كيف تكتب أوامر نصية لـ Midjourney وDALL-E وKandinsky للحصول على صور دقيقة

يشرح تحليل مخصص لمولّدات الصور لماذا تخطئ النماذج توقعات المستخدم كثيرًا. والفكرة الرئيسية بسيطة: المشكلة في الغالب ليست في النموذج، بل في طلب فضفاض أكثر من اللازم.

لماذا تأتي النتيجة مختلفة عن المطلوب

حين يكتب المستخدم عبارة مثل «قطة جميلة» أو «بورتريه مليء بالأجواء»، يضطر النموذج إلى استنتاج التفاصيل بنفسه. وبالنسبة إلى Midjourney وDALL-E وKandinsky، فإن هذه الكلمات عامة جدًا: فهي لا تحدد المشهد ولا الأسلوب ولا الإضاءة ولا زاوية التصوير. ونتيجة لذلك يختار المولّد صيغة متوسطة، يسهل أن تتحول إلى مجموعة غريبة من التشوهات والتفاصيل الزائدة والملمسات العشوائية. ومن هنا تأتي اللقطات التي يرغب المرء في التخلص منها فورًا.

شبكات توليد الصور العصبية منفّذون ممتازون، لكنهم قرّاء أفكار سيئون.

ويؤكد المؤلفون أن النماذج تعمل بشكل أفضل مع التفاصيل المحددة لا مع المشاعر. فإذا كنت تحتاج إلى واقعية فوتوغرافية، فيجب أن تقول ذلك صراحة. وإذا كانت الإضاءة الذهبية الدافئة أو اللقطة القريبة أو عدسة 85 مم أو معالجة بالألوان المائية تحاكي نقوش القرن التاسع عشر عناصر مهمة، فمن الأفضل كتابة ذلك مباشرة في الطلب. بل إن ترتيب الكلمات قد يؤثر في النتيجة، لأن أجزاء الأمر النصي المختلفة تحدد أولويات التوليد. ويظهر ذلك بوضوح خاصة في المشاهد المعقدة التي تضم عدة عناصر وخلفية.

مم يتكون الأمر النصي

يُقترح بناء الأمر النصي العملي كمهمة فنية قصيرة، لا كأمنية مجردة. فكلما قلّ تخمين النموذج، اقتربت النتيجة من المتوقع. وهو في جوهره مجموعة من طبقات الوصف الإلزامية التي يقرؤها النموذج بوصفها نقاط استرشاد. ومن دونها يعود مجددًا إلى القوالب المتوسطة المأخوذة من بيانات التدريب. ولهذا السبب غالبًا ما تبدو الأوامر النصية الجيدة جافة، تكاد تشبه موجزًا لجلسة تصوير.

يمكن أن تبدو البنية الأساسية على النحو التالي:

• الكائن الرئيسي أو المشهد — من أو ما الذي يظهر في الصورة، وفي أي فعل وأي محيط.
• الأسلوب — صورة فوتوغرافية، أو ثلاثي الأبعاد، أو رسم توضيحي، أو أنمي، أو ألوان مائية، أو نقش، أو إحالة إلى مدرسة بصرية معينة.
• الإضاءة والكاميرا — إضاءة ناعمة، أو إضاءة خلفية، أو low key، أو لقطة قريبة، أو wide shot، أو 35 mm، أو 85 mm، أو f/1.4.
• التكوين والتفاصيل — الخلفية، والخامات، والمزاج العام، ولوحة الألوان، والوضعية، وتعابير الوجه، والفصل، ووقت اليوم.
• المعلمات التقنية — نسبة الأبعاد، والجودة، وstylize، وseed، وغيرها من إعدادات النموذج المعين.

يساعد هذا النهج على تحويل فكرة غامضة إلى مجموعة من السمات القابلة للتحكم. وتنصح المقالة بالانتقال من العام إلى الخاص: أي وصف الكائن والسياق أولًا، ثم إضافة الأسلوب والمعدّلات التقنية. ومن المهم ألا يُثقل الأمر النصي بالتناقضات. فإذا طلبتَ في وقت واحد الواقعية الفوتوغرافية والبساطة والتفصيل المفرط والطابع الكرتوني، فسيبدأ النموذج بـ«تمزيق» الصورة بين مرجعيات غير متوافقة. وأسهل من ذلك إجراء عدة تكرارات قصيرة بدلًا من طلب واحد مثقل يغطي كل الحالات دفعة واحدة.

كيف تتحكم في النتيجة

يُخصَّص قسم مستقل للضبط الدقيق للنتيجة. وهنا تفيد أوزان الكلمات والتعليمات السلبية ومعلمات التوليد. فإذا كانت الخدمة تدعم تعزيز رموز (tokens) بعينها، فيمكن رفع أولوية كائن مهم أو أسلوب معين. أما الأمر النصي السلبي، فعلى العكس، يزيل ما هو زائد: أصابع إضافية، وأطراف زائدة، وخلفية ضبابية، ونصوص، وعلامات مائية، أو أشياء غير مرغوبة في الكادر. ويكتسب ذلك أهمية خاصة في عمليات التوليد المدفوعة، حيث تكلّف كل محاولة زائدة وقتًا أو مالًا.

ويذكّر المؤلفون أيضًا بأن إعدادات النموذج ليست تفصيلًا ثانويًا. فنسبة الأبعاد تحدد التكوين، وseed يساعد على تكرار النتائج الناجحة، أما درجة الأسلبة والجودة فتؤثران في مدى «حرية» التفسير. وعمليًا يعني ذلك دورة بسيطة: تضع طلبًا أساسيًا، وتنظر في الإخفاقات، وتعدّل معلمة واحدة، ثم تختبر من جديد. وهذا النهج التكراري أكثر فاعلية في الغالب من إعادة كتابة الأمر النصي بالكامل بعد كل محاولة فاشلة.

ونصيحة عملية أخرى: لا تحاول حشر كل الأفكار في سطر واحد دفعة واحدة. فمن الأفضل أولًا بناء «هيكل» الصورة: الكائن والأسلوب والإضاءة وزاوية التصوير. ثم إضافة الخامات أو الخلفية أو المزاج أو المؤثرات الإضافية واحدًا تلو الآخر. وهكذا يسهل فهم أي كتلة بالتحديد تفسد الصورة. فإذا فقدت الشخصية واقعيتها بعد إضافة cinematic lighting، فلا ينبغي البحث عن السبب في النموذج كله، بل في المعدّل المحدد.

ماذا يعني ذلك

تكمن فائدة هذه المادة في أنها تنقل العمل مع مولّدات الصور من نمط «السحر» إلى نمط الحرفة الواضحة. فكلما كان وصف المستخدم للمشهد والقيود واللغة البصرية أدق، قلّت العشوائية في النتيجة. وبالنسبة إلى المصممين والمسوّقين وصنّاع المحتوى، لم تعد هذه مهارة اختيارية، بل وسيلة عملية للحصول على الصورة المطلوبة أسرع دون إعادة توليد لا تنتهي. وهذا يمنح قدرًا أكبر من التحكم في النتيجة ويقلل عدد التجارب العقيمة.