
ساختن یک تصویر مناسب همیشه به دوربین حرفهای، نرمافزارهای پیچیده یا مهارت طراحی نیاز ندارد. ابزارهای هوش مصنوعی تولید تصویر این فرایند را سادهتر کردهاند: کاربر صحنهای را با زبان طبیعی توصیف میکند و مدل، بر اساس همان توصیف، تصویری میسازد یا تصویر موجود را تغییر میدهد. یکی از ابزارهایی که در این زمینه مورد توجه قرار گرفته، نانو بنانا است؛ نامی که برای مدل تولید و ویرایش تصویر در خانواده Gemini به کار میرود.
اما «تولید تصویر با نانو بنانا» فقط به ساخت یک عکس از صفر محدود نیست. میتوان با آن تصویرسازی مفهومی، پرتره، محتوای شبکههای اجتماعی، طرحهای تبلیغاتی، تصویر آموزشی، کاراکتر، فضای داستانی و حتی ویرایش مرحلهای یک عکس را تجربه کرد. نوع خروجی تا حد زیادی به خواسته کاربر، کیفیت توضیح، تصویر مرجع و محدودیتهای خود مدل بستگی دارد.
در این مقاله با انواع تصویرهایی که میتوان با نانو بنانا ساخت یا ویرایش کرد آشنا میشویم، چند نمونه پرامپت میبینیم و درباره انتخاب سبک، اصلاح نتیجه و نکات مهم استفاده از تصویرهای هوش مصنوعی صحبت میکنیم.
نانو بنانا نام رایج و غیررسمی مدل تصویر Gemini است که برای تولید و ویرایش تصویر به کار میرود. کاربر میتواند درخواستش را با زبان طبیعی بنویسد؛ برای مثال توضیح دهد چه چیزی در تصویر باشد، صحنه کجا اتفاق بیفتد، نور چگونه باشد یا تصویر چه حسوحالی داشته باشد. سپس مدل بر اساس این راهنمایی تصویر تولید میکند.
در بعضی کاربردها، کاربر تنها متن میدهد و تصویر از ابتدا ساخته میشود. در کاربردهای دیگر، تصویری را وارد میکند و از مدل میخواهد تغییری مشخص در آن ایجاد کند؛ مثلاً پسزمینه را عوض کند، رنگ یک شیء را تغییر دهد یا عناصر اضافهای را از کادر حذف کند. بنابراین بهتر است نانو بنانا را هم یک ابزار تولید تصویر و هم یک ابزار ویرایش تصویر با دستور متنی بدانیم.
نکته مهم این است که نتیجه هر بار میتواند متفاوت باشد. توصیفهای دقیقتر معمولاً به مدل کمک میکنند منظور را بهتر درک کند، اما تضمینی وجود ندارد که خروجی دقیقاً همان چیزی باشد که کاربر در ذهن دارد. بهخصوص در جزئیات ظریف، نوشتههای داخل تصویر، دستها، چهرههای مشابه یا صحنههای بسیار شلوغ ممکن است لازم باشد چند بار درخواست را اصلاح کنیم.
یکی از رایجترین درخواستها، ساخت تصویری است که ظاهر عکس واقعی داشته باشد. در این نوع تصویر، کاربر میتواند سوژه، محیط، زاویه دید، نورپردازی و حالوهوای عکس را مشخص کند. برای مثال میشود یک میز کار در اتاقی روشن، یک فنجان قهوه کنار پنجره یا یک منظره کوهستانی در هوای مهآلود را توصیف کرد.
برای نزدیک شدن به سبک عکاسی واقعی، بهتر است بهجای نوشتن چند صفت کلی، جزئیات کاربردی اضافه کنیم: نور صبح یا عصر، نمای نزدیک یا دور، پسزمینه ساده یا شلوغ، حس صمیمی یا رسمی، و جایگاه سوژه در کادر. عبارتهایی مثل «عکس تبلیغاتی واقعگرا» یا «پرتره با نور نرم و پسزمینه محو» نیز میتوانند مسیر تصویری را روشنتر کنند.
نمونه پرامپت:
تصویری واقعگرا از یک فنجان چای روی میز چوبی کنار پنجره، نور ملایم صبحگاهی، بخار کمرنگ روی فنجان، فضای آرام خانه، ترکیببندی ساده، بدون نوشته و لوگو.
این نوع تصویر برای ایدهپردازی، تصویرسازی مقاله یا ساخت محتوای عمومی مناسب است. با این حال، اگر تصویر قرار است محصول واقعی یک برند را نشان دهد، باید بررسی شود که شکل و ویژگیهای محصول در خروجی دقیق و قابلاعتماد باشند.
نانو بنانا میتواند برای ساخت صحنههایی به کار برود که در دنیای واقعی وجود ندارند: شهری روی ابرها، کتابخانهای زیر آب، جنگلی با گیاهان نورانی یا سفری خیالی در سیارهای دور. این نوع تصویرسازی برای نویسندگان، بازیسازان، طراحان و افرادی که میخواهند ایدهای را پیش از اجرای حرفهای به تصویر بکشند مفید است.
در صحنههای خیالی، مهم است که عناصر اصلی داستان را مشخص کنیم. اگر فقط بنویسیم «یک تصویر فانتزی زیبا»، مدل فضای زیادی برای حدسزدن دارد. اما اگر بگوییم شخصیت اصلی کیست، کجا قرار دارد، چه چیزی در پسزمینه دیده میشود و نور چه رنگی است، احتمال نزدیکشدن خروجی به تصورمان بیشتر میشود.
نمونه پرامپت:
تصویرسازی فانتزی از یک کتابخانه قدیمی در اعماق دریا؛ قفسههای کتاب میان مرجانها قرار گرفتهاند، نور آبی از پنجرههای گرد وارد میشود، چند ماهی کوچک در پسزمینه دیده میشوند، فضای آرام و خیالانگیز، بدون متن.
برای این نوع تصویر، میتوان سبک را نیز مشخص کرد: تصویرسازی دیجیتال، نقاشی آبرنگ، کتاب داستان کودک یا طراحی مفهومی. انتخاب سبک باعث میشود تصویر از نظر رنگ، بافت و جزئیات مسیر مشخصتری داشته باشد.
یکی دیگر از کاربردهای متداول هوش مصنوعی تولید تصویر، ساخت پرتره یا طراحی یک شخصیت است. میتوان ویژگیهای ظاهری، لباس، حالت چهره و محیط را توصیف کرد؛ برای نمونه، شخصیت یک داستان، مجری یک برنامه خیالی یا چهرهای برای یک پروژه هنری.
برای پرتره، بهتر است درباره زاویه دوربین، نوع نور، حالت چهره و پسزمینه توضیح بدهیم. عبارتهایی مثل «نمای نیمتنه»، «نگاه مستقیم به دوربین»، «نور طبیعی» یا «پسزمینه ساده» از توصیفهایی هستند که منظور را روشنتر میکنند. اگر هدف ساخت شخصیت تکرارشونده در چند تصویر باشد، باید ویژگیهای ثابت او را در درخواستها بهروشنی تکرار کرد. با این حال، ممکن است مدل در تکرار دقیق جزئیات چهره یا لباس در چند خروجی با محدودیت روبهرو شود.
در ساخت یا ویرایش تصویر افراد واقعی باید به حریم خصوصی و رضایت توجه کرد. استفاده از چهره افراد بدون اجازه، بهویژه برای ساخت محتوای گمراهکننده یا آسیبزننده، کار درستی نیست. همچنین نباید تصویر تولیدشده را طوری ارائه کرد که مخاطب آن را عکس مستند یا مدرک واقعی تصور کند.
تصویر تبلیغاتی باید توجه مخاطب را جلب کند و محصول را در فضایی متناسب با کاربردش نمایش دهد. نانو بنانا میتواند برای آزمودن ایدههای بصری اولیه به کار برود؛ مثلاً نمایش یک بطری نوشیدنی روی میز پیکنیک، یک دفتر در فضای کاری مینیمال یا یک محصول مراقبت از پوست در کنار عناصر مرتبط با طبیعت.
در این نوع تصویر، باید مشخص کنیم محصول کجای کادر باشد، پسزمینه چه نقشی داشته باشد و تصویر برای چه فضایی استفاده خواهد شد. برای نمونه، تصویر پست شبکه اجتماعی ممکن است ترکیببندی مربعی بخواهد، در حالی که بنر وبسایت به قاب افقی نیاز دارد. اگر جای مشخصی برای تیتر لازم است، باید در پرامپت فضای خالی آن قسمت را هم توضیح دهیم.
نمونه پرامپت:
یک تصویر تبلیغاتی مینیمال برای معرفی دفتر یادداشت؛ دفتر سبز تیره روی میز روشن قرار دارد، یک خودکار در کنار آن است، نور نرم استودیویی، فضای خالی در سمت راست برای افزودن تیتر، بدون لوگو و نوشته داخل تصویر.
برای کمپین واقعی، خروجی هوش مصنوعی بهتر است نقطه شروع باشد، نه جایگزین بررسی نهایی. شکل بستهبندی، رنگ سازمانی، نسبت ابعاد و هویت بصری برند باید با محصول واقعی تطبیق داده شوند. نوشتههایی که مدل در تصویر تولید میکند نیز ممکن است ناخوانا یا نادرست باشند؛ معمولاً بهتر است متن نهایی در نرمافزار طراحی اضافه شود.
تولید تصویر برای پست، کاور مقاله یا تصویر شاخص وبلاگ، از کاربردهای عملی نانو بنانا است. در این حالت، تصویر باید هم با موضوع محتوا هماهنگ باشد و هم در اندازه کوچک قابلفهم بماند. اگر تصویر بیش از حد شلوغ باشد، مخاطب در نگاه اول موضوع را تشخیص نمیدهد.
برای تصویر شاخص مقاله، معمولاً یک سوژه مرکزی و پسزمینه کنترلشده انتخاب مناسبی است. بهتر است از مدل بخواهیم تصویر بدون نوشته باشد و عنوان را جداگانه به آن اضافه کنیم. این کار هم امکان اصلاح متن را آسانتر میکند و هم از اشتباههای احتمالی در تولید حروف جلوگیری میکند.
نمونه پرامپت:
تصویر شاخص افقی برای مقالهای درباره یادگیری زبان با کمک هوش مصنوعی؛ یک لپتاپ روی میز، صفحهای با نشانههای ساده گفتوگوی زبانی، دفترچه یادداشت در کنار آن، نور طبیعی، ترکیببندی خلوت، بدون نوشته و لوگو.
در شبکههای اجتماعی، هماهنگی میان تصویر و کپشن اهمیت زیادی دارد. تصویر نباید وعدهای بدهد که محتوای نوشتهشده برآورده نمیکند. همچنین اگر خروجی تصویر واقعینماست، بهتر است در موقعیتهایی که ممکن است باعث برداشت اشتباه شود، ماهیت تولیدشده آن را روشن کنیم.
تصویر آموزشی میتواند یک مفهوم را سادهتر و سریعتر از چند پاراگراف توضیح دهد. برای نمونه، میتوان از هوش مصنوعی خواست محیط یک آزمایشگاه، نمای کلی یک چرخه طبیعی یا صحنهای برای آموزش واژگان را تصویرسازی کند. این روش برای معلمها، نویسندگان محتوای آموزشی و سازندگان ارائهها کاربرد دارد.
برای تولید تصویر آموزشی باید مراقب دقت بود. تصویرسازی یک مفهوم کلی، مثل «چرخه آب»، میتواند برای توضیح مقدماتی مناسب باشد، اما یک نمودار علمی دقیق یا تصویری که قرار است جزئیات تخصصی را آموزش دهد به راستیآزمایی نیاز دارد. مدل ممکن است رابطهها، جهت پیکانها، برچسبها یا تناسب اجزا را درست بازنمایی نکند.
برای نتیجه بهتر، ابتدا تصویر پایه را بدون متن بسازید و سپس عنوانها و برچسبهای آموزشی را خودتان اضافه کنید. اگر محتوا برای دانشآموزان است، سبک و سطح جزئیات را نیز روشن کنید؛ برای مثال تصویرسازی ساده و قابلفهم برای کودکان یا نمای شماتیک برای آموزش بزرگسالان.
گاهی هدف ساخت یک تصویر کامل نیست؛ کاربر فقط به یک ایده اولیه برای آیکون، شیء یا طرح مفهومی نیاز دارد. نانو بنانا میتواند چند مسیر بصری برای شروع کار پیشنهاد دهد، مانند طرح یک چراغ مطالعه، بستهبندی خیالی، مبلمان مدرن یا وسیلهای برای یک داستان علمیتخیلی.
در این کاربردها، تصویر تولیدشده لزوماً فایل نهایی آماده استفاده نیست. ممکن است طراح بخواهد از آن بهعنوان مرجع بصری، نمونه اولیه یا راهی برای بررسی ترکیب رنگها استفاده کند. اگر طرح قرار است به محصول واقعی تبدیل شود، ابعاد، امکان ساخت، ایمنی و نیازهای فنی آن باید جداگانه بررسی شوند.
یکی از راههای دیگر استفاده از مدلهای تصویری، تغییر ظاهر یک تصویر یا نزدیککردن آن به سبک متفاوت است. کاربر ممکن است بخواهد یک صحنه را در حالوهوای آبرنگ، تصویرسازی کتاب کودک، پوستر قدیمی یا طراحی مینیمال ببیند. در چنین درخواستی، بهتر است دقیقاً مشخص شود کدام ویژگیها باید تغییر کنند: رنگها، بافت، نور، پسزمینه یا حالوهوای کلی.
اگر تصویر مرجع دارید، توضیح دهید چه چیزهایی باید ثابت بمانند و چه چیزی باید تغییر کند. برای مثال: «ترکیببندی و سوژه را حفظ کن، فقط ظاهر رنگ و بافت را به نقاشی آبرنگ نزدیک کن.» هرچه درخواست روشنتر باشد، احتمال تغییر ناخواسته در بخشهای دیگر کمتر میشود؛ هرچند حفظ کامل تمام جزئیات همیشه تضمینشده نیست.
نانو بنانا فقط برای ساخت تصاویر تازه نیست. میتوان یک تصویر موجود را بهعنوان نقطه شروع در نظر گرفت و تغییرات مشخصی خواست. برای نمونه:
تغییر رنگ لباس یا یک شیء
سادهکردن یا تعویض پسزمینه
افزودن یک عنصر به صحنه
حذف یک عنصر ناخواسته
تغییر نور یا حالوهوای تصویر
ساخت نسخهای متفاوت از یک ایده موجود
در ویرایش مرحلهای، بهتر است هر بار یک یا چند تغییر مرتبط را درخواست کنیم. اگر همزمان بخواهیم پسزمینه عوض شود، نور تغییر کند، لباس بازطراحی شود و شیء جدیدی اضافه شود، تشخیص اینکه کدام دستور باعث نتیجه نامطلوب شده دشوارتر میشود.
یک روش عملی این است که ابتدا تصویر را بسازیم یا وارد کنیم، سپس اصلاحهای کوچک را جداگانه انجام دهیم. مثلاً اول پسزمینه را تغییر دهیم، بعد نور را تنظیم کنیم و در پایان درباره جزئیات رنگ یا ترکیببندی تصمیم بگیریم. این روند امکان ارزیابی هر مرحله را بیشتر میکند.
پرامپت خوب قرار نیست حتماً طولانی باشد؛ باید روشن و هدفمند باشد. برای نوشتن درخواست میتوان این اجزا را در نظر گرفت:
سوژه: چه چیزی در تصویر دیده شود؟
محیط: صحنه کجا اتفاق میافتد؟
سبک: عکس واقعگرا، تصویرسازی دیجیتال یا سبک دیگری؟
نور و رنگ: نور از کجا میآید و فضای رنگی چیست؟
ترکیببندی: سوژه کجای کادر باشد و تصویر چه نسبتی داشته باشد؟
محدودیتها: چه چیزی نباید در تصویر دیده شود؟
برای مثال، بهجای «یک منظره زیبا بساز» میتوان نوشت:
منظرهای از ساحل در شمال ایران، صبح زود پس از باران، تپههای سبز در پسزمینه، ابرهای سبک، نور طبیعی و ملایم، نمای باز، رنگهای واقعگرا، بدون نوشته و افراد.
این پرامپت هنوز بسیاری از جزئیات را باز میگذارد، اما موضوع، زمان، مکان، نور، نوع نما و محدودیت را مشخص میکند. اگر نتیجه بیش از حد مهآلود بود یا رنگها را مناسب نمیدانستید، میتوانید همان بخش را در پیام بعدی اصلاح کنید.
عبارتهای کلی مثل «حرفهای»، «زیبا» یا «جذاب» از نظر هر کاربر معنای متفاوتی دارند. بهتر است آنها را با نشانههای تصویری مشخص جایگزین کنیم. بهجای «فضای حرفهای»، میتوان گفت «دفتر روشن با میز مرتب و پسزمینه ساده». بهجای «رنگهای شیک»، میتوان دو یا سه رنگ موردنظر را نام برد.
همچنین بهتر است درباره نوشته داخل تصویر احتیاط کنیم. اگر عنوان یا اطلاعات دقیق لازم دارید، تصویر را بدون نوشته تولید کنید و متن را بعداً با ابزار طراحی اضافه کنید. نوشتههای طولانی، اعداد یا نام برندها ممکن است در تصویر اشتباه باشند یا ظاهر یکنواختی نداشته باشند.
اگر هدف، تولید تصویری کاملاً تازه باشد، توصیف متنی ممکن است کافی باشد. اما وقتی قرار است یک عکس مشخص ویرایش شود یا ظاهر و چیدمان تصویر حفظ شود، بارگذاری تصویر مرجع میتواند مفید باشد. سپس درخواست را محدود و روشن بنویسید: چه چیزی تغییر کند و کدام بخشها دستنخورده بمانند.
مثلاً میتوانید بگویید:
رنگ دیوار پشت سوژه را به سبز روشن تغییر بده و سایر بخشهای عکس را حفظ کن.
درخواست محدود از نظر تشخیص تغییر موردنظر سادهتر است. با این حال، در خروجی نهایی باید بررسی کنید که جزئیات مهم عکس، مثل شکل محصول، نوشته روی بستهبندی یا نشانههای هویتی، ناخواسته تغییر نکرده باشند.
تولید تصویر فرایندی قطعی نیست. دو بار استفاده از یک توصیف ممکن است دو خروجی متفاوت بدهد. اگر نتیجه نخست مناسب نبود، بهجای بازنویسی کامل، بخش مشکلدار را مشخص کنید و همان را تغییر دهید.
تصویر واقعگرا ممکن است برای مخاطب شبیه عکس واقعی باشد، اما بهخودیخود سندی از یک اتفاق واقعی محسوب نمیشود. در خبر، گزارش یا محتوای آموزشی حساس نباید تصویر ساختهشده را بهعنوان عکس مستند جا زد.
اگر تصویر برای معرفی کالا، بستهبندی یا خدمت استفاده میشود، بررسی کنید که شکل، رنگ، نسبت اجزا و نام برند درست باشند. خروجی مدل ممکن است در این جزئیات تغییراتی ایجاد کند. نوشتههای داخل تصویر نیز بهتر است پیش از انتشار با دقت کنترل شوند.
در استفاده از تصویر افراد، آثار هنری و نشانههای تجاری باید به حقوق و رضایت افراد و صاحبان اثر توجه کرد. همچنین خروجی نباید برای جعل هویت، ایجاد برداشت گمراهکننده یا آسیبزدن به دیگران استفاده شود. استفاده مسئولانه از ابزارهای تولید تصویر، بخشی از فرایند تولید محتواست.
قابلیتهای Gemini و ابزارهای تولید تصویر آن ممکن است با زمان، منطقه جغرافیایی، نوع حساب و بهروزرسانیهای محصول فرق کنند. پیش از برنامهریزی برای کار تجاری یا گردشکار ثابت، صفحه رسمی محصول و شرایط استفاده جاری را بررسی کنید.
نانو بنانا را میتوان برای طیف متنوعی از کارهای تصویری به کار گرفت: تولید تصویر واقعگرا، تصویرسازی فانتزی، طراحی پرتره و شخصیت، ساخت ایدههای تبلیغاتی، تولید تصویر شاخص مقاله، آمادهسازی تصویر آموزشی و ویرایش عکس با دستور متنی. نتیجه بهتر معمولاً از ترکیب سه عامل به دست میآید: توضیح روشن، اصلاح مرحلهای و بازبینی دقیق خروجی.
برای شروع لازم نیست پرامپت پیچیدهای بنویسید. موضوع، محیط، سبک و چند محدودیت اصلی را مشخص کنید؛ سپس نتیجه را ببینید و فقط بخشهایی را که نیاز به اصلاح دارند تغییر دهید. اگر تصویر برای انتشار عمومی یا استفاده تجاری است، دقت اطلاعات، حقوق دیگران و احتمال برداشت اشتباه مخاطب را هم در نظر بگیرید.
نویسنده:سوزان ورزشی