक्स और कैमरा एंगल ठीक करने के लिए कौन-से शब्द जोड़ें, ताकि सभी प्रमुख AI मॉडल में सचमुच भरोसेमंद नतीजे मिलें।
हर AI इमेज जनरेटर में एक ही कमी होती है। आप "beautiful woman, photorealistic" लिखते हैं और नतीजा ऐसा आता है मानो किसी मैनिक्विन को इंसानी रंग के प्लास्टिक में लपेट दिया गया हो। प्रपोर्शन थोड़े गड़बड़ होते हैं। स्किन पर कोई पोर्स नहीं दिखते। पोस्चर सख़्त होता है। लाइटिंग बॉडी को एक सपाट आकृति की तरह ट्रीट करती है।
नतीजा तकनीकी रूप से सही होता है, लेकिन एक नज़र में पता चल जाता है कि यह AI से बना है।
यह मॉडल की समस्या नहीं है, यह प्रॉम्प्ट की समस्या है। मॉडलों के पास इंसानी शरीर रचना को बेहद रियलिस्टिक तरीके से बनाने लायक डेटा होता है, लेकिन उन्हें यह साफ़-साफ़ बताना पड़ता है कि "रियलिस्टिक" से आपका मतलब क्या है। ये 6 प्रॉम्प्ट टिप्स वही खास निर्देश हैं जो AI मैनिक्विन और भरोसेमंद इंसानी आउटपुट के बीच का फ़ासला मिटाते हैं।
ज़्यादातर इमेज मॉडल पूरे इंटरनेट पर ट्रेन होते हैं, और इंटरनेट पर बहुत ज़्यादा भारी रीटच्ड फ़ोटोग्राफ़ी, CGI रेंडर और आदर्श बनाई गई इलस्ट्रेशन भरी पड़ी हैं। जब आप अस्पष्ट प्रॉम्प्ट देते हैं, तो मॉडल इन सबके सांख्यिकीय औसत पर चला जाता है, और यह औसत चिकने, सममित, समान रोशनी वाले और प्रपोर्शन में बढ़ा-चढ़ाकर दिखाए गए नतीजों की ओर भारी झुकाव रखता है।
मॉडल गलत नहीं है। वह ठीक वही कर रहा है जिसके लिए उसे ट्रेन किया गया था। आपका काम है साफ़ भाषा से इन डिफ़ॉल्ट को बदलना।
अकेला शब्द "photorealistic" AI इमेज जनरेशन के सबसे ज़्यादा भारी-भरकम टोकनों में से एक है। यह मॉडल से ऐसी चीज़ बनवाता है जो फ़ोटो जैसी दिखे, लेकिन यह नहीं बताता कि किस तरह की फ़ोटो। AI इसे डिफ़ॉल्ट रूप से "हाई रेज़ोल्यूशन कमर्शियल फ़ोटोग्राफ़ी" मानता है, और यही वह शैली है जो एयरब्रश्ड, आदर्श और अनकैनी नतीजों से सबसे ज़्यादा जुड़ी है।
आपको जो चाहिए वह है रॉ डॉक्यूमेंट्री फ़ोटोग्राफ़ी, कैंडिड पोर्ट्रेट, या दिखने वाली खामियों वाली फ़ैशन एडिटोरियल शैली। ये अलग-अलग श्रेणियाँ हैं और इनके लिए अलग शब्द चाहिए।
"light skin" या "tan complexion" लिखने से मॉडल को रंग के बारे में पता चलता है। टेक्सचर के बारे में उसे कुछ पता नहीं चलता। इंसानी स्किन कोई मटीरियल नहीं है, यह एक जटिल सतह है जिसमें पोर्स, बारीक रोएँ, हल्की रंग-भिन्नता, कभी-कभी धब्बे और लचीलापन होता है, जिससे शरीर हिलने या दबने पर झुर्रियाँ और सिलवटें बनती हैं।
इसका हल यह है कि स्किन का वर्णन उस तरह करें जैसे एक डर्मेटोलॉजिस्ट करेगा, न कि जैसे कॉस्मेटिक ब्रांड करता है।
किसी भी बॉडी प्रॉम्प्ट में ये खास शब्द जोड़ें:
💡 प्रो टिप: स्किन टेक्सचर वाले शब्दों को फ़िल्म स्टॉक के संदर्भ के साथ मिलाएँ। "Kodak Portra 400" मॉडल को ऐसे रंग और ग्रेन रेंडर करने को कहता है जो स्किन की खामियों को मिटाने के बजाय स्वाभाविक रूप से दिखाते हैं।
"olive skin" कहने के बजाय विविधता बताएँ: "warm golden-beige complexion with slightly paler inner arm and deeper tone at the elbow"। असली स्किन एक समान नहीं होती। उसकी विविधता का वर्णन मॉडल को संकेत देता है कि आपको रंग भरने के बजाय जैविक सटीकता चाहिए।
लाइटिंग बॉडी प्रॉम्प्ट का सबसे कम इस्तेमाल होने वाला तत्व है। सपाट, समान, परिवेशी रोशनी स्किन को प्लास्टिक जैसा बना देती है और शरीर की सारी गहराई मिटा देती है। किसी खास कोण से आने वाली दिशात्मक रोशनी प्राकृतिक गड्ढों में छाया बनाती है, मांसपेशियों का उभार दिखाती है और शरीर को त्रि-आयामी बनाती है।
"good lighting" या "beautiful lighting" न लिखें। इसकी जगह:
| अस्पष्ट प्रॉम्प्ट | स्पष्ट प्रॉम्प्ट |
|---|---|
| "good lighting" | ऊपरी बाईं ओर से 45 डिग्री पर एक ही लाइट सोर्स |
| "natural light" | दाईं ओर से सुबह की खिड़की की रोशनी, नरम छाया |
| "studio light" | रेम्ब्रांट लाइटिंग पैटर्न, मुख्य लाइट सोर्स 2 बजे की दिशा में |
| "dramatic light" | दाईं ओर से तेज़ डायरेक्शनल साइडलाइट, दाईं तरफ़ गहरी छाया |
लाइट सोर्स की स्थिति सीधे तय करती है कि शरीर पर छाया कहाँ पड़ेगी। कॉलरबोन, बगल और कमर के गड्ढे जैसी प्राकृतिक शारीरिक जगहों पर पड़ने वाली छाया ही शरीर को असली बनाती है।
ये वाक्यांश सिर्फ़ सपाट रोशनी नहीं, बल्कि वातावरणीय गहराई का संकेत देते हैं:
💡 प्रो टिप: "Late afternoon golden hour backlight" फ़ुल-बॉडी और बाहरी शॉट्स के लिए ख़ास तौर पर असरदार है। यह रिम लाइटिंग बनाता है जो शरीर को बैकग्राउंड से अलग करती है और बिना ज़्यादा एक्सपोज़ किए स्किन टोन में गर्माहट जोड़ती है।
AI मॉडलों में जनरेटिव संदर्भों में बढ़ा-चढ़ाकर दिखाए गए बॉडी प्रपोर्शन की ओर मज़बूत ट्रेन्ड बायस होता है। सुधार के बिना, आपको ऐसे नतीजे मिलेंगे जो कुछ हिस्सों में ज़रूरत से ज़्यादा आदर्श होंगे और कुछ हिस्सों में शारीरिक रूप से गलत।
इसका हल माप लिखना नहीं है। इसका हल ऐसी गुणात्मक भाषा इस्तेमाल करना है जो अपेक्षाओं को थाम दे।
पोस्चर के संकेत भी माने गए प्रपोर्शन को प्रभावित करते हैं। एकदम सीधी, परफ़ेक्ट खड़ी मुद्रा नकली लगती है, क्योंकि असली लोग सक्रिय रूप से कोशिश किए बिना लगभग कभी ऐसे नहीं खड़े होते। प्राकृतिक असममिति लाने के लिए पोस्चर वाली भाषा इस्तेमाल करें:
ये वाक्यांश मॉडल को शरीर रचना को पोज़ किए गए मैनिक्विन के बजाय गुरुत्वाकर्षण के नीचे आराम करती एक प्रणाली की तरह समझने पर मजबूर करते हैं।
कैमरा और लेंस की विशेषताएँ सिर्फ़ फ़्रेमिंग नियंत्रित नहीं करतीं। ये मूल रूप से बदल देती हैं कि मॉडल शरीर को कैसे रेंडर करता है, क्योंकि अलग-अलग फ़ोकल लेंथ का मानव शरीर के साथ अलग ज्यामितीय संबंध होता है।
| फ़ोकल लेंथ | शरीर पर असर |
|---|---|
| 24-35mm | हल्की परस्पेक्टिव विकृति, किनारों के पास अंगों को लंबा करती है |
| 50mm | न्यूट्रल परस्पेक्टिव, इंसानी दृष्टि के सबसे करीब |
| 85mm | हल्का टेलीफ़ोटो कंप्रेशन, फ़्लैटरिंग प्रपोर्शन |
| 100-135mm | मज़बूत कंप्रेशन, बैकग्राउंड की गड़बड़ी हटाता है |
| Macro (50-100mm) | स्किन का अत्यधिक विवरण दिखाने पर मजबूर करता है, क्लोज़-अप के लिए आदर्श |
फ़ुल-बॉडी शॉट्स के लिए, नैचुरल और बिना विकृति वाले प्रपोर्शन के लिए 85mm f/2.8 या 50mm f/2.0 सबसे भरोसेमंद स्पेसिफ़िकेशन हैं। स्किन डिटेल शॉट्स के लिए, 100mm macro at f/2.8 to f/4 मॉडल को ऐसे रेज़ोल्यूशन पर स्किन रेंडर करने पर मजबूर करता है जहाँ वह खामियाँ छिपा नहीं सकता।
एपर्चर तय करने से मॉडल बैकग्राउंड के अलगाव और फ़ोकल प्लेन की गहराई कैसे रेंडर करता है, यह बदलता है:
उथला डेप्थ ऑफ़ फ़ील्ड बॉडी शॉट्स के लिए ख़ास तौर पर असरदार है, क्योंकि यह मॉडल को अपनी सारी रेंडरिंग डिटेल सब्जेक्ट की सतह पर लगाने पर मजबूर करता है, जिससे स्किन, बाल और कपड़े की बनावट की गुणवत्ता बढ़ती है।
💡 प्रो टिप: लेंस स्पेक से फ़िल्म स्टॉक को मिलाएँ: "85mm f/1.8, Kodak Portra 400 film grain" लगभग हर टेक्स्ट-टू-इमेज मॉडल पर नैचुरल दिखने वाले पोर्ट्रेट और बॉडी नतीजों के लिए सबसे भरोसेमंद संयोजनों में से एक है।
कपड़े वह जगह है जहाँ AI बॉडी जनरेशन सबसे साफ़ दिखने वाली गलती करता है। AI ऐसे कपड़े बनाता है जो पेंट की हुई खोल की तरह व्यवहार करते हैं, न कि उस कपड़े की तरह जो त्रि-आयामी शरीर पर लटका हो। असली कपड़े में वज़न होता है, लचक होती है, और नीचे के शरीर के आकार के साथ उसकी अंतःक्रिया होती है।
ये शब्द मॉडल को असली कपड़े जैसा व्यवहार सिम्युलेट करने को कहते हैं:
जो कपड़ा शरीर को सटीकता से फ़ॉलो करता है, वह असली शरीर रचना का सबसे मज़बूत संकेत है। जब आप फ़ैब्रिक के व्यवहार का वर्णन करते हैं, तो आप मॉडल को उसके नीचे एक खास शरीर आकार तय करने पर मजबूर करते हैं, जिससे AI बॉडी जनरेशन की आम समस्या, यानी तैरते और अपरिभाषित अंग, रुक जाती है।
ऐसे वाक्यांश इस्तेमाल करें:
ज़्यादातर असफल AI बॉडी प्रॉम्प्ट एक ही लंबा वाक्य होते हैं, जिसमें सब्जेक्ट का वर्णन, परिवेश, लाइटिंग और स्टाइल एक साथ मिले होते हैं। इससे टोकन इंटरफ़ेरेंस होता है, जहाँ मॉडल सभी तत्वों को बराबर वज़न देता है और बॉडी-विशिष्ट निर्देश कमज़ोर पड़ जाते हैं।
हल है परतों वाली प्रॉम्प्ट संरचना: पहले Subject, फिर Environment, फिर Lighting, फिर Camera, फिर Texture, और अंत में Style।
| परत | यह क्या संभालती है | उदाहरण |
|---|---|---|
| Subject | कौन, क्या पहना है, पोज़ और शरीर रचना | "A woman in her late 20s, natural body proportions, relaxed standing posture" |
| Environment | कहाँ हैं, बैकग्राउंड के तत्व | "in a public park, soft bokeh greenery background" |
| Lighting | दिशा, गुणवत्ता, स्रोत | "overcast afternoon light, diffused, no harsh shadows" |
| Camera | लेंस, एपर्चर, फ़्रेमिंग | "50mm f/2.8 lens, full-body framing" |
| Texture | स्किन का विवरण, कपड़ा, खामियाँ | "visible pore texture, natural freckles, Kodak Portra 400 grain" |
| Style | अंतिम क्वालिटी फ़्लैग | "photorealistic, 8K RAW, no airbrushing --ar 16:9 --style raw" |
प्रॉम्प्ट को इसी क्रम में बनाने से सुनिश्चित होता है कि सब्जेक्ट-विशिष्ट बॉडी निर्देश परिवेश या स्टाइल के टोकनों से कमज़ोर न हों। हर परत पिछली परत को मज़बूत करती है।
[Subject: person description + pose + body language + clothing with fabric physics] +
[Environment: setting + background] +
[Lighting: source, direction, quality] +
[Camera: lens spec + aperture + framing] +
[Texture: skin detail + film stock + imperfections] +
[Style flags: photorealistic, 8K RAW, --ar 16:9 --style raw]
यह टेम्पलेट, ऊपर की किसी भी टिप पर लागू करने पर, बिना संरचना वाले विशेषणों के ढेर की तुलना में लगातार ज़्यादा नैचुरल नतीजे देता है।
शुरू से लंबे, विस्तृत प्रॉम्प्ट लिखना थकाऊ है। सबसे व्यावहारिक समय-बचत तरीकों में से एक है इमेज जनरेटर को प्रॉम्प्ट भेजने से पहले उसे विस्तार देने और सुधारने के लिए AI लैंग्वेज मॉडल का इस्तेमाल करना।
PicassoIA में कई हाई-परफ़ॉर्मेंस लैंग्वेज मॉडल शामिल हैं, जिन्हें आप सीधे प्लेटफ़ॉर्म पर इस्तेमाल कर सकते हैं:
एक सरल वर्कफ़्लो: LLM को सादी भाषा में बताएँ कि आपको क्या चाहिए, उसे कहें कि उसे SELCTS संरचना का इस्तेमाल करते हुए 60-75 शब्दों के इमेज जनरेशन प्रॉम्प्ट में बदले, फिर आउटपुट सीधे अपने इमेज जनरेटर में पेस्ट करें।
अच्छे प्रॉम्प्ट वाली इमेज को भी जनरेशन के बाद अपस्केलिंग से फ़ायदा होता है। ज़्यादा रेज़ोल्यूशन रेंडरिंग को उन खास स्किन और फ़ैब्रिक विवरणों को पक्का करने पर मजबूर करता है, जो कम आउटपुट पर औसत होकर मिट जाते हैं।
PicassoIA के सुपर-रेज़ोल्यूशन मॉडल पहले से बनी इमेज में काफ़ी डिटेल पास जोड़ते हैं:
एक मानक फ़िनिशिंग वर्कफ़्लो: SELCTS प्रॉम्प्ट के साथ इमेज को बेस रेज़ोल्यूशन पर जनरेट करें, फिर उसे 2x या 4x पर Clarity Pro Upscaler से चलाएँ। अपस्केलिंग के दौरान जुड़ने वाली डिटेल लेयर अक्सर वह पोर्स टेक्सचर और फ़ैब्रिक की बुनावट जोड़ती है जो बेस जनरेशन से छूट गई थी।
एक भरोसेमंद AI बॉडी इमेज और अनकैनी इमेज के बीच का फ़र्क आम तौर पर तीन-चार खास वाक्यांशों पर आ टिकता है। नीचे एक ही सब्जेक्ट के लिए प्रॉम्प्ट संरचनाओं की साथ-साथ तुलना है:
| तत्व | कमज़ोर प्रॉम्प्ट | मज़बूत प्रॉम्प्ट |
|---|---|---|
| स्किन | "beautiful skin, tan" | "warm golden-beige complexion, visible pore texture, faint freckles on shoulders, natural skin imperfections" |
| Lighting | "natural lighting" | "volumetric morning light from the upper left at 45 degrees, soft shadow in collarbone indentation" |
| Proportions | "fit woman" | "natural body proportions, realistic waist-to-hip ratio, slight muscle definition without exaggeration" |
| Camera | "photorealistic" | "85mm f/2.0 lens, shallow depth of field, Kodak Portra 400 film grain" |
| Clothing | "wearing a dress" | "light linen dress with natural gravity folds, fabric tension at the hip, slight fabric movement" |
हर सुधार एक खास विफलता के तरीके को निशाना बनाता है। साथ मिलकर, ये AI मैनिक्विन और सचमुच भरोसेमंद इंसानी आकृति के बीच के ज़्यादातर फ़ासले को पाट देते हैं।
ऊपर की 6 टिप्स सिर्फ़ सैद्धांतिक नहीं हैं। ये प्रमुख इमेज जनरेशन मॉडलों पर काम करती हैं, क्योंकि ये इस बात की बुनियादी प्रक्रिया को निशाना बनाती हैं कि न्यूरल नेटवर्क मानव बॉडी प्रॉम्प्ट की व्याख्या कैसे करते हैं।
PicassoIA पर 91 से ज़्यादा टेक्स्ट-टू-इमेज मॉडल उपलब्ध हैं, जिनमें मौजूदा पीढ़ी के सबसे सक्षम जनरेटर भी शामिल हैं, और सब एक ही जगह पर। इसका मतलब है कि आप इन प्रॉम्प्ट संरचनाओं को कई मॉडल आर्किटेक्चर पर बिना प्लेटफ़ॉर्म बदले, बिना अलग सब्सक्रिप्शन खरीदे, या बिना अलग API सेटअप संभाले आज़मा सकते हैं।
सबसे असरदार तरीका है एक बार में एक टिप लेना, उसे किसी मौजूदा प्रॉम्प्ट पर लगाना, और आउटपुट की तुलना करना। टिप 1 (स्किन टेक्सचर) से शुरू करें, क्योंकि कम प्रॉम्प्ट जटिलता में यह सबसे साफ़ सुधार देती है। फिर टिप 2 (लाइटिंग की दिशा) जोड़ें, जो फ़ुल-बॉडी शॉट्स के लिए अकेला सबसे ज़्यादा असरदार बदलाव है।
एक बार जब कोई प्रॉम्प्ट संरचना काम करने लगे, तो उसे सेव करें और PicassoIA के LLM मॉडल से वेरिएशन बनवाएँ। इटरेशन का चक्र, प्रॉम्प्ट से इमेज, अपस्केल, और वेरिएशन तक, वही जगह है जहाँ नतीजे अच्छे से शानदार बन जाते हैं।
सभी उपलब्ध इमेज जनरेशन और लैंग्वेज मॉडल picassoia.com/en/all-models पर देखें, और अपने अगले जनरेशन रन में ये टिप्स आज़माना शुरू करें।
अपनी भाषा चुनें
