इमेज मॉडल में दोबारा इस्तेमाल होने वाले प्रॉम्प्ट टेम्पलेट कैसे काम करते हैं, इसका विस्तृत विश्लेषण। इसमें पोर्ट्रेट, लैंडस्केप, प्रोडक्ट शॉट और आर्किटेक्चरल दृश्यों के लिए तैयार टेम्पलेट शामिल हैं, साथ ही PicassoIA पर Flux Schnell और Stable Diffusion के सेटअप के चरण-दर-चरण निर्देश भी।
हर इमेज के लिए शुरू से प्रॉम्प्ट लिखना रचनात्मक समय की सबसे चुपचाप होने वाली बर्बादी में से एक है। आपको याद रहता है कि पिछले हफ़्ते कौन-सा संयोजन काम कर गया था, लेकिन अब उसे दोबारा बना नहीं पाते। पोर्ट्रेट को जीवंत बनाने वाला लाइटिंग का कोई वाक्यांश मिल जाता है, और तीन सेशन बाद वह खो जाता है। दोबारा इस्तेमाल होने वाले प्रॉम्प्ट टेम्पलेट यही समस्या हल करते हैं। ये संरचित, वेरिएबल-तैयार टेक्स्ट ब्लॉक हैं, जिन्हें आप एक बार बनाते हैं और हर रन में, किसी भी मॉडल पर, बिना शुरू से शुरू किए दोबारा इस्तेमाल करते हैं।
शुरू से लिखा गया हर प्रॉम्प्ट आपकी दो चीज़ों की कीमत लेता है: समय और सुसंगति। समय वाली बात स्पष्ट है। सुसंगति की समस्या पर कम बात होती है। जब आप प्रॉम्प्ट को मौके पर जोड़ते हैं, तो आप वे मॉडिफ़ायर छोड़ देते हैं जो आप आमतौर पर डालते हैं, लाइटिंग को अलग तरह से लिखते हैं, या लेंस बताना भूल जाते हैं। नतीजा ठीक हो सकता है, लेकिन वह पिछले हफ़्ते के आउटपुट से मेल नहीं खाएगा, और जब आपको ऐसी इमेज की सीरीज़ चाहिए जो एक-जैसी लगें, तब यह मायने रखता है।
बार-बार कोशिश का बोझ तेज़ी से जुड़ता है। मान लीजिए आप एक सेशन में 30 इमेज जनरेट करते हैं। अगर हर इमेज के लिए एक इस्तेमाल लायक नतीजा पाने में चार कोशिशें लगती हैं, क्योंकि आप प्रॉम्प्ट मौके पर बना रहे हैं, तो 30 नतीजों के लिए आपने 120 जनरेशन कर डाले। टेम्पलेट इस अनुपात को काफ़ी घटा देते हैं। अच्छी तरह बना टेम्पलेट, जिसके परखे हुए घटक हों, अक्सर पहली या दूसरी बार में ही सही नतीजा दे देता है।
दोबारा इस्तेमाल होने वाला प्रॉम्प्ट टेम्पलेट सिर्फ़ सेव किया हुआ प्रॉम्प्ट नहीं है। यह एक संरचित टेक्स्ट ब्लॉक है, जिसमें साफ़ तौर पर तय वेरिएबल पोज़िशन होती हैं, जिन्हें आप बदलते हैं, जबकि काम करने वाले ढाँचे को वैसा ही रहने देते हैं। सब्जेक्ट बदलता है। माहौल बदलता है। मूड मॉडिफ़ायर भी बदल सकते हैं। लेकिन लाइटिंग का फ़ॉर्मूला, कैमरा स्पेसिफ़िकेशन, क्वालिटी एंकर और नेगेटिव प्रॉम्प्ट स्थिर रहते हैं, क्योंकि उन घटकों का काम करना आप पहले ही साबित कर चुके हैं।
इसे खाना पकाने की रेसिपी की तरह सोचें। विधि तय होती है। सामग्री वेरिएबल होती है। जब आप सूप बनाते हैं, तो प्याज़ को भूरा करने का तरीका हर बार नए सिरे से नहीं खोजते।
हर प्रॉम्प्ट टेम्पलेट एक जैसा नहीं बना होता। जो टेम्पलेट सैकड़ों रन में टिके रहते हैं, उनमें तीन संरचनात्मक परतें होती हैं।
पहली परत तय करती है कि फ़्रेम में क्या है। इसके तीन हिस्से होते हैं: सब्जेक्ट (कौन या क्या), वातावरण (कहाँ), और लाइटिंग (रोशनी कैसे व्यवहार करती है)। हर हिस्सा इतना खास होना चाहिए कि मॉडल को भरोसेमंद दिशा दे सके, पर इतना सामान्य भी हो कि उसकी जगह दूसरा शब्द लिया जा सके।
कमज़ोर संस्करण कुछ ऐसा दिखता है: a woman in a city, good lighting
टेम्पलेट वाला संस्करण कुछ ऐसा दिखता है:
[SUBJECT], [SCENE], volumetric [LIGHT DIRECTION] from [LIGHT SOURCE], [ATMOSPHERE]
भरने के बाद: a woman in her thirties in casual clothing, standing on a rain-wet urban sidewalk at night, volumetric blue-white light from the left street lamp, cold mist in the mid-ground
मॉडल के पास काम करने के लिए पर्याप्त जानकारी है। ब्रैकेट वाले वेरिएबल वे हिस्से हैं जिन्हें आप हर इमेज के लिए बदलते हैं।
ज़्यादातर लोग यह परत छोड़ देते हैं। इसी वजह से उनके आउटपुट असंगत दिखते हैं। कैमरा स्पेसिफ़िकेशन पर्सपेक्टिव, डेप्थ ऑफ़ फ़ील्ड और क्रॉप को नियंत्रित करता है। किसी ख़ास उपयोग के लिए लेंस रेंज और एंगल तय कर लेने के बाद उसे टेम्पलेट में लॉक कर दें।
85mm f/1.8, slight below-eye-level angle, shallow depth of field24mm wide-angle, slight downward angle, maximum depth of field50mm f/2.8, eye-level, soft studio lightingये स्पेक्स टेम्पलेट के साथ फ़िक्स्ड घटकों की तरह चलते हैं। पूरी सीरीज़ का लुक यही तय करते हैं।
नेगेटिव प्रॉम्प्ट किसी टेम्पलेट का सबसे कम आँका गया हिस्सा हैं। ये मॉडल को बताते हैं कि क्या टालना है। फ़ोटोरियलिस्टिक काम के लिए एक मानक नेगेटिव ब्लॉक वे ज़्यादातर आर्टिफ़ैक्ट हटा देता है जो इमर्शन तोड़ते हैं:
cartoon, anime, illustration, digital art, CGI, 3D render,
plastic skin, oversaturated, watermark, text, logo, blurry,
distorted proportions, extra limbs, missing fingers
इसे एक बार सेट करें और किसी श्रेणी के हर टेम्पलेट में जोड़ें। यह आउटपुट में दिखता नहीं, लेकिन आपके नतीजे साफ़ क्यों दिखते हैं, इसका मुख्य कारण यही है।
💡 टिप: नेगेटिव प्रॉम्प्ट की एक मास्टर सूची किसी टेक्स्ट फ़ाइल में रखें। हर नए टेम्पलेट में उसे कॉपी करें। जब भी कोई नया आर्टिफ़ैक्ट मिले जिसे बाहर रखना हो, तब उसे अपडेट करें।
नीचे सबसे आम इमेज श्रेणियों के चार परखे हुए टेम्पलेट हैं। हर एक Flux Schnell और Stable Diffusion दोनों पर काम करता है।
[SUBJECT DESCRIPTION], [EMOTIONAL TONE OR EXPRESSION],
shot from [ANGLE] angle, [LIGHT SOURCE] light from [LIGHT DIRECTION]
creating [LIGHTING STYLE] on the face,
background blurred to [BACKGROUND DESCRIPTION] bokeh,
85mm f/1.8 lens, visible skin texture, natural hair detail,
Kodak Portra 400 film grain, RAW 8K photorealistic portrait,
no retouching, no skin smoothing
[SUBJECT DESCRIPTION] की जगह किसी भी व्यक्ति का विवरण डालें। [LIGHTING STYLE] की जगह Rembrandt, split, butterfly या loop लिखें। बाक़ी हिस्सा वैसा ही रहता है।
[SHOT TYPE] shot of [LANDSCAPE TYPE], [TIME OF DAY],
[FOREGROUND ELEMENT] in sharp focus with [TEXTURE DETAIL],
[BACKGROUND ELEMENT] receding into [ATMOSPHERIC CONDITION],
[LIGHT QUALITY] light from [DIRECTION],
24mm wide-angle lens, full depth of field,
Kodak Portra 400 color grading, RAW 8K photography,
no digital enhancement or saturation boost
यहाँ दिन का समय सबसे मुख्य वेरिएबल है। वही टेम्पलेट गोल्डन आवर, ब्लू आवर और दोपहर में चलाने पर एक ही भू-भाग से तीन बिल्कुल अलग मूड बनाता है।
[PRODUCT NAME AND DESCRIPTION] on [SURFACE MATERIAL] surface,
[LIGHT SOURCE TYPE] light from [DIRECTION] creating [SHADOW STYLE],
[BACKGROUND COLOR OR TEXTURE] background,
50mm f/2.8 lens, eye-level angle,
ultra-sharp product surface texture including [MATERIAL DETAIL],
RAW 8K product photography, no digital manipulation
[ANGLE] shot of [ARCHITECTURAL SPACE],
natural [LIGHT SOURCE] from [DIRECTION] casting [SHADOW TYPE]
on [SURFACE MATERIAL],
[HUMAN ELEMENT IF ANY] in background for scale,
16mm wide-angle lens, perspective distortion,
sharp [FOREGROUND MATERIAL TEXTURE] in foreground,
RAW 8K architectural photography, cool grey and warm white tones
Flux Schnell को स्पीड के लिए बनाया गया है। सिर्फ़ चार डीनॉइज़िंग स्टेप, हर इमेज पाँच सेकंड से भी कम में, और PicassoIA पर क्रेडिट की कोई सीमा नहीं। इसी स्पीड की वजह से यह टेम्पलेट टेस्ट करने के लिए आदर्श है। एक ही टेम्पलेट को छोटे-छोटे वैरिएबल बदलकर दस बार चलाएँ और देखें कि कौन-सा वर्ज़न सबसे अच्छा रहता है, फिर ही लंबे समय में चलने वाले मॉडल पर जाने का फ़ैसला करें।
चूँकि Flux Schnell इतनी तेज़ चलता है, आप हर टेम्पलेट स्लॉट के लिए छह से आठ वैरिएशन चला सकते हैं और सबसे मज़बूत चुन सकते हैं। कोई और मॉडल इटरेशन को इतना सस्ता नहीं बनाता।
जब कोई नतीजा सहेजने लायक लगे, तो आउटपुट से Seed वैल्यू कॉपी करें। उसी सीड को थोड़े बदले हुए प्रॉम्प्ट के साथ अगले रन में डालने पर आपको नियंत्रित वैरिएशन मिलता है: वही कंपोज़िशन, अलग डिटेल।
इसी तरह टेम्पलेट एक ब्रांचिंग सिस्टम बन जाता है। एक सीड तना बनता है। हर प्रॉम्प्ट वैरिएशन उससे निकलती शाखा है।
PicassoIA पर Stable Diffusion टेम्पलेट्स पर Flux से अलग प्रतिक्रिया देता है। यह स्पष्ट पैरामीटर के ज़रिए आपको ज़्यादा मैनुअल नियंत्रण देता है, और वह नियंत्रण संरचित टेम्पलेट तरीके के साथ स्वाभाविक रूप से जुड़ता है।
गाइडेंस स्केल तय करता है कि मॉडल आपके प्रॉम्प्ट को कितनी शाब्दिक रूप से लेता है। 7-8 का स्केल आपके टेक्स्ट का करीब से पालन करता है। 4-5 का स्केल मॉडल को ज़्यादा रचनात्मक छूट देता है, जिससे कभी-कभी ऐसे नतीजे आते हैं जिनका अंदाज़ा टेम्पलेट ने नहीं लगाया था।
जहाँ लक्ष्य सुसंगति हो, वहाँ टेम्पलेट-आधारित काम के लिए 7-8 की रेंज में रहें। जब आप देखना चाहें कि मॉडल को खुली छूट मिलने पर वह क्या जोड़ता है, तो 5 पर आएँ और आउटपुट की तुलना करें।
| शेड्यूलर | स्टेप्स | किसके लिए सबसे अच्छा |
|---|---|---|
| DPMSolverMultistep | 30 | सामान्य फोटोरियलिस्टिक काम |
| K_Euler_Ancestral | 50 | बारीक टेक्सचर और त्वचा का विवरण |
| DDIM | 20 | टेम्पलेट के वेरिएबल की तेज़ जाँच |
| K_Euler | 40 | लैंडस्केप और वाइड-एंगल दृश्य |
💡 टिप: हर टेम्पलेट फ़ाइल के सबसे ऊपर शेड्यूलर और स्टेप्स की संख्या नोट के रूप में लिखें। जब आप कोई टेम्पलेट शेयर करते हैं, तो प्राप्तकर्ता को वे सेटिंग्स चाहिए होती हैं ताकि वह आपके नतीजे दोहरा सके।
सेव किए गए प्रॉम्प्ट और असली टेम्पलेट में फ़र्क यह है कि उसमें साफ़ वेरिएबल स्लॉट मौजूद हों। वेरिएबल वे हिस्से हैं जिन्हें आप बदलने का इरादा रखते हैं। बाक़ी सब तय इन्फ़्रास्ट्रक्चर है।
अपने टेम्पलेट के हर वेरिएबल को ब्रैकेट और एक लेबल से चिह्नित करें: [SUBJECT], [SCENE], [TIME OF DAY], [LIGHT SOURCE]। हर रन से पहले हर ब्रैकेट भरें। कोई भी खाली न छोड़ें। एक अधूरा ब्रैकेट मॉडल के लिए ऐसा निर्देश है, जिसे वह कभी शाब्दिक रूप से लेता है और कभी नज़रअंदाज़ कर देता है, और दोनों नतीजे आपकी सुसंगति तोड़ते हैं।
एक सरल स्वैप शीट मदद करती है: दो कॉलम की एक टेबल, जिसके बाएँ कॉलम में आपके टेम्पलेट के सभी वेरिएबल हों और दाएँ कॉलम में इस ख़ास रन की वैल्यू। दाएँ कॉलम भरें, फिर प्रॉम्प्ट फ़ील्ड में फ़ाइंड-एंड-रिप्लेस करें। इसमें तीस सेकंड लगते हैं।
स्टाइल मॉडिफ़ायर अदला-बदली किए जा सकने वाले घटक हैं, जिन्हें आप टेम्पलेट की एक तय जगह पर लगाते हैं। ये संरचना को छुए बिना समग्र एहसास नियंत्रित करते हैं।
आम मॉडिफ़ायर सेट:
फ़ोटोरियलिज़्म एंकर: RAW 8K, Kodak Portra 400, film grain, no digital manipulation
सिनेमैटिक मूड: anamorphic lens flare, cinematic color grade, wide color gamut
एडिटोरियल फ़ोटोग्राफ़ी: editorial lighting, fashion magazine color palette, professional retouching
डॉक्यूमेंट्री: photojournalism style, natural available light only, handheld camera feel
हर टेम्पलेट श्रेणी के लिए एक सेट चुनें और उसे टेम्पलेट में स्थायी रूप से लिख दें। एक ही टेम्पलेट में सेट मिलाएँ नहीं। हर सेट की अपनी विज़ुअल भाषा होती है, और उन्हें मिलाने से असंगत नतीजे आते हैं।
टेम्पलेट लाइब्रेरी तब मूल्यवान बनती है जब वह सिर्फ़ स्टोरेज नहीं, बल्कि तेज़ी से वापस खोजने के लिए व्यवस्थित हो। ये दो सिद्धांत इसे बढ़ने पर भी उपयोगी रखते हैं।
स्वाभाविक झुकाव सब्जेक्ट के अनुसार व्यवस्थित करने का होता है: पोर्ट्रेट, लैंडस्केप, प्रोडक्ट। यह तब तक ठीक चलता है जब तक आपको एक मूडी पोर्ट्रेट और एक चमकदार पोर्ट्रेट की ज़रूरत न पड़ जाए, और दोनों पोर्ट्रेट टेम्पलेट एक ही फ़ोल्डर में पड़े हों और उन्हें अलग करने वाला कुछ भी न हो।
इसके बजाय मूड के अनुसार व्यवस्थित करें। मूड लाइटिंग की गुणवत्ता, कलर टेम्परेचर और वातावरण का संयोजन है, जो बताता है कि कोई इमेज कैसी महसूस होती है। आम मूड श्रेणियाँ:
कोई भी सब्जेक्ट किसी भी मूड में फ़िट बैठता है। आपकी लाइब्रेरी एक मैट्रिक्स बन जाती है: एक सब्जेक्ट टेम्पलेट चुनें, एक मूड मॉडिफ़ायर सेट चुनें, और दोनों को मिला दें। आपको किसी भी विषय पर सुसंगत आउटपुट मिलता है, बिना कुछ शुरू से दोबारा बनाए।
टेम्पलेट समय के साथ कमज़ोर पड़ते हैं। मॉडल अपडेट बदल देते हैं कि कुछ ख़ास वाक्यांशों की व्याख्या कैसे होती है। जो नेगेटिव प्रॉम्प्ट कभी कार्टून आर्टिफ़ैक्ट रोकते थे, वे कुछ चेकपॉइंट के बाद काम करना बंद कर सकते हैं। जो टेम्पलेट छह महीने पहले ठोस नतीजे देता था, वह अब औसत नतीजे दे सकता है।
संकेत तब मिलता है जब कोई टेम्पलेट लगातार दो या अधिक संशोधन रन माँगे, तब जाकर एक उपयोगी इमेज बने। उसका ऑडिट करें: नेगेटिव प्रॉम्प्ट अपडेट करें, पुराने मॉडिफ़ायर वाक्यांश बदलें, और लाइटिंग वर्णन को मौजूदा मॉडल के व्यवहार पर परखें।
जो टेम्पलेट कोई भी उपयोगी आउटपुट पाने के लिए तीन से ज़्यादा कोशिशें माँगें, उन्हें हटा दें। उनका ढाँचा टूट चुका है। पुराने वर्ज़न से जो सीखा, उसके आधार पर नया बनाएँ।
इन टेम्पलेट्स को इस्तेमाल करने का सबसे तेज़ तरीका है, इस लेख का कोई टेम्पलेट PicassoIA पर Flux Schnell में पेस्ट करें और पहले उसे बिना बदलाव के चलाएँ। देखें कि सिर्फ़ तय ढाँचे से मॉडल क्या बनाता है। फिर एक वेरिएबल बदलें। दोबारा चलाएँ। दोनों आउटपुट साथ-साथ तुलना करें।
यह तुलना दिखाती है कि टेम्पलेट कहाँ काम कर रहा है और आपके वेरिएबल विवरणों को कहाँ और साफ़-साफ़ बताने की ज़रूरत है। ऐसे पाँच-छह रन के बाद आपके पास ऐसा संस्करण होगा जो बिना अंदाज़े के लगातार आपकी लक्ष्य रेंज में आता है।
लंबे, ज़्यादा विस्तृत आउटपुट के लिए, Flux Dev वही टेम्पलेट ढाँचा स्वीकार करता है, जिसकी 28-50 इनफ़रेंस स्टेप रेंज थोड़े लंबे जनरेशन समय की कीमत पर बारीक डिटेल देती है। दोनों मॉडल PicassoIA पर बिना क्रेडिट कैप के उपलब्ध हैं, इसलिए जब तक टेम्पलेट ठीक वैसा प्रदर्शन न करे जैसा आपको चाहिए, तब तक आप खुलकर इटरेट कर सकते हैं।
सभी उपलब्ध टेक्स्ट-टू-इमेज मॉडल picassoia.com/en/all-models पर देखें और अपने मौजूदा प्रोजेक्ट के लिए सही मॉडल चुनें।
अपनी भाषा चुनें
