Jak uzyskać fotorealistyczne obrazy AI: 9 technik promptu

Oto pełna skrzynka narzędzi. Nie trzeba stosować wszystkich dziewięciu w każdym obrazie, ale im więcej z nich użyją Państwo świadomie, tym bardziej fotorealistyczny stanie się wynik. Każda porada jest sformułowana tak, by można ją było wkleić w prompt bez zmian.

1. Proszę opisać prawdziwy aparat i obiektyw. Język fotograficzny kotwiczy model w realności. "Shot on a 50mm lens, f/1.8" lub "85mm portrait lens" każe oddać optyczny podpis prawdziwego zdjęcia, w tym naturalną perspektywę i głębię.
2. Proszę nazwać konkretne źródło i kierunek światła. Oświetlenie to największa dźwignia realizmu. Zamiast "good lighting" użyć: "soft window light from the left", "golden-hour backlight" albo "overcast diffused daylight". Prawdziwe światło ma źródło, kierunek i spadek intensywności.
3. Proszę dodać wiarygodne niedoskonałości. Doskonałość wygląda sztucznie. Proszę poprosić o "visible skin texture and pores", "slight natural asymmetry", "a few flyaway hairs" czy "subtle film grain". Te drobne wady to to, co aparaty rejestrują, a AI ma tendencję wygładzać.
4. Proszę trzymać się konkretnego, ludzkiego tematu. Mgliste opisy uśredniają się do efektu niepokojącego. Proszę doprecyzować wiek, wyraz twarzy, ubiór i naturalną pozę: "a woman in her 40s, relaxed half-smile, mid-conversation", a nie "a beautiful woman".
5. Proszę użyć negatywnego promptu, by zabić sygnały AI. Wprost wykluczyć typowe wpadki: "plastic skin, airbrushed, oversaturated, extra fingers, deformed hands, text, watermark, CGI render, 3D". To najszybszy sposób na usunięcie nawracających artefaktów.
6. Proszę ustawić realistyczną głębię ostrości. Prawdziwe obiektywy nie utrzymują wszystkiego w ostrości. "Shallow depth of field, background softly blurred" lub "deep focus, sharp throughout" mówi modelowi, jak zachowuje się realna przysłona.
7. Proszę dopasować kolor do rzeczywistości, nie do cukierków. Prośby o "natural skin tones", "muted realistic colors" lub "neutral white balance" przeciwdziałają tendencji modelu do przesycania. Prawdziwe zdjęcia rzadko są tak jaskrawe jak domyślne wyjście AI.
8. Proszę wyregulować skłonność do „przegotowania” obrazu — skala CFG. Zbyt wysokie wartości mogą wymuszać szklisty, przerysowany wygląd. Jeśli narzędzie to udostępnia, umiarkowane ustawienie często daje bardziej naturalny, mniej plastikowy obraz.
9. Zamiast losować od nowa, proszę poprawiać lokalnie. Gdy 90% jest fotorealistyczne, a tylko dłonie lub tło zawodzą, lepiej zamaskować i zregenerować sam ten fragment albo go edytować, niż ryzykować nowy los, który utraci to, co działało.

Traktować to jako zestaw suwaków, nie dogmaty. Język aparatu i obiektywu oraz oświetlenie robią największą robotę w niemal każdej scenie, więc zacząć od nich, potem dołożyć niedoskonałości i negatywny prompt, a na końcu dopieścić kolor, głębię ostrości i skalę CFG.

Jeśli mają Państwo zmienić w promptach tylko jedną rzecz, niech to będzie światło. Fotografia dosłownie rejestruje światło, a nasz wzrok jest niezwykle wrażliwy na oświetlenie, które nie zachowuje się jak prawdziwe. Obraz bez wyraźnego źródła światła albo ze światłem z niemożliwych kierunków wygląda sztucznie, nawet jeśli każdy inny detal jest dopracowany.

Konkretne opisy światła robią podwójną robotę: nadają nastrój i zmuszają model do fizycznie spójnych cieni i świateł. "Soft window light from the left" implikuje gradient przez twarz, blik w oczach i spadek cienia po prawej. "Golden-hour backlight" sugeruje ciepłą obwódkę światła i lekko zamgloną, niższokontrastową scenę. Model potrafi to wiarygodnie oddać, gdy się o to poprosi — i rzadko, gdy się tego nie robi.

Głębszy powód skuteczności precyzyjnego języka jest w badaniach. Zespół stojący za Imagen od Google wykazał, że skalowanie rozumienia języka w modelu tekst–obraz poprawia fotorealizm i zgodność tekst–obraz bardziej niż skalowanie samego generatora obrazów. Nowoczesne modele rzeczywiście rozumieją słownictwo fotograficzne i oświetleniowe, więc warto „wydać” słowa właśnie na prawdziwe światło — bezpośrednio przekłada się to na realizm.

Najszybciej przyswoić te techniki, oglądając generyczne prompty przepisane na realizm. Każdy wiersz pokazuje usuwany sygnał sztuczności i język fotograficzny, który go zastępuje.

Zwr proszęcić uwagę na wzorzec: każda przeróbka wymienia superlatywy ("beautiful", "stunning", "amazing") na aparat, światło, materiał i celową niedoskonałość. To powtarzanie tej zamiany stanowi gros rzemiosła fotorealistycznego AI.

Negatywny prompt to lista rzeczy, których model ma unikać — i pod względem realizmu to jedno z najskuteczniejszych narzędzi. Zamiast liczyć, że model nie zrobi plastikowej skóry i przesytu barw, nazywają Państwo te potknięcia wprost i odpychają obraz od nich.

Mocny negatywny prompt dla realizmu zwykle obejmuje cztery kategorie: plastikowy wygląd ("airbrushed, plastic skin, smooth, CGI, 3D render"), błędy anatomiczne ("extra fingers, deformed hands, fused limbs, mangled teeth"), problemy z kolorem ("oversaturated, HDR, neon") oraz nałożone elementy ("text, watermark, signature, logo"). Lepiej łączyć te, które są relewantne dla Państwa obrazu, niż wklejać wielki, ślepy blok.

Negatywne prompty naturalnie łączą się z iteracją: jeśli jakiś artefakt wraca, proszę dodać go do negatywów, zamiast przepisywać cały prompt. Pełniejsze omówienie struktury promptu, łącznie z pozytywnym i negatywnym, znajdą Państwo w naszym przewodniku pisania promptów do zdjęć AI lub mogą Państwo zacząć od zwykłego zdania w trybie Tekst na zdjęcie i dodać wskazówki realizmu stamtąd.

Tak — i większe, niż wiele osób zakłada. Technika promptu prowadzi daleko, ale to model wyznacza sufit. Różne generatory są trenowane inaczej, więc każdy ma inny domyślny wygląd, a niektóre są znacznie lepsze w fotorealizmie niż inne, zwłaszcza przy skórze, dłoniach i naturalnym świetle.

Oceniąc najlepszy generator obrazów AI do realistycznej pracy, proszę testować na trudnych przypadkach, nie łatwych. Wygenerować portrety z bliska i sprawdzić teksturę skóry oraz dłonie. Wygenerować scenę z jednym, wyraźnym źródłem światła i sprawdzić spójność cieni. Wygenerować coś z tekstem lub drobnymi powtarzalnymi wzorami i sprawdzić rozmazywanie. Narzędzie, które to znosi, wytrzymuje dokładną kontrolę.

LaFoto projektujemy dokładnie pod ten standard: realistyczny wynik domyślnie, z rusztowaniem promptu i edycją celującą w typowe sygnały AI zamiast je pudrować. Jako produkt przed premierą to deklaracja intencji projektowych, a nie roszczenie benchmarkowe — więc prosimy oceniać każdy generator zdjęć AI, włącznie z naszym, na trudnych przypadkach powyżej, gdy trafi w Państwa ręce.

Proszę przejść przez tę krótką listę, zanim zaakceptują Państwo obraz jako fotorealistyczny. Wyłapuje niemal każdy pozostający sygnał sztuczności.

• Światło: czy jest wyraźne źródło i kierunek, ze spójnymi cieniami i blikami w oczach?
• Skóra i tekstura: czy widać pory, drobne linie i naturalne niedoskonałości, zamiast „aerografu”?
• Dłonie, zęby, uszy: właściwa liczba i kształt, bez zrośniętych ani dodatkowych palców?
• Kolor: naturalny i lekko stonowany, nie neonowy ani HDR-jaskrawy?
• Optyka: wiarygodna głębia ostrości i perspektywa dla podanego obiektywu?
• Tło: odpowiednio niedoskonałe, nie nierealnie czyste lub powtarzalne?
• Tekst i wzory: czy tekst w obrazie lub drobne powtórzenia są czyste, a nie rozmazane?

Jeśli coś zawodzi, proszę naprawić właśnie ten element celowaną edycją lub pojedynczą zmianą w promptcie, zamiast losować całość od nowa. Ta dyscyplina, plus dziewięć technik powyżej, to przepis na konsekwentne przeobrażenie generycznego obrazu AI w fotorealistyczny. Ostatnie 10% lepiej dopracować w edytorze zdjęć AI niż ryzykować nowe generowanie.