ساخت عکس با هوش مصنوعی؛ آموزش گام‌به‌گام و نکات کلیدی

به گزارش سردبیر پرس، شاید بخواهید برای یک مقاله، پوستر، صفحه اجتماعی یا داستان، تصویری از یک کتابخانه در مه، شهری خیالی یا چهره‌ای کاملاً ساختگی داشته باشید. تا چند سال پیش، رسیدن به چنین تصویری معمولاً به عکاسی، طراحی یا سفارش به یک هنرمند نیاز داشت.
امروز ابزارهای هوش مصنوعی می‌توانند این مسیر را از چند خط توضیح آغاز کنند. ساخت عکس با هوش مصنوعی دیگر فقط یک سرگرمی تکنولوژیک نیست و به بخشی از فرایند تولید محتوا، طراحی، تبلیغات و ایده‌پردازی تبدیل شده است.
بااین‌حال، یک تصور اشتباه همچنان رایج است: اینکه کافی است یک جمله بنویسیم و ابزار هوش مصنوعی دقیقاً همان چیزی را که در ذهن داریم تحویل دهد. واقعیت پیچیده‌تر است. کیفیت خروجی به هدف، توصیف، انتخاب ابزار، نوع تصویر، تنظیمات و مهم‌تر از همه، توانایی کاربر در ارزیابی و اصلاح نتیجه بستگی دارد.
ساخت عکس با هوش مصنوعی چیست؟
در ساده‌ترین تعریف، در ساخت عکس با هوش مصنوعی، کاربر یک توصیف متنی، تصویر مرجع یا ترکیبی از این دو را در اختیار یک مدل مولد قرار می‌دهد و مدل، تصویر تازه‌ای تولید می‌کند.
هوش مصنوعی مولد می‌تواند محتواهایی مانند موارد زیر را ایجاد کند:

تصویر؛
ویدئو؛
صوت؛
متن؛
و مدل‌های سه‌بعدی.

ساخت عکس فقط یکی از کاربردهای گسترده‌تر هوش مصنوعی مولد است. نکته مهم این است که تصویر تولیدشده را نباید با عکسی ثبت‌شده از واقعیت اشتباه گرفت. یک مدل می‌تواند تصویری بسیار طبیعی تولید کند؛ اما طبیعی‌بودن ظاهر تصویر به معنای واقعی‌بودن رویداد، مکان یا شخصیت آن نیست. این تفاوت برای استفاده رسانه‌ای، خبری و تبلیغاتی اهمیت زیادی دارد. تصویری که با هوش مصنوعی تولید شده است، در صورت انتشار عمومی باید به‌درستی معرفی شود تا مخاطب آن را با یک عکس واقعی اشتباه نگیرد.
پیش از ساخت تصویر، دقیقاً بدانید چه می‌خواهید
بهترین نقطه شروع، خود ابزار نیست؛ بلکه ایده است. پیش از بازکردن یک سرویس تصویرساز، مشخص کنید تصویر برای چه کاری تولید می‌شود.
برای نمونه:

اگر تصویر برای مقاله است، موضوع اصلی باید سریع دیده شود؛
اگر برای شبکه اجتماعی است، نسبت تصویر و جذابیت بصری اهمیت بیشتری دارد؛
اگر برای داستان یا کتاب کودک است، شخصیت، فضا و تداوم ظاهری مهم هستند؛
اگر برای تبلیغ محصول است، محصول باید در مرکز توجه باقی بماند.

یک تمرین ساده این است که ابتدا ایده را در یک جمله فارسی برای خودتان بنویسید.
برای مثال:

«می‌خواهم تصویری آرام و نوستالژیک از یک کتاب‌فروشی قدیمی در عصر بارانی داشته باشم.»

سپس این جمله را به عناصر دیداری تبدیل کنید:

کتاب‌فروشی قدیمی؛
خیابان خیس؛
نور گرم داخل مغازه؛
باران؛
فضای نوستالژیک؛
و نمای سینمایی.

این کار باعث می‌شود هنگام نوشتن پرامپت، بدانید کدام عناصر برایتان ضروری هستند.
پرامپت چیست و چرا اهمیت دارد؟
پرامپت همان توضیح یا دستوری است که به مدل هوش مصنوعی می‌دهید. هرچه این توضیح روشن‌تر باشد، مدل اطلاعات بیشتری برای ساخت تصویر در اختیار دارد. البته روشن‌بودن با طولانی‌بودن یکی نیست.
یک پرامپت چندخطی و پر از صفت‌های متناقض ممکن است نتیجه را بدتر کند. در یک پرامپت مناسب، می‌توان به عناصر زیر توجه کرد:

موضوع اصلی؛
محیط؛
سبک یا نوع تصویر؛
نور؛
رنگ؛
حال‌وهوا؛
ترکیب‌بندی؛
زاویه دید؛
و نسبت تصویر.

برای مثال، به جای نوشتن «کتاب‌فروشی زیبا»، می‌توان این توضیح را به کار برد:

«کتاب‌فروشی قدیمی در خیابانی سنگ‌فرش‌شده، عصر بارانی، پنجره‌های گرم با نور زرد، قفسه‌های چوبی پر از کتاب، فضای نوستالژیک، عکاسی واقع‌گرایانه، نمای سینمایی.»

در این نمونه، مدل می‌داند موضوع چیست، محیط چگونه است، نور چه حال‌وهوایی دارد و تصویر باید با چه سبکی ساخته شود.
یک فرمول ساده برای نوشتن پرامپت
برای شروع می‌توانید از این ترتیب استفاده کنید:
موضوع اصلی + محیط + سبک یا نوع تصویر + نور + رنگ + حال‌وهوا + ترکیب‌بندی + نسبت تصویر
لازم نیست همه این بخش‌ها در هر پرامپت وجود داشته باشند. اگر موضوع ساده است، توضیح بیش از اندازه می‌تواند آزادی خلاقانه مدل را کاهش دهد. هدف اصلی، کنترل عناصر مهم است؛ نه توصیف‌کردن تک‌تک پیکسل‌های تصویر.

نمونه پرامپت برای تصویر افقی مقاله

«یک نویسنده جوان پشت میز چوبی در اتاقی آرام، کتاب‌های قدیمی در اطراف او، نور صبح از پنجره، فضای فکری و آرام، عکاسی واقع‌گرایانه، نمای متوسط، ترکیب‌بندی افقی، نسبت تصویر ۱۶:۹.»

آموزش گام‌به‌گام ساخت عکس با هوش مصنوعی
گام اول: هدف تصویر را مشخص کنید
پیش از هر چیز بدانید تصویر قرار است کجا استفاده شود:

مقاله؛
سایت؛
شبکه اجتماعی؛
پوستر؛
تبلیغات؛
ارائه دانشگاهی؛
یا پروژه هنری.

هدف، سبک و ترکیب‌بندی تصویر را تعیین می‌کند.
گام دوم: سوژه اصلی را تعیین کنید
سوژه اصلی باید روشن باشد.
اگر سوژه انسان است، تعداد افراد، حالت کلی، پوشش و موقعیت آن‌ها را مشخص کنید.
اگر سوژه یک شیء است، شکل، رنگ، اندازه و جایگاه آن را توضیح دهید.
برای مثال، میان این دو دستور تفاوت زیادی وجود دارد:

«یک میز زیبا»؛
«میز چوبی قدیمی با یک چراغ مطالعه، چند کتاب باز و فنجان قهوه در مرکز قاب».

گام سوم: محیط را بسازید
محیط، فضای کلی تصویر را شکل می‌دهد.
می‌توانید درباره مکان، زمان و شرایط محیطی توضیح دهید:

اتاقی روشن؛
خیابانی بارانی؛
جنگلی مه‌آلود؛
آزمایشگاهی آینده‌نگر؛
شهری خیالی؛
یا ساحلی در هنگام غروب.

یک محیط دقیق، انتخاب‌های مدل را محدود و نتیجه را کنترل‌پذیرتر می‌کند.
گام چهارم: سبک تصویر را انتخاب کنید
سبک، ظاهر و زبان بصری تصویر را مشخص می‌کند.
برخی گزینه‌های رایج عبارت‌اند از:

عکاسی واقع‌گرایانه؛
تصویرسازی دیجیتال؛
نقاشی رنگ‌روغن؛
آبرنگ؛
طراحی گرافیکی؛
سبک سینمایی؛
مینیمال؛
فانتزی؛
علمی‌تخیلی؛
و کلاژ.

بهتر است در یک پرامپت، سبک‌های متضاد را هم‌زمان درخواست نکنید؛ مگر اینکه دقیقاً بدانید چه ترکیبی می‌خواهید.
گام پنجم: نور و رنگ را مشخص کنید
نور و رنگ، تأثیر زیادی بر حال‌وهوای تصویر دارند.
برای نمونه:

نور صبحگاهی، حس آرام و طبیعی ایجاد می‌کند؛
نور استودیویی برای تصاویر تبلیغاتی مناسب است؛
نور نئون، فضای مدرن یا علمی‌تخیلی ایجاد می‌کند؛
نور غروب، حس گرم و احساسی به تصویر می‌دهد؛
نور سرد و سایه‌های عمیق، فضای رازآلود یا ترسناک می‌سازند.

همچنین می‌توانید پالت رنگی را مشخص کنید؛ مانند رنگ‌های گرم، سرد، خنثی، پاستلی یا تک‌رنگ.
گام ششم: کادر و زاویه دید را تعیین کنید
کادر مناسب به هدف تصویر وابسته است.

نمای نزدیک برای تأکید بر چهره یا جزئیات مناسب است؛
نمای متوسط برای نشان‌دادن سوژه و بخشی از محیط کاربرد دارد؛
نمای باز برای نمایش فضای گسترده مناسب‌تر است؛
زاویه پایین می‌تواند سوژه را قدرتمند نشان دهد؛
و زاویه بالا، دیدی متفاوت و گاهی گرافیکی ایجاد می‌کند.

گام هفتم: نسبت تصویر را انتخاب کنید
نسبت تصویر یکی از جزئیاتی است که کاربران تازه‌کار معمولاً نادیده می‌گیرند. تصویری که برای مقاله افقی، استوری عمودی یا تصویر پروفایل مربعی ساخته می‌شود، به قاب یکسانی نیاز ندارد.
نسبت‌های رایج عبارت‌اند از:

۱:۱ برای تصویر مربعی؛
۱۶:۹ برای تصویر افقی و ویدئو؛
۹:۱۶ برای استوری و ویدئوی عمودی؛
۴:۵ برای بسیاری از پست‌های عمودی شبکه‌های اجتماعی.

در برخی ابزارها، مانند Midjourney، نسبت تصویر با پارامترهایی مانند –ar یا –aspect تعیین می‌شود.
برای نمونه:

–ar 1:1
–ar 16:9
–ar 9:16

نسبت تصویر با اندازه نهایی فایل یکی نیست؛ بلکه فقط رابطه میان عرض و ارتفاع قاب را مشخص می‌کند. پیش از تولید، محل انتشار را در نظر بگیرید. گاهی تصویری بسیار خوب فقط به این دلیل نامناسب است که سوژه اصلی در قاب اشتباه قرار گرفته است.
گام هشتم: خروجی را با دقت بررسی کنید
پس از تولید تصویر، فقط به جذابیت کلی آن نگاه نکنید.
بررسی کنید:

آیا سوژه اصلی درست ساخته شده است؟
آیا تعداد افراد و اشیا صحیح است؟
آیا دست‌ها و انگشت‌ها طبیعی هستند؟
آیا چهره‌ها تناسب مناسبی دارند؟
آیا نوشته‌ها خوانا و درست هستند؟
آیا نور و سایه‌ها با یکدیگر هماهنگ‌اند؟
آیا محصول تغییر شکل نداده است؟
و آیا تصویر با هدف اولیه شما سازگار است؟

گام نهم: تصویر را مرحله‌به‌مرحله اصلاح کنید
اگر تصویر تقریباً مناسب است، همه‌چیز را یک‌باره تغییر ندهید. فقط یک یا دو عنصر را اصلاح کنید. برای مثال:

نور را گرم‌تر کنید؛
پس‌زمینه را ساده‌تر کنید؛
تعداد اشیا را کاهش دهید؛
سوژه را به مرکز قاب نزدیک‌تر کنید؛
یا حالت چهره را تغییر دهید.

این روش به شما کمک می‌کند بفهمید کدام تغییر واقعاً مؤثر بوده است.
استفاده از تصویر مرجع
همیشه نمی‌توان یک ایده را فقط با کلمات توضیح داد. ممکن است رنگ، فرم، نور یا ترکیب‌بندی خاصی در ذهن داشته باشید که توصیف آن دشوار باشد. در چنین شرایطی، تصویر مرجع می‌تواند کمک کند. تصویر مرجع می‌تواند روی محتوای تصویر، ترکیب‌بندی، رنگ و برخی عناصر بصری اثر بگذارد.
در این روش، تصویر مرجع بیشتر برای انتقال حال‌وهوای بصری، بافت، نور، رنگ و سبک به کار می‌رود. این ابزارها معمولاً برای کپی دقیق تصویر طراحی نشده‌اند، بلکه از تصویر مرجع به‌عنوان راهنما برای ساخت خروجی جدید استفاده می‌کنند. اگر تصویر مرجعی با نورپردازی ویژه دارید و می‌خواهید تصویر جدید همان حس بصری را منتقل کند، ابزارهای مربوط به سبک می‌توانند مفید باشند. اگر می‌خواهید عناصر محتوایی تصویر نیز بر نتیجه اثر بگذارند، استفاده از تصویر مرجع محتوایی کاربرد متفاوتی دارد.
چرا خروجی هوش مصنوعی گاهی عجیب است؟
اگر تصویرساز هوش مصنوعی خروجی نامناسبی تولید کرد، لزوماً به معنای ضعیف‌بودن ابزار نیست. ممکن است دستور شما مبهم باشد. برای مثال، عبارت «یک شهر آینده‌نگر زیبا» انتخاب‌های زیادی را به مدل واگذار می‌کند. اگر هدف مشخص‌تری دارید، باید جزئیات اصلی را اضافه کنید؛ برای نمونه:

«شهری آینده‌نگر در شب، ساختمان‌های شیشه‌ای بلند، قطارهای معلق، نورهای نئونی آبی و بنفش، خیابان‌های تمیز، فضای سینمایی و نمای باز.»

از طرف دیگر، پرامپت‌های بیش از حد طولانی و متناقض نیز می‌توانند مدل را سردرگم کنند. برای مثال، درخواست هم‌زمان تصویری «کاملاً مستند، کارتونی، مینیمال، شلوغ و فوق‌واقع‌گرایانه» اولویت مشخصی به مدل نمی‌دهد. راه بهتر این است که ابتدا ویژگی‌های مهم‌تر را مشخص کنید و سپس خروجی را مرحله‌به‌مرحله اصلاح کنید.
چگونه تصویر طبیعی‌تر و حرفه‌ای‌تر بسازیم؟
برای رسیدن به خروجی حرفه‌ای، به‌جای جست‌وجوی یک «پرامپت جادویی»، یک فرایند منظم ایجاد کنید.
از توصیف‌های تصویری استفاده کنید
به‌جای نوشتن «عکس قشنگ»، عناصر قابل مشاهده را توصیف کنید:

نور نرم صبحگاهی؛
عمق میدان کم؛
نمای نزدیک؛
پس‌زمینه محو؛
رنگ‌های گرم؛
بافت طبیعی پوست؛
و سایه‌های ملایم.

به‌جای عبارت کلی «فضای ترسناک»، می‌توانید بنویسید:

«راهروی خالی، نور سرد، مه کم، دیوارهای قدیمی و سایه‌های عمیق.»

هرچه کلمات شما بیشتر به چیزی مربوط باشند که واقعاً دیده می‌شود، کنترل تصویر آسان‌تر خواهد بود.
چند نسخه تولید کنید
گاهی بهترین تصویر در نخستین تلاش ساخته نمی‌شود. چند نسخه از یک ایده تولید کنید و تفاوت‌های آن‌ها را بررسی کنید. سپس از میان آن‌ها، تصویری را که ترکیب‌بندی و حال‌وهوای مناسب‌تری دارد انتخاب کنید.
عناصر مهم را جداگانه اصلاح کنید
اگر سوژه مناسب است اما پس‌زمینه مشکل دارد، فقط پس‌زمینه را تغییر دهید. اگر نور خوب است اما چهره طبیعی نیست، اصلاح را روی چهره متمرکز کنید. تغییر هم‌زمان همه عناصر، تشخیص علت مشکل را دشوار می‌کند.
نوشته‌ها را با دقت بررسی کنید
مدل‌های تولید تصویر هنوز در تولید متن دقیق، به‌ویژه متن‌های طولانی، ممکن است خطا داشته باشند. اگر تصویر شامل عنوان، لوگو یا اطلاعات مهم است، نوشته‌ها را پس از تولید بررسی و در صورت نیاز با ابزارهای طراحی اصلاح کنید.
ساخت عکس با هوش مصنوعی برای چه کسانی کاربرد دارد؟
ابزارهای تولید تصویر برای گروه‌های مختلف کاربرد دارند:
تولیدکنندگان محتوا
تولیدکنندگان محتوا می‌توانند از این ابزارها برای ساخت تصویر کاور، تصویرسازی مقاله، محتوای شبکه‌های اجتماعی و ایده‌های بصری استفاده کنند.
نویسندگان
نویسندگان می‌توانند برای تصور فضای داستان، طراحی اولیه شخصیت‌ها و ساخت نمونه‌های بصری از جهان داستانی خود از هوش مصنوعی کمک بگیرند.
طراحان
طراحان گرافیک و تبلیغات می‌توانند از تصویرسازهای هوش مصنوعی برای ایده‌پردازی اولیه، بررسی ترکیب‌بندی و ساخت نمونه‌های سریع استفاده کنند.
کسب‌وکارها
کسب‌وکارها می‌توانند نمونه‌های اولیه کمپین‌های تبلیغاتی، بسته‌بندی، تصاویر محصول و محتوای بصری را سریع‌تر آزمایش کنند.
آموزش و پژوهش
در حوزه آموزش نیز می‌توان از این ابزارها برای ساخت تصاویر توضیحی، بازسازی مفاهیم تاریخی، طراحی محیط‌های فرضی و ارائه محتوای آموزشی استفاده کرد.
نکات اخلاقی و حقوقی ساخت تصویر با هوش مصنوعی
استفاده از تصویرسازهای هوش مصنوعی فقط به مهارت فنی محدود نمی‌شود و ملاحظات اخلاقی و حقوقی نیز اهمیت دارد.
هنگام انتشار تصویر، به نکات زیر توجه کنید:

تصویر تولیدشده را به‌عنوان عکس واقعی معرفی نکنید؛
در محتوای خبری، ماهیت مصنوعی تصویر را شفاف اعلام کنید؛
از بازسازی چهره افراد واقعی بدون رضایت آن‌ها خودداری کنید؛
قوانین مربوط به مالکیت فکری ابزار و تصاویر مرجع را بررسی کنید؛
از تولید تصاویر جعلی با هدف فریب، تخریب یا انتشار اطلاعات نادرست پرهیز کنید؛
و در استفاده تجاری، شرایط مجوز سرویس مورد استفاده را بخوانید.

همچنین اگر از تصویر یا سبک هنرمند دیگری الهام می‌گیرید، بهتر است به مرز میان الهام، تقلید و بازتولید مستقیم توجه داشته باشید.
جمع‌بندی
ساخت عکس با هوش مصنوعی از یک ایده ساده شروع می‌شود؛ اما تصویر قابل استفاده حاصل چند مرحله است:

مشخص‌کردن هدف؛
تعیین سوژه و محیط؛
نوشتن پرامپت روشن؛
انتخاب سبک، نور و رنگ؛
تعیین کادر و نسبت تصویر؛
استفاده درست از تصویر مرجع؛
بررسی دقیق خروجی؛
و اصلاح مرحله‌به‌مرحله.

تصویر مرجع و تنظیمات ابزار زمانی ارزشمند هستند که برای هدفی مشخص به کار گرفته شوند. در نهایت، مهم‌ترین مهارت کاربر پیداکردن یک پرامپت جادویی نیست؛ بلکه توانایی دیدن، انتخاب‌کردن و اصلاح‌کردن است. هوش مصنوعی می‌تواند تصویر بسازد، اما این نگاه انسانی است که تعیین می‌کند کدام تصویر برای یک مخاطب، داستان، مقاله یا کمپین واقعاً ارزشمند و قابل استفاده است.
۵۷