ज़्यादातर AI इमेज की नाकामी मॉडल की नहीं, प्रॉम्प्ट की समस्या होती है। यह लेख उन शब्दों और संरचनाओं को समझाता है जो आउटपुट को फ़्लैट से सिनेमैटिक बना देते हैं। लाइटिंग, कंपोज़िशन, कैमरा स्पेक और फ़िल्म स्टॉक जैसे पहलू व्यावहारिक ढंग से शामिल हैं।
ज़्यादातर लोग तब मॉडल को दोष देते हैं जब उनकी AI इमेज फ़्लैट, नॉइज़ी या बस गलत निकलती है। असली गड़बड़ी लगभग हमेशा प्रॉम्प्ट में होती है। समस्या विचार में नहीं, उसे लिखने के तरीके में होती है। आप लाइटिंग, दूरी, एंगल, टेक्सचर और मूड को कैसे लिखते हैं, इससे लगभग 80% नतीजा तय होता है। सुधार छोटे हैं। एक शब्द सही जगह रखने से इमेज अमेच्योर से सिनेमैटिक बन सकती है, और यह लेख आपको बताता है कि कौन-से शब्द और कहाँ।
आप दुनिया का सबसे विस्तृत सब्जेक्ट विवरण लिख सकते हैं, लेकिन अगर आपका लाइटिंग विवरण धुंधला है, तो मॉडल उस खाली जगह को किसी सामान्य चीज़ से भर देता है। कम विवरण वाले प्रॉम्प्ट का डिफ़ॉल्ट आउटपुट सपाट, समान रोशनी होता है, और यह एक ही झटके में गहराई, मूड और विज़ुअल आकर्षण खत्म कर देती है।
ये तीन शब्द पूरी तरह अलग लाइटिंग स्थितियाँ बताते हैं और पूरी तरह अलग इमेज बनाते हैं। "Soft morning light" आपको फैली हुई, बिना छाया वाली आउटपुट देता है जिसमें हल्का, लाइफ़स्टाइल जैसा एहसास होता है। "Harsh midday sun" मज़बूत छाया, फीके हाइलाइट्स और कच्चा कंट्रास्ट लाता है। "Volumetric light" मॉडल को बताता है कि रोशनी को एक भौतिक उपस्थिति के रूप में दिखाए, जैसे धूल, धुएँ या कोहरे को चीरती किरणें।
💡 अपने अगले प्रॉम्प्ट में इनमें से कोई एक जोड़ें: "golden hour backlight", "overcast diffused light", "single key light from the left", "blue hour twilight glow"। इनमें से हर एक आप कुछ और बदलने से पहले ही इमेज के भावनात्मक टोन को बदल देता है।
रोशनी की दिशा उसकी क्वालिटी जितनी ही मायने रखती है। "Light from the left", "rim light from behind", "overhead fluorescent" सभी बिल्कुल अलग नतीजे देते हैं। GPT Image 2 जैसा मॉडल सटीक परिवेश विवरणों पर खास तौर पर अच्छी प्रतिक्रिया देता है, और रोशनी की दिशा उनमें से सबसे भरोसेमंद ट्रिगर्स में से एक है।
अगर आप पूरा लाइटिंग पैराग्राफ़ लिखने से बचना चाहते हैं, तो दिन का समय और मौसम बताएँ। "Late afternoon overcast" आपको नरम, फैली हुई रोशनी देता है जिसमें न्यूट्रल छाया होती है। "Pre-dawn blue hour" ठंडे टोन, कम कंट्रास्ट और मूडी वायुमंडलीय गुण देता है। "Midday harsh sun" तीखी छाया और मज़बूत दिशात्मक रोशनी देता है। ये तेज़ और भरोसेमंद ट्रिगर हैं, जिन्हें मॉडल अलग-अलग आर्किटेक्चर में लगातार समझते हैं।
कैमरे का एंगल सिर्फ़ तकनीकी विवरण नहीं है। इसमें कथा का वज़न होता है और यह प्रभावित करता है कि दर्शक इमेज को भावनात्मक रूप से कैसे पढ़ता है। लो-एंगल शॉट सब्जेक्ट को शक्तिशाली और प्रभावशाली दिखाता है। ओवरहेड एरियल शॉट दृश्य को एक ग्राफ़िक, डिज़ाइन जैसी कंपोज़िशन में समतल कर देता है। 85mm का क्लोज़-अप पोर्ट्रेट शॉट आत्मीयता पैदा करता है और ध्यान चेहरे के भाव की ओर खींचता है।
किसी भी सब्जेक्ट विवरण में "low-angle shot, looking up" जोड़ें, और आउटपुट न्यूट्रल दस्तावेज़ीकरण से बदलकर पैमाने या प्रभुत्व का एहसास देने लगेगा। यह आर्किटेक्चर, उन पोर्ट्रेट के लिए अच्छा काम करता है जहाँ आत्मविश्वास लक्ष्य हो, और किसी भी दृश्य के लिए जहाँ आप सब्जेक्ट को बदले बिना ड्रामा का संकेत देना चाहते हैं। "High-angle shot, looking down" कमज़ोरी, ओवरव्यू या एक एडिटोरियल फ़्लैट-ले जैसी क्वालिटी पैदा करता है, जो व्यवस्थित और सोच-समझकर बनाया हुआ लगता है।
फ़ोकल लेंथ सबसे कम इस्तेमाल होने वाले उपलब्ध प्रॉम्प्ट मॉडिफ़ायर्स में से एक है। यहाँ बताया गया है कि हर रेंज दृश्य रूप से क्या संकेत देती है और मॉडल उसे कैसे समझते हैं:
| फ़ोकल लेंथ | विज़ुअल प्रभाव | सबसे अच्छा किसके लिए |
|---|---|---|
| 24mm | चौड़ा, परिवेशीय, हल्की किनारी विकृति | आर्किटेक्चर, लैंडस्केप, संदर्भ शॉट |
| 50mm | न्यूट्रल, प्राकृतिक मानव परिप्रेक्ष्य | स्ट्रीट, डॉक्यूमेंट्री, सामान्य पोर्ट्रेट |
| 85mm | आकर्षक कम्प्रेशन, उथली गहराई का क्षेत्र | पोर्ट्रेट, फ़ैशन, ब्यूटी एडिटोरियल |
| 135mm | सब्जेक्ट और बैकग्राउंड का मज़बूत अलगाव | सिनेमैटिक स्टिल, आइसोलेशन शॉट |
| 200mm+ | भारी कम्प्रेशन, बहुत पतला फ़ोकस तल | नाटकीय आइसोलेशन, दूर के सब्जेक्ट |
अपने प्रॉम्प्ट में "85mm f/1.8" लिखने से मॉडल को साफ़ पता चलता है कि आप सब्जेक्ट और बैकग्राउंड के बीच कौन-सा स्थानिक संबंध चाहते हैं। Seedream 4.5 और Wan 2.7 Image Pro जैसे मॉडल, जब लेंस स्पेसिफ़िकेशन स्टाइल मॉडिफ़ायर्स के साथ शामिल हों, तो ये मॉडल उन पर भरोसेमंद प्रतिक्रिया देते हैं।
धुंधली संज्ञाएँ धुंधली इमेज बनाती हैं। "A woman" मॉडल को पूरी रचनात्मक आज़ादी देता है, जिसका लगभग हमेशा मतलब होता है कुछ सामान्य। "A woman in her late 20s with short dark hair, wearing a linen blouse, slight smile" आउटपुट को किसी खास और दोहराए जा सकने वाले रूप की ओर सीमित करता है। आप मॉडल की रचनात्मकता को सीमित नहीं कर रहे, बल्कि उसे दिशा दे रहे हैं।
आपको उपन्यास लिखने की ज़रूरत नहीं है। तीन या चार खास शारीरिक विवरण मॉडल को स्टॉक-फ़ोटो वाले डिफ़ॉल्ट से दूर ले जाने के लिए काफ़ी हैं। शामिल करने के लिए सबसे असरदार विवरण:
"Standing" कोई एक्शन नहीं है। "Leaning forward over a desk mid-conversation" एक एक्शन है। यह फ़र्क आउटपुट की ऊर्जा में साफ़ दिखता है। "glancing", "reaching" या "pausing" जैसे छोटे क्रिया-शब्द भी मॉडल को ऐसे दृश्य की ओर धकेलते हैं जिसमें कथा का तनाव हो, न कि पोज़ किया हुआ कैटलॉग शॉट।
💡 बेहतर नतीजों के लिए एक्शन को भाव के साथ जोड़ें: "laughing mid-sentence", "staring out the window with a distant expression", "focused intently on the task in front of her"। इससे मॉडल को एक साथ चेहरे के भाव और बॉडी लैंग्वेज के लिए दिशा मिलती है, जो आम तौर पर ऐसी इमेज देती है जो बनावटी नहीं, जीवंत लगती है।
रंग वह जगह है जहाँ कई प्रॉम्प्ट सबसे ज़्यादा संभावित क्वालिटी गँवा देते हैं। अगर आप पैलेट तय नहीं करते, तो मॉडल उस सब्जेक्ट प्रकार के लिए ट्रेनिंग डेटा में सबसे ज़्यादा देखे गए रंगों पर चला जाता है, जो आम तौर पर ओवरसैचुरेटेड, थोड़ा भड़काऊ और विज़ुअली नॉइज़ी होता है। एक पैलेट एंकर इसे तुरंत बदल देता है।
फ़िल्म स्टॉक के नाम एक छोटे वाक्यांश में बहुत सारी कलर साइंस की जानकारी समेटे होते हैं। फ़ोटोग्राफ़िक डेटा पर ट्रेन किए गए मॉडल इन नामों को पहचानते हैं और उनके साथ जुड़ी कलर प्रोफ़ाइल को काफ़ी स्थिरता से लागू करते हैं:
अपने प्रॉम्प्ट के अंत में सिर्फ़ "Kodak Portra 400" लिखने से बाकी कोई वेरिएबल छुए बिना आउटपुट का पूरा रंग-चरित्र बदल सकता है।
अगर फ़िल्म स्टॉक के नाम आपके उपयोग के मामले में फिट नहीं बैठते, तो पैलेट वर्णनकर्ताओं का सीधे इस्तेमाल करें। "Muted earth tones", "cool desaturated blues", "warm amber and cream", "high contrast monochrome" ज़्यादातर मॉडल पर अच्छा प्रदर्शन करते हैं। मुख्य बात सोच-समझकर चुनना है। बिना तय किया पैलेट मॉडल को चुनाव करने का न्योता है, और वे चुनाव अक्सर गलत होते हैं।
वायुमंडल ही वह फ़र्क है जो एक तकनीकी रूप से सही इमेज को ऐसी इमेज से अलग करता है जो एक वास्तविक, भौतिक दुनिया में मौजूद लगती है। एक जैसे सब्जेक्ट और एक जैसी लाइटिंग वाले दो प्रॉम्प्ट भी टेक्सचर और परिवेश के विवरण कितनी अच्छी तरह लिखे गए हैं, इसके आधार पर पूरी तरह अलग नतीजे दे सकते हैं।
जब आप सतहों का वर्णन करें, तो सामग्री और उसकी स्थिति का नाम लें। "Wooden desk" "worn oak desk with ring stains and visible grain texture" से कमज़ोर है। "City street" "wet cobblestone alley reflecting orange streetlights" से कमज़ोर है। ये विवरण मॉडल की समझ को सक्रिय करते हैं कि रोशनी खास सतहों से कैसे इंटरैक्ट करती है, जिससे समग्र रियलिज़्म काफ़ी बेहतर होता है और इमेज किसी वास्तविक जगह में टिकी लगती है।
फ़ोटोरियलिस्टिक प्रॉम्प्ट में "film grain", "subtle film grain" या "Kodak grain texture" जोड़ना उल्टा लगने के बावजूद महसूस होने वाले रियलिज़्म को बेहतर बनाता है। बिल्कुल साफ़ डिजिटल इमेज दर्शकों को अक्सर नकली लगती हैं। ग्रेन यह संकेत देता है कि इमेज कैप्चर की गई है, रेंडर नहीं की गई, और ज़्यादातर मॉडल ने ग्रेन को उच्च-गुणवत्ता वाले फ़ोटोग्राफ़िक आउटपुट से जोड़ना सीख लिया है। यह उपलब्ध सबसे आसान रियलिज़्म अपग्रेड में से एक है।
💡 ग्रेन का सही संतुलन: पोर्ट्रेट और लाइफ़स्टाइल शॉट्स के लिए "subtle film grain" या "fine grain texture" इस्तेमाल करें। "heavy grain" या "pushed film grain" को मूडी, अंधेरे या कम रोशनी वाले दृश्यों के लिए रखें। चमकदार बाहरी दृश्य में बहुत ज़्यादा ग्रेन सिर्फ़ टेक्सचर की जगह नॉइज़ जैसा लगेगा।
नेगेटिव प्रॉम्प्ट को अक्सर सफ़ाई का उपकरण माना जाता है, यानी ऐसी चीज़ें हटाने का तरीका जो खराब जनरेशन में पहले ही दिख चुकी हों। ज़्यादा असरदार तरीका है उन्हें पहले से इस्तेमाल करना, ताकि मॉडल के अनुमान लगाने से पहले ही बताया जाए कि इमेज क्या नहीं है।
सबसे असरदार नेगेटिव प्रॉम्प्ट एंट्रीज़ "ugly" या "bad quality" जैसी अमूर्त चीज़ें नहीं हैं। ये शब्द मॉडल के लिए सटीक रूप से कार्रवाई करने के लिए बहुत धुंधले हैं। ज़्यादा उपयोगी बहिष्करण वे खास आर्टिफ़ैक्ट और स्टाइल श्रेणियाँ हैं जिनसे आप बचना चाहते हैं:
cartoon, illustration, render, cgi, digital art जब आपको फ़ोटोरियलिज़्म चाहिएoverexposed, blown highlights, harsh shadows जब आपको नियंत्रित लाइटिंग चाहिएsymmetrical composition जब आप कुछ अधिक डायनामिक और प्राकृतिक चाहते हैंcluttered background जब आपको सब्जेक्ट आइसोलेशन चाहिएwatermark, text, logo, signature साफ़, बिना निशान वाले आउटपुट के लिएplastic skin, airbrushed, retouched जब प्राकृतिक टेक्सचर मायने रखता हैएक आम गलती है पॉज़िटिव और नेगेटिव दोनों प्रॉम्प्ट में एक ही कॉन्सेप्ट लिखना। अगर आपका पॉज़िटिव प्रॉम्प्ट "soft natural lighting" कहता है और नेगेटिव "dramatic lighting", तो आप विरोधी संकेत भेज रहे हैं, और मॉडल उसे अनिश्चित तरीके से हल करता है। सिग्नल के टकराव से बचने के लिए पॉज़िटिव और नेगेटिव प्रॉम्प्ट को इमेज के पूरी तरह अलग आयामों पर केंद्रित रखें।
हर मॉडल विस्तृत प्रॉम्प्ट से बराबर लाभ नहीं उठाता। कुछ छोटे, प्राकृतिक-भाषा वाले विवरणों के साथ अच्छा काम करने के लिए ट्रेन किए गए हैं। दूसरे संरचित, तकनीकी प्रॉम्प्ट अनुक्रमों के लिए ऑप्टिमाइज़ किए गए हैं। कौन-सा कैसा है, यह जानने से काफ़ी इटरेशन समय बचता है और जब सटीकता मदद करती न लगे तो निराशा से बचाव होता है।
GPT Image 2 लंबे, वर्णनात्मक प्रॉम्प्ट को खास तौर पर अच्छी तरह संभालता है। यह पूरे वाक्यों को प्रोसेस करता है और मूड, स्थानिक संबंधों और दृश्य तत्वों के बीच के आपसी संबंध के बारे में बारीक निर्देश संभालता है। सब्जेक्ट, लाइटिंग, वायुमंडल और स्टाइल को कवर करने वाला एक विस्तृत पैराग्राफ़ इस मॉडल को कुछ सचमुच खास बनाने के लिए पर्याप्त सामग्री देता है।
Wan 2.7 Image Pro संरचित विवरण घनत्व के साथ अच्छा प्रदर्शन करता है, खासकर 4K फ़ोटोरियलिस्टिक आउटपुट के लिए। लेंस स्पेक और फ़िल्म स्टॉक जैसे खास तकनीकी पैरामीटर वाले लंबे प्रॉम्प्ट इस मॉडल पर छोटे प्रॉम्प्ट की तुलना में साफ़ और ज़्यादा सटीक नतीजे देते हैं।
Hunyuan Image 2.1 कम्पोज़िशनल विवरणों को खास तौर पर अच्छी तरह संभालता है, जिसमें तत्वों के बीच स्थानिक संबंध और डेप्थ के कई तलों वाला परतदार परिवेश संदर्भ शामिल है।
Seedream 4.5 मज़बूत स्टाइल एंकर वाले संक्षिप्त प्रॉम्प्ट पर अच्छी प्रतिक्रिया देता है। लंबे प्रॉम्प्ट में बहुत अधिक परस्पर विरोधी जानकारी इस मॉडल पर आउटपुट को कमज़ोर कर सकती है। यहाँ मात्रा से ज़्यादा सटीकता सही रणनीति है, यानी सबसे ज़रूरी तीन या चार वर्णनकर्ता चुनना और उन्हें असरदार बनाना।
Wan 2.7 Image साफ़, केंद्रित आउटपुट के लिए सबसे अच्छा है। एक स्पष्ट सब्जेक्ट, एक मज़बूत लाइटिंग संदर्भ और एक स्टाइल शब्द भरोसेमंद रूप से लगातार 2K नतीजे देते हैं, बिना पूरे पैराग्राफ़ वाले ट्रीटमेंट की ज़रूरत के।
| मॉडल | प्रॉम्प्ट शैली | ताकत |
|---|---|---|
| GPT Image 2 | लंबा, वर्णनात्मक | बारीकी, मूड, जटिल बहु-तत्व दृश्य |
| Seedream 4.5 | केंद्रित, कीवर्ड-समृद्ध | 4K क्वालिटी, साफ़ स्टाइल एक्ज़ीक्यूशन |
| Wan 2.7 Image Pro | विस्तृत, तकनीकी | उच्च-निष्ठा फ़ोटोरियलिज़्म, बारीक डिटेल |
| Hunyuan Image 2.1 | कम्पोज़िशनल | स्थानिक सटीकता, परतदार दृश्य गहराई |
| Wan 2.7 Image | साफ़, संक्षिप्त | भरोसेमंद आउटपुट, लगातार 2K क्वालिटी |
सबसे अच्छे प्रॉम्प्ट लिखने वाले हर बार कुछ नया नहीं गढ़ते। वे एक निजी फ़ॉर्मूला विकसित करते हैं, एक परतदार संरचना जिसे वे लगातार लागू करते हैं, और फिर उस खास इमेज के आधार पर अलग-अलग घटक बदलते हैं जिसकी उन्हें ज़रूरत है। इस तरीके से बेहतर नतीजे मिलते हैं और इटरेशन काफ़ी तेज़ होता है।
एक भरोसेमंद प्रॉम्प्ट फ़ॉर्मूला इस क्रम का पालन करता है:
इसी क्रम में लिखने से मॉडल को प्रोसेस करने के लिए तार्किक अनुक्रम मिलता है। पहले सब्जेक्ट, फिर संदर्भ, अंत में तकनीकी विवरण। इससे यह भी आसान हो जाता है कि जब आप इटरेट करना चाहें तो ठीक कौन-सी परत बदलनी है।
अपने नतीजे सुधारने का सबसे तेज़ तरीका है हर जनरेशन में ठीक एक चीज़ बदलना। अगर आप लाइटिंग, सब्जेक्ट विवरण, कैमरा एंगल और फ़िल्म स्टॉक एक साथ बदलते हैं, तो आप नहीं जान सकते कि कौन-सा बदलाव सुधार लाया। वेरिएबल्स को जानबूझकर अलग करें। वही प्रॉम्प्ट चलाएँ जिसमें सिर्फ़ लाइटिंग शब्द बदला हो। फिर सिर्फ़ फ़ोकल लेंथ। फिर सिर्फ़ फ़िल्म स्टॉक। इससे आपके उपयोग किए जा रहे खास मॉडल पर वास्तव में क्या काम करता है, उसका एक निजी संदर्भ बनता है।
💡 एक प्रॉम्प्ट लॉग रखें: आपका इनपुट प्रॉम्प्ट और परिणामी इमेज URL वाली एक साधारण टेक्स्ट फ़ाइल सबसे व्यावहारिक उपकरणों में से एक है। 20 से 30 एंट्री के बाद यह जल्दी साफ़ होने लगता है कि कौन-से मॉडिफ़ायर्स सबसे ज़्यादा काम करते हैं और कौन-से ज़्यादातर बेकार शोर हैं।
इस लेख का हर विचार तुरंत इस्तेमाल किया जा सकता है। कोई ऐसा प्रॉम्प्ट चुनें जो आपने पहले आज़माया हो और जो फ़्लैट या सामान्य लगा हो, पहचानें कि उसमें कौन-सी परत नहीं है (आम तौर पर लाइटिंग की दिशा या कैमरा के खास विवरण), और ठीक वही जोड़ें। एक जनरेशन चलाएँ। तुलना करें। एक चीज़ बदलें।
PicassoIA पर इमेज मॉडल तेज़ प्राकृतिक-भाषा प्रॉम्प्ट से लेकर अत्यधिक तकनीकी फ़ोटोरियलिस्टिक जनरेशन तक सब कुछ कवर करते हैं। GPT Image 2, Seedream 4.5, Wan 2.7 Image Pro, और Hunyuan Image 2.1 सभी सटीक प्रॉम्प्टिंग पर अलग-अलग तरीकों से प्रतिक्रिया देते हैं, और आपके खास उपयोग के मामले में क्या सबसे अच्छा काम करता है, यह जानने का एकमात्र तरीका है सोच-समझकर प्रयोग करना, एक समय में एक वेरिएबल।
लाइटिंग शब्द से शुरू करें। "natural light" को "volumetric golden hour backlight from the left" में बदलें। इसे चलाएँ। अंतर तुरंत दिखेगा, और उसके बाद आगे क्या बदलना है, यह तर्क अपने आप साफ़ हो जाएगा।
अपनी भाषा चुनें
