AI से बने चेहरों में आम कमियाँ होती हैं: बिगड़ी हुई आँखें, विकृत अनुपात, प्लास्टिक जैसी त्वचा, और ऐसी रोशनी जो भौतिकी के नियमों को तोड़ती है। यह लेख खराब प्रॉम्प्ट की आदतों से लेकर गलत मॉडल चुनाव तक हर मूल कारण समझाता है और ऐसे ठोस उपाय बताता है जिनसे सचमुच विश्वसनीय, फोटोरियलिस्टिक नतीजे मिलते हैं।
AI के चेहरों की एक पहचान होती है। आप उन्हें कमरे के दूसरे सिरे से भी पहचान सकते हैं। आँखों में कुछ मृत-सा होता है, त्वचा में ऐसी चिकनाई होती है जो किसी जीवित इंसान की नहीं होती, और रोशनी चेहरे पर ऐसे पड़ती है जो भौतिकी के नियमों को तोड़ती है। नतीजा एक ऐसा पोर्ट्रेट होता है जो अनकैनी वैली में जा गिरता है: ऊपर से सुंदर, पर अंदर से गलत।
यह न तो अकेले हार्डवेयर की समस्या है और न ही सिर्फ़ मॉडल की। AI के चेहरों में ज़्यादातर खराबी तीन जगहों से आती है: खराब प्रॉम्प्ट, गलत मॉडल चुनाव, और इस बारे में गलतफ़हमी कि कोई चेहरा असल में इंसानी कैसे दिखता है। इनमें से हर एक को ठीक किया जा सकता है।
कुछ भी ठीक करने से पहले यह जानना ज़रूरी है कि चेहरा गलत होने पर आप असल में क्या देख रहे हैं। ये खामियाँ यादृच्छिक नहीं होतीं। ये अनुमान लगाए जा सकने वाले पैटर्न पर चलती हैं।
किसी भी चेहरे का सबसे मुश्किल हिस्सा AI के लिए आँखें सही बनाना होता है। इंसानी दिमाग सबसे पहले आँखों में असलीपन जाँचता है, और दबाव में सबसे पहले आँखें ही फेल होती हैं।
सबसे आम समस्याएँ:
उपाय यह है कि आँखों का वर्णन उसी तरह करें जैसे एक फ़ोटोग्राफ़र करता है। सिर्फ़ "नीली आँखें" नहीं, बल्कि "गहरे कोबाल्ट रंग का आईरिस जिसमें रेशेदार रेडियल बनावट दिखे, अंदर के कोनों पर प्राकृतिक लालिमा, 10 बजे की दिशा में एक सॉफ़्टबॉक्स कैचलाइट।" मॉडल को असली लगने वाला विवरण बनाने के लिए इतनी ही विशिष्टता चाहिए।
💡 हमेशा उस रोशनी के स्रोत का वर्णन करें जो कैचलाइट बनाती है। "खिड़की से बाईं ओर की कैचलाइट" मॉडल को ज्यामिति देती है। "चमकदार आँखें" उसे कुछ नहीं देती।
चिकनी त्वचा सुनने में तारीफ़ जैसी लगती है। AI जनरेशन में यह एक खराबी है। असली इंसानी त्वचा में ये चीज़ें होती हैं:
जब आप इनका वर्णन नहीं करते, तो मॉडल डिफ़ॉल्ट रूप से एक चिकनी, एक जैसी त्वचा बना देता है, जो तुरंत नकली लगती है।
हर पोर्ट्रेट प्रॉम्प्ट में "दिखने वाली रोमछिद्र संरचना, प्राकृतिक त्वचा का सबसर्फ़ेस स्कैटरिंग, गालों पर सूक्ष्म बनावट" जोड़ें। इसका कोई खर्च नहीं है और नतीजे पूरी तरह बदल जाते हैं।
ज़्यादातर खराब AI चेहरे प्रॉम्प्ट की कुछ अनुमान लगाई जा सकने वाली गलतियों से आते हैं। ये गलतियाँ क्या हैं और इन्हें कैसे रोकें, यह यहाँ है।
"नीली आँखों वाली खूबसूरत महिला" कोई प्रॉम्प्ट नहीं है। यह मॉडल के लिए एक शुरुआती बिंदु है, जिसमें वह हर फ़ैसला आपकी जगह लेता है, और AI मॉडल डिफ़ॉल्ट रूप से इन फ़ैसलों में बहुत अच्छे नहीं होते।
इन दो तरीकों की तुलना करें:
| कमज़ोर प्रॉम्प्ट | मज़बूत प्रॉम्प्ट |
|---|---|
| खूबसूरत महिला | युवा महिला, 20 के आखिरी साल, तीखी गालों की हड्डियाँ, बाईं भौंह में हल्की असमानता |
| नीली आँखें | गहरे कोबाल्ट रंग का आईरिस, रेशेदार बनावट, स्क्लेरा में दिखती केशिकाएँ, 1 कैचलाइट |
| अच्छी त्वचा | नाक पर प्राकृतिक रोमछिद्र, हल्के झाईं के निशान, हल्के आड़ू जैसे गर्म अंडरटोन, सबसर्फ़ेस स्कैटरिंग |
| अच्छे बाल | गहरे भूरे बाल, अलग-अलग बालों की लटें, सिर के ऊपर हल्के उड़ते बाल |
| बाहर की रोशनी | देर दोपहर की बैकलाइट, बाएँ कंधे पर गर्म एम्बर रिम लाइट, फैली हुई परिवेशी फ़िल |
जो भी विशेषण आप हटाते हैं, मॉडल को उतना ही अंदाज़ा लगाना पड़ता है। और हर विशिष्ट विवरण जो आप जोड़ते हैं, वह एक बाधा बनता है जो नतीजे को असलीपन की ओर धकेलता है।
लेंस का चुनाव चेहरे का आकार तय करता है। चेहरे के बहुत पास इस्तेमाल किया गया 24mm लेंस बैरल डिस्टॉर्शन बनाता है, जो नाक को खींचता है और कानों को दबा देता है। 50mm लेंस एक सपाट, प्राकृतिक परिप्रेक्ष्य देता है। 85mm या 135mm लेंस दृश्य को संकुचित करते हैं और वे आकर्षक अनुपात बनाते हैं जो पोर्ट्रेट फ़ोटोग्राफ़ी से जुड़े हैं।
अगर आपके AI चेहरों में चौड़ी नाक, बिगड़ा माथा या अजीब आकार के कान दिखते हैं, तो शायद आपने कोई लेंस बताया ही नहीं है, और मॉडल ने डिफ़ॉल्ट रूप से कोई चौड़ा लेंस मान लिया है।
हर फ़ेस प्रॉम्प्ट में यह बताएँ:
इंसानी दिमाग चेहरों को उनकी परछाइयों से पढ़ता है। जब रोशनी ऐसी दिशा से आती है जिसका भौतिक रूप से कोई मतलब नहीं बनता, तो दिमाग उसे तुरंत पकड़ लेता है।
हर पोर्ट्रेट प्रॉम्प्ट में रोशनी का सेटअप होना चाहिए। दिशा, गुणवत्ता और स्रोत का नाम लें:
अस्पष्ट रोशनी सपाट चेहरे बनाती है। विशिष्ट रोशनी ऐसे त्रि-आयामी चेहरे देती है जो फ़ोटो खींचे गए लगते हैं, जनरेट किए गए नहीं।
डेप्थ ऑफ़ फ़ील्ड ही सब्जेक्ट को उसके बैकग्राउंड से अलग करती है। इसके बिना चेहरे दृश्य में चिपके हुए लगते हैं, उसके भीतर मौजूद नहीं।
अपने प्रॉम्प्ट में हमेशा अपर्चर शामिल करें। "f/1.4 डेप्थ ऑफ़ फ़ील्ड" या "f/2.8 शैलो फ़ोकस के साथ बैकग्राउंड बोके" मॉडल को बताता है कि दृश्य का कितना हिस्सा साफ़ होना चाहिए। यही एक जोड़ बदल देता है कि चेहरा फ़्रेम में कैसे बैठता है।
💡 PicassoIA पर Depth of Field टूल किसी भी मौजूदा पोर्ट्रेट में प्राकृतिक बैकग्राउंड ब्लर जोड़ सकता है, अगर आपने चेहरा पहले ही जनरेट कर लिया है और बैकग्राउंड अलग से ठीक करना चाहते हैं।
"सिनेमैटिक" और "फोटोरियलिस्टिक" एक चीज़ नहीं हैं, फिर भी कई लोग इन्हें एक-दूसरे की जगह इस्तेमाल करते हैं। सिनेमैटिक का मतलब होता है कलर ग्रेडिंग, खास कंट्रास्ट अनुपात, और कभी-कभी ऐसी स्टाइलाइज़ेशन जो फ़ोटोग्राफ़ी से दूर ले जाए। फोटोरियलिस्टिक का मतलब है कि इमेज फ़ोटो के रूप में पास होनी चाहिए।
असली लगने वाले चेहरों के लिए फ़ोटोग्राफ़ी की भाषा पर टिके रहें:
ऐसे स्टाइल शब्दों से बचें जो कल्पना की ओर खींचते हैं: "हाइपररियलिस्टिक रेंडर्ड", "अल्ट्रा-डिटेल्ड 3D", "ऑक्टेन रेंडर"। ये शब्द मॉडल को CGI की दुनिया की ओर खींच ले जाते हैं।
सभी मॉडल चेहरे एक जैसे अच्छे नहीं बनाते। आप जो मॉडल चुनते हैं, वह आपके प्रॉम्प्ट कितना भी अच्छा हो, हासिल की जा सकने वाली असलीपन की सीमा तय करता है।
PicassoIA पर कुछ मॉडल खास तौर पर फोटोरियलिज़्म को प्राथमिकता देकर बने हैं। अगर आप चेहरे जनरेट कर रहे हैं और गुणवत्ता मायने रखती है, तो पहले इन्हीं तक पहुँचें।
RealVisXL v3.0 Turbo खास तौर पर फोटोरियलिस्टिक नतीजों के लिए बनाया गया था। इसका ट्रेनिंग डेटा असली फ़ोटो की ओर झुका है, इसलिए इसका डिफ़ॉल्ट व्यवहार ज़्यादातर विकल्पों से ज़्यादा असली त्वचा के करीब चेहरे की बनावट और रोशनी की प्रतिक्रिया देता है।
Qwen Image 2512 अपने चेहरों के प्रबंधन के लिए खास तौर पर उल्लेखनीय है। यह मॉडल शार्प टेक्स्ट और असली चेहरों को मुख्य क्षमताओं के रूप में बनाता है। जब आँखों का विवरण और चेहरे की सममिति प्राथमिकता हो, तो यह एक मज़बूत पहली पसंद है।
Flux Krea Dev को "AI इमेज जिनमें AI वाला लुक नहीं" के रूप में वर्णित किया गया है। यह वर्णन इस समस्या पर सीधा लागू होता है: वह कृत्रिम चमक जो ज़्यादातर मॉडल बनाते हैं। Flux Krea Dev को इससे बचने के लिए फ़ाइन-ट्यून किया गया था।
Flux 2 Dev Black Forest Labs का है और यह टेक्स्ट तथा फ़ोटो रेफ़रेंस, दोनों इनपुट संभालता है। इससे ऐसे फ़ेस जनरेशन वर्कफ़्लो खुलते हैं जहाँ आप शून्य से शुरू करने के बजाय किसी रेफ़रेंस से काम करना चाहते हैं।
GPT Image 2 मज़बूत प्रॉम्प्ट पालन के साथ बेहद एकसमान चेहरे बनाता है। जब आपने चेहरे का विस्तृत वर्णन लिखा हो और चाहते हों कि मॉडल उसे बिल्कुल सटीक तरीके से माने, तो GPT Image 2 के पास ज़्यादातर डिफ़्यूज़न मॉडलों से बेहतर निर्देश-पालन है।
जब आपकी चेहरे के लिए खास संरचनात्मक ज़रूरतें हों, तब ControlNet पूरा समीकरण बदल देता है। यह उम्मीद करने के बजाय कि मॉडल सही पोज़ या चेहरे का सही कोण बनाएगा, ControlNet आपको पहले चेहरे का ढाँचा तय करने देता है, फिर उसके ऊपर जनरेट करने देता है।
PicassoIA पर RealVisXL v3 Multi ControlNet LoRA फोटोरियलिस्टिक जनरेशन को ControlNet के संरचनात्मक नियंत्रण से जोड़ता है। यह संयोजन खास तौर पर तब काम का है जब:
अच्छा फ़ेस प्रॉम्प्ट लिखना एक कौशल है, किस्मत की बात नहीं। यहाँ वह सटीक ढाँचा है जिसका इस्तेमाल करना है।
यह पैटर्न कॉपी करें और विशिष्ट मान भरें:
[Skin tone + undertone] + [pore description] + [micro-texture] + [natural variation] + [subsurface notes]
उदाहरण: "हल्की जैतूनी त्वचा, गर्म सुनहरा अंडरटोन, नाक और माथे पर दिखने वाली रोमछिद्र संरचना, गालों पर साइडलाइट पकड़ते बारीक रोएँ, नथुनों के आसपास प्राकृतिक लालिमा, होंठों और कानों पर दिखता सबसर्फ़ेस स्कैटरिंग"
यह एक वाक्य ज़्यादातर मॉडलों में प्लास्टिक त्वचा को खत्म कर देता है।
असली आँखों के लिए फ़ॉर्मूला:
[Iris color + texture] + [pupil specifics] + [sclera description] + [catchlight] + [lash detail] + [surrounding skin]
उदाहरण: "गहरे हरे रंग का आईरिस जिसमें दिखने वाली रेशेदार रेडियल बनावट हो, गोल पुतली, ऑफ़-व्हाइट स्क्लेरा में हल्की दिखती केशिकाएँ, ऊपर के सॉफ़्टबॉक्स से एक कैचलाइट, पलकों में प्राकृतिक घुमाव के अलग-अलग अंदाज़, निचली पलक रेखा के नीचे हल्की प्राकृतिक परछाईं"
फोटोरियलिस्टिक चेहरों के लिए सबसे भरोसेमंद रोशनी के वर्णन:
| रोशनी का प्रकार | प्रॉम्प्ट की भाषा |
|---|---|
| खिड़की की रोशनी | "बाईं ओर बड़ी उत्तर-मुखी खिड़की से नरम फैली हुई प्राकृतिक रोशनी, दाएँ गाल पर हल्की रेम्ब्रांट परछाईं" |
| गोल्डन आवर | "कैमरे के दाईं ओर से क्षितिज से 15 डिग्री ऊपर की गर्म दोपहर की धूप, बालों पर एम्बर रिम लाइट, नीचे रिफ़्लेक्टर से गर्म फ़िल" |
| स्टूडियो | "कैमरे के बाईं ओर 45 डिग्री पर 4x6 फ़ीट सॉफ़्टबॉक्स में मुख्य स्ट्रोब, कैमरे के दाईं ओर सफ़ेद रिफ़्लेक्टर फ़िल, ऊपर से हल्की हेयर लाइट" |
| बादल वाला दिन | "समान बादलों वाली फैली रोशनी, कोई दिशात्मक परछाईं नहीं, हल्का नीला-ठंडा रंग तापमान, पूरे चेहरे को लपेटती नरम रोशनी" |
| नाटकीय | "कैमरे के बाईं ओर एकल सख्त रोशनी स्रोत, कोई फ़िल नहीं, चेहरे के दाएँ आधे हिस्से को ढकती गहरी परछाईं, जबड़े की किनार पर पकड़ती रिम लाइट" |
कभी-कभी आप एक चेहरा जनरेट करते हैं और वह 90% सही होता है, पर कुछ गड़बड़ होता है: एक आँख गलत है, परछाईं वाले हिस्से की त्वचा नकली लगती है, नाक थोड़ी असममित है। आपको दोबारा शुरू करने की ज़रूरत नहीं है।
इनपेंटिंग आपको किसी इमेज का खास हिस्सा चुनकर सिर्फ़ उसी हिस्से को दोबारा जनरेट करने देती है, बाकी सब जस का तस रहता है। चेहरे की मरम्मत के लिए यह उपलब्ध सबसे कुशल वर्कफ़्लो है।
PicassoIA पर इसके लिए Flux Fill Pro सबसे मज़बूत विकल्प है। आप समस्या वाले हिस्से (एक आँख, त्वचा का एक टुकड़ा, दाँत) पर मास्क लगाते हैं, सिर्फ़ उस हिस्से के लिए एक विशिष्ट प्रॉम्प्ट लिखते हैं और दोबारा जनरेट करते हैं। मॉडल आसपास के संदर्भ का सम्मान करता है और सुधार को स्वाभाविक रूप से मिला देता है।
चेहरों पर अच्छे इनपेंटिंग नतीजों के लिए मास्क को समस्या वाले हिस्से से थोड़ा बड़ा रखें। तंग मास्क दिखने वाली सीमाएँ बनाता है। उदार मास्क मॉडल को सही तरीके से मिलाने के लिए पर्याप्त संदर्भ देता है।
💡 Flux Fill Dev मुफ़्त विकल्प है, जिसकी गुणवत्ता थोड़ी कम है पर वर्कफ़्लो वही है। जिन चेहरों में लगभग सब सही हो, उनके त्वरित सुधार के लिए यह अक्सर काफ़ी होता है।
कम रिज़ॉल्यूशन वाले चेहरे की जनरेशन में त्वचा का विवरण खो जाता है। जो बनावट असली लगती है, वह पिक्सेल के धुंधलेपन में गायब हो जाती है, और जो बचता है वह चिकनी, नकली दिखती त्वचा है। AI सुपर-रिज़ॉल्यूशन से अपस्केलिंग सिर्फ़ इमेज को बड़ा नहीं करती: यह ऐसे त्वचा के विवरण गढ़ सकती है जो मूल रिज़ॉल्यूशन पर दिखे ही नहीं थे।
PicassoIA के सुपर-रिज़ॉल्यूशन टूल 512px के फ़ेस जनरेशन को लेकर उसका 2048px आउटपुट बना सकते हैं, जिसमें अतिरिक्त त्वचा बनावट, रोमछिद्र संरचना और बारीक बालों का विवरण हो। सिर्फ़ यही कदम "अच्छा, पर पूरी तरह असली नहीं" चेहरे को ऐसे चेहरे में बदल सकता है जो करीब से जाँचने पर भी टिक जाए।
चेहरे की जनरेशन को अंतिम रूप देने से पहले उसे इस सूची से गुज़ारें:
आँखें:
त्वचा:
रोशनी:
शारीरिक रचना:
अगर कोई भी बिंदु विफल होता है, तो आप ठीक-ठीक जानते हैं कि क्या सुधारना है। खराब चेहरे रहस्यमय नहीं होते। वे अनुमान लगाए जा सकने वाले तरीके से फेल होते हैं, इसलिए उन्हें भी अनुमान लगाए जा सकने वाले तरीके से सुधारा जा सकता है।
एक AI चेहरे के गलत दिखने और असली दिखने के बीच का फ़ासला लगभग पूरी तरह शिल्प का फ़ासला है। बेहतर प्रॉम्प्ट, बेहतर मॉडल चुनाव, और आउटपुट में क्या विफल हो रहा है, इसका साफ़ मूल्यांकन। इसके लिए न महँगा हार्डवेयर चाहिए, न कोई गुप्त ज्ञान। इसके लिए विशिष्टता चाहिए।
PicassoIA यह सब आपकी पहुँच में रखता है। मौजूदा चेहरों को एडिट और रिफ़ाइन करने के लिए Flux Kontext Dev से लेकर अधिकतम रिज़ॉल्यूशन के पोर्ट्रेट के लिए Flux 1.1 Pro Ultra Finetuned तक, और जब आप किसी बेस पोर्ट्रेट से रचनात्मक दिशाएँ तलाशना चाहें तो Face to Many Kontext तक।
मॉडल मौजूद हैं। इनपेंटिंग टूल मौजूद हैं। सुपर-रिज़ॉल्यूशन पाइपलाइन मौजूद है। जो कमी है, वह बस प्रॉम्प्ट का अनुशासन है।
हाल में जनरेट किया गया एक ऐसा चेहरा लें जो पूरी तरह सही नहीं बैठा। उस पर आँखों का फ़ॉर्मूला, त्वचा बनावट का फ़ॉर्मूला और एक विशिष्ट रोशनी का वर्णन लागू करें। उसे दोबारा जनरेट करें। फ़र्क तुरंत दिखेगा।
अपनी भाषा चुनें
