AI से रियलिस्टिक हाथ कैसे बनाएँ (बिना अजीब उंगलियों की समस्या के)

अगर आपने AI से इमेज बनाने में थोड़ा भी समय बिताया है, तो आप इस समस्या को पहले से जानते हैं। चेहरे बिल्कुल बेदाग आते हैं। बैकग्राउंड ऐसे लगते हैं मानो RED कैमरे से शूट किए गए हों। लेकिन जैसे ही फ्रेम में हाथ आते हैं, कुछ बिगड़ जाता है। अतिरिक्त उंगलियाँ, आपस में चिपकी गाँठें, असंभव कलाई के कोण, और पिघली-सी दिखने वाली हथेलियाँ। यह कोई रैंडम ग्लिच नहीं है। इसके पीछे कुछ खास, ठीक की जा सकने वाली वजहें होती हैं, और एक बार आप उन्हें जान लेते हैं, तो AI से रियलिस्टिक हाथ बनाना ऐसी चीज़ बन जाती है जिस पर आप सच में नियंत्रण रख सकते हैं।

यह वही आर्टिकल है जो मुझे तब चाहिए था जब मैं पहली बार इस समस्या से टकराया था। इसमें कोई फालतू बात नहीं है और कोई स्पष्ट सलाह नहीं है। सिर्फ़ यह कि AI हाथों में क्यों चूकता है, कौन से मॉडल इसे सबसे अच्छे से संभालते हैं, और जब गड़बड़ हो जाए तो उसे ठीक कैसे करें।

AI के हाथ इतने मुश्किल क्यों होते हैं

उंगलियाँ बनाने के पीछे का गणित

डिफ्यूज़न मॉडल इंटरनेट से खंगाली गई अरबों इमेज पर ट्रेन किए जाते हैं। समस्या यह है कि हाथ अनगिनत तरह के पोज़, रोशनी और कोणों में दिखते हैं, और उन ट्रेनिंग इमेज में से बहुत कम पर सटीक शारीरिक मेटाडेटा लेबल था। मॉडल ने सीखा कि संदर्भ में हाथ कैसा दिखता है, लेकिन उसने सच में यह नहीं सीखा कि एक हाथ में कितनी उंगलियाँ होती हैं, जोड़ कैसे मुड़ते हैं, या गाँठें परछाई कैसे बनाती हैं।

नतीजा यह होता है कि मॉडल "हाथ जैसे इलाके" बनाता है जो एक नज़र में ठीक लगते हैं, लेकिन करीब से देखने पर बिखर जाते हैं। यह पैटर्न मैचिंग है, एनाटॉमी नहीं। मॉडल इस बात की संभावना के वितरण से सैंपल लेता है कि हाथ कैसे दिखते हैं, न कि ऐसे नियमों के सेट से जो सही उंगलियों की गिनती लागू करे।

पाँच उंगलियाँ सही क्यों बनाना इतना कठिन है

पाँच एक अजीब तरह से खास संख्या है। जब डिफ्यूज़न मॉडल लेटेंट स्पेस से सैंपल लेता है, तो वह गिनती नहीं कर रहा होता। वह अपने ट्रेनिंग डेटा के सांख्यिकीय पैटर्न के आधार पर ऐसी बनावट और आकार बना रहा होता है जो हाथ जैसे लगें। कभी चार उंगलियाँ आती हैं, कभी सात। कभी तीन, जो गाँठ के पास मिलकर एक ठूँठ बन जाती हैं। मॉडल के अंदर कोई ऐसा नियम नहीं है जो कहे "पाँच उंगलियाँ, यहीं रुको।" उसके पास सिर्फ़ सांख्यिकीय झुकाव होते हैं, जिन्हें सही इनपुट से सही दिशा में धकेला जा सकता है।

इसीलिए हाथों के लिए प्रॉम्प्ट इंजीनियरिंग इतनी ज़रूरी है। आप जो चाहते हैं उसका वर्णन करने से ज़्यादा आप प्रोबेबिलिटी वितरण को सही शारीरिक हिस्से की ओर मोड़ रहे होते हैं। यह बदलाव समझ आ जाए तो आप प्रॉम्प्ट कैसे लिखते हैं, यह भी बदल जाता है।

हाथों की जटिलता कैसे बढ़ती है

AI इमेज जनरेशन में ज़्यादातर कठिन विषय इसलिए कठिन होते हैं क्योंकि उनमें डिटेल का घनत्व बहुत ज़्यादा होता है। हाथों में एक साथ कई तरह की कठिनाइयाँ होती हैं: जटिल टोपोलॉजी (हर उंगली में तीन जोड़ों के साथ पाँच उंगलियाँ), पोज़ और कोण में भारी विविधता, बारीक त्वचा की बनावट की ज़रूरत, और यह तथ्य कि शारीरिक सच्चाई से थोड़ा सा भी विचलन इंसानी आँख को तुरंत दिख जाता है।

चेहरे भी कठिन होते हैं, लेकिन चेहरों के जनरेशन के लिए पूरे ट्रेनिंग रन समर्पित किए गए हैं। हाथों पर इतना विशेष ध्यान बहुत कम दिया गया है, यही वजह है कि सबसे उन्नत मॉडल में भी वे एक लगातार कमज़ोर कड़ी बने रहते हैं।

खराब AI हाथों के 5 मूल कारण

खास विफलता के तरीकों को समझने से आप सही समाधान जल्दी लागू कर पाते हैं। AI हाथ जनरेशन जिन पाँच मुख्य तरीकों से बिगड़ता है, वे यहाँ हैं:

इनमें से हर एक का अलग समाधान है। अतिरिक्त उंगलियाँ नेगेटिव प्रॉम्प्ट से सबसे अच्छी तरह ठीक होती हैं। चिपकी उंगलियाँ ControlNet-आधारित मॉडल से सुधरती हैं, जो किनारों की संरचना लागू करते हैं। गलत परिप्रेक्ष्य के लिए आपको प्रॉम्प्ट को इस तरह दोबारा ढाँचे में लाना होता है कि साफ़ स्थानिक जानकारी मिले। बनावट की समस्याएँ लगभग पूरी तरह तब हल होती हैं जब आप पॉज़िटिव प्रॉम्प्ट में त्वचा की डिटेल के बारे में बेहद साफ़-साफ़ बताते हैं।

सबसे बड़ी गलती लोग यह करते हैं कि वे हर हाथ की विफलता को एक ही समस्या मान लेते हैं और एक ही सामान्य समाधान लगा देते हैं। एक बार आप पहचान लें कि आप किस विफलता के तरीके से जूझ रहे हैं, तो समाधान कहीं ज़्यादा सटीक हो जाता है।

परफेक्ट हाथों के लिए प्रॉम्प्ट इंजीनियरिंग

एनाटॉमी के कीवर्ड जो सच में काम करते हैं

हाथ की गुणवत्ता सुधारने का सबसे भरोसेमंद तरीका है कि आप अपने प्रॉम्प्ट की शुरुआत शारीरिक विशिष्टता से करें। अस्पष्ट प्रॉम्प्ट से अस्पष्ट नतीजे आते हैं। मॉडल को हाथ वाले इलाके से आप क्या चाहते हैं, इसका मज़बूत और साफ़ संकेत चाहिए।

ये कीवर्ड ज़्यादातर मॉडल में हाथ की गुणवत्ता लगातार सुधारते हैं:

• "anatomically correct hands" संकेत देता है कि आपको रियलिस्टिक अनुपात चाहिए, न कि स्टाइलाइज़्ड अनुमान
• "five fingers" सीधा है लेकिन असरदार है, खासकर कमज़ोर मॉडल में जो भटकते हैं
• "visible knuckle lines" उंगलियों के जोड़ों में बारीक डिटेल लाता है और चिकने, बिना विशेषता वाले लुक को रोकता है
• "natural skin texture with pores" हाथ के त्वचा वाले इलाके में फोटोरियलिस्टिक सरफ़ेस रेंडरिंग सक्रिय करता है
• "realistic nail shape" उस समस्या को रोकता है जहाँ नाखून त्वचा में गायब हो जाते हैं और उंगली का सिरा चिकना दिखता है
• "visible palm creases" हथेली की ओर वाले शॉट और क्लोज़-अप कम्पोज़िशन में शारीरिक प्रामाणिकता जोड़ता है
• "correct finger proportions" उस आम समस्या में मदद करता है जहाँ सारी उंगलियाँ एक ही लंबाई की होती हैं
• "skin texture at knuckles" ख़ास तौर पर उस इलाके को निशाना बनाता है जो अक्सर चिकने प्लास्टिक जैसा रेंडर होता है

नेगेटिव प्रॉम्प्ट की रणनीतियाँ

नेगेटिव प्रॉम्प्ट आपकी दूसरी रक्षा-पंक्ति हैं और अक्सर सबसे असरदार अकेला बदलाव होते हैं। जब आप मॉडल को बताते हैं कि उसे क्या NOT जनरेट करना है, तो आप प्रोबेबिलिटी स्पेस को सबसे आम विफलता के तरीकों से दूर मोड़ रहे होते हैं।

हाथों के लिए एक मज़बूत नेगेटिव प्रॉम्प्ट:

extra fingers, fused fingers, malformed hands, distorted hands, extra limbs, poorly drawn hands, bad anatomy, missing fingers, mutant hands, six fingers, seven fingers, eight fingers, deformed, disfigured, webbed fingers, merged fingers

प्रॉम्प्ट कॉपी करें

टिप: सबसे ज़रूरी नेगेटिव शब्द सूची में सबसे पहले रखें। ज़्यादातर सैंपलिंग तरीके नेगेटिव प्रॉम्प्ट में पहले वाले टोकन को ज़्यादा वज़न देते हैं, इसलिए "extra fingers" और "fused fingers" को पहले रखना उन्हें आख़िर में दबाने से ज़्यादा असरदार होता है।

प्रॉम्प्ट स्ट्रक्चर टेम्पलेट

यह ढाँचा Flux Dev, SDXL और Realistic Vision v5.1 में काम करता है:

[Subject description with explicit hand mention], five fingers, anatomically correct hands, [hand pose with anatomical terms], visible knuckle lines, natural skin texture with pores, realistic nail shape, [specific lighting description], [camera and lens], photorealistic, 8K RAW photography

प्रॉम्प्ट कॉपी करें

हाथ का वर्णन प्रॉम्प्ट में जल्दी आना चाहिए, आख़िर में दबाया हुआ नहीं। मॉडल प्रॉम्प्ट के पहले हिस्से पर कहीं ज़्यादा ध्यान देते हैं। अगर आपका हाथ वाला वर्णन दो वाक्य सीन सेटअप के बाद आता है, तो उसका आउटपुट पर असर अनुपात में कम होता है।

रियलिस्टिक हाथों के लिए सबसे अच्छे मॉडल

सभी AI मॉडल हाथ जनरेशन को एक जैसा नहीं संभालते। कुछ मॉडल शारीरिक यथार्थवाद के लिए कहीं बेहतर ट्रेन किए गए हैं, या तो बड़ी पैरामीटर संख्या, बेहतर चुने गए ट्रेनिंग डेटा, या इंसानी सब्जेक्ट्स पर खास फाइन-ट्यूनिंग की वजह से।

Flux 2 Max अपनी बड़ी पैरामीटर संख्या और ज़्यादा मज़बूत ट्रेनिंग डेटासेट की वजह से लगातार सबसे अच्छी हाथ एनाटॉमी देता है। जब आप ऐसा पोर्ट्रेट बना रहे हों जिसमें हाथ प्रमुख और दिखने वाले हों, तो अतिरिक्त जनरेशन समय इसके लायक है।

जब स्पीड मायने रखती है, तब Realistic Vision v5.1 सबसे मज़बूत विकल्प है। इसे खास तौर पर फोटोरियलिस्टिक इंसानी सब्जेक्ट्स पर फाइन-ट्यून किया गया था, यानी ट्रेनिंग के दौरान हाथ की एनाटॉमी पर केंद्रित ध्यान दिया गया। क्लोज़-अप हाथ फोटोग्राफी की शैलियों के लिए यह अक्सर बड़े सामान्य-उद्देश्य मॉडलों से बेहतर प्रदर्शन करता है।

PicassoIA पर Flux 2 Max कैसे इस्तेमाल करें

Flux 2 Max उन सभी के लिए सुझाया गया शुरुआती बिंदु है जो रियलिस्टिक हाथ की एनाटॉमी बनाने को गंभीरता से लेते हैं। यहाँ PicassoIA पर एक चरण-दर-चरण वर्कफ़्लो है:

चरण 1: मॉडल खोलें

Flux 2 Max on PicassoIA पर जाएँ और प्रॉम्प्ट इंटरफ़ेस खोलने के लिए जनरेट बटन पर क्लिक करें।

चरण 2: हाथ-विशिष्ट प्रॉम्प्ट लिखें

ऊपर प्रॉम्प्ट इंजीनियरिंग सेक्शन के टेम्पलेट ढाँचे का उपयोग करें। यहाँ एक कार्यशील उदाहरण है जिसे आप सीधे कॉपी कर सकते हैं:

A woman's hand resting on a wooden table, five fingers, anatomically correct hands, fingers slightly curved in a relaxed position, visible knuckle lines and skin creases, natural skin texture with pores, realistic nail shape with defined cuticles, warm morning light from the left casting soft shadows between fingers, shallow depth of field, Canon EOS R5, 85mm f/1.8, photorealistic 8K RAW photography

प्रॉम्प्ट कॉपी करें

चरण 3: अपना नेगेटिव प्रॉम्प्ट सेट करें

इसे सीधे नेगेटिव प्रॉम्प्ट फ़ील्ड में कॉपी करें:

extra fingers, fused fingers, malformed hands, bad anatomy, mutant hands, six fingers, deformed, missing fingers, poorly drawn hands, webbed fingers, merged fingers, distorted hands

प्रॉम्प्ट कॉपी करें

चरण 4: रिज़ॉल्यूशन सही सेट करें

हाथ-केंद्रित इमेज के लिए कम से कम 1280x720 (16:9) पर जनरेट करें। 512 पिक्सल चौड़ाई से नीचे मॉडल अलग-अलग उंगलियों का बँटवारा सटीक तरह से नहीं दिखा सकता, क्योंकि डिटेल को एन्कोड करने के लिए पर्याप्त पिक्सल ही नहीं होते। जनरेशन क्षेत्र में ज़्यादा पिक्सल का मतलब है उंगलियों की एनाटॉमी के लिए ज़्यादा सिग्नल।

चरण 5: कई सीड का उपयोग करें

हाथ जनरेशन में चेहरे की जनरेशन से ज़्यादा विचलन (variance) होता है। मानक प्रोफेशनल तरीका है कि हर प्रॉम्प्ट पर 4 से 8 इमेज बनाएँ और सबसे अच्छा नतीजा चुनें। ज़्यादातर सफल वर्कफ़्लो हाथ जनरेशन को सिंगल-शॉट समस्या नहीं, बल्कि चयन की समस्या मानते हैं।

टिप: कई वेरिएशन पर तेज़ सीड टेस्टिंग के लिए Flux Schnell का उपयोग करें, फिर जब कोई सीड और कम्पोज़िशन वह एनाटॉमी दे जो आप चाहते हैं, तो Flux 2 Max पर स्विच करें।

चरण 6: एनाटॉमी का व्यवस्थित मूल्यांकन करें

नतीजों की समीक्षा करते समय इस क्रम में जाँच करें: पहले उंगलियों की गिनती, फिर जोड़ों की परिभाषा, फिर नाखून का आकार, फिर त्वचा की बनावट, और अंत में समग्र अनुपात। गलत उंगलियों की गिनती को तुरंत पकड़ लेने से बाकी किसी भी चीज़ का मूल्यांकन करने से पहले समय बच जाता है।

इनपेंटिंग से खराब हाथ ठीक करें

जब आपको कुल मिलाकर एक बढ़िया इमेज मिली हो लेकिन हाथ गलत हों, तो इनपेंटिंग लगभग हमेशा शुरुआत से दोबारा बनाने से तेज़ होती है। इनपेंटिंग में आप सिर्फ़ समस्या वाले इलाके को मास्क कर सकते हैं और उसे एक खास प्रॉम्प्ट से दोबारा जनरेट कर सकते हैं, जबकि चेहरा, बैकग्राउंड और बाकी सब कुछ जैसा है वैसा रहता है।

इनपेंटिंग कब सही विकल्प है

• चेहरा और बैकग्राउंड परफेक्ट हैं, लेकिन एक हाथ में छह उंगलियाँ हैं
• एक इलाके में उंगलियाँ चिपकी हैं, लेकिन बाकी इमेज बढ़िया है
• हाथ की रोशनी बाकी सीन से मेल नहीं खाती
• पूरी इमेज दोबारा बनाए बिना हाथ का इशारा बदलना है

Flux Fill Pro से हाथों की इनपेंटिंग

Flux Fill Pro खास तौर पर इसी वर्कफ़्लो के लिए बनाया गया है। इसे इस तरह उपयोग करें:

1. PicassoIA पर अपनी बनाई इमेज Flux Fill Pro पर अपलोड करें
2. समस्या वाले हाथ या सिर्फ़ प्रभावित उंगलियों पर मास्क टूल से पेंट करें
3. एक टारगेटेड इनपेंटिंग प्रॉम्प्ट लिखें: "anatomically correct hand, five fingers, realistic skin texture with visible knuckle lines, natural lighting matching the scene"
4. इनपेंटिंग स्ट्रेंथ 0.65 और 0.80 के बीच सेट करें (कम मान संदर्भ को बचाता है, ज़्यादा मान दोबारा जनरेट करने की ज़्यादा आज़ादी देता है)
5. 3 से 5 वेरिएंट बनाएँ और वह नतीजा चुनें जो आसपास की इमेज से सबसे अच्छे से मेल खाए

आसपास की इमेज का संदर्भ इनपेंटिंग मॉडल की वास्तव में मदद करता है। Flux Fill Pro मौजूदा इमेज की रोशनी की दिशा, कलर पैलेट और फोटोग्राफ़िक शैली को पढ़ता है और इनपेंट किए गए हाथ को उसी संदर्भ से मिलाने की कोशिश करता है। इसीलिए इनपेंटिंग अक्सर उसी हाथ को शुरुआत से बनाने की तुलना में ज़्यादा स्वाभाविक नतीजे देती है।

सटीक हाथ पोज़ के लिए ControlNet

जब आपको कोई खास हाथ का पोज़ चाहिए, जैसे इशारा करती उंगली, मुट्ठी बाँधे पकड़, खुली हथेली, या चुटकी वाला इशारा, तो अकेला फ़्रीफ़ॉर्म प्रॉम्प्ट अक्सर पर्याप्त नियंत्रण नहीं देता। ControlNet एक रेफ़रेंस इमेज या एज मैप का उपयोग करके आउटपुट को बाँधता है और जनरेशन पर संरचनात्मक नियंत्रण देता है।

हाथों के लिए ControlNet कैसे काम करता है

ControlNet एक रेफ़रेंस इमेज से निकाली गई संरचनात्मक जानकारी का उपयोग करता है ताकि यह तय हो कि जनरेट होने वाले आउटपुट में आकार कहाँ दिखें। हाथों के लिए इसका मतलब है कि आप एक फ़ोटो, स्केच, या 3D हाथ मॉडल का स्क्रीनशॉट ले सकते हैं जो ठीक उसी पोज़ में हो जो आप चाहते हैं, और मॉडल आपकी माँगी गई इमेज बनाते हुए उसी संरचनात्मक लेआउट को बनाए रखेगा।

हाथ पोज़ नियंत्रण के लिए Flux Canny Pro का उपयोग

Flux Canny Pro रेफ़रेंस इमेज से एज डिटेक्शन का उपयोग करके संरचनात्मक रेखाएँ बचाता है। वर्कफ़्लो यह है:

1. वह रेफ़रेंस हाथ ढूँढें या फ़ोटो लें जो आपको चाहिए (अपने ही हाथ की फ़ोन सेल्फ़ी भी बिल्कुल सही काम करती है)
2. उसे PicassoIA पर Flux Canny Pro में अपलोड करें
3. ControlNet स्ट्रेंथ 0.6 और 0.8 के बीच सेट करें (ज़्यादा मान रेफ़रेंस की संरचना के ज़्यादा करीब रहते हैं)
4. अपना पूरा पॉज़िटिव प्रॉम्प्ट सामान्य तरीके से लिखें, जिसमें आपके एनाटॉमी कीवर्ड और फोटोरियलिज़्म वर्णन शामिल हों
5. मॉडल एक फोटोरियलिस्टिक हाथ बनाता है जो आपकी रेफ़रेंस इमेज के एज मैप का पालन करता है

यह तरीका उन हाथों के लिए खास तौर पर असरदार है जो किसी वस्तु के साथ इंटरैक्ट करते हैं। पेन पकड़ना, गिलास पर उंगलियाँ लपेटना, या फ़ोन थामना बहुत आसान हो जाता है, क्योंकि मॉडल के पास सिर्फ़ विवरण से अनुमान लगाने की बजाय अनुसरण करने के लिए एक संरचनात्मक ढाँचा होता है।

आम गलतियाँ जो हाथ की गुणवत्ता बिगाड़ती हैं

आगे बढ़ने से पहले, ये सबसे आम गलतियाँ हैं जो बाकी प्रॉम्प्ट ठोस होने पर भी हाथ जनरेशन को विफल कर देती हैं:

• हाथ का वर्णन प्रॉम्प्ट के आख़िर में रखना। मॉडल शुरुआती टोकन को ज़्यादा वज़न देते हैं। अगर आपका हाथ का वर्णन लंबे सीन सेटअप के बाद आता है, तो आउटपुट पर उसका कम असर होता है। उसे पहले वाक्य में ले जाएँ।
• नेगेटिव प्रॉम्प्ट पूरी तरह छोड़ देना। नेगेटिव प्रॉम्प्ट के बिना मॉडल अपनी सबसे खराब प्रवृत्तियों से सैंपल लेने के लिए स्वतंत्र है। अतिरिक्त उंगलियाँ और चिपकी उंगलियाँ इसका स्वाभाविक नतीजा हैं।
• कम रिज़ॉल्यूशन पर जनरेट करना। 512x512 पर, फुल-बॉडी शॉट में एक हाथ इतने कम पिक्सल घेरता है कि मॉडल अलग-अलग उंगलियों का बँटवारा नहीं दिखा सकता। कम से कम 1280x720 पर जनरेट करें, या रिज़ॉल्यूशन सीमित हो तो हाथ वाले इलाके पर क्रॉप करें।
• तुरंत जटिल हाथ इंटरैक्शन का प्रॉम्प्ट देना। दो हाथों का एक-दूसरे को छूना, छोटी जटिल वस्तुएँ पकड़ना, या चेहरों के सामने हाथ होना, एक सरल आराम वाले पोज़ में एक हाथ से कहीं ज़्यादा कठिन है। कठिनाई धीरे-धीरे बढ़ाएँ।
• एक जनरेशन को अंतिम नतीजा मान लेने की उम्मीद करना। हाथों के लिए प्रोफेशनल AI वर्कफ़्लो लगभग हमेशा बैचिंग और उसके बाद इनपेंटिंग शामिल करते हैं। पहली कोशिश में परफेक्शन नहीं, इटरेशन की योजना बनाएँ।

PicassoIA पर खुद आज़माएँ

अब जब आपके पास AI इमेज जनरेशन में हाथ की गुणवत्ता को चलाने वाली चीज़ों की पूरी तस्वीर है, तो सबसे कीमती काम है कि आप खुद प्रयोग करें।

ऊपर के सेक्शन के प्रॉम्प्ट टेम्पलेट के साथ Flux 2 Max से शुरू करें। नेगेटिव प्रॉम्प्ट सक्रिय रखकर 6 सीड चलाएँ। देखें कि कौन से सीड सबसे साफ़ एनाटॉमी देते हैं, और यह भी देखें कि शब्दों के क्रम और विशिष्टता में छोटे बदलाव नतीजों को कैसे बदलते हैं।

जब आपको एक शानदार कुल इमेज मिले जिसमें हाथ में खामी हो, तो सीधे Flux Fill Pro से इनपेंटिंग पर जाएँ। जब आपको ऐसा सटीक पोज़ चाहिए जो अकेले प्रॉम्प्ट से न मिले, तो एक रेफ़रेंस इमेज के साथ Flux Canny Pro लाएँ। जिन फोटोरियलिस्टिक कैरेक्टर शॉट्स में हाथ की गुणवत्ता अहम है, उनके लिए Realistic Vision v5.1 अब भी उपलब्ध सबसे भरोसेमंद विकल्पों में से एक है।

PicassoIA आपको यह सब मॉडल एक ही जगह पर देता है, बिना लोकल GPU की ज़रूरत के, बिना सेटअप के, और बिना कमांड-लाइन कॉन्फ़िगरेशन के। प्रॉम्प्ट लिखें, मॉडल चुनें, और इटरेट करें।

खराब AI हाथों और रियलिस्टिक AI हाथों के बीच का अंतर लगभग कभी टूल नहीं होता। वह प्रॉम्प्ट स्ट्रक्चर, मॉडल चुनाव, नेगेटिव प्रॉम्प्ट का अनुशासन, और तब तक इटरेट करने की इच्छा होती है जब तक नतीजा सही न हो जाए। अब आपके पास वह सब मौजूद है।