Hogyan készítsen fotórealisztikus AI képeket: 9 prompt-technika

Ez a teljes eszköztár. Nem kell mind a kilenc minden képre, de minél többet alkalmaz tudatosan, annál fotórealisztikusabb lesz az AI-kép. Mindegyik úgy van megfogalmazva, hogy egy az egyben beilleszthető legyen a promptba.

1. Írja le a valódi kamerát és objektívet. A fotós nyelv a valósághoz rögzíti a modellt. A „Shot on a 50mm lens, f/1.8” vagy „85mm portrait lens” azt üzeni, hogy egy valódi fotó optikai lenyomatát kell megrajzolnia, természetes perspektívával és mélységgel.
2. Nevezzen meg konkrét fényforrást és irányt. A világítás a legnagyobb kar a realizmushoz. Cserélje a „jó fényt” ilyenekre: „lágy ablakfény balról”, „aranyórás ellenfény”, „borús, diffúz nappali fény”. A valódi fénynek van forrása, iránya és lecsengése.
3. Adjon hihető tökéletlenséget. A tökéletesség művinek hat. Kérje: „látható bőrtextúra és pórusok”, „enyhe természetes aszimmetria”, „néhány elálló hajszál”, „finom filmszemcse”. Ezek az apró hibák azok, amelyeket a kamera rögzít, az AI pedig hajlamos eltüntetni.
4. Tartsa a témát konkrétnak és emberinek. A ködös témák átlagba mosódnak és bizarrak lesznek. Pontosítson kort, arckifejezést, öltözetet és természetes pózt: „negyvenes nő, laza félmosoly, beszéd közben”, ne pedig „gyönyörű nő”.
5. Használjon negatív promptot az AI-jelek kioltására. Zárja ki közvetlenül az árulkodókat: „műanyag bőr, retusált, túltelített, extra ujjak, deformált kezek, szöveg, watermark, CGI render, 3D”. Ez a leggyorsabb mód a visszatérő hibák eltüntetésére.
6. Állítson reális mélységélességet. A valódi objektívek nem tartanak mindent élesen. A „sekély mélységélesség, háttér lágyan elmosva” vagy a „nagy mélységélesség, minden éles” elmondja a modellnek, hogyan viselkedik egy valódi blende.
7. Színt valósághoz, ne cukorkához igazítson. Kérje: „természetes bőrtónusok”, „visszafogott, reális színek”, „semleges fehéregyensúly”, hogy ellensúlyozza a modell túlszaturálási hajlamát. A valódi fotók ritkán olyan élénkek, mint az AI-alapbeállítás.
8. Hangolja az iránymutatást, hogy ne főzze túl a modellt. A nagyon magas iránymutatás (CFG skála) fényes, túlrenderelt képet erőltethet, ami művinek hat. Ha az eszköz engedi, a közepes érték gyakran természetesebb, kevésbé műanyag hatású képet ad.
9. Finomítson lokálisan, ne dobókockázzon újra. Ha 90% fotórealisztikus, és csak a kéz vagy a háttér hibádzik, maszkolja és regenerálja csak azt a régiót, vagy szerkessze kézzel, ahelyett hogy újragenerálna és elveszítené, ami már működött.

Ezeket állítható csúszkaként kezelje, ne kőbe vésett szabályként. A kamera-objektív nyelv és a világítás szinte bármely jelenetben a legtöbbet hozza, kezdjen ezekkel, majd rétegezze rá a tökéletlenséget és a negatív promptot, végül finomítsa a színt, a mélységélességet és az iránymutatást.

Ha csak egy dolgot változtat a promptjaiban, az a világítás legyen. A fotográfia szó szerint a fényt rögzíti, és a szemünk rendkívül érzékeny a nem valószerűen viselkedő fényre. Az a kép, amelyen nincs egyértelmű fényforrás, vagy a fény lehetetlen irányokból esik, művinek hat még akkor is, ha minden más részlet tökéletes.

A konkrét világításleírás kettős hasznot hoz: hangulatot ad, és kikényszeríti a fizikailag konzisztens árnyékokat és csúcsfényeket. A „lágy ablakfény balról” implikál egy átmenetet az arcon, csillanást a szemben és árnyék-lecsengést jobbra. Az „aranyórás ellenfény” meleg peremfényt és enyhén ködös, alacsonyabb kontrasztú jelenetet sugall. A modelltől mindezt meggyőzően megkapja, ha kéri, és ritkán, ha nem.

A mélyebb ok a precíz megfogalmazás mögött a kutatásban rejlik. A Google Imagen csapata azt találta, hogy a szöveg-kép modell nyelvi megértésének skálázása többet javított a fotórealizmuson és a szöveg-kép egyezésen, mint magának a képgenerátornak a növelése. A modern modellek valóban értik a fotográfiai és világítási szókincset, így ha a szavait valódi fényre költi, az közvetlenül térül meg realizmusban.

A technikákat a leggyorsabban úgy rögzíti, ha látja, hogyan írjuk át az általános promptokat realizmusra. Minden sor megmutatja, milyen jelet veszünk ki, és milyen fotográfiai nyelv kerül a helyére.

Figyelje a mintát: minden átírás a jelzőket („beautiful”, „stunning”, „amazing”) kamerára, fényre, anyagra és szándékos tökéletlenségre cseréli. Ennek ismétlése adja a fotórealista AI legnagyobb részét.

A negatív prompt azon dolgok listája, amelyeket el szeretne kerülni — és realizmushoz az egyik leghatékonyabb eszköz. Nem abban bízik, hogy a modell elkerüli a műanyag bőrt és a túlszaturálást, hanem ezeket név szerint kimondja, és eltolja a képet felőlük.

Egy erős realizmus-negatív prompt tipikusan négy kategóriát fed le: a műanyag hatást („airbrushed, plastic skin, smooth, CGI, 3D render”), anatómiai hibákat („extra fingers, deformed hands, fused limbs, mangled teeth”), színproblémákat („oversaturated, HDR, neon”) és rátéteket („text, watermark, signature, logo”). Az Ön képéhez releváns elemeket kombinálja, ne illesszen be egy óriásblokkot.

A negatív promptok természetesen párosulnak az iterációval: ha egy konkrét artefaktum újra és újra felbukkan, adja hozzá a negatívokhoz, ahelyett hogy a teljes promptot átírná. A prompt-struktúra teljesebb ismertetéséhez — pozitív és negatív promptok együtt — nézze meg az AI fotó prompt írásáról szóló útmutatónkat, vagy induljon egy egyszerű mondattal a Text to Photo eszközben, és adjon hozzá realizmusjeleket.

Igen, és jobban, mint sokan gondolják. A prompt-technika sokra visz, de az alapmodell szab plafont. A különböző generátorokat eltérően tanítják, ezért mindnek saját alapkaraktere van, és némelyik sokkal erősebb fotórealizmusban, különösen bőrön, kézen és természetes világításon.

Amikor a legjobb AI képgenerátort keresi realista munkához, ne a könnyű eseteken mérjen, hanem a nehezeken. Generáljon közeli portrékat, és nézze a bőrtextúrát és a kezeket. Kérjen egy jelenetet egyetlen, egyértelmű fényforrással, és ellenőrizze az árnyékok következetességét. Generáljon szöveget vagy finom ismétlődő mintát, és figyelje az elkenődést. Ami ezeket bírja, az állja a sarat.

A LaFoto pontosan erre a mércére készül: alapértelmezésben realista kimenet, olyan prompt-támaszokkal és szerkesztéssel, amelyek a gyakori AI-jeleket célozzák, nem pedig elfedik. Mivel a termék még előtti fázisban van, ez tervezési szándék, nem teljesítményígéret — így bármely AI fotógenerátort, a miénket is, a fenti nehéz tesztesetek alapján érdemes megítélni, amikor az Ön kezébe kerül.

Fussa végig ezt a rövid listát, mielőtt egy képet fotórealisztikusnak elfogad. Szinte minden megmaradt jelet kiszűr.

• Fény: van egyértelmű forrás és irány, következetes árnyékok és csillanás a szemben?
• Bőr és textúra: vannak pórusok, finom vonalak és természetes tökéletlenségek, nem pedig retusált fény?
• Kezek, fogak, fülek: helyes darabszám és forma, nincsenek összeolvadt vagy extra ujjak?
• Szín: természetes és kissé visszafogott, nem neon vagy HDR-fényességű?
• Optika: hihető mélységélesség és perspektíva az Ön által megnevezett objektívhez?
• Háttér: megfelelően nem tökéletes, nem lehetetlenül tiszta vagy ismétlődő?
• Szöveg és minták: a képen belüli szöveg vagy finom ismétlődések tisztán renderelve, nem elmaszatolva?

Ha egy elem megbukik, azt az egy dolgot javítsa célzott szerkesztéssel vagy egyetlen változós promptmódosítással, ahelyett hogy újragenerálna. Ez a fegyelem, plusz a fenti kilenc technika alakít megbízhatóan egy általános AI-képből fotórealisztikust. Az utolsó 10%-ot az AI fotószerkesztőben finomítsa, ne egy új generáláson kockáztasson.