ज़्यादातर AI से बने चेहरों में एक पहचान होती है। एक खास चिकनाई जो गलत लगती है, आँखें थोड़ी अलग-सी, और ऐसी लाइटिंग जो भौतिकी के नियमों का पालन नहीं करती। यह लेख बताता है कि कौन-सी बातें एक विश्वसनीय फ़ोटोरियलिस्टिक AI चेहरे को उस चेहरे से अलग करती हैं जो साफ़ तौर पर कृत्रिम दिखता है। यहाँ आपको ठोस प्रॉम्प्ट रणनीतियाँ, पोर्ट्रेट के लिए शीर्ष मॉडल और यह साफ़ विवरण मिलेगा कि कोई चेहरा विश्वसनीय क्यों लगता है।
एक खास पल आता है जब आप किसी AI से बने चेहरे को देखते हैं और कुछ अजीब लगता है। आप तुरंत उसका नाम नहीं बता पाते। अनुपात सही हैं, रंग ठीक हैं, सब्जेक्ट खूबसूरत है। फिर भी आपका दिमाग एक चेतावनी संकेत भेज देता है। वह संकेत आपकी धारणा की कोई गड़बड़ी नहीं है। यह इस बात का सबूत है कि इमेज माइक्रो स्तर पर फ़ेल हो गई।
यथार्थवादी AI चेहरे बड़ी चीज़ें सही करने के बारे में नहीं हैं। बात एक साथ दर्जनों छोटी चीज़ें सही करने की है: पारभासी त्वचा से होकर रोशनी के बिखरने का तरीका, असली इंसानी मुस्कान की असममिति, और वे माइक्रो-खामियाँ जो जैविक असलीपन का संकेत देती हैं। यह लेख बताता है कि वे चीज़ें असल में क्या हैं और AI इमेज जनरेटर से उन्हें लगातार कैसे दोहराया जाए।
टेक्नोलॉजी में ज़बरदस्त सुधार हुआ है। 2022 में AI पोर्ट्रेट आसानी से पहचाने जा सकते थे। 2026 में वे कहीं ज़्यादा विश्वसनीय हैं, फिर भी पूरी तरह अचूक नहीं। समस्या मॉडल की क्षमता में नहीं है। आमतौर पर यह इस बात में है कि लोग प्रॉम्प्ट कैसे लिख रहे हैं।
अनकैनी वैली वह मनोवैज्ञानिक बेचैनी है जो इंसान तब महसूस करते हैं जब कोई चीज़ लगभग इंसान जैसी दिखती है, पर पूरी तरह नहीं। इसे रोबोटिक्स के लिए एक सिद्धांत के रूप में प्रस्तावित किया गया था, पर यह AI पोर्ट्रेट पर भी पूरी तरह लागू होता है। कोई चेहरा रियलिज़्म मापदंडों पर 95% अंक ले सकता है, फिर भी अगर वह किसी एक खास आयाम पर फ़ेल हो जाए, तो वैली ट्रिगर हो सकती है। आमतौर पर यह आँखें होती हैं, या त्वचा की बनावट, या लाइटिंग की संगति।
यह मुश्किल इसलिए है कि फ़ेल होने की जगह बदलती रहती है। पहले के मॉडल हाथों और दाँतों पर फ़ेल होते थे। आज के मॉडल इन्हें बेहतर संभालते हैं, लेकिन अब संकेत अक्सर सूक्ष्म होता है। आँखों में ऐसी कैचलाइट जो रोशनी के स्रोत से मेल नहीं खाती। ऐसी त्वचा जो बनावट वाली होने के बजाय एयरब्रश की हुई लगती है। ऐसे बाल जो अलग-अलग रेशों में बँटने के बजाय कृत्रिम रूप से गुच्छों में चिपके हों।
ज़्यादातर लोग इन्हें महसूस कर लेते हैं, भले ही नाम न बता पाएँ:
क्या फ़ेल होता है, यह जानना आधी लड़ाई है। बाकी आधी यह जानना है कि हर इमेज में जानबूझकर क्या बनाना है।
त्वचा पोर्ट्रेट की सबसे जटिल सतह है। यह एक समान बनावट नहीं होती। चेहरे के अलग-अलग हिस्सों में पोर्स का आकार अलग होता है, सीबम का हल्का तेल माइक्रो-हाइलाइट बनाता है, पतली जगहों पर, जैसे नाक के पास, केशिकाएँ दिखती हैं, खून के बहाव से गालों में गर्माहट रहती है, और लगभग हर सतह पर बारीक रोएँ होते हैं।
जब आप त्वचा के लिए प्रॉम्प्ट लिखें, तो आपकी भाषा इस जटिलता को दिखाए। "visible skin pores," "peach fuzz catching backlight," "subtle capillaries," और "natural skin imperfections" जैसे वाक्यांश मॉडल को संकेत देते हैं कि आपको परफ़ेक्शन के बजाय असलीपन चाहिए। पोर्ट्रेट में परफ़ेक्शन ही रियलिज़्म का दुश्मन है।
💡 अपने प्रॉम्प्ट में "no skin smoothing" और "authentic skin texture" साफ़-साफ़ जोड़ें। ज़्यादातर मॉडल बिना कहे चेहरे को सुंदर दिखाने वाली चिकनी त्वचा ही डिफ़ॉल्ट रूप से देते हैं।
आँखों से ही पोर्ट्रेट बनता या बिगड़ता है। उन्हें सबसे ज़्यादा दो चीज़ें चाहिए: catchlights और आइरिस डिटेल।
कैचलाइट कॉर्निया की सतह पर दिखने वाले रोशनी स्रोतों के छोटे परावर्तन हैं। असली फ़ोटो में उनकी स्थिति, आकार और संख्या दृश्य के असली रोशनी स्रोतों से मेल खाती है। ऑक्टाबॉक्स गोल कैचलाइट बनाता है। खिड़की आयताकार बनाती है। जब ये गायब हों या असंगत हों, तो दिमाग तुरंत गड़बड़ी पकड़ लेता है।
आइरिस डिटेल दूसरा तत्व है: आइरिस का जटिल रेडियल पैटर्न, उसकी सतह पर रंग का बदलाव, और बाहरी किनारे पर गहरी लिम्बल रिंग। "intricate iris pattern," "multiple catchlight reflections," "dark limbal ring" माँगने से आँखें कहीं ज़्यादा विश्वसनीय बनती हैं।
रियलिस्टिक पोर्ट्रेट में बाल सबसे ज़्यादा कम्प्यूटेशनल मेहनत माँगने वाला तत्व है। विश्वसनीय और अविश्वसनीय बाल का फ़र्क यह है कि उन्हें एक द्रव्यमान की तरह रेंडर किया गया है या अलग-अलग रेशों की तरह।
काम करने वाले प्रॉम्प्ट: "individual hair strands separating in the breeze," "natural curl variation," "flyaway hairs catching backlight," "authentic thickness variation." बालों पर रिम या बैकलाइट बनाने वाला रोशनी स्रोत जोड़ें, और नतीजा तुरंत ज़्यादा विश्वसनीय लगेगा।
प्रॉम्प्ट यह वर्णन नहीं है कि आप क्या देखना चाहते हैं। यह मॉडल को दिए गए निर्देशों का सेट है कि आप जो चाहते हैं उसे कैसे रेंडर करना है। ये दो बिल्कुल अलग चीज़ें हैं।
पोर्ट्रेट रियलिज़्म में लाइटिंग सबसे शक्तिशाली चर है। साफ़ स्रोत वाली प्राकृतिक, दिशात्मक रोशनी किसी भी प्रॉम्प्ट की जटिलता से बेहतर काम करती है।
| एलिमेंट | क्या बताएँ |
|---|---|
| स्रोत | खिड़की, 45 डिग्री पर धूप, बादलों से फैली रोशनी |
| दिशा | कैमरे के बाएँ, कैमरे के दाएँ, ऊपर से, रिम |
| गुणवत्ता | कठोर, सॉफ़्ट, फैली हुई, वॉल्यूमेट्रिक |
| रंग | सुनहरा, ठंडा ब्लू आवर, गर्म इनडोर |
| छाया | "casting soft shadows across cheekbone," "slight under-eye shadow" |
एक पूरा लाइटिंग वर्णन कुछ ऐसा दिख सकता है: "volumetric golden hour light from camera left, casting soft diagonal shadows across her cheekbone, warm rim light from behind separating her from the background."
💡 सिर्फ़ यह न बताएँ कि रोशनी कहाँ से आ रही है, बल्कि यह भी बताएँ कि छाया कहाँ पड़ती है। छाया ही चेहरे को गहराई देती है।
आप जो लेंस बताते हैं, उससे पोर्ट्रेट कैसा पढ़ा जाएगा, यह पूरी तरह बदल जाता है। f/2 पर 35mm लेंस का चौड़ा परिप्रेक्ष्य चेहरे की विशेषताओं को थोड़ा विकृत करता है। f/1.4 पर 85mm लेंस चेहरे को आकर्षक ढंग से संपीड़ित करता है और पृष्ठभूमि को सुंदर ढंग से अलग करता है। 135mm और भी ज़्यादा संपीड़न और आत्मीयता देता है।
ज़्यादातर पोर्ट्रेट के लिए 85mm f/1.4 से f/1.8 क्लासिक विकल्प है। फ़िल्म स्टॉक का उल्लेख भी शामिल करें। Kodak Portra 400 गर्माहट और ग्रेन जोड़ता है। Kodak Ektar 100 तीखी संतृप्ति जोड़ता है। Kodak Portra 800 और ज़्यादा ग्रेन और पुश्ड फ़ील जोड़ता है।
फ़िल्म स्टॉक के विवरण से मिलने वाला ग्रेन मॉडल को संकेत देता है कि डिजिटल चिकनाई के बजाय ऑर्गेनिक नॉइज़ डाला जाए। यही ग्रेन असली रियलिज़्म है।
कुछ प्रॉम्प्ट तत्व रियलिज़्म को सीधे नुकसान पहुँचाते हैं:
इन्हें हटाएँ और उनकी जगह साफ़ फ़ोटोग्राफ़िक भाषा रखें।
पोर्ट्रेट रियलिज़्म के मामले में सभी मॉडल बराबर नहीं हैं। आर्किटेक्चर, ट्रेनिंग डेटा और फ़ाइन-ट्यूनिंग तय करते हैं कि मॉडल त्वचा, आँखों और बालों को कितनी अच्छी तरह संभालता है।
RealVisXL v3 Multi Controlnet LoRA PicassoIA पर उपलब्ध सबसे सक्षम पोर्ट्रेट मॉडलों में से एक है। इसे खास तौर पर फ़ोटोरियलिस्टिक मानव सब्जेक्ट्स पर फ़ाइन-ट्यून किया गया है, जिससे इसे प्राकृतिक त्वचा, असली आँखों और सटीक लाइटिंग की मज़बूत प्रायर मिलती है।
जो इसे अलग बनाता है वह ControlNet इंटीग्रेशन है। ControlNet आपको पोज़ या डेप्थ रेफ़रेंस देने देता है, यानी आप पहले नियंत्रित करते हैं कि चेहरा कैसे स्थित है, इससे पहले कि आप सोचें कैसा दिखता है। इससे पोर्ट्रेट जनरेशन प्रक्रिया की एक बड़ी अनिश्चितता हट जाती है।
RealVisXL v3.0 Turbo तेज़ वर्ज़न है, जो थोड़ी गुणवत्ता के बदले कहीं तेज़ जनरेशन देता है। अलग-अलग प्रॉम्प्ट को दोहराने और परखने के लिए, Turbo अक्सर सही शुरुआती बिंदु होता है।
Flux Pro और Flux Dev सामान्य-उद्देश्य वाले शक्तिशाली मॉडल हैं जो प्रभावशाली पोर्ट्रेट बनाते हैं, खासकर तब जब प्रॉम्प्ट बहुत विस्तृत और भाषा में फ़ोटोग्राफ़िक हो। Flux की ताकत प्रॉम्प्ट का पालन करने में है: आप उसे सटीक बताते हैं, और वह उसे पूरा करता है।
Flux 2 Max आउटपुट रिज़ोल्यूशन को 4 मेगापिक्सल तक ले जाता है, जो पोर्ट्रेट के काम में अहम है, जब आप आँखों की डिटेल में ज़ूम करना चाहें या बड़े आकार में प्रिंट करना चाहें। इस रिज़ोल्यूशन पर वे माइक्रो-डिटेल, जो चेहरों को विश्वसनीय बनाते हैं, सच में रेंडर होने की जगह पाते हैं।
Stable Diffusion 3.5 Large एक अलग नीश को भरता है। इसकी ताकत कम्पोज़िशनल नियंत्रण और लगातार डिटेल रेंडरिंग में है। जटिल बैकग्राउंड, खास पोज़ या कलात्मक स्टाइलिंग वाले पोर्ट्रेट के लिए यह अक्सर उन मॉडलों को पीछे छोड़ देता है जो सिर्फ़ चेहरों के लिए संकीर्ण रूप से ऑप्टिमाइज़ किए गए हैं।
Qwen Image 2 Pro का ज़िक्र खास तौर पर दूर से चेहरे की स्पष्टता के लिए करने लायक है। जब आपके पोर्ट्रेट में पूरा शरीर या चौड़ा बैकग्राउंड वातावरण हो, तो Qwen चेहरे को उन मॉडलों से लगातार ज़्यादा डिटेल में रेंडर करता है जो फ़्रेम में छोटे चेहरे के अनुपात के साथ संघर्ष करते हैं।
PicassoIA पर RealVisXL से अपना पहला विश्वसनीय पोर्ट्रेट बनाने की चरण-दर-चरण प्रक्रिया यह है।
PicassoIA पर RealVisXL v3 Multi Controlnet LoRA खोलें। अगर आप तेज़ दोहराव चाहते हैं, तो RealVisXL v3.0 Turbo से शुरू करें। क्लासिक पोर्ट्रेट ओरिएंटेशन के लिए आस्पेक्ट रेशियो 3:4 रखें, या Instagram-शैली आउटपुट के लिए 4:5 रखें।
अपना प्रॉम्प्ट जानबूझकर बनाएँ, एक समय में एक तत्व:
💡 एक ही इमेज पर बार-बार सुधार करने के बजाय एक साथ 4 से 6 वैरिएशन जनरेट करें। 6 कोशिशों में से सबसे अच्छा नतीजा लगभग हमेशा पहले नतीजे से काफ़ी बेहतर होता है।
जब आपके पास पसंद आने वाली बेस इमेज हो, तो PicassoIA पर Super Resolution से 2x या 4x तक अपस्केल करें। यह पास त्वचा और बालों की ऐसी अतिरिक्त डिटेल जोड़ता है जो बेस रिज़ोल्यूशन पर मौजूद नहीं थी। नतीजा अक्सर "काफ़ी अच्छा" और "फ़ोटो से अलग न पहचाने जाने लायक" के बीच का फ़र्क होता है।
सही मॉडल और मज़बूत प्रॉम्प्ट होने पर भी कुछ आदतें लगातार खराब नतीजे देती हैं।
यह सबसे आम गलती है। यह "beautiful," "perfect," "flawless," या "ultra-smooth skin" जैसे शब्दों के इस्तेमाल से आती है। मॉडल इन्हें बनावट हटाने के निर्देश के रूप में समझता है। पोर्ट्रेट के काम के लिए इन्हें अपनी शब्दावली से पूरी तरह हटा दें। अगर आप आकर्षकता व्यक्त करना चाहते हैं, तो साफ़-साफ़ बताएँ: "symmetrical features with natural asymmetry," "clear skin with visible pore structure."
16:9 लैंडस्केप अनुपात मॉडल को चौड़ा दृश्य कंपोज़ करने के लिए मजबूर करता है, जिससे अक्सर चेहरा फ़्रेम में छोटा हो जाता है। क्लोज़-अप पोर्ट्रेट के लिए 3:4 या 4:5 इस्तेमाल करें। हेडशॉट के लिए 1:1 आज़माएँ। 16:9 तभी इस्तेमाल करें जब परिवेश और बैकग्राउंड कम्पोज़िशन के लिए अहम हों, और आप चाहते हों कि चेहरा कई तत्वों में से सिर्फ़ एक हो।
चेहरा अकेले अस्तित्व में नहीं होता। अगर चेहरे की लाइटिंग बैकग्राउंड में निहित लाइटिंग से मेल न खाए, तो दिमाग तुरंत गौर करता है। गोल्डन आवर की धूप में रोशन महिला, जो सपाट धूसर स्टूडियो बैकग्राउंड के सामने है, कंपोज़िट लगती है, असली नहीं। सब्जेक्ट और बैकग्राउंड को एक ही रोशनी स्रोत, दिशा और कलर टेम्परेचर साझा करने दें।
डिजिटल-नेटिव प्रॉम्प्ट अक्सर साफ़ और बेजान इमेज देते हैं। फ़िल्म स्टॉक के संदर्भ (Kodak Portra 400, Kodak Ektar 100, Fuji Superia 400) ऑर्गेनिक ग्रेन और सूक्ष्म रंग बदलाव लाते हैं, जो इमेज को रेंडर की गई के बजाय फ़ोटोग्राफ़िक पढ़ने देते हैं। यह अकेला जोड़ अक्सर प्रॉम्प्ट में किसी भी दूसरे बदलाव से ज़्यादा माने गए रियलिज़्म पर असर डालता है।
रियलिस्टिक पोर्ट्रेट का मतलब सिर्फ़ प्राकृतिक या न्यूनतम पोर्ट्रेट नहीं है। ग्लैमर फ़ोटोग्राफ़ी, बीच शॉट और कलात्मक कम्पोज़िशन भी उन्हीं सिद्धांतों से लाभ लेते हैं: असली त्वचा, असली रोशनी, असली भाव।
आकर्षक AI पोर्ट्रेट के लिए सबसे सही दायरा वह है जिसे फ़ोटोग्राफ़र एडिटोरियल ग्लैमर कहते हैं: ऐसे सब्जेक्ट जो कम कपड़ों में हों (स्विमवियर, लिंजरी, कैज़ुअल समर लुक), फ़ैशन-स्तर की लाइटिंग में शूट किए गए, और असली, बिना पोज़ वाले अहसास के साथ। हाई-एंड फ़ैशन एडिटोरियल या लाइफ़स्टाइल कैंपेन की दृश्य भाषा सोचें।
सब्जेक्ट को ऐसा दिखना चाहिए जैसे वह किसी पल में पकड़ा गया हो, न कि उसके लिए पोज़ दिया गया हो। सहज भाव, गतिशीलता के बीच के पोज़, माहौल पर प्रतिक्रिया (धूप में आँखें सिकोड़ना, हवा से उड़ते बाल) सभी विश्वसनीयता बढ़ाते हैं। नतीजा ऐसी इमेज होती है जो किसी भी कृत्रिम दिशा में गिरे बिना कामुक और सुंदर लगती है।
अच्छे AI पोर्ट्रेट को औसत से अलग करने वाले सबसे बड़े फ़र्कों में से एक भावनात्मक विशिष्टता है। एक अस्पष्ट "smiling woman" एक सामान्य, सममित मुस्कान देता है जो स्टॉक फ़ोटोग्राफ़ी जैसी लगती है।
खास भावनात्मक अवस्थाएँ खास चेहरे की बनावट देती हैं: "mid-laugh with eyes crinkling at corners," "slight asymmetrical smile," "thoughtful expression with softly parted lips," "furrowed brow in concentration." ये माइक्रो-एक्सप्रेशन ही चेहरे को इंसानी महसूस कराते हैं।
💡 भावना की शारीरिक अभिव्यक्ति का वर्णन करें, खुद भावना का नहीं। "happy" लिखने के बजाय "eyes crinkling at the corners, teeth slightly visible in a genuine smile" लिखें। मॉडल भावनात्मक लेबल की तुलना में शारीरिक वर्णन पर कहीं बेहतर प्रतिक्रिया देता है।
उम्र भी मायने रखती है। 40 और 50 के दशक के लोगों के पोर्ट्रेट, जिनमें असली उम्र के निशान हों, जैसे हँसी की रेखाएँ, चाँदी जैसे बाल और त्वचा में सूक्ष्म बदलाव, सदा निर्दोष दिखने वाले 25 साल के चेहरों की तुलना में कहीं ज़्यादा विश्वसनीय लगते हैं। रियलिज़्म जवानी के बारे में नहीं है। यह विशिष्टता के बारे में है।
अब आपके हाथ में रियलिस्टिक AI चेहरे का ढाँचा है: त्वचा की बनावट की माइक्रो-डिटेल, कैचलाइट की भौतिकी, फ़ोटोग्राफ़िक इरादा बताने वाली लेंस की भाषा, और PicassoIA पर वे मॉडल जो इसे देने के लिए बने हैं।
प्लास्टिक AI चेहरे और विश्वसनीय चेहरे के बीच का फ़र्क लगभग कभी मॉडल का नहीं होता। यह आपके निर्देशों की विशिष्टता का होता है। एक विस्तृत, परतदार प्रॉम्प्ट जो त्वचा, आँखें, बाल, लाइटिंग और कैमरा को अलग-अलग संबोधित करता है, ऐसे नतीजे देगा जो एक सामान्य एक-पंक्ति प्रॉम्प्ट कभी नहीं दे सकता।
PicassoIA पर RealVisXL v3 Multi Controlnet LoRA या Flux Pro से शुरू करें। लाइटिंग फ़ॉर्मूला लागू करें। अपना फ़िल्म स्टॉक जोड़ें। अपना लेंस बताएँ। छह वैरिएशन जनरेट करें। सबसे अच्छा चुनें और उसे Super Resolution से गुज़ारें।
नतीजा आपको चौंका देगा। और एक बार आप देख लें कि सही प्रॉम्प्ट वाला रियलिस्टिक चेहरा कैसा दिखता है, तो आप फिर कभी सपाट, प्लास्टिक आउटपुट पर वापस नहीं जाएँगे।
अपनी भाषा चुनें
