ज़्यादातर AI इमेज जनरेटर वही लौटाते हैं जिसका आपका प्रॉम्प्ट हकदार होता है। यह विश्लेषण दिखाता है कि सब्जेक्ट, एनवायरनमेंट, लाइटिंग और तकनीकी विवरण पर बनी एक सरल चार-भाग वाली संरचना नतीजों को हर बार सामान्य से सटीक बना सकती है।
बेहतर प्रॉम्प्ट जादुई शब्दों के बारे में नहीं होते। वे संरचना के बारे में होते हैं। जो लोग AI इमेज जनरेटर से औसत नतीजे पाते हैं, वे अक्सर इसलिए नहीं चूकते कि उन्होंने गलत मॉडल चुना या गलत प्लेटफ़ॉर्म इस्तेमाल किया। वे इसलिए चूकते हैं कि वे जनरेटर से वे रचनात्मक फ़ैसले करवाना चाहते हैं जो असल में प्रॉम्प्ट में लिए जाने चाहिए थे।
यह लेख एक चार-भाग वाले फ़्रेमवर्क को समझाता है, जो हर प्रमुख टेक्स्ट-टू-इमेज मॉडल पर लागू होता है। इसमें कीवर्ड की सूचियाँ याद करने या प्रॉम्प्ट टेम्पलेट कॉपी करने की बात नहीं है। इसमें पहले दृश्य रूप से सोचना है, फिर उस विज़न को ऐसी भाषा में बदलना है जिस पर मॉडल सटीकता से काम कर सके।
"a woman in a city" टाइप करें और जनरेट दबाएँ। जो इमेज आती है, वह तकनीकी रूप से सही होती है: एक महिला है, उसके पीछे कुछ शहरी दिखता है। लेकिन उस इमेज में कोई खासियत नहीं होती, कोई मूड नहीं होता, कोई कहानी नहीं होती। वह हज़ारों ऐसी दूसरी इमेज जैसी लगती है जो उसी धुंधले निर्देश से शुरू हुई थीं।
AI इमेज मॉडल गायब जानकारी को सांख्यिकीय औसत से भरते हैं। जब आप "a woman in a city" लिखते हैं, तो मॉडल ट्रेनिंग डेटा के आधार पर उस वाक्यांश की सबसे संभावित दृश्य व्याख्या बनाता है। इसी वजह से सामान्य प्रॉम्प्ट ऐसी इमेज बनाते हैं जो हज़ारों दूसरी इमेज जैसी लगती हैं: आपने मॉडल को ऐसा कुछ नहीं दिया जिससे वह उस औसत से हटकर चल सके।
विशिष्टता जोड़ने का मतलब ज़्यादा शब्द भरना नहीं है। इसका मतलब है सही जगहों पर सही शब्द देना।
PicassoIA Image और Flux Krea Dev जैसे मॉडल आपके टेक्स्ट को किसी दृश्य के स्थानिक प्रतिनिधित्व में बदलते हैं। आप जो भी शब्द जोड़ते हैं, वह संभावनाओं के दायरे को सीमित करता है। विशिष्ट शब्द उसे और सीमित करते हैं, ठीक उसी इमेज की ओर जो आपके मन में है।
नीचे दिया फ़्रेमवर्क आपको एक दोहराए जा सकने वाला ढाँचा देता है, ताकि आप बिना अंदाज़े के वह विशिष्टता बना सकें।
हर प्रभावी AI इमेज प्रॉम्प्ट का संरचनात्मक तर्क एक ही होता है। इसके हिस्से हमेशा एक ही क्रम में नहीं आते, लेकिन लगातार अच्छे नतीजे देने वाले प्रॉम्प्ट में ये लगभग हमेशा मौजूद रहते हैं।
| घटक | यह क्या नियंत्रित करता है | उदाहरण |
|---|---|---|
| सब्जेक्ट | इमेज किसके या किस चीज़ के बारे में है | "A woman in her mid-30s, relaxed posture, looking sideways" |
| एनवायरनमेंट | स्थान, सेटिंग, दिन का समय | "On a rainy rooftop terrace in Paris, late afternoon" |
| लाइटिंग | मूड, गहराई और रियलिज़्म | "Golden hour backlight from the west, long shadows, warm tones" |
| तकनीकी | कैमरा, फ़िल्म स्टॉक, क्वालिटी | "85mm f/1.8, Kodak Portra 400, 8K, RAW photography" |
💡 अच्छी इमेज के लिए आपको चारों की ज़रूरत नहीं है। लेकिन जितना ज़्यादा आप शामिल करेंगे, नतीजा उतना ही उस चीज़ के करीब होगा जो आपके मन में थी।
आपका सब्जेक्ट एंकर है। ज़्यादातर प्रॉम्प्ट यहीं से शुरू होते हैं, लेकिन ज़्यादातर लोग जल्दी रुक जाते हैं। वे बस इतना विवरण देते हैं कि सब्जेक्ट मौजूद है, लेकिन यह नहीं बताते कि वह असल में कैसा दिखता है या कैसे व्यवहार करता है।
"A woman standing" अधूरा है। "A woman standing with her weight shifted onto her right hip, glancing back over her left shoulder with a slight, knowing smile" मॉडल को एक खास शारीरिक और भावनात्मक स्थिति देता है जिसे वह रेंडर कर सके।
एक्शन और पोज़ भावना, कहानी और तनाव बताते हैं। कोई व्यक्ति "slumped on a park bench" एक बिल्कुल अलग कहानी बताता है, "sitting upright on a park bench, arms spread across the backrest, watching the street with curious eyes" की तुलना में। जगह वही है। मूड बिल्कुल उलट।
अपने सब्जेक्ट का वर्णन करते समय:
हर शारीरिक विवरण का वज़न बराबर नहीं होता। बाल का रंग और आँखों का रंग कम प्राथमिकता वाले विवरण हैं, जब तक वे आपकी अवधारणा के केंद्र में न हों। ये ज़्यादा मायने रखते हैं:
💡 चेहरे का वर्णन पुलिस रिपोर्ट की तरह न करें। बताएँ कि व्यक्ति खुद को कैसे संभालता है। जनरेटेड इमेज में यही असली लगता है।
एनवायरनमेंट सिर्फ़ पृष्ठभूमि नहीं है। वह एक सक्रिय हिस्सेदार है। एक ही जैसे दो सब्जेक्ट अलग-अलग एनवायरनमेंट में रखे जाएँ, तो इमेज बिल्कुल अलग भावनात्मक रंग में बनेंगी।
इनडोर एनवायरनमेंट आपको माहौल पर नियंत्रण देते हैं: कमरे का प्रकार, फ़र्नीचर, दीवार की बनावट, जगह का सिकुड़ा या फैला हुआ एहसास। ये आपको कृत्रिम रोशनी के स्रोत साफ़-साफ़ बताने देते हैं। अंधेरे कमरे में एक अकेला डेस्क लैंप। खाली ऑफ़िस में फ़्लोरोसेंट छत की रोशनी। भीड़भाड़ वाले रेस्टोरेंट में गर्म पेंडेंट लाइट।
आउटडोर एनवायरनमेंट में नियंत्रण कम मिलता है, पर उसके बदले पैमाना और प्राकृतिक विविधता मिलती है। शहर की सड़क पर खड़ा व्यक्ति अपने पीछे पूरी शहरी दुनिया का निहित वज़न लिए होता है। पहाड़ी पगडंडी पर चलता व्यक्ति अकेलेपन और शारीरिक मेहनत का संकेत देता है, भले ही आप इन चीज़ों का ज़िक्र न करें।
मज़बूत एनवायरनमेंट विवरण:
दिन का समय शायद किसी भी प्रॉम्प्ट में जोड़ी जाने वाली सबसे कारगर चीज़ है। यह डिफ़ॉल्ट रूप से लाइटिंग तय करता है और बिना अतिरिक्त विवरण के बड़े मूड संकेत लाता है।
गोल्डन आवर (सूर्योदय के एक घंटे बाद, सूर्यास्त से एक घंटा पहले): गर्म दिशात्मक रोशनी, लंबी छाया, समृद्ध टोनल कंट्रास्ट। ब्लू आवर (सूर्यास्त के ठीक बाद): ठंडी वायुमंडलीय रोशनी, गहरा नीला आसमान, मूडी और सिनेमाई। दोपहर: तीखी ऊपर से आने वाली रोशनी, संदर्भ के अनुसार क्लिनिकल या धूप में तपी हुई। ओवरकास्ट: कम छाया वाली नरम फैली रोशनी, डॉक्यूमेंट्री जैसी और तटस्थ।
💡 इस लेख से और कुछ न लें, तब भी अपने अगले प्रॉम्प्ट में दिन का समय ज़रूर जोड़ें। यह एक साथ लाइटिंग, रंग पैलेट और मूड बदल देता है।
यहीं से साधारण और प्रभावशाली इमेज के बीच का फ़ासला बनता है। ज़्यादातर शुरुआती लोग पूरा दृश्य बता देते हैं लेकिन रोशनी बताना भूल जाते हैं। फिर मॉडल उस एनवायरनमेंट के लिए सांख्यिकीय रूप से औसत रोशनी गढ़ लेता है, जो लगभग कभी वैसी नहीं होती जैसी आप चाहते थे।
प्राकृतिक रोशनी के दो महत्वपूर्ण आयाम हैं: दिशा और गुणवत्ता।
दिशा बताती है कि रोशनी आपके सब्जेक्ट के सापेक्ष कहाँ से आ रही है:
गुणवत्ता बताती है कि रोशनी कितनी कड़ी या नरम दिखती है:
कृत्रिम रोशनी के स्रोतों से मज़बूत कथात्मक संबंध जुड़े होते हैं। नियॉन साइन, मोमबत्ती की रोशनी, फ़्लोरोसेंट ऑफ़िस लाइट, स्ट्रीट लैंप, आग और स्क्रीन की चमक, ये सभी अलग-अलग दुनिया और भावनात्मक संदर्भ बताते हैं। इन्हें खास तौर पर इस्तेमाल करने से ऐसी इमेज बनती हैं जो सोच-समझकर बनी लगती हैं।
मिश्रित रोशनी कुछ सबसे दिलचस्प दृश्य नतीजे देती है। मोमबत्ती की गर्म रोशनी से रोशन चेहरा, जिसके पीछे खिड़की से ठंडी नीली शाम की रोशनी दिख रही हो, गर्मजोशी और अकेलेपन के बीच एक स्वाभाविक तनाव पैदा करता है। ऐसी जटिलता धुंधले प्रॉम्प्ट से लगभग असंभव है।
| रोशनी का स्रोत | मूड | सबसे अच्छा किसके लिए |
|---|---|---|
| गोल्डन आवर की धूप | गर्म, रोमांटिक, नॉस्टैल्जिक | पोर्ट्रेट, लैंडस्केप |
| ब्लू आवर का आसमान | ठंडा, उदास, सिनेमाई | शहरी, मूडी एनवायरनमेंट |
| ओवरकास्ट फैलाव | समान, दबा हुआ, डॉक्यूमेंट्री | स्ट्रीट, एडिटोरियल |
| मोमबत्ती की रोशनी | अंतरंग, गर्म, प्राचीन | क्लोज़ पोर्ट्रेट, स्टिल लाइफ़ |
| नियॉन साइनेज | बिजली जैसा, शहरी, आवेशित | रात के दृश्य, फ़ैशन |
| स्टूडियो स्ट्रोब | सटीक, साफ़, कमर्शियल | प्रोडक्ट, ब्यूटी, फ़ैशन |
तकनीकी परत उन प्रॉम्प्ट को अलग करती है जो "ठीक-ठाक" इमेज देते हैं, उन प्रॉम्प्ट से जो छापने लायक कुछ बनाते हैं। यह खंड कैमरा सेटिंग, फ़िल्म स्टॉक की नकल और क्वालिटी वर्णनकर्ताओं को संभालता है।
फ़ोकल लेंथ की अपनी अलग दृश्य शख्सियत होती है। प्रॉम्प्ट में खास मान इस्तेमाल करने से मॉडल के भीतर वह दृश्य शब्दावली सक्रिय हो जाती है।
फ़ोकल लेंथ के साथ एपर्चर जोड़ें:
फ़िल्म स्टॉक के नाम पूरी दृश्य सौंदर्य-शैली को एक वाक्यांश में समेट देते हैं। मॉडल उन्हें पहचानता है।
क्वालिटी मॉडिफ़ायर जो ज़्यादातर मॉडलों पर आउटपुट को भरोसेमंद ढंग से बेहतर बनाते हैं:
photorealistic, 8K resolution, RAW photography, natural film grain, cinematic lighting, volumetric light
💡 "ultra-realistic" या "very detailed" जैसे अस्पष्ट बूस्टर से बचें। किसी खास फ़िल्म स्टॉक का नाम वही काम कहीं ज़्यादा सटीकता और स्थिरता से करता है।
देखिए कि एक कमज़ोर प्रॉम्प्ट फ़्रेमवर्क के हर चरण से गुज़रकर कैसे बदलता है:
शुरुआती प्रॉम्प्ट: "A woman in a coffee shop"
सब्जेक्ट विवरण के बाद: "A woman in her early 30s, dark curly hair pinned up, wearing an oversized cream sweater, cradling a coffee cup in both hands, gazing out a rain-streaked window with a thoughtful expression"
एनवायरनमेंट के बाद: "...in a cozy independent cafe with wooden tables, warm pendant lighting overhead, and bookshelves lining the walls, on a grey autumn morning in Amsterdam"
लाइटिंग के बाद: "...soft grey overcast morning light entering through the window to her left, warm amber pendant fill from above, slight reflection on the window glass"
तकनीकी परत के बाद: "...Canon 50mm f/2.8, Kodak Portra 400 film grain, photorealistic, 8K, RAW photography --ar 16:9"
हर जोड़ बदलता है कि इमेज असल में कैसी दिखती है। कुछ भी मनमाने ढंग से नहीं जोड़ा गया।
| क्या जोड़ा गया | इसने क्या बदला |
|---|---|
| उम्र की सीमा और पोज़ | कैरेक्टर का व्यक्तित्व तय हुआ |
| कैफ़े का प्रकार, शहर और मौसम | विशिष्ट माहौल बना |
| रोशनी की दिशा और स्रोत | गहराई और रियलिज़्म जुड़ा |
| लेंस और फ़िल्म स्टॉक | दृश्य शैली तय हुई |
PicassoIA Image लंबे, संरचित प्रॉम्प्ट संभालने के लिए बना है। यहाँ बताया गया है कि प्लेटफ़ॉर्म पर सीधे इस फ़्रेमवर्क का उपयोग कैसे करें।
अलग-अलग मॉडल विस्तृत प्रॉम्प्ट पर अलग तरह से प्रतिक्रिया देते हैं:
16:9, वर्टिकल पोर्ट्रेट फ़ॉर्मेट के लिए 9:16text, watermark, blurry, deformed hands, CGI look, oversaturated जोड़ें💡 PicassoIA का प्रॉम्प्ट फ़ील्ड लंबे इनपुट बिना दिक्कत स्वीकार करता है। 150 शब्दों का प्रॉम्प्ट बहुत लंबा नहीं है। मॉडल विशिष्टता से फ़ायदा उठाते हैं।
जब बेस इमेज लगभग सही हो, पर पूरी तरह नहीं, तो Flux Redux Dev मौजूदा इमेज से नियंत्रित वेरिएशन बनाता है और कंपोज़िशन बनाए रखता है। यह तब उपयोगी है जब समग्र संरचना सही हो, लेकिन आप शुरू से शुरू किए बिना रोशनी या माहौल बदलना चाहते हों।
लक्षित सुधारों के लिए, PicassoIA Image Editor Pro आपको इनपेंटिंग टूल देता है, जिससे चेहरे, हाथ या पृष्ठभूमि जैसे खास हिस्से पूरी इमेज दोबारा जनरेट किए बिना ठीक किए जा सकते हैं।
अकेले "सिनेमैटिक" शब्द का कोई मतलब नहीं होता। हर फ़ोटो फ़्रेमिंग और इरादे के आधार पर सिनेमैटिक हो सकती है। इसके बजाय बताएँ कि आपके ख़ास मामले में सिनेमैटिक दिखना कैसा है: एनामॉर्फ़िक लेंस फ़्लेयर, हॉरिज़ॉन्टल क्रॉप रेशियो, टील-और-ऑरेंज कलर ग्रेड, छाया में भारी अंडरएक्सपोज़र।
एक ही इमेज के लिए "harsh midday sunlight" और "soft romantic bokeh" माँगना परस्पर विरोधी निर्देश बनाता है। कड़ी दोपहर की रोशनी और नरम पृष्ठभूमि अलगाव स्वाभाविक रूप से साथ नहीं रहते। जनरेट करने से पहले जाँचें कि आपकी रोशनी का चुनाव तकनीकी परत से मेल खाता है।
ज़्यादातर प्लेटफ़ॉर्म, PicassoIA सहित, एक नेगेटिव प्रॉम्प्ट फ़ील्ड देते हैं। इसे लगातार इस्तेमाल करें:
text, watermark, signature, blurry, oversaturated, deformed hands, extra fingers, plastic skin, CGI look, illustration
नेगेटिव प्रॉम्प्ट सटीक पॉज़िटिव प्रॉम्प्ट की जगह नहीं लेते, लेकिन वे उन आम आर्टिफ़ैक्ट को छाँट देते हैं जो अच्छी संरचना वाले जनरेशन में भी दिख जाते हैं।
फ़्रेमवर्क चार हिस्सों का है: Subject, Environment, Lighting, Technical। बस इतना ही। भूलने लायक AI इमेज और सच में प्रभावशाली इमेज के बीच का फ़र्क लगभग हमेशा सटीकता का होता है, और यह संरचना हर प्रॉम्प्ट पर उस सटीकता तक पहुँचने का दोहराने लायक रास्ता देती है।
चाहे आप किसी ब्रांड के लिए कंटेंट बना रहे हों, किसी क्रिएटिव प्रोजेक्ट के लिए रेफ़रेंस इमेज बना रहे हों, या सिर्फ़ शिल्प के लिए काम कर रहे हों, आपके प्रॉम्प्ट की विशिष्टता ही सीधे तय करती है कि नतीजा कैसा आएगा। PicassoIA Image और प्लेटफ़ॉर्म पर उपलब्ध Flux मॉडल संरचित, परतदार प्रॉम्प्ट पर बेहद अच्छी प्रतिक्रिया देते हैं।
आपका पहला प्रयास परफ़ेक्ट होने की ज़रूरत नहीं है। सब्जेक्ट लिखें। एनवायरनमेंट जोड़ें। रोशनी का वर्णन करें। तकनीकी परत जोड़ें। जनरेट दबाएँ। वहीं से समायोजित करें। बस यही पूरी प्रक्रिया है।
अपनी भाषा चुनें
