AI से वही नतीजा पाना जो आपने सोचा था, सिर्फ़ शब्द फेंकने से नहीं होता। यह लेख असरदार प्रॉम्प्ट के असली ढाँचे को समझाता है: सब्जेक्ट की स्पष्टता, लाइटिंग की दिशा, कैमरा एंगल, और PicassoIA पर उपलब्ध Flux, Seedream, Stable Diffusion और अन्य मॉडल के लिए ख़ास सुझाव।
जो प्रॉम्प्ट काम करता है और जो आपका समय बर्बाद करता है, उनमें फ़र्क रचनात्मकता का नहीं, ढाँचे का होता है। ज़्यादातर लोग कुछ ऐसा लिखते हैं जैसे "एक खूबसूरत सूर्यास्त", और फिर हैरान होते हैं कि नतीजा सामान्य क्यों दिखता है। जिन्हें शानदार और सटीक नतीजे मिलते हैं, वे अलग तरीके से काम करते हैं: वे प्रॉम्प्ट ऐसे लिखते हैं जैसे कोई डायरेक्टर सिनेमैटोग्राफ़र को ब्रीफ़ करता है।
यही वह ब्रीफ़िंग है।
सबसे बड़ी गलती कोई गलत शब्द नहीं है। यह अस्पष्टता है। AI इमेज मॉडल बेहद शाब्दिक होते हैं। जब आप लिखते हैं "एक अच्छी जगह पर एक महिला", तो मॉडल आपकी जगह हज़ारों फ़ैसले ले लेता है। ये फ़ैसले शायद ही कभी वैसे होते हैं जैसा आपने सोचा था।
समाधान यह नहीं कि बेतरतीब ढंग से और शब्द डालें। समाधान है सही शब्दों को सही क्रम में लिखना।
💡 तथ्य: हर बड़े इमेज जनरेशन मॉडल में प्रॉम्प्ट की विशिष्टता ही आउटपुट की गुणवत्ता का सबसे मज़बूत संकेतक है।
इन दो प्रॉम्प्ट को साथ-साथ देखें:
दूसरा प्रॉम्प्ट सब्जेक्ट, एक्शन, सेटिंग, लाइटिंग, कैमरा एंगल, लेंस और स्टाइल, सब कुछ बताता है। मॉडल को एक भी चीज़ का अंदाज़ा नहीं लगाना पड़ता।
सब्जेक्ट आपके प्रॉम्प्ट का सबसे पहला तत्व होना चाहिए। लाइटिंग से पहले, स्टाइल से पहले, मूड से पहले। इससे मॉडल का ध्यान उस चीज़ पर टिकता है जो सचमुच मायने रखती है।
गलत क्रम: "गोल्डन आवर लाइटिंग, गर्म बोकेह, खूबसूरत, एक महिला चलती हुई" सही क्रम: "एक महिला कोबलस्टोन की सड़क पर चलती हुई, गोल्डन आवर बैकलाइटिंग, गर्म बोकेह, मीडियम शॉट, 50mm लेंस"
विशेषणों से पहले संज्ञा लिखें। सिर्फ़ यह आदत आपके नतीजों को तुरंत बेहतर बना देगी।
हर असरदार प्रॉम्प्ट का मूल ढाँचा एक जैसा होता है। एक बार इसे समझ लेने पर प्रॉम्प्ट लिखना तेज़ और सहज हो जाता है।
| परत | यह क्या करती है | उदाहरण |
|---|---|---|
| सब्जेक्ट | दृश्य में कौन या क्या है | "30 के दशक में एक बरिस्ता" |
| एक्शन/पोज़ | वे क्या कर रहे हैं | "लाटे आर्ट डालते हुए" |
| एनवायरनमेंट | दृश्य कहाँ है | "छोटी स्वतंत्र कॉफ़ी शॉप" |
| लाइटिंग | दिशा, रंग, गुणवत्ता | "बाईं ओर से सुबह की खिड़की की रोशनी" |
| कैमरा | एंगल, लेंस, दूरी | "क्लोज़-अप, 50mm f/1.8, आँख के स्तर पर" |
| स्टाइल/फ़िल्म | समग्र सौंदर्य | "Kodak Portra 400, फोटोरियलिस्टिक, 8K RAW" |
आपको हमेशा छहों की ज़रूरत नहीं होती। लेकिन जितनी ज़्यादा परतें आप जोड़ते हैं, मॉडल को उतना कम अंदाज़ा लगाना पड़ता है। सब्जेक्ट और एक्शन को अपनी अनिवार्य शर्तें मानकर शुरू करें। बाकी परतें नतीजों को परखते हुए जोड़ते जाएँ।
ज़्यादातर लोग कभी कैमरा एंगल तय नहीं करते। यह एक बदलाव आउटपुट की गुणवत्ता को नाटकीय रूप से बदल देता है:
💡 टिप: कैमरा एंगल के साथ फ़ोकल लेंथ भी लिखें। "क्लोज़-अप, 85mm" का असर "क्लोज़-अप, 24mm" से अलग होता है। 85mm दूरी को संकुचित करके चेहरे को सुंदर दिखाता है; 24mm परिप्रेक्ष्य को बढ़ा-चढ़ाकर और विकृत कर देता है।
इमेज बनाने से पहले अपना प्रॉम्प्ट ज़ोर से पढ़ें और खुद से पूछें: क्या यह वाक्य एक से ज़्यादा इमेज का वर्णन कर सकता है? अगर हाँ, तो यह पर्याप्त रूप से विशिष्ट नहीं है। "A woman in a café" 10,000 अलग-अलग इमेज का वर्णन कर सकता है। "A woman in her mid-40s reading a worn paperback in a corner booth of a Parisian café, early morning light, steaming espresso on the table, 35mm f/2 lens, Fujifilm Pro 400H" केवल एक इमेज का वर्णन करता है।
लाइटिंग वह जगह है जहाँ शौकिया और पेशेवर प्रॉम्प्ट सबसे ज़्यादा अलग होते हैं। सिर्फ़ "अच्छी लाइटिंग" न लिखें। रोशनी का वर्णन वैसे करें जैसे एक डायरेक्टर ऑफ़ फ़ोटोग्राफ़ी करता है।
गुणवत्ता के वर्णन:
दिशा के संशोधक:
दिन के समय के संकेत:
प्रॉम्प्ट में फ़िल्म स्टॉक का नाम जोड़ने से बिना विस्तृत कलर ग्रेडिंग की भाषा के, एक तैयार रंग पैलेट और ग्रेन का चरित्र मिल जाता है:
| फ़िल्म स्टॉक | दृश्य चरित्र | सबसे अच्छा उपयोग |
|---|---|---|
| Kodak Portra 400 | गर्म त्वचा टोन, हल्का ग्रेन | पोर्ट्रेट, लाइफ़स्टाइल एडिटोरियल |
| Fujifilm Pro 400H | ठंडा, पेस्टल, हल्का फ़ेड | फ़ैशन, एडिटोरियल, रोमांस |
| Ilford HP5 | हाई-कंट्रास्ट ब्लैक एंड व्हाइट, दिखने वाला ग्रेन | डॉक्यूमेंट्री, स्ट्रीट फ़ोटोग्राफ़ी |
| Fujifilm Velvia 50 | संतृप्त, दमदार, गहरे हरे | प्रकृति, लैंडस्केप, ट्रैवल |
| Kodak Ektar 100 | चटख लाल, बारीक ग्रेन, समृद्ध डिटेल | आर्किटेक्चर, प्रोडक्ट फ़ोटोग्राफ़ी |
सभी मॉडल एक ही प्रॉम्प्ट पर एक जैसी प्रतिक्रिया नहीं देते। जिस मॉडल का आप उपयोग कर रहे हैं, उसे आपके लिखने के तरीके पर असर डालना चाहिए।
Flux Dev प्राकृतिक भाषा पर असाधारण रूप से अच्छी प्रतिक्रिया देता है। कॉमा से अलग किए गए टैग की सूची पसंद करने वाले पुराने डिफ़्यूज़न मॉडल के विपरीत, Flux Dev पूरे वाक्यों को प्रोसेस करता है।
Flux Dev के लिए लिखें:
Flux Dev का उदाहरण प्रॉम्प्ट: "एक 50 के दशक की स्ट्रीट वेंडर, गीले बैंकॉक बाज़ार में अपने बाहरी स्टॉल पर टूटे सिरेमिक बर्तन से हरी चाय डालती हुई, दोपहर बाद की रोशनी टिन की लहरदार छत से छनकर आती हुई, नीचे गीले फ़ुटपाथ पर परावर्तन दिखते हुए, 35mm लेंस के साथ लो एंगल से शॉट, Kodak Portra 400।"
Flux Schnell गति के लिए बना है। यह सेकंडों में जनरेट करता है, लेकिन इसे थोड़े ज़्यादा स्पष्ट, आगे रखे गए निर्देशों की ज़रूरत होती है, क्योंकि यह हर टोकन पर कम प्रोसेसिंग समय खर्च करता है।
Flux Schnell के लिए: प्रॉम्प्ट 30 से 60 शब्दों के बीच रखें। सबसे ज़रूरी दृश्य तत्व पहले लिखें। घनी वर्णनात्मक परतों से बचें और संशोधकों को दमदार और सीधा रखें।
Seedream 4.5 फोटोरियलिस्टिक मानव सब्जेक्ट में उत्कृष्ट है। अगर आप अभिव्यक्तिपूर्ण चेहरों या स्वाभाविक पोज़ वाले लोगों को जनरेट कर रहे हैं, तो यह इस समय PicassoIA पर उपलब्ध सबसे मज़बूत विकल्पों में से एक है।
Seedream 4.5 के लिए: भावों और सूक्ष्म भावों के विस्तृत वर्णन शामिल करें। "प्राकृतिक त्वचा के रोमछिद्र, गालों पर सबसर्फ़ेस स्कैटरिंग" जैसे त्वचा के स्पष्ट संशोधक जोड़ें। कपड़ों के टेक्सचर के विवरण दें। जब आप पोज़ को सटीकता से वर्णित करते हैं, तो मॉडल मानव शरीर-रचना को विशेष रूप से अच्छी तरह संभालता है।
Stable Diffusion 3.5 Large एक हाइब्रिड तरीके से लाभ उठाता है: मुख्य सब्जेक्ट के वर्णन के लिए वाक्य संरचना का उपयोग करें, फिर अंत में कॉमा से अलग किए गए स्टाइल संशोधक जोड़ें।
SD 3.5 फ़ॉर्मूला: "[Subject description in a sentence], [environment sentence]. [quality modifiers as tags], [style tags]"
Stable Diffusion 3 समान परंपराओं का पालन करता है और अवांछित तत्वों को नियंत्रित करने के लिए स्पष्ट नेगेटिव प्रॉम्प्ट पर अच्छी प्रतिक्रिया देता है।
Flux Kontext Pro जनरेशन मॉडल से अलग तरीके से काम करता है। आप मौजूदा इमेज में संपादन के लिए प्रॉम्प्ट दे रहे होते हैं, इसलिए आपकी भाषा पूरे दृश्य पर नहीं, बल्कि ठीक उसी पर केंद्रित होनी चाहिए जो बदलना है।
Flux Kontext के लिए लिखें:
Flux Kontext Max अधिक जटिल बहु-तत्व संपादन और जटिल दृश्य बदलावों के लिए बड़ी कॉन्टेक्स्ट विंडो को संभालता है।
नेगेटिव प्रॉम्प्ट मॉडल को बताते हैं कि क्या बाहर रखना है। अंतिम आउटपुट की गुणवत्ता नियंत्रित करने में ये पॉज़िटिव प्रॉम्प्ट जितने ही ज़रूरी हैं।
फ़ोटोरियलिस्टिक इमेज के लिए:
blurry, out of focus, cartoon, illustration, 3D render, CGI, anime, watermark,
text overlay, extra limbs, deformed hands, bad anatomy, low resolution,
oversaturated, overexposed, flat lighting, plastic skin
ख़ास तौर पर पोर्ट्रेट-केंद्रित आउटपुट के लिए:
asymmetrical eyes, double chin, extra fingers, bad teeth, airbrushed skin,
plastic appearance, unrealistic proportions, uncanny valley, doll-like
💡 प्रो टिप: अपनी निजी नेगेटिव प्रॉम्प्ट लाइब्रेरी बनाएँ। ज़्यादातर प्लेटफ़ॉर्म इन्हें सेव करने देते हैं। हर बार वही अपवर्जन दोबारा लिखना बंद करें।
एब्स्ट्रैक्ट या कलात्मक आउटपुट के लिए, नेगेटिव प्रॉम्प्ट मॉडल की रचनात्मक सीमा को ऐसे तरीकों से बाँध सकते हैं जो नतीजे को नुकसान पहुँचाएँ। अगर आप स्टाइल और मूड के साथ प्रयोग कर रहे हैं, तो पहले उनके बिना आज़माएँ। विशिष्ट अपवर्जन तभी जोड़ें जब आउटपुट में साफ़ समस्याएँ दिखें।
"तेज़ प्राकृतिक रोशनी में एक गहरी मूडी इमेज" अंदरूनी तौर पर विरोधाभासी है। मॉडल दोनों के बीच समझौता करता है और हर पहलू में औसत दर्जे का कुछ बना देता है। एक दिशा चुनें और उस पर टिके रहें।
"इम्प्रेशनिस्ट, हाइपररियलिस्टिक, एनीमे, विंटेज फ़िल्म, वेपरवेव" पाँच स्टाइल हैं जो एक-दूसरे से लड़ रहे हैं। मॉडल उन्हें औसत करके विज़ुअल शोर बना देता है। एक मज़बूत स्टाइल संदर्भ इस्तेमाल करें, अधिक से अधिक दो।
कुछ प्रॉम्प्ट मूड बोर्ड जैसे पढ़े जाते हैं जिनमें कोई आधार नहीं होता: "खूबसूरत, नाटकीय, सिनेमैटिक, सुनहरा, जादुई, शानदार।" ये बिना संज्ञा के विशेषण हैं। इस दृश्य में कौन या क्या है? हमेशा अपने सब्जेक्ट से शुरू करें।
"8K ultra HD superb masterpiece award-winning perfect quality" आधुनिक मॉडलों की वास्तव में कोई मदद नहीं करता। वे विशिष्ट तकनीकी विवरणों पर कहीं बेहतर प्रतिक्रिया देते हैं: कैमरा मॉडल, लेंस, फ़िल्म स्टॉक। गुणवत्ता के बज़वर्ड एक या दो के बाद बहुत कम फ़ायदा देते हैं।
आस्पेक्ट रेशियो पूरी कंपोज़िशन को आकार देता है। पोर्ट्रेट ओरिएंटेशन (9:16) लैंडस्केप (16:9) से अलग कंपोज़िशन तर्क माँगता है। लिखने से पहले हमेशा रेशियो तय करें, फिर उसी फ़्रेम में फ़िट होने वाला प्रॉम्प्ट लिखें।
पहली कोशिश में परफ़ेक्ट इमेज मिलना दुर्लभ है। पेशेवर व्यवस्थित तरीके से सुधार करते हैं, बेतरतीब तरीके से नहीं।
जब आपके पास एक मज़बूत इमेज हो और आप उसे बिना उसकी खूबियाँ खोए बदलना चाहें:
SDXL और Playground v2.5 दोनों सीड-आधारित सुधार को अच्छी तरह सपोर्ट करते हैं। Realistic Vision V5.1 एक और मज़बूत विकल्प है, जब आपको एक श्रृंखला में अत्यधिक सुसंगत फ़ोटोरियलिस्टिक विविधताएँ चाहिए।
जब जनरेशन फ़ेल हो, तो पूरा प्रॉम्प्ट दोबारा लिखने से पहले पता लगाएँ कि कौन-सा हिस्सा फ़ेल हुआ:
सटीक बदलाव पूरी तरह दोबारा लिखने से तेज़ नतीजे देते हैं।
PicassoIA आपको एक ही जगह पर 90 से अधिक टेक्स्ट-टू-इमेज मॉडल तक पहुँच देता है, जिससे यह जाँचने के लिए आदर्श बन जाता है कि एक ही प्रॉम्प्ट अलग-अलग मॉडल आर्किटेक्चर पर कैसा प्रदर्शन करता है।
यह क्रॉस-मॉडल टेस्टिंग आपको समझाती है कि कौन-से प्रॉम्प्ट तत्व मॉडल-निरपेक्ष हैं (सब्जेक्ट की स्पष्टता, कैमरा एंगल) और कौन-से मॉडल-विशिष्ट हैं (वाक्य संरचना, स्टाइल कीवर्ड)।
एक बार आपके पास मज़बूत बेस इमेज हो, तो PicassoIA Image Editor Pro इनपेंटिंग और आउटपेंटिंग के ज़रिए ख़ास हिस्सों को परिष्कृत करने देता है। हाथ ठीक करें, बैकग्राउंड बदलें, या कपड़े बदलें, पूरी कंपोज़िशन दोबारा जनरेट किए बिना।
किसी संदर्भ इमेज से स्टाइल-सुसंगत विविधताओं के लिए, Flux Redux Dev आपकी जनरेट की गई इमेज को इनपुट के रूप में लेता है और स्टाइल में सुसंगत विविधताएँ बनाता है।
अगर आपका आउटपुट कंपोज़िशन में परफ़ेक्ट है, लेकिन बड़े आकार पर बारीक डिटेल कम है, तो उसे PicassoIA के सुपर-रिज़ॉल्यूशन टूल्स से 2x से 4x तक अपस्केल करें। जब केवल रिज़ॉल्यूशन ही समस्या हो, तो यह लगभग हमेशा शुरू से दोबारा जनरेट करने से बेहतर होता है।
ये भरने योग्य फ़ॉर्मूले छह-भाग वाली संरचना को तीन सबसे आम जनरेशन परिस्थितियों पर लागू करते हैं:
[Person: age, distinguishing features, expression] + [clothing with one texture detail]
+ [location with one environmental detail] + [lighting direction and quality]
+ [camera: focal length, f-stop] + [film stock]
उदाहरण: "लिस्बन के धूप वाले कैफ़े के दरवाज़े पर खड़ी एक 30 के अंत की महिला, तीखी आँखें और हल्की शांत मुस्कान, सिलवटों वाला सफ़ेद लिनन ब्लेज़र पहने हुए, डिफ़्यूज़्ड बैकलाइट उसके सिल्हूट के चारों ओर गर्म रिम बनाती हुई, 85mm f/1.4, Kodak Portra 400।"
[Product name and 1-2 key visual features] + [surface it rests on with material detail]
+ [background, specific not generic] + [lighting setup] + [camera angle] + [style tags]
उदाहरण: "प्राकृतिक राख वाली ग्लेज़ की विविधताओं के साथ एक सिरेमिक कॉफ़ी मग, दिखती बनावट वाली पुरानी ओक की मेज़ पर रखा, सफ़ेद दीवारों वाली सादी रसोई की पृष्ठभूमि में धुंधली खिड़की, ऊपर-बाईं ओर से नरम उत्तरी रोशनी, 45 डिग्री पर ऊपर से शॉट, 50mm मैक्रो लेंस, प्राकृतिक रंग, फोटोरियलिस्टिक 8K।"
[Location and 2-3 key visual elements] + [weather and sky conditions]
+ [time of day] + [camera angle and lens] + [film stock]
उदाहरण: "दक्षिणी पुर्तगाल में एक फ़िरोज़ी खाड़ी के ऊपर पत्थर की चट्टानें, नरम बिखरी रोशनी वाला बादलों भरा आकाश, देर दोपहर, कम ऊँचाई से एरियल शॉट जो पानी के पार चट्टान की सतह की ओर देखता है, 24mm वाइड एंगल, Fujifilm Velvia 50, फोटोरियलिस्टिक।"
प्रॉम्प्ट लिखना एक ऐसा कौशल है जो हर जनरेशन के साथ निखरता है। छह-भाग वाला फ़ॉर्मूला, लाइटिंग शब्दकोश, फ़िल्म स्टॉक के शॉर्टकट, मॉडल-विशिष्ट समायोजन: इनमें से किसी को भी नियम रटने की ज़रूरत नहीं। कुछ दर्जन प्रॉम्प्ट के बाद यह सहज हो जाता है।
वहाँ पहुँचने का सबसे तेज़ तरीका है जनरेट करना, देखना और परिष्कृत करना। PicassoIA Flux Dev, Flux Kontext Max, Seedream 4.5, Stable Diffusion 3.5 Large, SDXL, Playground v2.5 और दर्जनों अन्य मॉडल एक ही इंटरफ़ेस में देता है। आप दो मिनट से कम समय में 10 मॉडल पर एक ही प्रॉम्प्ट आज़मा सकते हैं।
इस लेख के किसी फ़ॉर्मूले को लीजिए। किसी ऐसे दृश्य के लिए भरिए जिसकी आपको सचमुच परवाह है। उसे चलाइए। सबसे बुरा नतीजा यह होगा कि आप ठीक-ठीक जान लेंगे कि अगला क्या बदलना है। सबसे अच्छा नतीजा यह होगा कि जो इमेज आपके मन में थी, वह स्क्रीन पर ठीक वैसी ही दिखे जैसी आपने सोची थी।
बस यही पूरा मक़सद है।
अपनी भाषा चुनें
