آموزش صفر تا صد تکنیک‌های تولید تصویر با هوش مصنوعی ChatGPT؛ یادگیری پرامپت‌نویسی حرفه‌ای، اصلاح نور و سبک و ترفندهای خلق تصاویر شاهکار در چت جی‌پی‌تی. (۱۵۸ کاراکتر) ۲. متن کامل مقاله راهنمای جامع و صفر تا صد تکنیک های تولید تصویر با هوش مصنوعی ChatGPTدنیای تولید محتوای بصری با ورود هوش مصنوعی دچار یک تحول بنیادین شده است. روزگاری برای ساخت یک طرح گرافیکی، طراحی جلد کتاب، تصویرسازی برای مقالات وبلاگ یا خلق یک پوستر تبلیغاتی، نیاز به تسلط بر نرم‌افزارهای پیچیده‌ای همچون فتوشاپ، ایلاستریتور و ساعت‌ها کار مداوم با ابزارهای برداری و لایه‌ها داشتید. اما اکنون با تکامل مدل‌های هوش مصنوعی و پیوند موتور تولید تصویر قدرتمند DALL-E با پردازشگر زبانی چت جی‌پی‌تی، خلق شگفت‌انگیزترین آرت‌ورک‌ها تنها با چند جمله کوتاه امکان‌پذیر است.
باید تصویر با هوش مصنوعی با ChatGPT نهفته است. چرا خروجی برخی کاربران تصاویری بی‌کیفیت و کلیشه‌ای است، در حالی که دhیگران آثاری با نورپردازی سینمایی، بافت‌های واقع‌گرایانه و ترکیب‌بندی هنری استثنایی دریافت می‌کنند؟ پاسخ یک کلمه است: مهارت در «مهندسی پرامپت» و شناخت قابلیت‌های موتور تولید تصویر.
در این مقاله راهنما، قصد داریم سفری عمیق و کاربردی به دل تکنیک‌های پیشرفته تولید تصویر با ChatGPT داشته باشیم و گام‌به‌گام بیاموزیم که چگونه ذهن خلاق خود را به تصاویری ماندگار تبدیل کنید. درک نحوه عملکرد تولید عکس با چت جی پی تی
پیش از آنکه انگشتان خود را روی کیبورد حرکت دهید و متنی بنویسید، باید درک کنید که ChatGPT چگونه متن شما را به پیکسل‌های رنگی تبدیل می‌کند. هنگامی که در محیط چت از سیستم درخواست ایجاد تصویر می‌کنید، ChatGPT صرفاً متن خام شما را به موتور تصویرساز ارسال نمی‌کند؛ بلکه بر اساس درک زبانی غنی خود، پرامپت اولیه شما را تحلیل کرده، شاخ و برگ داده و آن را به توصیفی غنی، منسجم و پر از جزئیات نور، کادربندی و استایل تبدیل می‌کند.
این ویژگی شمشیر دولبه است! اگر شما یک درخواست کلی بنویسید (مانند «یک گربه در فضا»)، چت جی‌پی‌تی به سلیقه خود تصمیم می‌گیرد که گربه چه نژادی باشد، چه لباسی بپوشد و در چه فضایی قرار گیرد. اما اگر بخواهید دقیقاً همان تصویری را خلق کنید که در ذهن دارید، باید فرمان هدایت را با استفاده از اصول دقیق توصیف در دست بگیرید.
آناتومی یک پرامپت طلایی برای تولید تصویر با هوش مصنوعی
یک پرامپت شاهکار از کنار هم قرار گرفتن چند عنصر اساسی تشکیل می‌شود. اگر هر بار پیش از ارسال درخواست، این فرمول ۵ مرحله‌ای را بررسی کنید، کیفیت خروجی شما چندین پله ارتقا خواهد یافت:
1. سوژه اصلی (Subject): کاراکتر یا آبجکت محوری کیست یا چیست؟ (سن، نوع پوشش، فیگور، میمیک چهره).
2. زمینه و محیط (Environment/Setting): اتفاق در کجا رخ می‌دهد؟ (کوچه‌ای بارانی در توکیو، دشت سرسبز آلپ، یا آزمایشگاهی سایبرپانکی).
3. نورپردازی و اتمسفر (Lighting & Mood): زاویه نور، کنتراست و حس کلی چیست؟ (نور طلایی غروب، مه غلیظ، نور نئونی، سایه‌های تند).
4. سبک هنری و مدیوم (Art Style & Medium): تصویر در چه قالبی باشد؟ (عکاسی پرتره با دوربین آنالوگ، انیمه سه‌بعدی، نقاشی رنگ‌روغن با کاردک).
5. زاویه دید و مشخصات فنی (Camera & Framing): نما از چه فاصله‌ای است؟ (نمای کلوزآپ، زاویه دید پرنده، لنز ۸۵ میلی‌متری با بوکه عمیق).
تکنیک شماره ۱: انتخاب دقیق سبک بصری و مدیوم هنری
یکی از شایع‌ترین اشتباهات کاربران تازه‌کار این است که سبک تصویر را به دست شانس می‌سپارند. چت جی‌پی‌تی قادر است صدها سبک هنری گوناگون را شبیه‌سازی کند. با مشخص کردن دقیق سبک، به نتیجه‌ای هدفمند و حرفه‌ای خواهید رسید:
الف) عکاسی واقع‌گرایانه (Photorealistic)
اگر به دنبال ساخت تصاویری هستید که با عکس واقعی مو نزنند، باید از عبارات عکاسی تخصصی استفاده کنید:
- Hyper-realistic portrait, shot on 35mm film, natural sunlight, depth of field, f/1.8
- ذکر تجهیزات مثل لنزهای پرتره (۸۵ میلی‌متری)، لنز واید (۱۶ میلی‌متری برای مناظر) یا فرمت آنالوگ کداک (Kodak Portra) باعث می‌شود بافت پوست، منافذ و دانه‌های طبیعی به تصویر اضافه شوند.
ب) تصویرسازی دیجیتال و کانسپت آرت (Digital Art & Concept Art)
برای بازی‌سازان، طراحان سایت و نویسندگان رمان‌های تخیلی:
- واژگانی همچون Unreal Engine 5 render, Octane Render, dynamic concept art, detailed matte painting به کاراکترها و دنیاهای خیالی، عمق و شکوه سینمایی می‌بخشند.
ج) سبک‌های سنتی و رترو (Traditional & Retro)
آیا نیاز به یک اثر سنتی دارید؟ عباراتی نظیر:
- Watercolor on rough textured paper (آبرنگ روی کاغذ زبر)
- Impressionist oil painting with thick palette knife strokes (نقاشی امپرسیونیستی با ضربات ضخیم کاردک)
- Risograph print with limited color palette (چاپ ریزوگراف با پالت محدود)
تکنیک شماره ۲: جادوی نورپردازی؛ انتقال حس و عمق
نور عنصری است که به یک تصویر جان می‌بخشد یا آن را کاملاً تخت و بی‌روح می‌کند. هوش مصنوعی تسلط عجیبی بر شبیه‌سازی منابع نوری گوناگون دارد. برای داشتن یک تصویر جذاب، منبع نور را معین کنید:
* ساعت طلایی (Golden Hour): نوری ملایم، گرم و مایل به طلایی که سایه‌های کشیده و حس آرامش ایجاد می‌کند.
* ساعت آبی (Blue Hour): نوری خنک، مرموز و شاعرانه در گرگ‌ومیش بعد از غروب خورشید.
* نورپردازی حجمی یا مه صبحگاهی (Volumetric Lighting / Crepuscular Rays): پرتوهای نوری که از پنجره‌های یک کلیسای کهن یا از میان شاخه‌های درختان جنگل به داخل می‌تابند.
* نور کیاروسکورو (Chiaroscuro) یا رامبراند (Rembrandt Lighting): بازی تند میان تاریکی مطلق و روشنایی، مناسب برای خلق پرتره‌های دراماتیک و مفهومی.
* نورپردازی نئونی و نور حاشیه‌ای (Rim Light / Neon Glow): خط باریک نوری که دورتادور سوژه را روشن کرده و آن را از پس‌زمینه تیره جدا می‌کند.
--- تکنیک شماره ۳: کادربندی و زاویه دید دوربین
تصاویر معمولی معمولاً از روبه‌رو و در سطح چشم (Eye-level) گرفته می‌شوند؛ زاویه‌ای که پس از مدتی یکنواخت و قابل‌پیش‌بینی است. با تنظیم پرسپکتیو و زاویه دوربین، داستانی که تصویر روایت می‌کند را دگرگون کنید:
* نمای واید یا دید پرنده (Wide Shot / Bird's Eye View): مناسب برای نشان دادن ابعاد بزرگ یک شهر، یک میدان نبرد یا تنهایی سوژه در دل طبیعتی بی‌کران.
* زاویه از پایین یا کرمی (Low-angle / Worm’s Eye View): سوژه را قدرتمند، مسلط و باشکوه نشان می‌دهد.
* ماکرو یا کلوزآپ افراطی (Extreme Close-Up / Macro): تمرکز بر روی یک شبنم روی گلبرگ، رگه‌های عنبیه چشم یا بافت یک ساعت مکانیکی ظریف.
* نمای کج (Dutch Angle): کادری زاویه‌دار و مایل که حس اضطراب، ناپایداری و تعلیق دراماتیک را منتقل می‌کند.
--- تکنیک شماره ۴: تسلط بر پالت‌های رنگی و هارمونی
رنگ‌ها زبان احساسات هستند. به جای اینکه اجازه دهید چت جی‌پی‌تی از رنگ‌های تصادفی استفاده کند، پالت و حال‌وهوای رنگی اثر را کنترل کنید:
1. پالت مونوکروم (تک‌رنگ یا تنالیته‌های یک رنگ): مناسب برای طراحی‌های مینیمال و پست‌های مدرن اینستاگرام و شبکه‌های اجتماعی.
2. کنتراست نارنجی و فیروزه‌ای (Teal and Orange): محبوب‌ترین ترکیب رنگ در پوسترهای هالیوودی و فیلم‌های سینمایی اکشن.
3. پالت پاستلی و سافت (Pastel Tone): مناسب برای آثار فانتزی کودکانه، تصویرسازی‌های لطیف و محصولات آرایشی بهداشتی.
4. سایبرپانک با رنگ‌های نئونی اشباع (Magenta, Cyan, Acid Green): برای پروژه‌های فناوری، آینده‌نگر و هوش مصنوعی.
--- تکنیک شماره ۵: ویرایش تعاملی و پیوسته (Conversational Editing)
بزرگ‌ترین مزیت ساخت تصویر با ChatGPT نسبت به ابزارهایی مانند Midjourney یا Stable Diffusion در قابلیت «دیالوگ تعاملی» است. لازم نیست اگر یک تصویر عالی شد اما یک جزئیات کوچک آن غلط بود، همه چیز را از صفر شروع کنید!
شما می‌توانید با چت جی‌پی‌تی وارد مکالمه اصلاحی شوید:
- «تصویر اول عالی شد، حالا بدون تغییر در چهره و ژست، کلاه سوژه را حذف کن و ژاکت چرمی‌اش را به کت خاکستری پشمی تبدیل نما.»
- «زاویه دوربین را کمی به سمت چپ بچرخان و نور خورشید را متمایل‌تر کن.»
- «پس‌زمینه را تار کن تا عمق میدان بیشتری داشته باشیم و سوژه برجسته‌تر به نظر برسد.»
همچنین قابلیت انتخاب بخشی از تصویر (Inpainting) در پلتفرم وب و اپلیکیشن چت جی‌پی‌تی این امکان را می‌دهد که با براش روی نقطه مورد نظر علامت بزنید و تنها همان ناحیه را بازتولید کنید.
--- تکنیک شماره ۶: خلق متن‌های صحیح درون تصویر
یکی از قدیمی‌ترین چالش‌های موتورهای هوش مصنوعی، درج متن‌های الفبایی با املای درست بود. با این حال با ارتقای نسل‌های جدید DALL-E در چت جی‌پی‌تی، این سیستم توانایی فوق‌العاده‌ای در نوشتن حروف انگلیسی روی تابلوها، بسته‌بندی‌ها و کتاب‌ها پیدا کرده است.
برای رسیدن به بهترین خروجی متن‌دار:
1. متنی که می‌خواهید روی تصویر بنشیند را حتماً در گیومه انگلیسی قرار دهید (مانند: with the word "INNOVATION" written boldly on the billboard).
2. جملات کوتاه، کلمات منفرد و مینیمال بهترین نتیجه را می‌دهند.
3. سبک فونت را تشریح کنید: in clean sans-serif typography, in vintage embossed gold lettering.
--- فرمول گام‌به‌گام برای نوشتن یک پرامپت حرفه‌ای
بیایید این فرمول‌ها را در قالب یک سناریوی عملی پیاده‌سازی کنیم. فرض کنید می‌خواهیم برای جلد یک مقاله درباره آینده برنامه‌نویسی تصویرسازی کنیم.
* پرامپت آماتور و ضعیف:
> «یک برنامه‌نویس که پشت لپ‌تاپ نشسته و هوش مصنوعی در کنار اوست.»
(نتیجه: تصویری کارتونی یا غیرجذاب و پر از الگوهای پیش‌پاافتاده).
* پرامپت مهندسی‌شده و حرفه‌ای:
> «A cinematic medium shot of a focused female software engineer working at night in a modern high-rise office overlooking a neon-lit futuristic city. Soft bioluminescent light emanates from floating holographic code interfaces in front of her. Shot on 35mm lens, f/2.0 aperture, dramatic volumetric lighting, subtle film grain, deep shadows with teal and amber reflections, photorealistic texture and mood of discovery.»
تفاوت این دو متن در تصویر نهایی حیرت‌آور است؛ چرا که در حالت دوم شما ابعاد بوم، اتمسفر، فوکوس و لحن بصری را کاملاً برای هوش مصنوعی تبیین کرده‌اید.
--- خطاهای رایج در تولید تصویر با ChatGPT و راه‌حل آن‌ها
در مسیر کار با هوش مصنوعی تصویری، ممکن است با مشکلاتی مواجه شوید که با شناخت قبلی می‌توان به آسانی از آن‌ها عبور کرد:
1. کیورد استافینگ یا پر کردن پرامپت با کلمات بی‌خاصیت: کلماتی مانند 8K, 4K, best quality, trending on artstation در نسخه‌های پیشرفته چت جی‌پی‌تی اثر چندانی ندارند و تنها فضای ادراکی مدل را اشغال می‌کنند. به جای آن‌ها، کیفیت نور و نوع لنز را مشخص کنید.
2. ابهام در تعدد سوژه‌ها: اگر بنویسید «یک مرد با کلاه قرمز و یک زن با پیراهن آبی و یک سگ سفید»، ممکن است رنگ‌ها ترکیب شوند و سگ آبی شود یا مرد لباس قرمز بپوشد. راه‌حل: توصیف سوژه‌ها را بخش‌بخش و با جملات مستقل از هم تفکیک کنید.
3. فراموش کردن نسبت تصویر (Aspect Ratio): به صورت پیش‌فرض ممکن است تصویر مربع باشد. اگر تصویر افقی برای هدر سایت یا بنر می‌خواهید، در انتهای درخواست خود مشخص کنید: landscape orientation, 16:9 aspect ratio یا برای استوری اینستاگرام: vertical, 9:16 aspect ratio.
یادگیری و به‌کارگیری تکنیک های تولید تصویر با هوش مصنوعی با ChatGPT مرز بین تولیدکنندگان محتوای متوسط و طراحان طراز اول را مشخص می‌کند. چت جی‌پی‌تی تنها یک ابزار اجرایی هوشمند است و قلم‌موی جادویی آن، طبق اراده و توصیف خلاقانه شما حرکت می‌کند. هر اندازه دایره واژگان بصری، شناخت سبک‌های هنری و اصول نورپردازی خود را گسترش دهید، خروجی‌های به دست آمده با هوش مصنوعی بیشتر به آثاری بدل می‌شوند که نگاه هر بیننده‌ای را به خود میخکوب می‌نمایند.
اکنون نوبت شماست؛ چت جی‌پی‌تی را باز کنید، با ترکیب سبک‌ها آزمایش کنید، خطاهای اول را با دیالوگ رفع نمایید و مرزهای تخیل بصری‌تان را به جلو ببرید.
---
نویسنده: دنیا گیلانی فر
