ভিজ্যুয়াল এআই টুলস-এ একটি গভীর দৃষ্টিভঙ্গি: প্রম্পট, রেফারেন্স এবং স্টাইল কন্ট্রোল

লাভ:

• ভিজ্যুয়াল প্রম্পট অ্যানাটমি (বিষয়, উপাদান, কোণ, আলো, শৈলী, নেতিবাচক) প্রতিষ্ঠা করার এবং প্রজননযোগ্য ফলাফল পাওয়ার ক্ষমতা
• রেফারেন্স ইমেজ, কন্ট্রোলনেট, বীজ এবং শৈলী ওজনের মতো নিয়ন্ত্রণ পদ্ধতির সাহায্যে চাক্ষুষ দিক নির্দেশ করার ক্ষমতা
• টাস্ক অনুযায়ী টুল নির্বাচন করার ক্ষমতা এবং আউটপুটের রেজোলিউশন, ধারাবাহিকতা এবং ব্যবহারের অধিকার সীমা মূল্যায়ন করার ক্ষমতা

আগের ইউনিটে, আপনি দেখেছেন কীভাবে ধারণা জেনারেশনে AI-কে পজিশন করা যায়। এই ইউনিটে আমরা আরও এক ধাপ গভীরে যাই: আপনি আসলে ভিজ্যুয়াল এআই টুল নিয়ন্ত্রণ করতে শিখবেন। অনেক ডিজাইনারদের হতাশা হল যে টুলটি "নিজের উপর" ইমেজ তৈরি করে; যাইহোক, সমস্যাটি সাধারণত টুলের অস্পষ্টতা নয় বরং প্রদত্ত নির্দেশাবলীর অস্পষ্টতা। ভিজ্যুয়াল এআই নিয়ন্ত্রণের জন্য তিনটি জিনিস জানা প্রয়োজন: প্রম্পট অ্যানাটমি (নির্দেশ সঠিকভাবে সেট করা), রেফারেন্স এবং কম্পোজিশন নিয়ন্ত্রণ (ভিজ্যুয়ালের সাথে অগ্রণী), এবং প্রজননযোগ্যতা (আবার একই ফলাফল পাওয়া)। একবার আপনি এই তিনটি শিখলে, এআই একটি র্যান্ডম ভিজ্যুয়াল মেশিন থেকে একটি স্টিয়ারেবল ডিজাইন টুলে রূপান্তরিত হয়।

প্রম্পট অ্যানাটমি: একটি চিত্র বর্ণনা করার ছয়টি স্তর

একটি ভাল ভিজ্যুয়াল প্রম্পট একটি এলোমেলো বাক্য নয়, তবে একটি স্তরযুক্ত রেসিপি। এই ছয়টি স্তর বিবেচনা করুন:

1. বিষয়: আমরা কি উত্পাদন করি? ("ওয়্যারলেস হেডফোন চার্জিং বক্স")
2. ফর্ম এবং বিশদ: সিলুয়েট, অনুপাত, কোণ, পৃষ্ঠের পার্থক্য। ("গোলাকার কোণ, দুই-টুকরো, উপরে পাতলা বিভাজক রেখা")
3. উপাদান এবং CMF: রঙ-উপাদান-সারফেস। ("ম্যাট অ্যানথ্রাসাইট পলিকার্বোনেট, ব্রাশড অ্যালুমিনিয়াম স্ট্রিপ")
4. কোণ এবং ফ্রেমিং: দৃষ্টিকোণ এবং ফ্রেমিং। ("সামন থেকে 3/4, উপরে থেকে সামান্য, পণ্য কেন্দ্রিক")
5. আলো এবং পরিবেশ: আলো এবং পটভূমি। ("নরম স্টুডিও আলো, নিরপেক্ষ হালকা ধূসর অসীম ব্যাকড্রপ")
6. শৈলী এবং উদ্দেশ্য: স্কেচ, ফটোরিয়ালিস্টিক রেন্ডারিং, প্রযুক্তিগত অঙ্কন। ("ফটোরিয়ালিস্টিক পণ্য রেন্ডারিং")

এর সাথে একটি নেতিবাচক প্রম্পট যুক্ত করা হয়েছে: আপনি যা চান না। অনেক টুল একটি "নেতিবাচক প্রম্পট" এলাকা অফার করে; এখানে আপনি যা চান না তা টাইপ করে আউটপুট সাফ করুন, যেমন "মানুষের হাত, পাঠ্য, লোগো, অগোছালো ব্যাকগ্রাউন্ড, মাল্টি-প্রোডাক্ট"। আপনি যদি স্তরগুলি অনুপস্থিত রেখে যান, AI তার নিজস্ব পরিসংখ্যানগত গড় দিয়ে সেই ফাঁকগুলি পূরণ করবে; এর মানে হল ক্লিচ।

পরামর্শ: একটি প্যাটার্ন থেকে পড়ার মতো প্রম্পট সেট আপ করুন: বিষয় + ফর্ম + CMF + কোণ + আলো + শৈলী + নেতিবাচক। আপনি যদি একটি আউটপুট পছন্দ না করেন, কোন স্তরটি অনুপস্থিত তা জিজ্ঞাসা করুন, সম্পূর্ণ প্রম্পটটি পুনরায় লিখবেন না।

রেফারেন্স, রচনা এবং শৈলী নিয়ন্ত্রণ

শব্দ সব বলতে পারে না; কখনও কখনও একটি চিত্র হাজার শব্দ মূল্য. আধুনিক গ্যাজেটগুলি নিয়ন্ত্রণের বিভিন্ন শক্তিশালী উপায় সরবরাহ করে:

• রেফারেন্স ইমেজ (ইমেজ প্রম্পট/ইমেজ রেফারেন্স): আপনি একটি ইমেজ আপলোড করুন এবং বলুন "মেক ইট লুক লাইক"। টুলটি ওজনের সাথে আউটপুটকে কতটা উল্লেখ করে তা আপনি সেট করুন।
• কন্ট্রোলনেট: স্টেবল ডিফিউশন ইকোসিস্টেমে, এটি একটি নিয়ন্ত্রণ স্তর যা একটি স্কেচ বা ছবির প্রান্ত/রেখা/গভীরতা/পোজ গঠন সংরক্ষণ করে এবং এর উপরে একটি নতুন চিত্র তৈরি করে। রচনা সংরক্ষণ এবং আপনার নিজস্ব স্কেচ উপাদান পরিবর্তন করার জন্য আদর্শ।
• স্টাইল রেফারেন্স / শৈলী ওজন: শুধুমাত্র বায়ুমণ্ডল / একটি ছবির রঙ-টেক্সচার অনুভূতি বোঝাতে, এর বিষয়বস্তু নয়।
• ইনপেইন্টিং (আঞ্চলিক সম্পাদনা): চিত্রের শুধুমাত্র একটি অংশ মাস্ক করা এবং এটি পুনরুত্পাদন করা (উদাহরণস্বরূপ, শুধুমাত্র হ্যান্ডেল পরিবর্তন)।
• LoRA / কাস্টম প্রশিক্ষণ: একটি উন্নত স্তরে, একটি ব্র্যান্ড ভাষা বা একটি নির্দিষ্ট শৈলীর উপর ভিত্তি করে মডেলটিকে ফাইন-টিউনিং করুন। এর জন্য গোপনীয়তা এবং কপিরাইট সতর্কতা প্রয়োজন (আপনার নিজস্ব ডেটা সহ, অনুমতি সহ)।

এই টুলগুলির সাধারণ সুবিধা: তারা AI কে স্ক্র্যাচ থেকে স্বপ্ন দেখার পরিবর্তে আপনার দেওয়া ফ্রেমওয়ার্ক থেকে কাজ করতে বাধ্য করে। ডিজাইনারের জন্য সবচেয়ে মূল্যবান প্রায়ই কন্ট্রোলনেট এবং ইনপেইন্টিং, কারণ তারা আপনার নিজস্ব স্কেচ রচনা সংরক্ষণ করে।

প্রজননযোগ্যতা: বীজ এবং পরামিতি

ডিফিউশন মডেলগুলি এলোমেলোতার সাথে শুরু হয়। বীজ হল এই এলোমেলোতার প্রারম্ভিক সংখ্যা। একই প্রম্পট + একই বীজ + একই প্যারামিটার সাধারণত একই/খুব অনুরূপ চিত্র দেয়। এটি ডিজাইনের জন্য গুরুত্বপূর্ণ: আপনি আপনার পছন্দের একটি চিত্র পুনরুত্পাদন করার জন্য বীজটি ঠিক করুন, বা শুধুমাত্র একটি শব্দ পরিবর্তন করুন এবং একটি নিয়ন্ত্রিত পদ্ধতিতে প্রভাব দেখুন। অন্যান্য গুরুত্বপূর্ণ পরামিতি: আকৃতির অনুপাত, পদক্ষেপ (আরো পদক্ষেপ, আরও পরিমার্জিত কিন্তু ধীর), এবং নির্দেশিকা স্কেল (গাইডেন্স/সিএফজি; প্রম্পটের সাথে এটি কতটা শক্তভাবে ফিট করে — যদি এটি খুব বেশি হয় তবে এটি কৃত্রিম এবং জোর করে দেখায়)।

নিয়ন্ত্রণ

কি করে

কখন ব্যবহার করতে হবে

বীজ ঠিক করা

একই আউটপুট পুনরুত্পাদন

একটি ইমেজ ডেভেলপ করার সময় এবং A/B চেষ্টা করার সময়

রেফারেন্স ইমেজ + ওজন

এটি একটি ইমেজ অনুরূপ

রচনা/বায়ুমণ্ডল স্থানান্তর

কন্ট্রোলনেট (প্রান্ত/গভীরতা)

রচনা সংরক্ষণ করে, বিষয়বস্তু পরিবর্তন করে

আপনার নিজের স্কেচ থেকে একটি রেন্ডার তৈরি করা

অঙ্কন

শুধুমাত্র একটি অঞ্চল রিফ্রেশ করে

একটি একক বিবরণ পরিবর্তন করুন

নেতিবাচক প্রম্পট

অবাঞ্ছিত দূর করে

পটভূমি, হাত, পাঠ্য পরিষ্কার করা

তিনটি মিনি কেস

কেস 1 - আপনার নিজের স্কেচ রক্ষা করা। একজন ডিজাইনার একটি হ্যান্ড ভ্যাকুয়াম ক্লিনারের হাতে আঁকা স্কেচকে ফটোরিয়ালিস্টিক রেন্ডারিংয়ে পরিণত করতে চান৷ আপনি যখন এটি শুধুমাত্র একটি টেক্সট প্রম্পট দিয়ে চেষ্টা করেন, তখন এআই একটি সম্পূর্ণ ভিন্ন ফর্ম তৈরি করে। আপনি যখন কন্ট্রোলনেটের ক্যানি মোড ব্যবহার করে আপনার স্কেচ আপলোড করেন, তখন AI এর লাইনগুলি সংরক্ষণ করে এবং ম্যাট প্লাস্টিক এবং স্টুডিও আলো দিয়ে ঢেকে রাখে। তিনি 4টি চেষ্টায় যে ফলাফল চান তা পান। পাঠ: রচনা সংরক্ষণের জন্য, কন্ট্রোলনেট বিশুদ্ধ প্রম্পটের চেয়ে অনেক বেশি শক্তিশালী।

কেস 2 - পরিবর্তনের অনিয়ন্ত্রিত ক্ষতি। একজন ডিজাইনার তার পছন্দের একটি ধারণা খুঁজে পান, কিন্তু বীজটি নোট করেন না। পরের দিন, যখন তিনি "সামান্য পাতলা হাতল" চেয়েছিলেন, তিনি আবার একই চিত্র তৈরি করতে পারবেন না; একটি সম্পূর্ণ ভিন্ন পণ্য প্রতিবার বেরিয়ে আসে এবং সে ঘন্টা হারায়। পাঠ: আপনার পছন্দের প্রতিটি আউটপুট বীজ এবং সম্পূর্ণ প্রম্পট সংরক্ষণ করুন; এই আপনার "রিটার্ন" পয়েন্ট.

কেস 3 - নেতিবাচক প্রম্পট দিয়ে পরিষ্কার করা। যখন একজন ডিজাইনার স্টুডিও ছবি তৈরি করেন, তখন অবাঞ্ছিত মানুষের হাত, প্রতিফলিত পাঠ্য এবং একটি দ্বিতীয় পণ্য প্রিন্টআউটের অর্ধেক অংশে উপস্থিত হয়। এটি নেতিবাচক প্রম্পটে "মানুষের হাত, টেক্সট, ওয়াটারমার্ক, ডুপ্লিকেট পণ্য, বিশৃঙ্খল ব্যাকগ্রাউন্ড" যোগ করে এবং শুধুমাত্র 8 শব্দের সাথে আউটপুট গুণমান উল্লেখযোগ্যভাবে বৃদ্ধি পায়। পাঠ: আপনি যা চান না তা বলাটা আপনি যা চান তা বলার মতোই গুরুত্বপূর্ণ।

অনুলিপিযোগ্য প্রম্পট টেমপ্লেট

স্তরযুক্ত প্রম্পট স্কেলেটন"[বিষয়], [ফর্ম এবং বিশদ], [CMF: রঙ-উপাদান-সারফেস], [কোণ এবং ফ্রেমিং], [আলো এবং ব্যাকগ্রাউন্ড], [শৈলী: স্কেচ/রেন্ডার/টেকনিক]।--নেতিবাচক: মানুষের হাত, পাঠ্য, লোগো, ওয়াটারমার্ক, মাল্টি-প্রোডাক্ট, ব্যাকগ্রাউন্ড।"

রেফারেন্স থেকে টেমপ্লেট রেন্ডার করুন "আমার আপলোড করা স্কেচের লাইন এবং কম্পোজিশন রাখুন (কন্ট্রোলনেটেজ মোড)। এতে নিম্নলিখিত উপাদান প্রয়োগ করুন: [ম্যাট প্লাস্টিক বডি, অ্যালুমিনিয়াম বিশদ]। হালকা: নরম স্টুডিও। পটভূমি: নিরপেক্ষ ধূসর। শুধু উপাদান যোগ করবেন না এবং ফর্ম পরিবর্তন করবেন না।"

একক বিস্তারিত পরিবর্তন (ইনপেইন্টিং) টেমপ্লেট "এই ছবিতে, শুধুমাত্র [মাস্কড এলাকা: হ্যান্ডেল] এলাকা পুনরুত্পাদন করুন। নতুন সংস্করণ: [স্লিমার, এরগোনমিক, বাঁকা]। ছবির বাকি অংশ, এর আলো এবং কোণে স্পর্শ করবেন না।"

পুনরুত্পাদন নোট টেমপ্লেট "আমি এই প্রিন্টআউটটি পছন্দ করি। নিম্নলিখিত তথ্য সংরক্ষণ করুন এবং পরের বার এটি ব্যবহার করুন: প্রম্পট = [সম্পূর্ণ পাঠ্য], বীজ = [সংখ্যা], দৃষ্টিভঙ্গি = [অনুপাত], পদক্ষেপ = [সংখ্যা], অভিযোজন = [মান]। শুধু এই একটি উপাদান পরিবর্তন করুন: [X]।"

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট: "একটি সাদা ব্যাকগ্রাউন্ডে হেডফোনের চমৎকার রেন্ডার।"

স্ট্রং প্রম্পট: "ওয়্যারলেস ইন-ইয়ার হেডফোন চার্জিং কেস, ওভাল পিল-ফর্ম, উপরে পাতলা বিভাজক লাইন। CMF: ম্যাট আইভরি পলিকার্বোনেট বডি, সাটিন সোনার কব্জা স্ট্রিপ। কোণ: 3/4 সামনে, সামান্য উপরে। হালকা: সফট স্টুডিও সফটবক্স, সামান্য বৃত্তাকার প্রতিফলন: স্টাইলে স্ট্রাইক ব্যাকড্রো। ফটোরিয়ালিস্টিক পণ্য রেন্ডারিং: 4821, দৃষ্টিভঙ্গি 4:3 -- নেতিবাচক: মানুষের হাত, পাঠ্য, লোগো, জলছাপ, দ্বিতীয় পণ্য, কঠিন ছায়া।"

দুর্বল প্রম্পট টুলটিকে ক্লিচ দিয়ে শূন্যস্থান পূরণ করতে দেয়; শক্তিশালী প্রম্পট প্রতিটি স্তর শনাক্ত করে, নেতিবাচকতা দূর করে এবং বীজের সাথে এটি পুনরুত্পাদনযোগ্য করে তোলে।

সাধারণ ভুল

• একটি এক-বাক্য অস্পষ্ট প্রম্পট লিখুন এবং ফলাফলটি টুলে আপলোড করুন। এআই শূন্যস্থান পূরণ করে, আপনি নয়।
• বীজ এবং পরামিতি সংরক্ষণ না. আপনি আবার আপনার পছন্দ আউটপুট পেতে পারেন না.
• কখনই নেতিবাচক প্রম্পট ব্যবহার করবেন না। অবাঞ্ছিত উপাদান আউটপুট দূষিত.
• কম্পোজিশন চেকিংয়ের পরিবর্তে শত শত র্যান্ডম ট্রায়াল করা হচ্ছে। কন্ট্রোলনেট/ইনপেইন্টিং কাজের গতি বাড়ায়।
• রেফারেন্স হিসাবে অন্য কারো কপিরাইট করা ছবি ব্যবহার করা। শৈলী অনুকরণ এবং কপিরাইটের ঝুঁকি রয়েছে (ইউনিট 10 দেখুন)।

সতর্কতা: রেফারেন্স ইমেজ বা শৈলী ওজন শক্তিশালী টুল, কিন্তু অন্য কারো মালিকানাধীন নকশা বা একজন শিল্পীর স্বাক্ষর শৈলী অনুলিপি করতে ব্যবহার করা হলে তারা আইনি এবং নৈতিক ঝুঁকি তৈরি করে। আপনার নিজস্ব উপাদান বা অনুমোদিত/মুক্ত উত্স থেকে আপনার রেফারেন্স চয়ন করুন।

সংক্ষেপে

ভিজ্যুয়াল এআই নিয়ন্ত্রণ করার জন্য তিনটি ক্ষমতার প্রয়োজন: একটি স্তরযুক্ত প্রম্পট সেট আপ করা (বিষয়, ফর্ম, CMF, কোণ, আলো, শৈলী, নেতিবাচক), চিত্রের সাথে গাইড করা (রেফারেন্স, কন্ট্রোলনেট, ইনপেইন্টিং, শৈলীর ওজন), এবং প্রজননযোগ্যতা প্রদান (বীজ এবং পরামিতি সংরক্ষণ)। এই তিনটির সাহায্যে, এআই একটি র্যান্ডম মেশিন থেকে একটি স্টিয়ারেবল ডিজাইন টুলে পরিণত হয়। আপনি যখন আপনার রচনাকে রক্ষা করতে চান তখন কন্ট্রোলনেট এবং ইনপেইন্টিং বিশুদ্ধ প্রম্পটের চেয়ে অনেক বেশি শক্তিশালী। নেতিবাচক প্রম্পটের মাধ্যমে আপনি যেগুলি চান না তা বাদ দিন এবং কপিরাইট-নিরাপদ উত্স থেকে আপনার উল্লেখগুলি বেছে নিন।

আবেদন টাস্ক

একটি পণ্য চয়ন করুন এবং প্রথমে হাত দিয়ে একটি রুক্ষ স্কেচ আঁকুন (বা খুঁজুন)। একটি স্তরযুক্ত প্রম্পট ফ্রেমওয়ার্ক সহ এই পণ্যটির বর্ণনা করে একটি প্রম্পট লিখুন, একটি নেতিবাচক প্রম্পট যোগ করুন এবং চারটি আউটপুট তৈরি করুন। আপনার পছন্দের আউটপুটের বীজ এবং পরামিতিগুলি সংরক্ষণ করুন; তারপর, "একক বিস্তারিত পরিবর্তন" যুক্তি দিয়ে, শুধুমাত্র একটি উপাদান (উদাহরণস্বরূপ, হ্যান্ডেল) পরিবর্তন করুন এবং একই বীজ দিয়ে আবার উত্পাদন করুন। দুটি ফলাফল তুলনা করুন এবং নিয়ন্ত্রণ কিভাবে পরিবর্তিত হয় তা লিখুন।

চেকলিস্ট

• [ ] আমি ছয়টি স্তর (বিষয়, ফর্ম, CMF, কোণ, আলো, শৈলী) কভার করার জন্য প্রম্পট সেট আপ করেছি।
• নেতিবাচক প্রম্পটে আমি যা চাইনি তা লিখেছি।
• যখন আমার রচনা বজায় রাখার প্রয়োজন হয় তখন আমি রেফারেন্স/কন্ট্রোলনেট/ইনপেইন্টিং ব্যবহার করতাম।
• [ ] আমি আমার পছন্দের আউটপুটের বীজ এবং পরামিতি সংরক্ষণ করেছি।
• [ ] আমি একটি একক ভেরিয়েবল সরিয়ে নিয়ন্ত্রিত পরিবর্তনের চেষ্টা করেছি।
• [ ] আমি কপিরাইট-নিরাপদ উৎস থেকে আমার রেফারেন্স ছবি বেছে নিয়েছি।