ভিজ্যুয়াল প্রোডাকশন ফান্ডামেন্টালস: হাউ ইমেজ এআই কাজ করে এবং প্রম্পট অ্যানাটমি

লাভ:

• চাক্ষুষ কৃত্রিম বুদ্ধিমত্তা (প্রসারণ) কীভাবে কাজ করে এবং কীভাবে এটি বর্ণনা করা হয়নি তা তৈরি করতে পারে না এবং পাঠ্যটি ভালভাবে আঁকতে পারে না তা বোঝা।
• বিষয়, প্রসঙ্গ, শৈলী, রচনা, হালকা এবং প্রযুক্তিগত উপাদানগুলির সমন্বয়ে একটি শক্তিশালী ভিজ্যুয়াল প্রম্পট লেখার ক্ষমতা।
• আকৃতির অনুপাত নির্ণয় করার ক্ষমতা অর্জন করা, কৃত্রিম বুদ্ধিমত্তা দ্বারা পাঠযোগ্য পাঠ্যকে আঁকতে বাধা দেওয়া এবং নেতিবাচক বর্ণনা দিয়ে ত্রুটি কমানো।

AI দিয়ে ভিজ্যুয়াল তৈরি করা একজন ডিজাইনার একজন শিল্পীকে অর্ডার দেওয়ার মতো: আপনি যত পরিষ্কার এবং আরও সঠিকভাবে ব্যাখ্যা করবেন, ফলাফল তত বেশি সঠিক হবে। এই ইউনিটে, আমরা সহজ ভাষায় বুঝতে পারব কীভাবে চিত্র তৈরিকারী কৃত্রিম বুদ্ধিমত্তা (ইমেজ এআই) কাজ করে এবং ধাপে ধাপে একটি ভাল প্রম্পট (একটি ভিজ্যুয়ালের জন্য লিখিত নির্দেশনা) লেখার শারীরস্থান শিখব। উদ্দেশ্য হল "এলোমেলোভাবে চেষ্টা করা এবং ভাগ্যের উপর নির্ভর করা" এর পরিবর্তে আপনি যে চিত্রটি চান তা সচেতনভাবে বর্ণনা করতে সক্ষম হওয়া।

ইমেজ এআই কিভাবে কাজ করে? (সরল ব্যাখ্যা)

বেশিরভাগ ইমেজ প্রযোজক আজকে ডিফিউশন নামে একটি পদ্ধতি ব্যবহার করেন। সহজভাবে: মডেলটি লক্ষ লক্ষ ইমেজ-টেক্সট জোড়া থেকে "কোন শব্দ কোন ছবির সাথে মিলে যায়" সম্পর্কে শিখেছে। ভিজ্যুয়াল তৈরি করার সময়, এটি এলোমেলো শব্দ (যেমন একটি তুষারযুক্ত টেলিভিশন স্ক্রিন) সহ একটি চিত্র থেকে শুরু হয় এবং আপনার প্রম্পটের সাথে মানানসই এই শব্দটি ধাপে ধাপে পরিষ্কার করে এবং এটিকে একটি অর্থপূর্ণ চিত্রে পরিণত করে। অন্য কথায়, মডেলটি ছবি "আঁকে" না, এটি পরিসংখ্যানগতভাবে চিত্রটি তৈরি করে যা আপনার প্রম্পটের সাথে সবচেয়ে উপযুক্ত।

এর তিনটি ব্যবহারিক ফলাফল রয়েছে। প্রথম: একই প্রম্পট প্রতিবার একটি ভিন্ন ফলাফল দেয়, কারণ প্রাথমিক শব্দটি এলোমেলো (আমরা পরবর্তী ইউনিটে "বীজ" দিয়ে কীভাবে এটি নিয়ন্ত্রণ করতে হয় তা দেখব)। দ্বিতীয়: মডেলটি জানতে পারে না যা আপনি বর্ণনা করতে পারবেন না; এটি আপনার মাথায় ছবি পড়তে পারে না, এটি কেবল আপনি যা লিখছেন তা ব্যাখ্যা করে। তৃতীয়: মডেলটি পাঠ্য এবং সংখ্যা ভালভাবে আঁকতে পারে না, কারণ এটি আকারে অক্ষর অনুকরণ করে অর্থে নয়; তাই লোগোতে লেখাটি AI-তে ছেড়ে দেওয়া ঝুঁকিপূর্ণ।

পরামর্শ: AI-কে ছবিতে স্পষ্ট টেক্সট (ব্র্যান্ডের নাম, স্লোগান) তৈরি করতে দেবেন না। আপনি পাঠ্য ছাড়াই একটি চিত্র তৈরি করেন এবং তারপরে একটি ডিজাইন প্রোগ্রামে পাঠ্য (ভেক্টর হিসাবে) যুক্ত করুন। এটি পঠনযোগ্য এবং সম্পাদনাযোগ্য উভয়ই করে তোলে।

একটি ভাল প্রম্পট এনাটমি

এটি একটি শক্তিশালী ভিজ্যুয়াল প্রম্পটকে ছয়টি উপাদানে বিভক্ত করতে সাহায্য করে। আপনাকে প্রতিবার সেগুলি ব্যবহার করার দরকার নেই, তবে সচেতনভাবে নির্বাচন করা ফলাফল নির্ধারণ করবে।

1. বিষয়/বিষয়: ছবির প্রধান উপাদান কী? ("একটি সিরামিক কফি কাপ", "একজন যুবতীর প্রতিকৃতি")।
2. কর্ম/প্রসঙ্গ: সে কি করছে, কোথায় আছে? ("কাঠের টেবিলে, সকালের আলোতে")।
3. শৈলী/নন্দনতত্ত্ব: চাক্ষুষ ভাষা কি? ("ন্যূনতম পণ্যের ছবি", "জলের রঙের চিত্র", "আইসোমেট্রিক 3D রেন্ডারিং")। এটি সবচেয়ে নির্ধারক উপাদান।
4. রচনা/কোণ: ফ্রেম কেমন? ("ক্লোজ-আপ", "বার্ডস আই ভিউ", "ওয়াইড অ্যাঙ্গেল", "মাঝখানে, স্থান সহ")।
5. আলো এবং রঙ: ("নরম প্রাকৃতিক আলো", "আর্থ টোন প্যালেট", "উচ্চ বৈসাদৃশ্য")।
6. টেকনিক/গুণমান: ("উচ্চ রেজোলিউশন", "1:1 ফ্রেম রেট", "ব্যাকগ্রাউন্ড প্লেইন সাদা")।

একটি নেতিবাচক রেসিপিও রয়েছে: আপনি যা চান না তা বলা ("কোন পাঠ্য নেই, লোক নেই, অগোছালো ব্যাকগ্রাউন্ড নেই")। আমরা ৪র্থ ইউনিটে "নেতিবাচক প্রম্পট" দিয়ে এটিকে আরও গভীর করব।

পদের শব্দকোষ

• আকৃতির অনুপাত: চিত্রের অনুপাত; 1:1 ফ্রেম (ইনস্টাগ্রাম পোস্ট), 9:16 প্রতিকৃতি (গল্প/রিল), 16:9 ল্যান্ডস্কেপ (কভার)।
• রেজোলিউশন: ছবিতে পিক্সেলের সংখ্যা; উচ্চ মুদ্রণের জন্য যথেষ্ট, পর্দার জন্য মাঝারি যথেষ্ট।
• স্টাইল রেফারেন্স: মডেলকে একটি নমুনা দেওয়া এই বলে যে "এরকম দেখতে"।
• রেন্ডার: কম্পিউটার গণনা করে এবং একটি চিত্র তৈরি করে; "3D রেন্ডারিং" মানে বাস্তবসম্মত ভলিউমেট্রিক ভিউ।

ধাপে ধাপে: একটি চিত্র বর্ণনা করা

ধরা যাক আমরা একটি অলিভ অয়েল ব্র্যান্ডের জন্য একটি পণ্যের চিত্র চাই।

ধাপ 1 — বিষয়ের উপর ফোকাস করুন: "একটি গাঢ় সবুজ কাচের বোতলে অতিরিক্ত ভার্জিন অলিভ অয়েল।"

ধাপ 2 — প্রসঙ্গ যোগ করুন: "দেহাতি কাঠের কাউন্টারে, তার পাশে কয়েকটি তাজা জলপাইয়ের শাখা রয়েছে।"

ধাপ 3 — শৈলী চয়ন করুন: "প্রিমিয়াম পণ্য ফটো, বাস্তবসম্মত"।

ধাপ 4 — রচনাটি দিন: "মাঝখানে পণ্য, শীর্ষে পাঠ্যের জন্য স্থান"।

ধাপ 5 — হালকা/রঙ: "নরম দিকের প্রাকৃতিক আলো, উষ্ণ আর্থ টোন"।

ধাপ 6 — কৌশল: "1:1 ফ্রেম রেট, উচ্চ রেজোলিউশন, প্লেইন ব্যাকগ্রাউন্ড"।

আপনি যখন সেগুলিকে একত্রিত করেন, তখন আপনি একটি কার্যকরী খসড়া পাবেন যা ব্র্যান্ডের পরিচয়ের জন্য উপযুক্ত।

তিনটি মিনি কেস

কেস 1 - অনিশ্চয়তা থেকে স্পষ্টতা পর্যন্ত। একজন ডিজাইনার "একটি আধুনিক অফিসের চিত্র" লিখেছেন এবং 12টি প্রচেষ্টা করেছেন, যার কোনটিই কাজ করেনি (30 মিনিট হারিয়েছে)। তিনি প্রম্পটটিকে ছয়টি উপাদানে পুনরায় লিখেছেন: "উজ্জ্বল, ন্যূনতম অফিস; কাঠের ডেস্ক; বড় জানালা থেকে প্রাকৃতিক আলো; উষ্ণ নিরপেক্ষ টোন; প্রশস্ত কোণ; শীর্ষে পাঠ্য স্থান"। প্রথম 4টি প্রচেষ্টার মধ্যে 2টি ব্যবহারযোগ্য ছিল; সময় কমিয়ে ১০ মিনিট করা হয়েছে।

কেস 2 — পাঠ্য ফাঁদ। একজন ইন্টার্ন শুরু থেকে শেষ পর্যন্ত একটি AI তৈরি করেছিল একটি ক্যাফে পোস্টার; ছবিতে "COFFEE" লেখাটি "COFEEE" হয়ে উঠেছে এবং দামগুলি পাঠযোগ্য ছিল না৷ নির্দেশাবলী পরিবর্তিত হয়েছে: চিত্রটি পাঠ্য ছাড়াই তৈরি করা হয়েছিল, পাঠ্যটি পরে ডিজাইন প্রোগ্রামে যুক্ত করা হয়েছিল। ত্রুটি শূন্যে নেমে এসেছে এবং পোস্টারটি মুদ্রণের জন্য উপযুক্ত।

কেস 3 — অনুপাতের ক্ষতি। একজন সোশ্যাল মিডিয়া বিশেষজ্ঞ ইনস্টাগ্রামের গল্পের জন্য একটি 1:1 বর্গাকার ছবি তৈরি করেছেন; 9:16 যখন আমি এটিকে উল্লম্ব এলাকায় রাখি, তখন উপরের এবং নীচের অংশ কেটে যায় এবং গুরুত্বপূর্ণ উপাদানটি হারিয়ে যায়। যখন আমি প্রম্পটে "9:16 উল্লম্ব" হিসাবে আকৃতির অনুপাত নির্দিষ্ট করেছিলাম, তখন চিত্রটি তার বিন্যাসে ফিট করে এবং কোনও পুনরুত্পাদনের প্রয়োজন ছিল না৷

অনুলিপিযোগ্য টেমপ্লেট

1) ছয় উপাদান পণ্য চিত্র কঙ্কাল:

[বিষয়: পণ্যটি বর্ণনা করুন] , [প্রসঙ্গ: কোথায়/কিভাবে] .শৈলী: [যেমন প্রিমিয়াম পণ্যের ছবি, বাস্তবসম্মত] .কম্পোজিশন: [যেমন মাঝখানে পণ্য, শীর্ষে পাঠ্যের জন্য স্থান]।আলো এবং রঙ: [যেমন নরম প্রাকৃতিক আলো, আর্থ টোন]। টেকনিক: [আদর্শ অনুপাত, উচ্চ রেজোলিউশন, প্লেইন ব্যাকগ্রাউন্ড]। দ্রষ্টব্য: ছবিতে কোনো পাঠ্য/লোগো নেই; আমি পরে লেখা যোগ করব।

2) ইলাস্ট্রেশন কঙ্কাল:

বিষয়: [কী আঁকতে হবে]।শৈলী: [যেমন ফ্ল্যাট কালার ভেক্টর ইলাস্ট্রেশন / ওয়াটার কালার / আইসোমেট্রিক 3D] .রঙ প্যালেট: [2-3 প্রাথমিক রং] .মেজাজ: [যেমন প্রফুল্ল, শান্ত, গম্ভীর]।ব্যাকগ্রাউন্ড: [প্লেইন/ প্যাটার্নযুক্ত/স্বচ্ছ]।অনুপাত: [1:1 / 9:16 / 16:9]।

3) শৈলী অন্বেষণ (একই বিষয়, বিভিন্ন নান্দনিক):

4টি ভিন্ন ভিজ্যুয়াল শৈলীতে একই রচনা সহ নিম্নলিখিত বিষয়গুলি বর্ণনা করুন: ন্যূনতম ফ্ল্যাট ভেক্টর, বাস্তবসম্মত ছবি, জলরঙ, আইসোমেট্রিক 3D। প্রতিটির জন্য একটি এক-লাইন প্রম্পট লিখুন। বিষয়: [পেস্ট]

4) নেতিবাচক বিবরণ যোগ করা:

নিম্নলিখিত প্রম্পটটি উন্নত করুন এবং শেষে অবাঞ্ছিতগুলি যোগ করুন: "কোন পাঠ্য নেই, জলছাপ নেই, অগোছালো ব্যাকগ্রাউন্ড নেই, খারাপ হাত/আঙ্গুল নেই, খুব বেশি বস্তু নেই"। প্রম্পট: [পেস্ট]

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল: একটি সুন্দর কফি ছবি

ফলাফল: এলোমেলো কোণ, অস্পষ্ট শৈলী, আনুষঙ্গিক চিত্র যা ব্র্যান্ডের সাথে খাপ খায় না।

শক্তিশালী: সিরামিক কাপ একটি গরম ল্যাটে ভরা, হালকা কাঠের টেবিলে, নরম সকালের আলোতে পাশে; ন্যূনতম প্রিমিয়াম পণ্যের ছবি; উষ্ণ নিরপেক্ষ টোন; ক্লোজ-আপ, উপরের ডানদিকে পাঠ্যের জন্য স্থান; 1:1 বর্গক্ষেত্র, প্লেইন ব্যাকগ্রাউন্ড; কোন সুপাঠ্য পাঠ্য থাকা উচিত নয়.

ফলাফল: নিয়ন্ত্রিত রচনা, আলো এবং অনুপাত সহ একটি ব্র্যান্ড-অভিযোজিত স্কেচ।

পার্থক্য: একটি শক্তিশালী প্রম্পট ছয়টি উপাদান (বিষয়, প্রসঙ্গ, শৈলী, রচনা, আলো, কৌশল) পরিষ্কারভাবে পূরণ করে এবং পাঠ্যটি ছেড়ে দেয়।

প্রম্পট উপাদান এবং প্রভাব টেবিল

উপাদান

উদাহরণ

ফলাফলের উপর প্রভাব

বিষয়

"একটি কাচের বোতলে জলপাই তেল"

কি প্রদর্শিত হবে তা নির্ধারণ করে

শৈলী

"প্রিমিয়াম পণ্যের ছবি"

যে উপাদানটি সবচেয়ে বেশি ভিজ্যুয়াল ভাষা নির্ধারণ করে

রচনা

"মাঝখানে, পাঠ্য স্থান সহ"

ব্যবহারযোগ্যতা বাড়ায়

হালকা/রঙ

"নরম আলো, মাটির সুর"

ব্র্যান্ড অনুভূতি প্রকাশ করে

আকৃতির অনুপাত

"9:16 উল্লম্ব"

বিন্যাস মেনে চলতে অনুমতি দেয়

নেতিবাচক বর্ণনা

"কোন পাঠ্য নেই"

ত্রুটি কমায়

সাধারণ ভুল

• শৈলী নির্দিষ্ট না করা: সবচেয়ে নির্ধারক উপাদান বাদ দিলে, ফলাফল ক্লিচ এবং এলোমেলো হয়ে যায়।
• AI দিয়ে লেখাটি আঁকুন: দুর্নীতিগ্রস্ত, অপঠিত অক্ষর; ডিজাইন প্রোগ্রামে পরে টেক্সট যোগ করুন।
• অনুপাত ভুলে যাওয়া: ভুল আকৃতির অনুপাত প্রকাশনায় ক্লিপিং এবং উপাদানের ক্ষতি করে।
• ওভারলোডেড প্রম্পট: একে অপরের উপরে 20টি ধারণা স্ট্যাকিং মডেলটিকে বিভ্রান্ত করে; এটা পরিষ্কার এবং অগ্রাধিকার রাখা.
• এক চেষ্টায় হাল ছেড়ে দেওয়া: ছড়িয়ে পড়া এলোমেলো; বিভিন্ন বৈচিত্র তৈরি করা এবং সেরাটি বেছে নেওয়া স্বাভাবিক।

সংক্ষেপে

ইমেজ-উৎপাদনকারী AI ধীরে ধীরে এলোমেলো শব্দ থেকে আপনার প্রম্পটের সাথে মানানসই চিত্রটি তৈরি করে; এটি আপনার মাথায় ছবি পড়তে পারে না, এটি কেবল আপনি যা লিখছেন তা ব্যাখ্যা করে। একটি ভাল প্রম্পটে ছয়টি উপাদান থাকে: বিষয়, প্রসঙ্গ, শৈলী, রচনা, হালকা/রঙ এবং কৌশল। শৈলী সবচেয়ে সিদ্ধান্তমূলক উপাদান; আকৃতির অনুপাত উল্লেখ করতে ভুলবেন না; AI-তে পঠনযোগ্য পাঠ্যটি ছেড়ে দেবেন না, আপনি এটি পরে যোগ করুন। স্বচ্ছতা বৃদ্ধির সাথে সাথে প্রচেষ্টার সংখ্যা এবং সময় হ্রাস হ্রাস পায়।

আবেদন টাস্ক

একটি পণ্য বা বিষয় চয়ন করুন. প্রথমে, এটি একটি বাক্যে লিখুন ("একটি চমৎকার এক্স") এবং এটি একটি ইমেজ জেনারেটরে চেষ্টা করুন এবং ফলাফলটি নোট করুন। তারপরে ছয়-উপাদানের কঙ্কাল পূরণ করে, আকৃতির অনুপাত এবং নেতিবাচক বিবরণ যোগ করে একই বিষয় আবার বর্ণনা করুন। দুটি ফলাফল পাশাপাশি রাখুন এবং তিনটি বুলেট পয়েন্টে লিখুন কিভাবে স্পষ্টতা আউটপুট পরিবর্তন করে।

চেকলিস্ট

• [ ] আমি আমার প্রম্পটে বিষয়, প্রসঙ্গ এবং শৈলী পরিষ্কারভাবে বলেছি।
• [ ] আমি রচনা এবং হালকা/রঙের উপাদান যোগ করেছি।
• আমি আকৃতির অনুপাত (1:1 / 9:16 / 16:9) নির্দিষ্ট করেছি।
• [ ] আমার কাছে AI ড্রয়ের পাঠযোগ্য পাঠ্য ছিল না, আমি এটি পরে রেখে দিয়েছি।
• [ ] আমি নেতিবাচক বর্ণনা দিয়ে অবাঞ্ছিত বাদ দিয়েছি।
• আমি একটি একক পরীক্ষায় বিশ্বাস করিনি এবং বিভিন্ন বৈচিত্র তৈরি করেছি।