सुसंगत दृश्य शैलीसाठी AI ला प्रॉम्प्ट कसे द्यावे

अनेक आउटपुट्समध्ये सुसंगत दृश्य शैली राखण्यासाठी, तुम्हाला प्रत्येक प्रॉम्प्टमध्ये सौंदर्यशास्त्रीय पॅरामीटर्स स्पष्टपणे परिभाषित करावे लागतील आणि अमूर्त संज्ञांवर अवलंबून न राहता विशिष्ट, अमूर्त नसलेल्या वर्णनांने त्यांना अ‍ॅंकर करावे लागतील. अस्पष्ट संज्ञांसाठी मॉडेलच्या संभाव्यतेच्या अर्थनिर्घाताला जागा दिल्यास सुसंगतता अपयशी ठरते; अचूक तांत्रिक भाषेने जनरेशन स्पेस मर्यादित केल्यास ते यशस्वी होते.

जनरेटिव्ह मॉडेल्समध्ये दृश्य शैली विचलन का होते

जनरेटिव्ह मॉडेल्सकडे तुमच्या प्रोजेक्टची कायमस्वरूपी मेमरी नसते. प्रत्येक जनरेशन ही शक्य असलेल्या प्रतिमांच्या विशाल वितरणातून एक स्वतंत्र सॅम्पलिंग इव्हेंट असते. जेव्हा तुम्ही "सायबरपंक सिटी" साठी प्रॉम्प्ट करता, तेव्हा मॉडेल त्या संकल्पनेशी जुळणाऱ्या हजारो लेटंट वेक्टर्समधून निवड करते, काही निऑन हिरव्या रंगाकडे झुकतात, काही मजेंटा रंगाकडे, काही खरखरीत आणि घाणेरडे, तर काही स्वच्छ आणि भविष्यवादी. स्पष्ट मर्यादा नसल्यास, मॉडेल त्या वेक्टर्सच्या सर्वात संभाव्य सरासरीकडे वळते, जी प्रत्येक नवीन सीड किंवा लहान प्रॉम्प्ट बदलासोबत सूक्ष्मपणे बदलते. हे विचलन बग नाही; हे हाय-डायमेन्शनल सॅम्पलिंगचे स्वरूप आहे. जर तुम्ही "व्हॅन गॉगच्या शैलीत पोर्ट्रेट" मागितले, तर मॉडेल एका आउटपुटमध्ये जाड इम्पास्टो टेक्स्चर आणि दुसऱ्या आउटपुटमध्ये शिथिल, फिरत्या ब्रशस्ट्रोक्स असे अर्थ लावू शकते, कारण दोन्ही शैलीसाठी वैध अर्थनिर्घात आहेत. मॉडेलला माहित नसते की तुमच्या मागील प्रतिमेत जाड इम्पास्टो वापरले होते; त्याला फक्त सध्याचा प्रॉम्प्ट माहित असतो. म्हणून, सुसंगतता ही समान मॉडेल वापरण्याची उदयास्त प्रॉपर्टी नाही; ती प्रत्येक वेळी समान स्पष्ट मर्यादा वापरण्याची इंजिनिअर केलेली प्रॉपर्टी आहे.

शैली पॅरामीटर्स परिभाषित करणे: प्रकाशयोजना, रंग पॅलेट आणि टेक्स्चर

"मूडी" किंवा "व्हायब्रंट" सारख्या एका शब्दाच्या शैली टॅग्स वापरू नका. हे अस्पष्ट असतात आणि मॉडेल्ससाठी खूप जास्त लवचिकता सोडतात. त्याऐवजी, तुमची शैली तीन नियंत्रित अक्षांमध्ये विभाजित करा: प्रकाशयोजना, रंग आणि टेक्स्चर.

प्रकाशासाठी, स्रोत आणि गुणवत्ता नमूद करा. 'ड्रामॅटिक लाइटिंग' ऐवजी 'वरच्या डाव्या बाजूला कडक दिशात्मक प्रकाश, तीव्र सावल्या टाकणारा, उच्च कॉन्ट्रास्ट' असे लिहा. यामुळे मॉडेलला प्रकाश कुठून येतो आणि पृष्ठभागांशी तो कसा संवाद साधतो हे अचूक कळते. रंगांसाठी, विशिष्ट रंगछटा किंवा पॅलेट्सची नावे घ्या. 'म्युटेड अर्थ टोन्स' हे अस्पष्ट आहे; 'कमी सॅच्युरेशन असलेले डिसेच्युरेटेड हिरवे, ओकर आणि राखाडी रंग' हे अचूक आहे. जर तुम्हाला विशिष्ट मूड हवा असेल, तर तो एखाद्या ठोस संदर्भाशी जोडा, जसे की 'स्कॅन्डिनेव्हियन इंटेरियर मॅगझिनचा रंग पॅलेट'. टेक्स्चरसाठी, पृष्ठभागाची गुणवत्ता वर्णना करा. 'ग्रिटी' हे अपुरे आहे; 'ग्रेनी फिल्म टेक्स्चर, दिसणारा नॉइज, कडांवर हलका क्रोमॅटिक अबेरेशन' हे क्रियान्वित करता येण्याजोगे आहे. जेव्हा तुम्ही तुमचे प्रॉम्प्ट लिहिता, तेव्हा हे पॅरामीटर्स स्पष्टपणे यादीत लिहा. सुसंगत स्टाइल म्हणजे सुसंगत तांत्रिक सूचनांचा संच, फक्त सुसंगत वातावरण नाही.

रेफरन्स इमेजेस आणि स्टाइल डिस्क्रिप्टर्स प्रभावीपणे वापरणे

रेफरन्स इमेजेस हे शक्तिशाली अ‍ॅंकर असतात, परंतु त्यांचा वापर हेतूनिश्चिततेने करावा लागतो. जर तुम्ही रेफरन्स इमेज अपलोड केली, तर मॉडेल त्याची रचना, प्रकाशयोजना आणि पॅलेट उचलते. तथापि, ते विशिष्ट वस्तू किंवा बॅकग्राउंड्ससारखे अनिच्छित घटक देखील उचलू शकते. स्टाइल वेगळा करण्यासाठी, अशा रेफरन्स वापरा ज्या तुमच्या इच्छित एस्थेटिकशी जुळतात परंतु विषयात वेगळ्या आहेत. जर तुम्हाला पोर्ट्रेट्सच्या मालिकेसाठी सुसंगत प्रकाशयोजना हवी असेल, तर समान प्रकारच्या प्रकाशाने प्रकाशित झालेल्या लँडस्केपची रेफरन्स वापरा. यामुळे मॉडेलला विषय दूषित न करता प्रकाशाची तर्कशुद्धता शिकता येते.

रेफरन्ससोबत टेक्स्ट डिस्क्रिप्टर्स वापरताना, तुमच्या रेफरन्स इमेजमधील मुख्य स्टाइलिस्टिक शब्द पुन्हा लिहा. जर तुमच्या रेफरन्समध्ये 'सॉफ्ट डिफ्युस्ड लाइट' असेल, तर तो शब्दप्रयोग तुमच्या टेक्स्ट प्रॉम्प्टमध्ये समाविष्ट करा. यामुळे दृश्य संकेत मजबूत होतो. स्टाइल सांभाळण्यासाठी फक्त रेफरन्स इमेजवर अवलंबून राहू नका; टेक्स्ट प्रॉम्प्टने सक्रियपणे जनरेशनला इच्छित एस्थेटिककडे ओढले पाहिजे. जर टेक्स्ट आणि इमेज यात मतभेद असतील, तर सहसा टेक्स्टला प्राधान्य मिळते, म्हणून त्यांना जुळवून घ्या.

बॅच सुसंगततेसाठी प्रॉम्प्ट्सची रचना करणे

इमेजेसचा बॅच जनरेट करताना, फिक्स्ड प्रॉम्प्ट टेम्पलेट वापरा. तुमचे प्रॉम्प्ट तीन भागांमध्ये रचले पाहिजे: विषय, स्टाइल कॉन्स्ट्रेंट्स आणि निगेटिव्ह कॉन्स्ट्रेंट्स. बॅचमधील सर्व प्रॉम्प्ट्समध्ये स्टाइल आणि निगेटिव्ह सेक्शन्स समान ठेवा. फक्त विषय सेक्शन बदला. उदाहरणार्थ:

• विषय: कॉफी कप हातात घेतलेली स्त्री
• स्टाइल: वरच्या डाव्या बाजूला कडक दिशात्मक प्रकाश, म्युटेड अर्थ टोन्स, ग्रेनी फिल्म टेक्स्चर
• निगेटिव्ह: निऑन, तेजस्वी रंग, स्मूथ डिजिटल लुक, कार्टून

वैयक्तिक प्रतिमांसाठी शैली विभाग बदलू नका. जर एखाद्या प्रतिमेला वेगळ्या प्रकाश सेटअपची गरज असेल, तर ती नवीन शैली आहे आणि तुम्हाला नवीन टेम्पलेटसह नवीन बॅच सुरू करावी लागेल. बॅचमध्ये शैली मिश्रित केल्याने 'ड्रिफ्ट' तयार होतो कारण मॉडेल विरोधाभासी सूचनांची सरासरी काढते. स्थिरता साध्य करण्यासाठी शैलीला स्थिर चल (constant variable) आणि विषयाला एकमेव स्वतंत्र चल (independent variable) म्हणून वापरा.

दृश्य सुसंगतता बिघडवणाऱ्या सामान्य चूका

सर्वात सामान्य चूक म्हणजे "सुंदर", "कूल" किंवा "एपिक" सारखे व्यक्तिवादी विशेषण वापरणे. या शब्दांना कोणतेही स्थिर दृश्य व्याख्या नसते आणि ते यादृच्छिक विविधता आणतात. ते काढून टाका. त्यांच्याऐवजी वर्णनात्मक गुणधर्म वापरा.

दुसरी चूक म्हणजे मॉडेलच्या डीफॉल्ट्सवर अति-अवलंबून राहणे. काही मॉडेलमध्ये विशिष्ट सौंदर्याकडे, जसे की तिव्र कॉन्ट्रास्ट किंवा विशिष्ट रंगकष्ट, अंतर्निहित कल असतो. जर तुमची इच्छित शैली या डीफॉल्ट्सच्या विरुद्ध असेल, तर तुम्हाला स्पष्ट निगेटिव्ह प्रॉम्प्ट्सद्वारे त्यांचा विरोध करावा लागेल. उदाहरणार्थ, जर तुम्हाला मऊ, कमी-कॉन्ट्रास्ट प्रकाश हवा असेल पण मॉडेल डीफॉल्ट म्हणून तिव्र कॉन्ट्रास्ट निवडत असेल, तर शैली विभागात "low contrast, soft shadows" आणि निगेटिव्ह विभागात "high contrast, harsh shadows" जोडा.

शेवटी, निगेटिव्ह प्रॉम्प्ट वगळू नका. निगेटिव्ह प्रॉम्प्ट ऐच्छिक नसतात. ते मॉडेलला काय टाळावे हे परिभाषित करतात, जे बऱ्याचदा काय समाविष्ट करावे हे परिभाषित करण्यापेक्षा अधिक प्रभावी असते. निगेटिव्ह व्याख्येविषयीची शैली ही अर्धवट परिभाषित शैली असते.

वेगवेगळ्या विषयांमध्ये शैली टिकवून ठेवण्याच्या तंत्रे

ज्या वेळी तुम्ही एका व्यक्तीकडून उत्पादनाकडे आणि नंतर भूदृश्याकडे अशा विस्तृत विषयांमध्ये जात असता, तेव्हा शैली निर्बंध असे मजबूत असले पाहिजेत की ते सर्वत्र लागू होऊ शकतील. पूर्ण उत्पादन बॅचवर वचनबद्ध होण्यापूर्वी विविध विषयांच्या संचावर तुमचे शैली टेम्पलेट चाचणी करा. जर एका विषय प्रकारावर शैली तुटत असेल, तर वर्णक शब्दांत सुधारणा करा. उदाहरणार्थ, "grainy film texture" एका व्यक्तीवर नैसर्गिक दिसू शकते पण चकचकीत उत्पादनावर कृत्रिम दिसू शकते. अशा परिस्थितीत, टेक्स्चर वर्णक बदलून "subtle film grain, slight lens flare" असे काहीतरी वापरा जे सर्व संदर्भांमध्ये काम करते.

अंतर भरण्यासाठी मध्यम विषयांचा वापर करा. जर तुम्ही पोर्ट्रेटकडून सिटीस्केपकडे जात असाल, तर शहरातील व्यक्तीची मध्यम प्रतिमा जनरेट करा. हे शैली निर्बंध संक्रमणादरम्यान टिकून राहतात का हे तपासण्यास मदत करते. जर मध्यम प्रतिमेत शैली ड्रिफ्ट होत असेल, तर अंतिम विषयाकडे जाण्यापूर्वी प्रॉम्प्ट दुरुस्त करा.

शैलीगत सुसंगतता ही बंधनांचे व्यवस्थापन करण्याची प्रक्रिया आहे, जादू नाही. तुम्ही AI ला तुमच्या रुची लक्षात ठेवण्यास सांगत नाही; तुम्ही प्रत्येक वेळी त्याला एक अचूक स्पेसिफिकेशन शीट देत असता. तुमच्या स्टाइल प्रॉम्प्टला रेसिपीप्रमाणे वागा: प्रत्येक घटक नमूद, मोजलेला आणि पुनरावृत्त केलेला असला पाहिजे. रेसिपीपासून विचलित झाल्यास पदार्थ बदलतो. त्याच पद्धतीने राहिल्यास आउटपुट सुसंगत राहते.