How to Prompt AI for Consistent Visual Style

በተለያዩ ውጤቶች ላይ ተመሳሳይ የሆነ የሚስጥራዊ ዘይቤ እንዲኖር ለማድረግ፣ በእያንዳንዱ ጥያቄ (prompt) ውስጥ የሚስጥራዊ መለኪያዎችን በግልጽ መለየት እና በግልጽ እና በተወሰኑ ገለጻዎች ማጣቀስ አለብዎት፣ ይህም በተደበቀ አውድ ላይ ከመተማመን ይልቅ ነው። ተመሳሳይነት የሚፈሽበት ጊዜ ለሞዴሉ ሊሆኑ በሚችሉ ትርጓሜዎች ስፋት ሲያስቀር፣ እና ስኬታማ የሚሆነው የመፍጠር ቦታውን በትክክለኛ የቴክኒክ ቋንቋ ሲገድቡ ነው።

Why Visual Style Drift Occurs in Generative Models

ጄነሬቲቭ ሞዴሎች ስለ ፕሮጀክትዎ ቋሚ ማህደረ ትውስታ የላቸውም። እያንዳንዱ ማመንጫ ከሰፊው የምስሎች ስርጭት የሚደረግ ነጻ የናሙና ክስተት ነው። ለ "cyberpunk city" ሲጠይቁ፣ ሞዴሉ ከጽንሰ-ሐሳቡ ጋር ከሚዛመዱ ሺህ ሺህ ላተንት ቬክተሮች ይወስዳል፤ አንዳንዶቹ ወደ ኒዮን አረንጓዴ፣ ሌሎች ወደ ማጀንታ፣ አንዳንዶቹ ጠጠር ያሉ እና ቆሻሻ ያሉ፣ ሌሎች ደግሞ ንጹህ እና ወደፊት የሚመለከቱ ናቸው። በግልጽ ገደቦች ከሌሉ፣ ሞዴሉ የእነዚህ ቬክተሮች ከፍተኛ ዕድል ያለው አማካይ እንደነገረ ይወስዳል፤ ይህም በእያንዳንዱ አዲስ ሴድ ወይም ትንሽ የጥያቄ ለውጥ ጊዜ በዝግታ ይቀያየራል። ይህ መንሸራተት ችግር አይደለም፤ የከፍተኛ-ልኬት ናሙና ባህሪ ነው። "በVan Gogh ዘይቤ የተሳለ ፎቶ" ብለው ከጠየቁ፣ ሞዴሉ በአንድ ውጤት ውስጥ ወፍራም የኢምፓስቶ ጥራዞችን እንደሆነ ሊተረጉመው ይችላል፣ በሚቀጥለው ውጤት ደግሞ ላላላ እና የሚዞሩ ብሩሽ ጥራዞችን ሊያሳይ ይችላል፣ ምክንያቱም ሁለቱም የዘይቤው ትክክለኛ ትርጓሜዎች ስለሆኑ። ሞዴሉ ቀድሞ ምስልዎ ወፍራም ኢምፓስቶ እንደተጠቀመ አያውቅም፤ የሚያውቀው የአሁኑን ጥያቄ ብቻ ነው። ስለዚህ፣ ተመሳሳይነት በተመሳሳይ ሞዴል መጠቀም የሚመጣ ባህሪ አይደለም፤ በእያንዳንዱ ጊዜ በተመሳሳይ ግልጽ ገደቦች መጠቀም የሚፈጠር የተቀናጀ ባህሪ ነው።

የቅንብር መለኪያዎችን መለየት፡ ብርሃን፣ የቀለም ስብስብ እና ገጽታ

ብቸኛ ቃላት ያላቸውን የቅንብር መለያዎች እንደ "moody" ወይም "vibrant" አትጠቀም። እነዚህ አስተያየት ለመስጠት ሰፊ ቦታ ስለሚያስቀር፣ ግልጽ አይደሉም። ይልቁንም የቅንብርህን ወይም የቅንብርሽን ወደ ሶስት ተቆጣጣሪ ዘንጎች ለይ፡ ብርሃን፣ ቀለም እና ገጽታ።

ለብርሃን አቅርቦት እና ጥራት ለማስታወቅ፣ በ"ድራማቲክ ብርሃን" ይልቅ "ከላይ ግራ በኩል የሚመጣ ጠንካራ አቅጣጫ ያለው ብርሃን፣ ጠንካራ ጥላዎችን የሚፈጥር፣ ከፍተኛ ኮንትራስት" ብለው ይጻፉ። ይህ ሞዴሉ ብርሃኑ የት እንደሚመጣ እና ከገጽታዎች ጋር እንዴት እንደሚገናኝ በትክክል ይነግረዋል። ለቀለም፣ የተወሰኑ ቀለማትን ወይም ፓሌቶችን ይጥቀሱ። "የተዳከሙ የመሬት ቀለማት" ግልጽ አይደለም፤ "ዝቅተኛ ሳቹሬሽን ያላቸው የተዳከሙ አረንጓዴ፣ ኦክር እና ግራይ ቀለማት" ትክክለኛ ነው። የተወሰነ ስሜት ከፈለጉ፣ እንደ "የስካንዲኔቪያን የውስጥ ክፍል መጽሔት የቀለም ፓሌት" ወዳለ ኮንክሪት ማጣቀሻ ያገናኙት። ለገጽታ፣ የገጽታውን ጥራት ይግለጹ። "ግሪቲ" በቂ አይደለም፤ "ግሬን ያለው የፊልም ገጽታ፣ የሚታይ ጫጫታ፣ በጠርዞች ላይ ትንሽ ክሮማቲክ አበራሽን" ተግባራዊ ነው። ፕሮምፕትዎን ሲጽፉ፣ እነዚህን መለኪያዎች በግልጽ ይዘርዝሩ። ተከታታይ የሆነ ስታይል ማለት ተከታታይ የሆነ የቴክኒክ መመሪያዎች ስብስብ ነው እንጂ ተከታታይ የሆነ ስሜት አይደለም።

የማጣቀሻ ምስሎችን እና የአንድ አይነት መግለጫዎችን በብቃት መጠቀም

የማጣቀሻ ምስሎች ጠንካራ መሠረቶች ናቸው፣ ነገር ግን በዓላማ መጠቀም አለባቸው። የማጣቀሻ ምስል ከጫኑ፣ ሞዴሉ የቅንብሩን፣ የብርሃኑን እና የቀለም ስብስቡን ይወስዳል። ሆኖም ግን፣ የተወሰኑ ነገሮችን ወይም የጀርባ ገጽታዎችን እንደ ያሉት ያልተፈለጉ ነገሮችን ሊወስድ ይችላል። የቅንብርን ለይቶ ለማየት፣ የሚፈልጉትን ጥራት የሚያጋሩ ነገር ግን በውህደት የሚለያዩ ማጣቀሻዎችን ይጠቀሙ። ለአንድ ተከታታይ የፎቶ ስብስብ ተመሳሳይ የብርሃን አቀማመጥ ከፈለጉ፣ በተመሳሳይ ዓይነት ብርሃን የታጠፈ የመልካም አስተያየት ምስል ይጠቀሙ። ይህ ሞዴሉ የብርሃን ሎጂክን ሳይበክል ውህደቱን እንዲማር ያስችለዋል።

ጽሑፍ መግለጫዎችን ከማጣቀሻዎች ጋር ሲጠቀሙ፣ ከማጣቀሻ ምስልዎ ዋና ዋና የአርአያ ቃላትን ይድገሙ። ማጣቀሻዎ “soft diffused light” ካለው፣ ይህንን አገላለጽ በጽሑፍ ጥያቄዎ ውስጥ ያካትቱ። ይህ የዕይታ ምልክቱን ያጠናክራል። አርአያውን ለማስጠበቅ ሙሉ በሙሉ በማጣቀሻ ምስል ላይ ብቻ አይተመስረቱ፤ የጽሑፍ ጥያቄው ወደተፈለገው አርአያ ማመንጨትን በንቃት መሳብ አለበት። ጽሑፉ እና ምስሉ ካልተስማሙ፣ ብዙ ጊዜ ጽሑፉ ይሸንፋል፣ ስለዚህ እርስ በርስ እንዲስማሙ አድርገው።

የጥርድ ስምምነትን ለማረጋገጥ ፕሮምፕቶችን መዋቅር

የስዕሎች ስብስብ ሲያመነጩ፣ ቋሚ የፕሮምፕት አብነት ይጠቀሙ። ፕሮምፕትዎን በሦስት ክፍሎች ያዋቅሩ፡ አገላለጽ፣ የአጠቃላይ ገጽታ ገደቦች እና አሉታዊ ገደቦች። በስብስቡ ውስጥ ባሉ ሁሉም ፕሮምፕቶች የአጠቃላይ ገጽታ እና አሉታዊ ክፍሎች ተመሳሳይ እንዲሆኑ ያድርጉ። የአገላለጽ ክፍልን ብቻ ይለያዩ። ለምሳሌ፡

• ርዕስ፡ ቡና ስኒ የያዘች ሴት
• ዘይቤ፡ ከላይ ግራ በኩል አቅጣጫ ያለው ብርሃን፣ የተዳመጡ የመሬት ቀለማት፣ የግሬን ፊልም ገጽታ
• አሉታዊ፡ ኒዮን፣ ብሩህ ቀለማት፣ ስምት ያለ ዲጂታል ገጽታ፣ ካርቱን

የእያንዳንዱን ምስል የቅንብር ክፍል አይቀይሩ። አንድ ምስል የተለየ የብርሃን አደረጃጀት ከፈለገ፣ ይህ አዲስ ስታይል ማለት ነው፣ እና አዲስ ቴምፕሌት ያለው አዲስ ባች መጀመር አለብዎት። በአንድ ባች ውስጥ ስታይሎችን መቀላቀል ሞዴሉ የተቃራኒ መመሪያዎችን ስለሚያማካክል ስርጭት (drift) ይፈጥራል። ቅኝትነት የሚገኘው ስታይልን እንደ ቋሚ ተለዋዋጭ እና ርዕስን እንደ ብቸኛው ነጻ ተለዋዋጭ በማየት ነው።

የዕይታ ቅኝትነትን የሚያበላሹ ልምዶች

በጣም የተለመደው ስህተት "beautiful," "cool," ወይም "epic" የመሳሰሉ ርዕዮተአካላዊ ቅጥያዎችን መጨረስ ነው። እነዚህ ቃላት ጠንካራ የዕይታ ትርጉም የላቸውም እና የዘፈቀደ ልዩነት ያስከትላሉ። እነሱን ያስወግዱ። በመግለጫ ባህሪያት ይተኩ።

ሌላኛው ስህተት በሞዴል ነባሪ ቅንብሮች ላይ ከመጠን በላይ መተማመን ነው። አንዳንድ ሞዴሎች ለተወሰኑ አይነቶች (ለምሳሌ ጠንካራ ኮንትራስት ወይም የተወሰኑ የቀለም ሚዛኖች) የተገነቡ አዝማሚያዎች አሏቸው። የሚፈልጉት ስታይል እነዚህን ነባሪ ቅንብሮች ከተቃረኑ፣ በግልጽ የሆኑ አሉታዊ መመሪያዎች (negative prompts) በመጠቀም መቃወም አለብዎት። ለምሳሌ፣ ለስላሳ እና ዝቅተኛ ኮንትራስት ያለው ብርሃን ከፈለጉ ነገር ግን ሞዴሉ ጠንካራ ኮንትራስትን እንደ ነባሪ ቅንብር ከያዘ፣ "low contrast, soft shadows" የሚለውን ወደ ስታይል ክፍል እና "high contrast, harsh shadows" የሚለውን ወደ አሉታዊ ክፍል ይጨምሩ።

በመጨረሻም፣ አሉታዊ መመሪያውን (negative prompt) አያስተውሉ። አሉታዊ መመሪያዎች አማራጭ አይደሉም። ሞዴሉ ማስወገድ ያለበትን ይወስናሉ፣ ይህም ብዙ ጊዜ ማካተት ያለበትን ከመወሰን ይልቅ ውጤታማ ነው። አሉታዊ ትርጉም የሌለው ስታይል ግማሽ የተተረጎመ ስታይል ነው።

ለተለያዩ ርዕሶች ስታይልን ለመጠበቅ የሚያግዙ ቴክኒኮች

ከሰው ወደ ምርት ወደ መልክአ ምድር እየተሸጋገሩ ለሆኑ በጣም የተለያዩ ርዕሶች ሲሄዱ፣ የስታይል ገደቦች ለሁሉም ለመተግበር በቂ ጠንካራ መሆን አለባቸው። ሙሉ የምርት ባች ለመጀመር ከመወሰንዎ በፊት የስታይል ቴምፕሌትዎን በተለያዩ ርዕሶች ላይ ይፈትሹ። ስታይሉ በአንድ የርዕስ አይነት ላይ ከተበላሸ፣ መግለጫዎቹን ያስተካክሉ። ለምሳሌ፣ "grainy film texture" በሰው ላይ ተፈጥሯዊ ሊመስል ይችላል፣ ነገር ግን በላጥ ምርት ላይ አርቴፊሻል ሊመስል ይችላል። በዚህ ጊዜ የቴክስቸር መግለጫውን "subtle film grain, slight lens flare" ወደ መሰል ነገር ያስተካክሉ፣ ይህም በተለያዩ አውዶች ውስጥ ይሰራል።

ክፍተቶችን ለመሙላት መካከለኛ ርዕሶችን ይጠቀሙ። ከፎርትሬት ወደ ከተማ መልክአ ምድር እየተሸጋገሩ ከሆነ፣ በከተማ ውስጥ ያለ ሰው ያለው መካከለኛ ምስል ይፍጠሩ። ይህ የስታይል ገደቦች በሽግግሩ ውስጥ እንደሚቆዩ ለማረጋገጥ ይረዳል። ስታይሉ በመካከለኛው ምስል ላይ ከተሸረሸረ፣ ወደ መጨረሻው ርዕስ ከመሄድዎ በፊት መመሪያውን ያስተካክሉ።

የስታይል ቅኝት የገደብ አስተዳደር ሂደት እንጂ አስማት አይደለም። ኤአይ ለግህ ጣዕም እንዲያስብ እየጠየቅክ ነው ማለት አይደለም፤ በየጊዜው ትክክለኛ የስፔሲፊኬሽን ሰነድ እየሰጥክ ነው። የስታይል ፕሮምፕትን እንደ አንድ መግቢያ ምሰሶ አድርገህ ተቀበለው፡ እያንዳንዱ አካል መዘርዘር፣ መለካት እና መድገም አለበት። ከምሰሶው ከተራራቅክ ምግቡ ይቀየራል። ለምሰሶው ከተጣበቅክ ውጤቱ ተስማሚ ሆኖ ይቀጥላል።