AI इमेज प्रॉम्प्ट ऐसे लिखना जो लगातार अच्छे नतीजे दें, कोई भी सीख सकता है। यह लेख वह सटीक स्ट्रक्चर, भाषा के पैटर्न और व्यावहारिक आदतें बताता है, जो हर बार निराश करने वाले धुंधले आउटपुट को साफ़, सटीक और प्रभावशाली AI-जनरेटेड इमेज से अलग करती हैं।
जो प्रॉम्प्ट कचरा बनाता है और जो पहली बार में सही नतीजा देता है, उनके बीच का फ़र्क लगभग कभी किस्मत का नहीं होता। इसमें स्ट्रक्चर, सटीकता और यह जानना अहम है कि AI मॉडल के लिए कौन-से शब्द सबसे ज़्यादा मायने रखते हैं। ज़्यादातर लोग प्रॉम्प्ट ऐसे लिखते हैं जैसे किसी दोस्त को मैसेज कर रहे हों। AI इमेज मॉडल को इसके बजाय एक विस्तृत क्रिएटिव ब्रीफ़ की ज़रूरत होती है।
आप लिखते हैं "सूर्यास्त के समय एक खूबसूरत महिला" और तकनीकी रूप से सही, लेकिन पूरी तरह आम-सी इमेज मिलती है। या इससे भी बुरा, कुछ ऐसा मिलता है जो आपके मन की बात से चूक जाता है। मॉडल फ़ेल नहीं हुआ। निर्देश फ़ेल हुए।
"खूबसूरत" का किसी लैंग्वेज मॉडल के लिए कोई ठोस मतलब नहीं होता। "कूल", "शानदार" या "रियलिस्टिक" भी नहीं। ये शब्द व्यक्तिगत राय पर टिके हैं। इनसे मॉडल को कोई ठोस आधार नहीं मिलता। मॉडल खाली जगहों को औसत से भरता है: औसत पोज़, औसत रोशनी, औसत कंपोज़िशन। नतीजा ठीक दिखता है, पर स्टॉक आर्ट जैसा लगता है।
अच्छे प्रॉम्प्ट की असली कीमत सटीकता है। आप जितने सटीक होंगे, मॉडल के पास उतनी ही कम गुंजाइश होगी कि वह ऐसी जगह भटके जहाँ आपने जाना नहीं चाहा था।
मॉडल आपके शब्दों को शाब्दिक रूप से पढ़ता है। अगर आप "एक महिला" लिखते हैं, तो वह फ़्रेम में एक महिला रख देगा। कहाँ? किस एंगल से? किस रोशनी में? किस एक्सप्रेशन के साथ? हर खाली जगह अंदाज़े का दाँव है। जब एक प्रॉम्प्ट में दस दाँव लगे हों, तो वह सब कुछ मिलने की संभावना लगभग शून्य हो जाती है।
इसका हल सीधा है: यह बताना बंद करें कि इमेज कैसी महसूस होनी चाहिए, और यह बताना शुरू करें कि कैमरा क्या देखेगा।
हर भरोसेमंद प्रॉम्प्ट एक ही ढाँचे पर चलता है। एक बार यह ढाँचा आत्मसात हो जाए, तो अच्छे प्रॉम्प्ट लिखना तेज़ और दोहराने लायक हो जाता है।
शुरुआत इससे करें कि इमेज में कौन या क्या है। साफ़-साफ़ बताएँ: उम्र, दिखावट, कपड़े और वे क्या कर रहे हैं। इन दोनों की तुलना करें:
दूसरा वर्ज़न मॉडल को एक तय सब्जेक्ट देता है। उसके पास अपनी तरफ़ से कल्पना करने की बहुत कम जगह बचती है।
सब्जेक्ट के बाद उनके आसपास का दृश्य बताएँ। वे कहाँ हैं? पास में क्या है? बैकग्राउंड क्या कर रहा है?
संदर्भ ही तय करता है कि मॉडल कलर टेम्परेचर से लेकर कंपोज़िशन तक क्या बनाएगा।
रोशनी किसी भी प्रॉम्प्ट के सबसे असरदार तत्वों में से एक है। वही सब्जेक्ट तीन अलग रोशनी में खींचा जाए, तो तीन बिल्कुल अलग इमेज लगेंगी।
| रोशनी का प्रकार | इमेज पर असर |
|---|---|
| गोल्डन आवर की धूप | गर्म, नरम, रोमांटिक, त्वचा के रंग को निखारने वाली |
| बादलों वाली फैली हुई रोशनी | समान, तटस्थ, कोई तेज़ परछाई नहीं |
| एक तरफ़ से साइड-लाइट | नाटकीय, मूर्तिकला जैसी, तेज़ कंट्रास्ट |
| बैकलाइट / रिम लाइट | दिव्य-सा असर, सब्जेक्ट बैकग्राउंड से अलग दिखता है |
| स्टूडियो सॉफ़्टबॉक्स | प्रोफ़ेशनल, कमर्शियल, साफ़-सुथरी |
दिशा, कलर टेम्परेचर और तीव्रता बताएँ। "बाईं ओर से गुनगुनी सुबह की धूप, जो दाईं ओर लंबी परछाइयाँ डाले" लिखना सिर्फ़ "अच्छी रोशनी" लिखने से दस गुना ज़्यादा काम का है।
जब आप मॉडल को शब्दावली देते हैं, तो वह कैमरे के व्यवहार की नकल बहुत अच्छी तरह करता है। एंगल और लेंस का चुनाव परिप्रेक्ष्य और कंप्रेशन तय करता है।
इन्हें अपने प्रॉम्प्ट में जोड़ें और नतीजे कहीं ज़्यादा नियंत्रित हो जाते हैं।
सारे विशेषण बराबर नहीं होते। कुछ असली काम करते हैं। कुछ बस शोर बढ़ाते हैं।
राय वाले शब्दों की जगह अवलोकन वाले शब्द रखें। कसौटी: क्या इसकी फ़ोटो खींची जा सकती है?
| राय वाला शब्द (कमज़ोर) | अवलोकन वाला शब्द (मज़बूत) |
|---|---|
| खूबसूरत | नरम त्वचा, कोमल एक्सप्रेशन, आरामदायक पोस्चर |
| नाटकीय | गहरी परछाइयाँ, तेज़ कंट्रास्ट, 30 डिग्री की साइड लाइट |
| रियलिस्टिक | फ़िल्म ग्रेन, त्वचा की प्राकृतिक खामियाँ, Kodak Portra 400 |
| मूडी | ठंडी नीली एम्बिएंट रोशनी, कम संतृप्त परछाइयाँ |
| एपिक | लो एंगल, चौड़ा आसमान, अग्रभूमि की गहराई |
फ़ोटोरियलिस्टिक आउटपुट के लिए ये सबसे भरोसेमंद स्टाइल एंकर हैं:
💡 इन्हें हर फ़ोटोरियलिस्टिक प्रॉम्प्ट के अंत में जोड़ें। ये क्वालिटी का एक न्यूनतम स्तर तय करते हैं, जो न्यूनतम आउटपुट क्वालिटी को काफ़ी ऊपर उठा देता है।
गलती: "एक लड़की का पोर्ट्रेट, खूबसूरत, रियलिस्टिक"
यह क्यों विफल होता है: तीन टुकड़े, जिनमें न माहौल है, न रोशनी, न कैमरा, न स्टाइल। मॉडल सब कुछ अनुमान से भरता है और उन शब्दों के ट्रेनिंग डेटा में दिखने वाली औसत तस्वीर बना देता है।
समाधान: किसी भी फ़ोटोरियलिस्टिक इमेज के लिए कम से कम 40 से 50 शब्द। हर प्रॉम्प्ट में सब्जेक्ट, माहौल, रोशनी, कैमरा और स्टाइल शामिल करें।
गलती: "मुस्कुराती हुई एक महिला, नाटकीय गहरी रोशनी, चमकदार धूप वाला दिन"
यह क्यों विफल होता है: "नाटकीय गहरी रोशनी" और "चमकदार धूप वाला दिन" एक-दूसरे के उलट हैं। मॉडल इन्हें मिला नहीं सकता और एक समझौता-मिश्रण बनाता है, जो दोनों में से किसी निर्देश को पूरा नहीं करता।
समाधान: लिखने से पहले रोशनी की एक दिशा तय करें। या तो गहरी और नाटकीय, या चमकीली और हल्की। मॉडिफ़ायर जोड़ने से पहले एक सौंदर्य-शैली चुनें।
गलती: इमेज कैसे खींची गई है, इसे छोड़कर बाकी सब कुछ बताना।
यह क्यों विफल होता है: कैमरा निर्देशों के बिना मॉडल एक उबाऊ, सीधे सामने वाले, तटस्थ एंगल और औसत फ़्रेमिंग पर चला जाता है। इससे आप कंपोज़िशन की वह नाटकीयता खो देते हैं, जो किसी इमेज को अलग दिखाती है।
समाधान: अपने सब्जेक्ट-माहौल-रोशनी वाले हिस्से के अंत में हमेशा कम से कम एक कैमरा निर्देश दें: लेंस, एंगल और दूरी। "आँख की ऊँचाई से थोड़ा नीचे से, 85mm f/1.8 पर खींची गई" जोड़ने में पाँच सेकंड लगते हैं और यह कंपोज़िशन को पूरी तरह बदल देता है।
GPT Image 2 PicassoIA पर फ़ोटोरियलिस्टिक टेक्स्ट-टू-इमेज जनरेशन के लिए उपलब्ध सबसे सक्षम मॉडलों में से एक है। यह लंबे, विस्तृत प्रॉम्प्ट को बहुत अच्छी तरह संभालता है, इसलिए इस लेख की हर बात लागू करने के लिए यह आदर्श है।
GPT Image 2 खास तौर पर इन पर अच्छी प्रतिक्रिया देता है:
💡 अगर आपका पहला नतीजा बहुत आम है, तो पूरा प्रॉम्प्ट दोबारा न लिखें। कमज़ोर हिस्से को अलग करें और सिर्फ़ उसी में 2 से 3 वाक्य अतिरिक्त विवरण जोड़ें।
और भी ज़्यादा रेज़ोल्यूशन वाले आउटपुट के लिए, GPT Image 2 के साथ P Image Upscale जोड़ें, ताकि अंतिम नतीजा बिना डिटेल खोए 4K तक तेज़ और अपस्केल हो जाए।
हर उपयोग के मामले में ढाँचा एक ही रहता है। शब्दावली इस पर बदलती है कि आप क्या खींच रहे हैं।
प्राथमिकता चेहरे, एक्सप्रेशन और त्वचा पर चली जाती है। आपकी रोशनी और कैमरा विशिष्टताएँ सबसे अहम तत्व बन जाते हैं।
टेम्पलेट:
[सब्जेक्ट की उम्र/दिखावट/एक्सप्रेशन], [कपड़ों का विवरण], [खास माहौल], [दिशा और कलर टेम्परेचर वाली वॉल्यूमेट्रिक रोशनी], [लेंस] [अपर्चर] से [एंगल] पर खींची गई, [त्वचा टेक्सचर संकेत], [बैकग्राउंड ब्लर नोट], फ़िल्म ग्रेन, Kodak Portra 400, फ़ोटोरियलिस्टिक RAW 8K
उदाहरण:
पैंतीस के आसपास की एक महिला, सहज आत्मविश्वास वाला एक्सप्रेशन, पतली सोने की चेन और सिल्क ब्लाउज़ पहने, पेरिस के एक अपार्टमेंट में खिड़की के पास बैठी, बाईं ओर से आती नरम देर दोपहर की गोल्डन रोशनी गालों की हड्डियों पर गर्म हाइलाइट बनाती हुई, आँख की ऊँचाई से थोड़ा नीचे से 85mm f/1.4 पर खींची गई, नाक और माथे पर बारीक त्वचा के रोमकूप दिखते हुए, पेरिसियन छतों का बोकेह ब्लर वाला बैकग्राउंड, फ़िल्म ग्रेन, Kodak Portra 400, फ़ोटोरियलिस्टिक RAW 8K
जिन पोर्ट्रेट में एक सीरीज़ में एक जैसा स्टाइल चाहिए, उनके लिए Seedream 4.5 कई जनरेशन में मज़बूत चेहरे की एकरूपता के साथ नेटिव 4K आउटपुट देता है।
यहाँ रोशनी ही सब कुछ बन जाती है। प्रोडक्ट फ़ोटोग्राफ़ी सतह की सामग्री और नियंत्रित रोशनी पर निर्भर करती है।
टेम्पलेट:
[प्रोडक्ट का नाम और सामग्री], [जिस सतह पर रखा है वह], [सजावट के बैकग्राउंड तत्व], [दिशा और तीव्रता वाली नियंत्रित स्टूडियो रोशनी], [मैक्रो/क्लोज़-अप लेंस] [अपर्चर] से [एंगल] पर खींचा गया, [सामग्री टेक्सचर संकेत], [रिफ़्लेक्शन और परछाई नोट], फ़ोटोरियलिस्टिक, कमर्शियल प्रोडक्ट फ़ोटोग्राफ़ी, RAW 8K
पैमाना और वातावरण सबसे ज़्यादा मायने रखते हैं। कैमरा आपका मुख्य कंपोज़िशन टूल बन जाता है।
टेम्पलेट:
[खास भूगोल के साथ परिवेश का विवरण], [दिन का समय और मौसम], [अग्रभूमि का तत्व], [मध्यभूमि का विवरण], [बैकग्राउंड की गहराई], [कलर टेम्परेचर के साथ रोशनी की स्थिति], [वाइड/अल्ट्रावाइड लेंस] [अपर्चर] से [कैमरा की स्थिति] से खींचा गया, [वायुमंडलीय स्थिति: धुंध, कोहरा, धूल], [प्राकृतिक टेक्सचर विवरण], फ़ोटोरियलिस्टिक RAW 8K
असाधारण गहराई और डिटेल की घनता वाले 4K लैंडस्केप आउटपुट के लिए Wan 2.7 Image Pro सही टूल है। जिन परिवेशों में प्राकृतिक कंपोज़िशन की समझ और 2K रेज़ोल्यूशन चाहिए, उनके लिए Hunyuan Image 2.1 लगातार अच्छा काम करता है।
जिन फ़ोटोग्राफ़रों को आप पसंद करते हैं, वे एक शॉट लेकर घर नहीं जाते। वे एक दृश्य पर काम करते हैं। प्रॉम्प्ट इंजीनियरिंग भी यही अनुशासन माँगती है।
आपका पहला प्रॉम्प्ट एक परिकल्पना है। उसे जनरेट करें, देखें कि क्या आया, और ठीक एक ऐसी बात पहचानें जो गलत है। फिर सिर्फ़ उसी एक बात को ठीक करें। सब कुछ एक साथ दोबारा न लिखें, वरना पता नहीं चलता कि असल में क्या कारगर रहा।
एक ठोस इटरेशन लूप:
यह तरीका बेतरतीब दोबारा लिखने से तेज़ है और आपको सिखाता है कि मॉडल किस भाषा पर सबसे अच्छी प्रतिक्रिया देता है।
जब कोई वाक्यांश, रोशनी का विवरण या स्टाइल मॉडिफ़ायर ठीक वही दे, जो आप चाहते थे, तो उसे सहेज लें। भरोसेमंद प्रॉम्प्ट टुकड़ों की अपनी एक लाइब्रेरी बनाएँ। समय के साथ आपके पास ऐसे ब्लॉक होंगे, जिन्हें किसी नए प्रोजेक्ट के लिए मिनटों में दोबारा जोड़ा जा सकेगा।
💡 अपने सबसे अच्छे रोशनी विवरण, कैमरा सेटअप और टेक्सचर संकेत एक सादे नोट्स दस्तावेज़ में रखें। इन्हें नए प्रॉम्प्ट में आधार के रूप में कॉपी-पेस्ट करें और वहीं से सुधारें।
जनरेशन के बाद सटीक सुधार चाहिए हों, तो Qwen Image Edit 2511 आपको शुरुआत से दोबारा बनाए बिना खास हिस्सों को एडिट करने देता है। बैकग्राउंड का कोई तत्व ठीक करने या पूरी इमेज दोबारा जनरेट किए बिना कंपोज़िशन का कोई विवरण बदलने के लिए यह बेहतरीन है।
अलग विज़ुअल पहचान वाले स्टाइलाइज़्ड आउटपुट के लिए, Flux 2 Klein 9B Base LoRA और Flux 2 Klein 4B Base LoRA आपको अपने विस्तृत प्रॉम्प्ट के ऊपर कस्टम LoRA स्टाइल लागू करने देते हैं। इससे आपको स्ट्रक्चरल सटीकता और पूरे प्रोजेक्ट में एक जैसा लुक, दोनों मिलते हैं।
यहाँ सब कुछ एक बदलाव पर आकर टिकता है: यह बताना बंद करें कि इमेज कैसी महसूस होनी चाहिए, और यह बताना शुरू करें कि कैमरा क्या देखेगा।
सब्जेक्ट। माहौल। दिशा और रंग वाली रोशनी। कैमरा एंगल और लेंस। स्टाइल एंकर। यही फ़ॉर्मूला है। यह हर मॉडल पर, हर बार काम करता है, क्योंकि यह अस्पष्टता हटाता है और AI को वही जानकारी देता है जो एक फ़ोटोग्राफ़र का ब्रीफ़ किसी सिनेमैटोग्राफ़र को देता है।
अभी PicassoIA पर कोई मॉडल चुनें, इस ढाँचे से 60 शब्दों का प्रॉम्प्ट लिखें, और उसकी तुलना अपनी पिछली कोशिश से करें। फ़र्क तुरंत दिखेगा।
अगर आप देखना चाहते हैं कि एक विस्तृत प्रॉम्प्ट कितना अच्छा काम करता है, तो GPT Image 2 सबसे अच्छी शुरुआत है। यह ज़्यादातर मॉडलों से बेहतर तरीके से लंबा और संरचित इनपुट संभालता है, और सटीकता का इनाम सचमुच फ़ोटोरियलिस्टिक नतीजों से देता है। ऊपर के फ़ॉर्मूले से एक अच्छी तरह संरचित प्रॉम्प्ट लिखें, और नतीजे खुद दिखा देंगे कि स्ट्रक्चर प्रेरणा को हमेशा क्यों पीछे छोड़ता है।
अपनी भाषा चुनें
