AI इमेज जनरेशन में फ़ोटोरियलिस्टिक चेहरे बनाना सबसे मुश्किल काम है। यह लेख बताता है कि प्रॉम्प्ट की बनावट और मॉडल के चुनाव से लेकर लाइटिंग की भाषा, स्किन टेक्सचर और PicassoIA पर अपस्केलिंग वर्कफ़्लो तक, कौन-सी बातें एक विश्वसनीय पोर्ट्रेट को प्लास्टिक जैसे रेंडर से अलग करती हैं।
फ़ोटोरियलिस्टिक चेहरों पर ही ज़्यादातर AI जनरेटर बिखर जाते हैं। स्किन प्लास्टिक जैसी दिखती है, आँखें बेजान लगती हैं, और नाक में कुछ न कुछ हमेशा थोड़ा गड़बड़ रहता है। हज़ारों पोर्ट्रेट प्रॉम्प्ट चलाने के बाद कुछ साफ़ पैटर्न सामने आते हैं जो एक विश्वसनीय AI चेहरे को अजीब-सी असफलता से अलग करते हैं, और यह विश्लेषण उन्हीं को सीधे समझाता है।
इंसानी दिमाग़ चेहरों के प्रति असाधारण रूप से संवेदनशील होने के लिए विकसित हुआ है। अनुपात, टेक्सचर या लाइटिंग में मामूली विचलन भी इंसान के यह बताने से पहले ही "गड़बड़" दर्ज कर लेता है कि वह क्या देख रहा है। इसीलिए एक औसत AI लैंडस्केप पर कोई टिप्पणी नहीं करता, जबकि एक औसत AI चेहरा गहरी असहजता पैदा करता है।
तीन चीज़ें तय करती हैं कि AI से बना पोर्ट्रेट असली लगेगा या नकली: स्किन टेक्सचर की सटीकता, आँखों की विश्वसनीयता और लाइटिंग का तर्क। तीनों सही हों तो इमेज काम करती है। इनमें से एक भी चूके तो पूरा चेहरा बिखर जाता है।
असली त्वचा की कई परतें होती हैं। अंदर की सब्सरफ़ेस स्कैटरिंग की वजह से यह अलग-अलग कोणों पर रोशनी को अलग तरह से परावर्तित करती है। इसमें रंग, टोन और पारदर्शिता में सूक्ष्म बदलाव होते हैं, जो माथे से गाल और नाक तक बदलते रहते हैं। बड़े स्तर पर त्वचा में रोमछिद्र, बारीक रोएँ और टेक्सचर का फ़र्क़ दिखता है। सूक्ष्म स्तर पर इसमें सीबम, अलग-अलग कोशिकाएँ और हल्की खामियाँ दिखती हैं।
ज़्यादातर AI मॉडल, सामान्य प्रॉम्प्ट मिलने पर, ऐसी त्वचा बनाते हैं जो एक चिकनी, समान रूप से रोशन सतह जैसी लगती है। तकनीकी रूप से वह "त्वचा के रंग" की होती है, लेकिन उसमें असली त्वचा के भौतिक गुण नहीं होते।
समाधान पूरी तरह प्रॉम्प्ट की विशिष्टता में है। सिर्फ़ "photorealistic skin" लिखना काफ़ी नहीं है। आपको वह टेक्सचर बताना होगा जो आप चाहते हैं:
💡 टिप: "नाक के ब्रिज और गालों पर दिखते रोमछिद्र," "होंठ के ऊपर बारीक vellus रोएँ," "गर्म गालों से ठंडे माथे तक प्राकृतिक रंग-भिन्नता," "T-zone पर हल्की सीबम चमक," और "nasolabial folds में दिखते गुलाबी अंडरटोन" जैसी भाषा इस्तेमाल करें। ये सूक्ष्म-विवरण वाले शब्द मॉडल को चिकने रेंडर के बजाय असली टेक्सचर की ओर ले जाते हैं।
सबसे अहम बात यह है कि पोर्ट्रेट प्रॉम्प्ट में "flawless," "perfect," या "airbrushed" जैसे शब्दों से बचें। ये शब्द मॉडल को असली फ़ोटोग्राफ़ी के बजाय रीटच की हुई सुंदरता वाली इमेज की ओर धकेलते हैं।
बेजान आँखें अनकैनी वैली तक पहुँचने का सबसे तेज़ रास्ता हैं। असली फ़ोटोग्राफ़ी में आँखों में इतनी दृश्य जानकारी होती है जिसे दिमाग़ तुरंत प्रोसेस कर लेता है:
AI आउटपुट में यह पाने के लिए लाइटिंग सेटअप को इतनी विशिष्टता से बताएँ कि कैचलाइट अपने-आप सही जगह आएँ। "ऊपर बाईं ओर से एक सिंगल सॉफ़्ट बॉक्स, दोनों आँखों में 10 बजे की स्थिति पर कैचलाइट दिखे" जैसा वाक्य मॉडल को बताता है कि आइरिस में रोशनी कहाँ दिखनी चाहिए।
असली फ़ोटोग्राफ़र लाइटिंग पर लगभग किसी भी दूसरी चीज़ से ज़्यादा समय लगाते हैं। जो AI प्रॉम्प्ट लाइटिंग का वर्णन छोड़ देते हैं, वे ऐसी इमेज बनाते हैं जिनमें परिवेशी, बिना दिशा की रोशनी होती है, और दिमाग़ उसे तुरंत नकली पढ़ लेता है।
अपने प्रकाश स्रोत का वर्णन करें: उसकी स्थिति, उसकी गुणवत्ता (कड़ी या नरम) और उसका कलर टेम्परेचर:
सामान्य (कमज़ोर): "natural lighting"
विशिष्ट (मज़बूत): "ऊपर बाईं ओर से आती volumetric सुबह की रोशनी, 5500K गर्म कलर टेम्परेचर, चेहरे के दाहिने हिस्से पर परिभाषित छाया, जो ठुड्डी की ओर नरम होकर फैलती है"
इन दोनों वर्णनों से आउटपुट की गुणवत्ता में जो फ़र्क़ आता है वह बहुत बड़ा है, और लंबा वाला वर्शन लिखने का कोई खर्च भी नहीं है।
हर टेक्स्ट-टू-इमेज मॉडल पोर्ट्रेट पर एक जैसा प्रदर्शन नहीं करता। कुछ मॉडल कॉन्सेप्ट आर्ट के लिए बने हैं और यथार्थवाद माँगे जाने पर भी इलस्ट्रेशन की ओर झुकते हैं। जो मॉडल लगातार मज़बूत फ़ोटोरियलिस्टिक चेहरे बनाते हैं, उनकी कुछ ख़ास विशेषताएँ जानने लायक हैं।
Flux Dev एक 12-बिलियन पैरामीटर वाला मॉडल है, जो चेहरे की यथार्थता के मामले में शीर्ष श्रेणी में आता है। इसकी बड़ी पैरामीटर संख्या का मतलब है कि इसने उम्र, नस्ल, लाइटिंग की परिस्थितियों और कैमरा सेटअप के आधार पर असली चेहरे कैसे दिखते हैं, इसकी कहीं ज़्यादा जानकारी आत्मसात की है।
पोर्ट्रेट कार्य के लिए यह खास तौर पर इसके image-to-image मोड की वजह से उपयोगी है। कोई मौजूदा फ़ोटो या पहले से बना चेहरा लें, जो बदलाव चाहिए वे बताएँ, और Flux Dev मुख्य चेहरे की पहचान बनाए रखते हुए उसे बदल देता है। कई इमेज में एक जैसे कैरेक्टर बनाने का तरीका यही है।
| विशेषता | पोर्ट्रेट के लिए यह क्यों मायने रखती है |
|---|---|
| 12B पैरामीटर | चेहरे की शारीरिक रचना का गहरा डेटा, तीखा विवरण बनाए रखना |
| Img2img मोड | चेहरे की पहचान खोए बिना उसमें बदलाव |
| 11 आस्पेक्ट रेशियो | सोशल के लिए 4:5, वर्टिकल के लिए 9:16, एडिटोरियल के लिए 16:9 |
| अधिकतम 50 इनफ़रेंस स्टेप | ज़्यादा स्टेप, बेहतर स्किन और बालों का विवरण |
| सीड कंट्रोल | एक चेहरा लॉक करें, बैकग्राउंड और लाइटिंग पर प्रयोग करें |
पोर्ट्रेट जनरेशन के लिए इनफ़रेंस स्टेप 40-50 तक बढ़ाएँ। डिफ़ॉल्ट 28 स्टेप त्वरित कॉन्सेप्ट टेस्टिंग के लिए ठीक हैं, लेकिन पूरी क्षमता पर मॉडल जितना कर सकता है, उसकी तुलना में वे स्किन टेक्सचर को अपेक्षाकृत उथला छोड़ देते हैं।
Flux Schnell 5 सेकंड से कम में इमेज बना देता है। पोर्ट्रेट कार्य में इस गति का एक खास उपयोग है: प्रॉम्प्ट टेस्टिंग। अच्छे पोर्ट्रेट प्रॉम्प्ट लिखने के लिए इटरेशन ज़रूरी है। अंतिम रेंडर तय करने से पहले आपको कई वैरिएशन में लाइटिंग के वर्णन, स्किन टोन की भाषा, कैमरा एंगल और फ़िल्म स्टॉक के संदर्भ परखने पड़ते हैं।
Flux Schnell में 20 वैरिएशन चलाने में उतना ही समय लगता है जितना किसी धीमे मॉडल में 2 चलाने में। यह गति अनुपात आपके रचनात्मक तरीके को बदल देता है:
यह दो-चरणीय वर्कफ़्लो शुरू से ही धीमे मॉडल में इटरेट करने की तुलना में काफ़ी ज़्यादा कुशल है।
पोर्ट्रेट की यथार्थता में प्रॉम्प्ट की गुणवत्ता ही सबसे बड़ा एकल चर है। एक ही मॉडल का इस्तेमाल करने वाले दो लोग अलग-अलग प्रॉम्प्ट से ऐसे नतीजे पाएँगे जो बिल्कुल अलग सिस्टम से आए लगेंगे। फ़र्क़ इतना बड़ा होता है।
फ़ोटोग्राफ़र फ़ोकल लेंथ और एपर्चर के संदर्भ में सोचते हैं, क्योंकि ये चर तय करते हैं कि फ़ोटो में चेहरा कैसा दिखेगा। फ़ोटोग्राफ़ी मेटाडेटा पर प्रशिक्षित AI मॉडल लेंस की भाषा को सटीकता से समझते हैं:
फ़ोकल लेंथ के साथ हमेशा एपर्चर भी शामिल करें। "85mm f/1.4 lens with shallow depth of field blurring background into soft bokeh while keeping eyes sharply in focus" जैसा वाक्य मॉडल को एक पूरा ऑप्टिकल वर्णन देता है, जिस पर वह काम कर सके।
पोर्ट्रेट के लिए फ़िल्म स्टॉक के संदर्भ सबसे कारगर प्रॉम्प्ट टूल में से हैं। एक अकेला फ़िल्म स्टॉक संदर्भ पूरी रंग-शैली, ग्रेन का चरित्र और टोनल रेंज साथ लाता है, जिसे अन्यथा बताने में कई वाक्य लगते:
| फ़िल्म स्टॉक | दृश्य चरित्र | सबसे अच्छा किसके लिए |
|---|---|---|
| Kodak Portra 400 | गर्म स्किन टोन, प्राकृतिक पैलेट, बारीक ग्रेन | प्राकृतिक रोशनी वाले पोर्ट्रेट, ब्यूटी |
| Kodak Portra 800 | थोड़ा ज़्यादा ग्रेन, छायाओं को अच्छी तरह सँभालता है | कम रोशनी और इनडोर पोर्ट्रेट |
| Fujifilm Superia 400 | ठंडा, थोड़ा कम संतृप्त, तीखा | मॉडर्न एडिटोरियल शैली |
| Kodak Tri-X 400 | हाई-कॉन्ट्रास्ट ब्लैक एंड व्हाइट, नाटकीय ग्रेन | कैरेक्टर पोर्ट्रेट, डॉक्यूमेंट्री |
| Fujifilm Pro 400H | पेस्टल, हवादार, नरम हाइलाइट रोलऑफ़ | प्राकृतिक रोशनी, लाइफ़स्टाइल पोर्ट्रेटर |
| Ilford HP5 | क्लासिक मोनोक्रोम, मध्यम कॉन्ट्रास्ट | कालातीत पोर्ट्रेट, स्ट्रीट फ़ोटोग्राफ़ी |
अपने प्रॉम्प्ट में कोई खास फ़िल्म स्टॉक लिखना पूरी फ़ोटोग्राफ़िक शैली तक पहुँचने का एक-लाइन का शॉर्टकट है। इसे लाइटिंग वर्णन और लेंस स्पेक के साथ जोड़ें, तो एक मज़बूत पोर्ट्रेट प्रॉम्प्ट संरचना का 80% काम हो जाता है।
कुछ शब्द सकारात्मक वर्णनकर्ता के रूप में इस्तेमाल होने पर भी लगातार चेहरे की यथार्थता को बिगाड़ते हैं:
इनकी जगह विशिष्टता रखें। "a beautiful woman" लिखने के बजाय लिखें "a 31-year-old woman with light olive skin, high cheekbones, a slightly upturned nose, and deep-set dark brown eyes"। नतीजा ऐसा चेहरा होगा जो किसी व्यक्ति का लगे, सांख्यिकीय औसत का नहीं।
Flux Dev PicassoIA पर बिना इंस्टॉलेशन, बिना क्रेडिट की सीमा और बिना वॉटरमार्क के उपलब्ध है। शून्य से एक फ़ोटोरियलिस्टिक पोर्ट्रेट बनाने का सटीक वर्कफ़्लो यह है।
[Specific physical description] + [Environment and background] + [Light source, direction, quality, color temperature] + [Lens focal length and aperture, depth of field] + [Film stock] + [Micro-texture details] --ar [ratio]
एक उदाहरण:
"A woman in her early 30s with freckled olive skin, dark curly hair pulled back loosely, seated in a sunlit cafe, warm morning window light from the left at 5500K casting a soft shadow across the right cheek, 85mm f/1.4 lens with creamy bokeh background of blurred cafe interior and string lights, Kodak Portra 400, visible pore texture on nose and cheeks, slight smile, natural eyelashes --ar 4:5"
इस एकल प्रॉम्प्ट में वे सभी चर हैं जो पोर्ट्रेट की गुणवत्ता तय करते हैं: एक विशिष्ट व्यक्ति, एक विशिष्ट परिवेश, सटीक वर्णित प्रकाश स्रोत, एक नामित लेंस, एक फ़िल्म स्टॉक और टेक्सचर के विवरण। कुछ भी डिफ़ॉल्ट पर नहीं छोड़ा गया है।
PicassoIA पर Flux Dev मॉडल पेज पर:
जब आपको कोई चेहरा पसंद आ जाए, तो आउटपुट में दिखाई देने वाला सीड नंबर नोट कर लें। उसके बाद:
सीड-लॉकिंग ही एक बार की पोर्ट्रेट जनरेशन को एक स्थिर कैरेक्टर वर्कफ़्लो से अलग करती है। PicassoIA पर Flux Dev और Flux Schnell दोनों सीड कंट्रोल सपोर्ट करते हैं, और दोनों बिना उपयोग-सीमा के असीमित रन की अनुमति देते हैं।
ज़्यादातर AI पोर्ट्रेट मॉडल का बेस आउटपुट लगभग 1 मेगापिक्सल का होता है। स्क्रीन पर देखने के लिए यह काफ़ी है, लेकिन करीब से देखने, ज़ूम करने या प्रिंट करने पर यह बिखर जाता है। अपस्केलिंग चेहरों में वास्तविक विवरण जोड़ती है, न कि सिर्फ़ पिक्सल की संख्या बढ़ाती है।
Clarity Pro Upscaler खास तौर पर फ़ोटोरियलिस्टिक अपस्केलिंग के लिए बना है। यह असली फ़ोटोग्राफ़ी के अनुरूप टेक्सचर जोड़ता है, यानी स्किन के रोमछिद्र, बारीक चेहरे के रोएँ और बरौनियाँ इस तरह परिभाषित होती हैं कि वे कैप्चर की गई लगें, प्रोसेस की हुई नहीं। पोर्ट्रेट क्लोज़-अप पर सामान्य शार्पनिंग पास से फ़र्क़ तुरंत दिखता है।
Crystal Upscaler खास तौर पर पोर्ट्रेट इमेज के लिए अनुकूलित है और विवरण को 4x तक बढ़ाता है, साथ ही स्किन का प्राकृतिक रूप बनाए रखता है। कैचलाइट और आइरिस विवरण बनाए रखने में यह खास तौर पर मज़बूत है, जो कम गुणवत्ता वाले अपस्केलिंग पास में सबसे पहले बिगड़ते हैं।
अन्य अपस्केलिंग ज़रूरतों के लिए:
AI पोर्ट्रेट के बड़े पैमाने के प्रयासों से गुज़रते हुए वही गलतियाँ बार-बार दोहराई जाती हैं। आपका पहला गंभीर पोर्ट्रेट जनरेशन शुरू करने से पहले इन्हें जानना उपयोगी है।
जब चेहरे का हर हिस्सा बराबर रोशन होता है, तो नतीजा प्रोडक्ट रेंडर जैसा लगता है, फ़ोटो जैसा नहीं। असली फ़ोटोग्राफ़ी में हमेशा छाया होती है। बिना छाया के चेहरे में आयाम नहीं होता। आयाम न हो तो गहराई नहीं होती, और गहराई न हो तो हर दर्शक को वह सपाट और कृत्रिम लगता है।
अपने प्रॉम्प्ट में जानबूझकर छाया जोड़ें: "shadow wrapping around the right side of the face," "slight underexposure on the background to isolate the subject," "deep shadow under the chin and neck area"। ये वाक्यांश यथार्थता को उस तरह बढ़ाते हैं जिसे सामान्य लाइटिंग प्रॉम्प्ट दोहरा नहीं सकते।
सबसे आम गलती किसी एक विशिष्ट व्यक्ति के बजाय व्यक्तियों की श्रेणी के लिए प्रॉम्प्ट करना है। "Attractive woman in her 30s" एक औसत मिश्रित चेहरा बनाता है, जो सांख्यिकीय रूप से किसी भी असली व्यक्ति का चेहरा नहीं होगा। यह AI पोर्ट्रेट का स्टॉक फ़ोटो जैसा है, और वह उसी तरह पढ़ा जाता है।
विशिष्टता औसत के प्रभाव को तोड़ती है। नाक का सटीक आकार, आँखों के बीच की दूरी, जबड़े की एक खास बनावट, त्वचा का सटीक अंडरटोन बताएँ। वर्णन जितना विशिष्ट होगा, मॉडल उतना कम औसत चेहरे के लक्षणों पर निर्भर होगा, और आउटपुट उतना ही किसी असली, अलग व्यक्ति जैसा दिखेगा।
Flux Dev नस्लों, उम्रों और स्किन टोन की विस्तृत श्रेणी में फ़ोटोरियलिस्टिक चेहरे बनाता है। सटीक नतीजों के लिए ऐसी स्किन टोन भाषा चाहिए जो सतही वर्णनकर्ताओं से आगे जाए।
| स्किन टोन | प्रभावी प्रॉम्प्ट भाषा |
|---|---|
| गोरी और हल्की | "porcelain skin, cool undertones, visible blue veins at temple, light pink flush on cheeks" |
| मध्यम और ऑलिव | "warm olive skin, golden undertones, natural blush, slight sun-related pigmentation" |
| गहरी और काली | "rich deep brown skin, warm red undertones, natural skin luminosity, no fill flash" |
| टैन और धूप-चुंबित | "golden tan skin, warm bronze undertones, visible sun freckles on nose and cheeks" |
सबसे अहम तत्व अंडरटोन की भाषा है। बिना अंडरटोन वर्णनकर्ताओं के "Dark skin" लिखने से रंग का रेंडर असंगत या गलत आता है। हमेशा बेस स्किन टोन वर्णनकर्ता के साथ गर्म, ठंडा या तटस्थ अंडरटोन संदर्भ जोड़ें। यही बात हर स्किन टोन पर लागू होती है: अंडरटोन बताना ही सटीक रेंडर बनाता है, सिर्फ़ सतही टोन वर्णनकर्ता नहीं।
AI मॉडल युवा, चिकने चेहरों की ओर भारी झुकाव रखते हैं। फ़ोटोरियलिस्टिक बुज़ुर्ग चेहरे पाने के लिए स्पष्ट शारीरिक वर्णनकर्ता चाहिए: "visible crow's feet at the outer corners of both eyes," "nasolabial folds deepening toward the jaw," "age spots on the left cheekbone," "neck skin with natural texture consistent with age"।
ये प्रॉम्प्ट चेहरे में वह विशिष्ट चरित्र जोड़ते हैं जो उसे किसी असली व्यक्ति का लगने योग्य बनाता है, जिसका इतिहास हो, न कि युवावस्था का सांख्यिकीय औसत। चरित्र वाले बुज़ुर्ग चेहरे अक्सर चिकने, औसत चेहरों से ज़्यादा आकर्षक होते हैं, क्योंकि आँख उसी चरित्र की ओर खिंचती है।
इस लेख का हर वर्कफ़्लो अभी PicassoIA पर उपलब्ध है, बिना डाउनलोड, बिना सेटअप और बिना क्रेडिट सीमा के। Flux Dev खोलें और ऊपर दी गई लेंस, लाइटिंग और फ़िल्म स्टॉक की संरचना से अपना पहला पोर्ट्रेट प्रॉम्प्ट चलाएँ।
त्वरित प्रॉम्प्ट टेस्टिंग के लिए Flux Schnell पर जाएँ और वैरिएशन जल्दी से परखें, फिर अंतिम उच्च-विवरण रेंडर के लिए Flux Dev पर लौटें। जब कोई आउटपुट परिष्कृत करने लायक हो जाए, तो प्रिंट रिज़ॉल्यूशन पर पोर्ट्रेट-गुणवत्ता का विवरण पाने के लिए उसे Crystal Upscaler या Clarity Pro Upscaler में ले जाएँ।
एक सामान्य AI चेहरे और एक विश्वसनीय फ़ोटोरियलिस्टिक पोर्ट्रेट के बीच का फ़ासला सिर्फ़ मॉडल पर निर्भर नहीं है। यह प्रॉम्प्ट की संरचना, लाइटिंग की भाषा और अपस्केलिंग वर्कफ़्लो पर निर्भर है। तीनों आपकी पहुँच में हैं, और तीनों आज ही PicassoIA पर उपलब्ध हैं। जनरेट करना शुरू करें।
अपनी भाषा चुनें
