ज़्यादातर AI इमेज प्रॉम्प्ट इसलिए फ़ेल होते हैं क्योंकि वे बहुत अस्पष्ट होते हैं, उनमें लाइटिंग की जानकारी नहीं होती, या सही मॉडिफ़ायर नहीं होते। यह आर्टिकल बताता है कि हर बार शानदार, फोटोरियलिस्टिक नतीजे देने वाले प्रॉम्प्ट कैसे लिखें। इसमें स्ट्रक्चर, लाइटिंग, कैमरा की जानकारी, नेगेटिव प्रॉम्प्ट और Flux, RealVisXL व Stable Diffusion के मॉडल-विशेष टिप्स शामिल हैं।
ज़्यादातर लोग कुछ ऐसा टाइप करते हैं, "जंगल में एक खूबसूरत महिला", और जेनरेट दबा देते हैं। नतीजा? सपाट, बेजान, आम। प्रॉम्प्ट गलत नहीं है, बस खाली है। इसमें मॉडल को काम करने के लिए कुछ असली नहीं मिलता: न रोशनी का स्रोत, न लेंस, न टेक्सचर, न माहौल। मॉडल खाली जगहें अपने हिसाब से भरता है, और "अपने हिसाब से" शायद ही कभी वह होता है जो आपके मन में था।
यह AI की कमी नहीं है। Flux Schnell, Flux Dev, RealVisXL और Stable Diffusion सभी शानदार फोटोरियलिस्टिक इमेज बनाने में सक्षम हैं। ज़्यादातर लोग जो जेनरेट करते हैं और जो ये मॉडल असल में बना सकते हैं, उनके बीच का फ़ासला पूरी तरह प्रॉम्प्ट पर निर्भर है। यह फ़ासला कैसे पाटें, यह यहाँ बताया गया है।
शब्द "खूबसूरत" लगभग 60% AI इमेज प्रॉम्प्ट में आता है। और यह लगभग कुछ नहीं करता। AI इमेज मॉडल खूबसूरती के बारे में कोई राय नहीं रखते। वे ठोस बातों पर प्रतिक्रिया देते हैं: रोशनी की दिशा, फोकल लेंथ, कलर टेम्परेचर, सतह का टेक्सचर। "एक महिला का खूबसूरत पोर्ट्रेट" मॉडल को लगभग कुछ नहीं बताता। "एक महिला का पोर्ट्रेट, बाईं ओर से Rembrandt लाइटिंग, 85mm f/1.4, सॉफ़्ट बोके बैकग्राउंड, झाईं वाली त्वचा, बाईं आँख में कैचलाइट" मॉडल को ठीक-ठीक बताता है कि क्या बनाना है।
आपके प्रॉम्प्ट में हर धुंधला विशेषण मॉडल को ठोस निर्देश देने का एक छूटा मौका है। "खूबसूरत" की जगह रोशनी की स्थिति लिखें। "शानदार" की जगह कैमरा की जानकारी लिखें। "दिलकश" की जगह दिन का समय लिखें।
प्रॉम्प्ट इंजीनियरिंग सुनने में जटिल लगती है। है नहीं। यह धुंधली भाषा की जगह साफ़, विज़ुअल निर्देश रखने का अभ्यास है। मॉडल आपका टेक्स्ट पढ़ता है और उसे अपने ट्रेनिंग डेटा के पैटर्न से मिलाने की कोशिश करता है। आपकी भाषा जितनी स्पेसिफ़िक और फोटोग्राफ़िक होगी, आप उतने ही सीधे हाई-क्वालिटी ट्रेनिंग उदाहरणों से जुड़ेंगे।
इसे ऐसे समझें: एक पेशेवर फ़ोटोग्राफ़र यह नहीं कहता, "एक खूबसूरत फोटो खींचें।" वह कहता है, "f/1.8, सुबह की बैकलाइट, आधा स्टॉप अंडरएक्सपोज़ करें, सब्जेक्ट को खिड़की के सामने रखें।" यही स्तर की स्पेसिफ़िसिटी एक मज़बूत AI इमेज प्रॉम्प्ट को कमज़ोर से अलग करती है।
हर मज़बूत प्रॉम्प्ट तीन चीज़ों से शुरू होता है: इमेज में क्या है (सब्जेक्ट), वह क्या कर रहा है (एक्शन या स्थिति), और वह कहाँ है (एनवायरनमेंट)। यही नींव है। बाकी सब इसी के ऊपर जुड़ता है।
कमज़ोर: "बाहर एक महिला"
मज़बूत: "सुबह के समय धुंध वाली झील पर नज़र डालती लकड़ी की डॉक पर बैठी, घुटने छाती से सटे हुए, क्षितिज की ओर देखती, 30 के शुरुआती दशक की एक महिला"
मज़बूत वाला संस्करण मॉडल को एक खास स्थानिक व्यवस्था, एक मूड और एक भावनात्मक स्थिति देता है। अब मॉडल के पास काम करने के लिए असली सीमाएँ हैं।
किसी भी फ़ोटो में लाइटिंग सबसे असरदार अकेला वेरिएबल होती है, और AI इमेज प्रॉम्प्ट में भी वह बिल्कुल उसी तरह काम करती है। अपनी रोशनी का स्रोत, उसकी दिशा, उसकी क्वालिटी (कड़ी बनाम नरम) और उसका कलर टेम्परेचर बताएँ।
| लाइट का प्रकार | प्रॉम्प्ट वाक्यांश | असर |
|---|---|---|
| गोल्डन आवर | "गर्म दोपहर बाद की बैकलाइट, बाईं ओर से 4 बजे का सूरज" | गर्म रिम, लंबी परछाइयाँ, रोमांटिक मूड |
| Rembrandt | "Rembrandt लाइटिंग, ऊपर बाईं ओर से एक खिड़की की रोशनी" | चेहरे पर नाटकीय परछाई का त्रिकोण |
| बादल वाला दिन | "बिखरी हुई बादल वाली रोशनी, कोई कड़ी परछाई नहीं, समान प्रकाश" | साफ़, एडिटोरियल, समान स्किन टोन |
| प्रैक्टिकल लैंप | "गर्म एम्बर डेस्क लैंप, एक ही प्रैक्टिकल रोशनी का स्रोत" | अंतरंग, मूडी, इनडोर माहौल |
| ब्लू आवर | "ब्लू आवर की रोशनी, सूर्यास्त के 20 मिनट बाद, ठंडी नीली एम्बिएंट रोशनी" | सिनेमाई, उदास, गहराई |
AI इमेज मॉडल फ़ोटोग्राफ़ी की शब्दावली पर ज़ोरदार प्रतिक्रिया देते हैं। लेंस की फोकल लेंथ, अपर्चर और कैमरा एंगल सिर्फ़ सजावट के लिए नहीं जोड़े जाते। ये सीधे जेनरेट होने वाली इमेज की ज्यामिति, गहराई और कम्प्रेशन को आकार देते हैं।
पोर्ट्रेट प्रॉम्प्ट में "85mm f/1.4" जोड़ने से मॉडल बैकग्राउंड सेपरेशन और सब्जेक्ट कम्प्रेशन को दिखने लायक ढंग से बदल देगा। यह वैकल्पिक नहीं है, यह ढाँचागत है।
सभी क्वालिटी मॉडिफ़ायर बराबर नहीं होते। कुछ वाक्यांशों का असली असर होता है क्योंकि वे खास ट्रेनिंग डेटा पैटर्न से जुड़ते हैं। बाकी लगभग शोर हैं।
काम करने वाले वाक्यांश:
film grain या Kodak Portra 400 एनालॉग फ़ोटोग्राफ़ी की सौंदर्य शैली की ओर ले जाता हैphotorealistic, 8K, RAW photography हाई-फ़िडेलिटी आउटपुट का संकेत देता हैvolumetric lighting वायुमंडलीय प्रकाश किरणें और दिखने वाली गहराई बनाता हैhyper-detailed skin texture स्किन रेंडरिंग को रियलिज़्म की ओर धकेलता हैshallow depth of field बोके और सब्जेक्ट सेपरेशन सक्रिय करता हैnatural lighting, no flash कठोर या कृत्रिम दिखने वाले नतीजों से दूर रखता हैजो लगभग कुछ नहीं करते:
💡 आम क्वालिटी शब्द जोड़ने की बजाय बताएँ कि क्वालिटी विज़ुअली कैसी दिखती है। "हाइपर-डिटेल्ड पलकें, बाल के अलग-अलग रेशे फ़ोकस में, दिखते स्किन पोर्स" कहीं ज़्यादा असरदार है "हाई क्वालिटी पोर्ट्रेट" से।
नेगेटिव प्रॉम्प्ट मॉडल को बताते हैं कि क्या छोड़ना है। Stable Diffusion और RealVisXL जैसे मॉडल पर ये उपलब्ध सबसे असरदार टूल्स में से हैं।
फोटोरियलिस्टिक इमेज के लिए मानक नेगेटिव प्रॉम्प्ट:
illustration, cartoon, 3d render, CGI, painting, sketch, artificial lighting, neon, oversaturated, low resolution, blurry, watermark, text, logo, extra fingers, deformed hands, unrealistic proportions
इसे समझें:
illustration, cartoon, painting) मॉडल को पक्के तौर पर फ़ोटोग्राफ़ी की ओर धकेलता हैextra fingers, deformed hands) आम शारीरिक गड़बड़ियों को घटाता हैblurry, low resolution) संकेत देता है कि आप मॉडल का सर्वश्रेष्ठ प्रयास वाला आउटपुट चाहते हैंFlux Schnell और Flux Dev पर नेगेटिव प्रॉम्प्ट फ़ील्ड अलग तरह से काम करते हैं, क्योंकि Flux नेगेटिव प्रॉम्प्ट की बजाय गाइडेंस स्केल पर ज़्यादा निर्भर करता है। Flux मॉडल के लिए, पॉज़िटिव प्रॉम्प्ट के विवरण को जितना हो सके उतना स्पेसिफ़िक बनाने पर मेहनत लगाएँ।
पोर्ट्रेट वह जगह है जहाँ ज़्यादातर AI इमेज प्रॉम्प्ट बिखर जाते हैं। जब तक आप कुछ और न कहें, मॉडल एक आदर्श, थोड़ा प्लास्टिक जैसा मानव चेहरा बनाने लगता है। असली दिखने वाली स्किन के लिए उसे साफ़-साफ़ बताना होगा।
Portrait of a woman in her late 30s, natural morning light from a window on the left,
Rembrandt lighting triangle visible on right cheek, hyper-realistic skin pores,
faint freckles on nose bridge, slight under-eye shadow, no heavy makeup,
authentic expression, 85mm f/1.4, shallow depth of field, creamy bokeh background,
film grain, Kodak Portra 400 color rendering
वाक्यांश "हाइपर-रियलिस्टिक स्किन पोर्स" खास तौर पर असरदार है। यह क्लोज़-अप फ़ोटोग्राफ़ी से जुड़े ट्रेनिंग डेटा पैटर्न सक्रिय करता है, जहाँ त्वचा की खामियाँ दिखती हैं और कलात्मक रूप से सराही जाती हैं।
पोर्ट्रेट को जितना आँखें बनाती या बिगाड़ती हैं, उतना कुछ नहीं करता। आँखों के लिए खास प्रॉम्प्ट:
visible iris texture, bright catchlight in left eye आँखों को रोशनी की एक खास स्थिति से बाँधता हैslight moisture visible at the waterline स्वाभाविक, विश्वसनीय रियलिज़्म जोड़ता हैindividual eyelash strands in sharp focus फोटोरियलिस्टिक को CGI रेंडर से अलग करता हैअगर आपका पोर्ट्रेट थोड़ा भी अजीब लगे, तो आमतौर पर गड़बड़ी आँखों में होती है। हर बार उन्हें प्रॉम्प्ट में साफ़ लिखें।
लैंडस्केप प्रॉम्प्ट में सबसे बड़ा बदलाव लाने वाला अकेला वेरिएबल दिन का समय है। यह एक साथ कलर टेम्परेचर, परछाई की लंबाई, वायुमंडलीय धुंध और भावनात्मक लहजा तय करता है।
Mountain valley at dawn, first light touching only the snow-capped peaks in warm amber,
valley floor in cool blue shadow, morning mist rolling through pine forests,
alpine lake perfectly mirroring the peaks above, 16mm ultra-wide lens,
extreme depth of field, Fujifilm Velvia color rendering, natural film grain
लैंडस्केप में कैमरे की ऊँचाई सब कुछ बदल देती है। एरियल परिप्रेक्ष्य फ़ोरग्राउंड और बैकग्राउंड को एक सपाट, ग्राफ़िक कम्पोज़िशन में सिकोड़ देता है। ज़मीन के बहुत पास का निचला परिप्रेक्ष्य पैमाने को बढ़ा-चढ़ाकर दिखाता है और नाटकीयता पैदा करता है।
एरियल (ड्रोन) प्रॉम्प्ट संकेत:
लो-एंगल ग्राउंड संकेत:
Flux Schnell उपलब्ध सबसे तेज़ टेक्स्ट-टू-इमेज मॉडल में से एक है, जो 5 सेकंड से कम में 1-मेगापिक्सल की तैयार इमेज बनाता है। यह तेज़ इटरेशन के लिए आदर्श है: जितने समय में दूसरे मॉडल एक इमेज बनाते हैं, उतने समय में आप 20 प्रॉम्प्ट वेरिएशन चला सकते हैं।
चरण 1: मॉडल खोलें PicassoIA पर Flux Schnell पर जाएँ। जेनरेट करना शुरू करने के लिए कोई अकाउंट सेटअप या क्रेडिट कार्ड ज़रूरी नहीं है।
चरण 2: पहले आस्पेक्ट रेशियो तय करें
प्रॉम्प्ट लिखने से पहले अपना आस्पेक्ट रेशियो चुनें। लैंडस्केप और सिनेमाई शॉट के लिए 16:9 इस्तेमाल करें, पोर्ट्रेट और सोशल मीडिया के लिए 9:16, और स्क्वायर सोशल पोस्ट के लिए 1:1। आस्पेक्ट रेशियो तय करता है कि कम्पोज़िशन कैसे फ़्रेम होगी, इसलिए प्रॉम्प्ट लिखने से पहले उसे पक्का कर लें।
चरण 3: प्रॉम्प्ट को परतों में बनाएँ
सब्जेक्ट और एक्शन से शुरू करें। फिर लाइटिंग जोड़ें। फिर कैमरा की जानकारी जोड़ें। फिर टेक्सचर और माहौल जोड़ें।
Layer 1 (Subject): "A woman in her 30s sitting on a park bench in autumn"
Layer 2 (Lighting): "warm afternoon backlight, golden hour sun from behind left"
Layer 3 (Camera): "85mm f/1.4, shallow depth of field"
Layer 4 (Texture): "film grain, Kodak Portra 400, visible fabric texture on coat"
Layer 5 (Atmosphere): "fallen leaves on ground, soft bokeh background, warm tones"
अंतिम संयुक्त प्रॉम्प्ट: "पतझड़ में एक पार्क बेंच पर बैठी 30 के आसपास की एक महिला, गर्म दोपहर बाद की बैकलाइट, बाईं ओर से पीछे से गोल्डन आवर का सूरज, 85mm f/1.4, शैलो डेप्थ ऑफ़ फ़ील्ड, फ़िल्म ग्रेन, Kodak Portra 400, कोट पर दिखता कपड़े का टेक्सचर, ज़मीन पर गिरे पत्ते, सॉफ़्ट बोके बैकग्राउंड, गर्म टोन"
चरण 4: इटरेशन के लिए सीड पैरामीटर इस्तेमाल करें जब कोई नतीजा पसंद आ जाए, तो उसका सीड नंबर नोट करें और सिर्फ़ प्रॉम्प्ट टेक्स्ट बदलते हुए उसे स्थिर रखें। इससे एक बार में एक ही वेरिएबल बदलता है और इटरेशन बहुत तेज़ हो जाता है।
चरण 5: पहले फ़ास्ट मोड चलाएँ Flux Schnell डिफ़ॉल्ट रूप से अपने स्पीड-ऑप्टिमाइज़्ड fp8 मोड पर चलता है। तेज़ इटरेशन और ड्राफ़्ट टेस्टिंग के लिए इसे चालू रखें। किसी अंतिम संस्करण के लिए, जिसे आप प्रकाशित करना चाहते हैं, अधिकतम फ़िडेलिटी के लिए इसे बंद कर दें।
| पैरामीटर | सुझाई गई सेटिंग | क्यों |
|---|---|---|
| Inference Steps | 4 (डिफ़ॉल्ट) | 4 स्टेप्स के लिए बनाया गया है। ज़्यादा स्टेप्स इसे बेहतर नहीं बनाते। |
| Megapixels | 1 | प्रकाशित होने लायक आउटपुट के लिए हमेशा 1MP इस्तेमाल करें |
| Go Fast | ड्राफ़्ट के लिए चालू, फ़ाइनल के लिए बंद | fp8 के साथ तेज़, bf16 के साथ ज़्यादा शार्प |
| Seed | अच्छा नतीजा मिलने के बाद स्थिर | नियंत्रित इटरेशन सक्षम करता है |
| Output Format | पारदर्शिता के लिए PNG, वेब के लिए WebP | PNG क्वालिटी बचाता है, WebP फ़ाइल साइज़ घटाता है |
Flux Schnell और Flux Dev दोनों एक ही 12-बिलियन पैरामीटर वाले अंतर्निहित आर्किटेक्चर का इस्तेमाल करते हैं, लेकिन उनका व्यवहार अलग है।
Flux Schnell स्पीड और बड़ी मात्रा के लिए है। 4-स्टेप डीनॉइज़िंग पर बना, यह 10 से 20 प्रॉम्प्ट वेरिएशन को तेज़ी से चलाने के लिए बेहतरीन है। जटिल दृश्यों के बहुत बारीक डिटेल Flux Dev की तुलना में थोड़े कम परिष्कृत हो सकते हैं।
Flux Dev 28 से 50 डीनॉइज़िंग स्टेप्स चलाता है और img2img मोड को सपोर्ट करता है। इसका मतलब है कि आप किसी मौजूदा फ़ोटो को शुरुआती बिंदु बना सकते हैं और प्रॉम्प्ट से उसकी दिशा बदल सकते हैं। फ़ाइनल प्रोडक्शन इमेज के लिए, जहाँ अधिकतम फ़िडेलिटी मायने रखती है, Flux Dev बेहतर विकल्प है।
💡 वर्कफ़्लो: कई वेरिएशन में सही कम्पोज़िशन, लाइटिंग और सब्जेक्ट ट्रीटमेंट ढूँढने के लिए Flux Schnell इस्तेमाल करें। जब कोई दिशा पसंद आ जाए, तो अंतिम, हाई-फ़िडेलिटी वर्ज़न के लिए Flux Dev पर जाएँ।
RealVisXL फोटोरियलिस्टिक आउटपुट के ऊपर मल्टी-ControlNet सपोर्ट जोड़ता है। जिसे सिर्फ़ सौंदर्य गुणवत्ता नहीं, बल्कि इमेज का स्थानिक लेआउट नियंत्रित करना है, उसके लिए यह बेहद अहम है।
ControlNet चालू होने पर, आप पोज़ स्केलेटन इमेज अपलोड कर सकते हैं और मॉडल आपके सब्जेक्ट को ठीक उसी पोज़ में रखेगा। स्पेसियल व्यवस्था नियंत्रित करने के लिए आप डेप्थ मैप अपलोड कर सकते हैं। आप लाइनआर्ट स्केच अपलोड करके उसे फोटोरियलिस्टिक ढंग से रेंडर करवा सकते हैं।
RealVisXL के लिए प्रॉम्प्ट तब सबसे अच्छा काम करते हैं जब आप लाइटिंग, टेक्सचर और माहौल को विस्तार से बताते हैं। ControlNet संरचना सँभालता है; प्रॉम्प्ट स्टाइल और क्वालिटी सँभालता है।
RealVisXL के लिए प्रभावी नेगेटिव प्रॉम्प्ट:
(worst quality, low quality, illustration, 3d render, 2d painting, cartoons, sketch), open mouth, extra limbs, blurry, watermark, text
Stable Diffusion अब भी सबसे लचीले उपलब्ध मॉडल में से एक है। इसकी प्रॉम्प्टिंग प्रणाली में शब्दों का क्रम और उनका वज़न दोनों मायने रखते हैं।
Flux-आधारित प्रॉम्प्टिंग से अंतर:
(Rembrandt lighting:1.3) उस शब्द को 30% मज़बूत बनाता हैमानक Stable Diffusion फोटोरियलिज़्म प्रॉम्प्ट स्ट्रक्चर:
[Subject description], [specific environment], [lighting condition],
[camera specs], [quality modifiers], [film type]
--negative: illustration, cartoon, 3d, painting, soft, blurry, watermark
इस आर्टिकल का हर प्रॉम्प्ट सिद्धांत PicassoIA पर तुरंत लागू होता है। चाहे आप Flux Schnell की रफ़्तार से शुरू करें, Flux Dev की फ़िडेलिटी से, RealVisXL के स्पेसियल कंट्रोल से, या Stable Diffusion के लचीलेपन से, प्रॉम्प्टिंग के सिद्धांत इन सभी पर एक जैसे रहते हैं।
एक सब्जेक्ट चुनें। एक लाइटिंग शर्त जोड़ें। एक कैमरा की जानकारी जोड़ें। एक टेक्सचर डिटेल जोड़ें। चलाएँ। वहाँ से इटरेट करें। तीन शब्दों के प्रॉम्प्ट से 40 शब्दों के स्ट्रक्चर्ड प्रॉम्प्ट तक की क्वालिटी छलांग बहुत साफ़ है। यही फ़र्क एक फेंकने लायक ड्राफ़्ट और उस इमेज के बीच है जिसे आप सच में इस्तेमाल करेंगे।
PicassoIA सभी मॉडल पर असीमित जेनरेशन देता है, इसलिए इटरेशन पर कोई जुर्माना नहीं है। 30 वेरिएशन चलाएँ। हर एक में लाइटिंग बदलें। नतीजों को साथ-साथ तुलना करें। सबसे अच्छी AI इमेज ऐसे ही बनती हैं: किसी एक परफ़ेक्ट प्रॉम्प्ट में नहीं, बल्कि एक तेज़, स्ट्रक्चर्ड इटरेशन प्रक्रिया में जहाँ हर रन आपको मॉडल के बारे में कुछ सिखाता है।
मॉडल सक्षम हैं। प्रॉम्प्ट आपके हाथ में हैं। अब आपके पास ऐसे प्रॉम्प्ट लिखने का स्ट्रक्चर है जो सच में काम करते हैं।
अपनी भाषा चुनें
