بصری AI ٹولز پر ایک گہری نظر: فوری، حوالہ اور انداز کنٹرول

فائدہ:

• بصری فوری اناٹومی (موضوع، مواد، زاویہ، روشنی، انداز، منفی) قائم کرنے اور تولیدی نتائج حاصل کرنے کی صلاحیت
• کنٹرول کے طریقوں جیسے حوالہ تصویر، کنٹرول نیٹ، بیج اور انداز وزن کے ساتھ بصری سمت کو ہدایت کرنے کی صلاحیت
• ٹاسک کے مطابق ٹول کا انتخاب کرنے اور آؤٹ پٹ کی ریزولوشن، مستقل مزاجی اور استعمال کے حقوق کی حدود کا جائزہ لینے کی صلاحیت

پچھلی یونٹ میں، آپ نے دیکھا کہ تصور پیدا کرنے میں AI کو کس طرح پوزیشن میں رکھنا ہے۔ اس یونٹ میں ہم ایک قدم مزید گہرائی میں جاتے ہیں: آپ حقیقت میں بصری AI ٹولز کو کنٹرول کرنا سیکھیں گے۔ بہت سے ڈیزائنرز کی مایوسی یہ ہے کہ یہ آلہ "خود ہی" تصاویر تیار کرتا ہے۔ تاہم، مسئلہ عام طور پر ٹول کا ابہام نہیں بلکہ دی گئی ہدایات کا ابہام ہے۔ بصری AI کو کنٹرول کرنے کے لیے تین چیزوں کو جاننے کی ضرورت ہوتی ہے: فوری اناٹومی (ہدایات کو درست طریقے سے ترتیب دینا)، حوالہ اور ساخت کا کنٹرول (بصری کے ساتھ آگے بڑھنا)، اور تولیدی صلاحیت (دوبارہ وہی نتیجہ حاصل کرنا)۔ ایک بار جب آپ ان تینوں کو سیکھ لیتے ہیں، تو AI بے ترتیب بصری مشین سے ایک سٹیریبل ڈیزائن ٹول میں تبدیل ہو جاتا ہے۔

فوری اناٹومی: تصویر کو بیان کرنے کی چھ پرتیں۔

ایک اچھا بصری اشارہ ایک بے ترتیب جملہ نہیں ہے، بلکہ ایک تہہ دار نسخہ ہے۔ ان چھ تہوں پر غور کریں:

1. موضوع: ہم کیا پیدا کرتے ہیں؟ ("وائرلیس ہیڈ فون چارجنگ باکس")
2. شکل اور تفصیل: سلہیٹ، تناسب، کونے، سطح کی تفریق۔ ("گول کونے، دو ٹکڑے، سب سے اوپر کی پتلی تقسیم کرنے والی لکیر")
3. مواد اور سی ایم ایف: رنگین مواد کی سطح۔ ("میٹ اینتھراسائٹ پولی کاربونیٹ، برش شدہ ایلومینیم کی پٹی")
4. زاویہ اور فریمنگ: نقطہ نظر اور فریمنگ۔ ("سامنے سے 3/4، اوپر سے تھوڑا سا، پروڈکٹ سینٹرڈ")
5. روشنی اور ماحول: روشنی اور پس منظر۔ ("نرم اسٹوڈیو لائٹ، نیوٹرل لائٹ گرے لامحدود بیک ڈراپ")
6. انداز اور مقصد: خاکہ، تصویری حقیقت نگاری، تکنیکی ڈرائنگ۔ ("تصویری حقیقت پسندانہ پروڈکٹ رینڈرنگ")

اس میں ایک منفی اشارہ شامل کیا گیا ہے: وہ چیزیں جو آپ نہیں چاہتے ہیں۔ بہت سے ٹولز "منفی پرامپٹ" ایریا پیش کرتے ہیں۔ یہاں آپ جو نہیں چاہتے وہ ٹائپ کرکے آؤٹ پٹ صاف کرتے ہیں، جیسے کہ "ہیومن ہینڈ، ٹیکسٹ، لوگو، میسی بیک گراؤنڈ، ملٹی پروڈکٹ"۔ اگر آپ تہوں کو غائب چھوڑ دیتے ہیں، تو AI ان خالی جگہوں کو اپنی شماریاتی اوسط سے پُر کرے گا۔ اس کا مطلب ہے cliché.

ٹپ: پرامپٹ کو اس طرح ترتیب دیں جیسے پیٹرن سے پڑھ رہے ہوں: موضوع + فارم + CMF + زاویہ + روشنی + طرز + منفی۔ اگر آپ کو کوئی آؤٹ پٹ پسند نہیں ہے تو پوچھیں کہ کون سی پرت غائب ہے، پورے پرامپٹ کو دوبارہ نہ لکھیں۔

حوالہ، ساخت اور انداز کنٹرول

الفاظ سب کچھ نہیں کہہ سکتے۔ کبھی کبھی ایک تصویر ہزار الفاظ کی ہوتی ہے۔ جدید گیجٹ کنٹرول کے کئی طاقتور ذرائع پیش کرتے ہیں:

• حوالہ تصویر (تصویر کا اشارہ / تصویر کا حوالہ): آپ ایک تصویر اپ لوڈ کرتے ہیں اور کہتے ہیں "اسے اس طرح دکھائیں"۔ آپ نے سیٹ کیا کہ ٹول وزن کے ساتھ آؤٹ پٹ کا کتنا حوالہ دیتا ہے۔
• کنٹرول نیٹ: اسٹیبل ڈفیوژن ایکو سسٹم میں، یہ ایک کنٹرول لیئر ہے جو کسی خاکے یا تصویر کے کنارے/لائن/گہرائی/پوز کی ساخت کو محفوظ رکھتی ہے اور اس کے اوپر ایک نئی تصویر تیار کرتی ہے۔ ساخت کو محفوظ رکھنے اور اپنے خاکے کے مواد کو تبدیل کرنے کے لیے مثالی ہے۔
• انداز کا حوالہ / طرز کا وزن: کسی تصویر کے صرف ماحول / رنگ ساخت کے احساس کو بیان کرنا، اس کا مواد نہیں۔
• پینٹنگ (علاقائی ترمیم): تصویر کے صرف ایک حصے کو ماسک کرنا اور اسے دوبارہ تیار کرنا (مثال کے طور پر، صرف ہینڈل کو تبدیل کرنا)۔
• LoRA / کسٹم ٹریننگ: ایک اعلی درجے کی سطح پر، برانڈ کی زبان یا مخصوص انداز کی بنیاد پر ماڈل کو ٹھیک کرنا۔ اس کے لیے رازداری اور کاپی رائٹ کی احتیاط کی ضرورت ہے (آپ کے اپنے ڈیٹا کے ساتھ، اجازت کے ساتھ)۔

ان ٹولز کا عام فائدہ: وہ AI کو شروع سے خواب دیکھنے کے بجائے، آپ کے دیئے گئے فریم ورک سے کام کرنے پر مجبور کرتے ہیں۔ ڈیزائنر کے لیے سب سے قیمتی چیزیں اکثر ControlNet اور inpainting ہوتی ہیں، کیونکہ وہ آپ کے اپنے خاکے کی ساخت کو محفوظ رکھتے ہیں۔

تولیدی صلاحیت: بیج اور پیرامیٹرز

بازی کے ماڈل بے ترتیب پن سے شروع ہوتے ہیں۔ بیج اس بے ترتیب پن کا ابتدائی نمبر ہے۔ ایک ہی پرامپٹ + ایک ہی بیج + ایک ہی پیرامیٹرز عام طور پر ایک ہی / بہت ملتی جلتی تصویر دیتے ہیں۔ یہ ڈیزائن کے لیے اہم ہے: آپ اپنی پسند کی تصویر کو دوبارہ پیش کرنے کے لیے بیج کو ٹھیک کرتے ہیں، یا صرف ایک لفظ تبدیل کرتے ہیں اور اثر کو کنٹرول شدہ انداز میں دیکھتے ہیں۔ دیگر اہم پیرامیٹرز: پہلو کا تناسب، اقدامات (مزید اقدامات، زیادہ بہتر لیکن سست)، اور رہنمائی کا پیمانہ (رہنمائی/CFG؛ یہ پرامپٹ پر کتنا مضبوطی سے فٹ بیٹھتا ہے — اگر یہ بہت زیادہ ہے، تو یہ مصنوعی اور زبردستی لگتا ہے)۔

کنٹرول

کیا کرتا ہے

کب استعمال کرنا ہے۔

بیج ٹھیک کرنا

ایک ہی آؤٹ پٹ کو دوبارہ پیش کرتا ہے۔

تصویر تیار کرتے وقت اور A/B کی کوشش کرتے وقت

حوالہ تصویر + وزن

یہ ایک تصویر سے ملتا جلتا ہے۔

ساخت/ماحول کی منتقلی

کنٹرول نیٹ (کنارہ/گہرائی)

ساخت کو محفوظ رکھتا ہے، مواد کو تبدیل کرتا ہے۔

اپنے خاکے سے رینڈر بنانا

پینٹنگ

صرف ایک علاقے کو تازہ کرتا ہے۔

ایک ہی تفصیل کو تبدیل کریں۔

منفی اشارہ

ناپسندیدہ کو ختم کرتا ہے۔

پس منظر، ہاتھ، متن کی صفائی

تین چھوٹے مقدمات

کیس 1 - اپنے خاکے کی حفاظت کرنا۔ ایک ڈیزائنر ہینڈ ویکیوم کلینر کے ہاتھ سے تیار کردہ خاکے کو فوٹو ریلسٹک رینڈرنگ میں تبدیل کرنا چاہتا ہے۔ جب آپ اسے صرف ٹیکسٹ پرامپٹ کے ساتھ آزماتے ہیں، تو AI بالکل مختلف شکل پیدا کرتا ہے۔ جب آپ ControlNet کے کینی موڈ کا استعمال کرتے ہوئے اپنا خاکہ اپ لوڈ کرتے ہیں، تو AI اپنی لائنوں کو محفوظ رکھتا ہے اور اسے دھندلا پلاسٹک اور اسٹوڈیو لائٹنگ سے ڈھانپ دیتا ہے۔ اسے 4 کوششوں میں مطلوبہ نتیجہ ملتا ہے۔ سبق: کمپوزیشن کو محفوظ رکھنے کے لیے، ControlNet خالص پرامپٹ سے کہیں زیادہ طاقتور ہے۔

کیس 2 - تغیرات کا بے قابو نقصان۔ ایک ڈیزائنر کو ایک تصور ملتا ہے جسے وہ پسند کرتا ہے، لیکن بیج کو نوٹ نہیں کرتا ہے۔ اگلے دن، جب وہ "تھوڑا پتلا ہینڈل" مانگتا ہے، تو وہ دوبارہ وہی تصویر نہیں بنا سکتا۔ ایک بالکل مختلف پروڈکٹ ہر بار سامنے آتی ہے اور وہ گھنٹوں ضائع کرتا ہے۔ سبق: اپنی پسند کے ہر آؤٹ پٹ کے بیج اور مکمل پرامپٹ کو محفوظ کریں۔ یہ آپ کے "واپسی" پوائنٹس ہیں۔

کیس 3 - منفی پرامپٹ کے ساتھ صفائی۔ جب ایک ڈیزائنر اسٹوڈیو کی تصاویر تیار کرتا ہے، تو غیر مطلوبہ انسانی ہاتھ، منعکس شدہ متن، اور دوسرا پروڈکٹ نصف پرنٹ آؤٹ میں ظاہر ہوتا ہے۔ یہ منفی پرامپٹ میں "انسانی ہاتھ، متن، واٹر مارک، ڈپلیکیٹ پروڈکٹ، بے ترتیبی پس منظر" کو شامل کرتا ہے اور صرف 8 الفاظ کے ساتھ آؤٹ پٹ کوالٹی نمایاں طور پر بڑھ جاتی ہے۔ سبق: آپ جو نہیں چاہتے وہ کہنا اتنا ہی اہم ہے جتنا کہ آپ کیا چاہتے ہیں۔

کاپی کرنے کے قابل پرامپٹ ٹیمپلیٹس

پرتوں والا پرامپٹ سکیلیٹن"[موضوع]، [فارم اور تفصیل]، [سی ایم ایف: رنگ-مٹیریل-سطح]، [زاویہ اور ڈھانچہ]، [روشنی اور پس منظر]، [انداز: خاکہ/رینڈر/ٹیکنیک]۔--منفی: انسانی ہاتھ، متن، لوگو، واٹر مارک، ملٹی پروڈکٹ، پس منظر۔"

حوالہ سے ٹیمپلیٹ پیش کریں "میں نے جو خاکہ اپ لوڈ کیا ہے اس کی لائن اور کمپوزیشن رکھیں (ControlNetedge موڈ)۔ اس پر درج ذیل مواد لگائیں: [میٹ پلاسٹک باڈی، ایلومینیم ڈیٹیل]۔ لائٹ: نرم اسٹوڈیو۔ بیک گراؤنڈ: نیوٹرل گرے۔ صرف مواد شامل نہ کریں اور لائٹ کو تبدیل نہ کریں۔"

سنگل ڈیٹیل چینج (انپینٹنگ) ٹیمپلیٹ "اس تصویر میں، صرف [نقاب پوش علاقے: ہینڈل] کے علاقے کو دوبارہ پیش کریں۔ نیا ورژن: [سلیمر، ایرگونومک، خمیدہ]۔ باقی تصویر، اس کی روشنی اور زاویہ کو مت چھونا۔"

دوبارہ پیداواری نوٹ کا سانچہ "مجھے یہ پرنٹ آؤٹ پسند ہے۔ درج ذیل معلومات کو محفوظ کریں اور اگلی بار استعمال کریں: prompt = [مکمل متن]، بیج = [نمبر]، پہلو = [تناسب]، قدم = [نمبر]، واقفیت = [قدر]۔ بس اس ایک عنصر کو تبدیل کریں: [X]۔"

کمزور فوری / مضبوط اشارہ

کمزور پرامپٹ: "سفید پس منظر پر ہیڈ فون کا عمدہ رینڈر۔"

مضبوط پرامپٹ: "وائرلیس اِن ائیر ہیڈ فون چارجنگ کیس، بیضوی گولی کی شکل، اوپر کی پتلی تقسیم کرنے والی لکیر۔ CMF: میٹ آئیوری پولی کاربونیٹ باڈی، ساٹن گولڈ ہینگ سٹرپ۔ زاویہ: 3/4 فرنٹ، تھوڑا سا اوپر۔ لائٹ: نرم اسٹوڈیو سافٹ باکس، ہلکا ٹاپ گراؤنڈ ریفلیکشن: بیک گراؤنڈ لائٹ گراؤنڈ میں۔ فوٹو ریئلسٹک پروڈکٹ رینڈرنگ: 4821، پہلو 4:3 -- منفی: انسانی ہاتھ، متن، لوگو، واٹر مارک، دوسرا پروڈکٹ، سخت سایہ۔"

کمزور پرامپٹ ٹول کو کلیچ کے ساتھ خالی جگہوں کو پر کرنے کی اجازت دیتا ہے۔ طاقتور پرامپٹ ہر پرت کی شناخت کرتا ہے، منفی کو ختم کرتا ہے اور اسے بیج کے ساتھ دوبارہ پیدا کرنے کے قابل بناتا ہے۔

عام غلطیاں

• ایک جملے کا مبہم پرامپٹ لکھیں اور نتیجہ کو ٹول پر اپ لوڈ کریں۔ AI خلا کو پُر کرتا ہے، آپ نہیں۔
• بیج اور پیرامیٹرز کو محفوظ نہیں کرنا۔ آپ اپنی پسند کی پیداوار دوبارہ کبھی حاصل نہیں کر سکتے۔
• منفی اشارہ کبھی استعمال نہ کریں۔ ناپسندیدہ عناصر آؤٹ پٹ کو آلودہ کرتے ہیں۔
• کمپوزیشن چیکنگ کے بجائے سینکڑوں بے ترتیب ٹرائلز کرنا۔ ControlNet/inpainting کام کو تیز کرتا ہے۔
• کسی اور کی کاپی رائٹ والی تصویر کو بطور حوالہ استعمال کرنا۔ طرز کی نقالی اور کاپی رائٹ کا خطرہ ہے (دیکھیں یونٹ 10)۔

احتیاط: حوالہ جات کی تصاویر یا انداز کا وزن طاقتور ٹولز ہیں، لیکن اگر کسی اور کے ملکیتی ڈیزائن یا کسی فنکار کے دستخطی انداز کو کاپی کرنے کے لیے استعمال کیا جائے تو وہ قانونی اور اخلاقی خطرات لاحق ہیں۔ اپنے حوالہ جات اپنے مواد سے یا اجازت یافتہ/مفت ذرائع سے منتخب کریں۔

خلاصہ میں

بصری AI کو کنٹرول کرنے کے لیے تین صلاحیتوں کی ضرورت ہوتی ہے: ایک تہہ دار پرامپٹ (موضوع، شکل، CMF، زاویہ، روشنی، انداز، منفی) ترتیب دینا، تصویر کے ساتھ رہنمائی کرنا (حوالہ، کنٹرول نیٹ، ان پینٹنگ، طرز کا وزن)، اور تولیدی صلاحیت فراہم کرنا (بیج اور پیرامیٹرز کو بچانا)۔ ان تینوں کے ساتھ، AI ایک بے ترتیب مشین سے ایک سٹیریبل ڈیزائن ٹول میں بدل جاتا ہے۔ جب آپ اپنی ساخت کی حفاظت کرنا چاہتے ہیں تو کنٹرول نیٹ اور ان پینٹنگ خالص پرامپٹ سے کہیں زیادہ طاقتور ہیں۔ منفی پرامپٹ کے ساتھ جن کو آپ نہیں چاہتے انہیں ختم کریں اور کاپی رائٹ کے محفوظ ذرائع سے اپنے حوالہ جات کا انتخاب کریں۔

درخواست کا کام

ایک پروڈکٹ کا انتخاب کریں اور پہلے ہاتھ سے کھردرا خاکہ بنائیں (یا تلاش کریں)۔ لیئرڈ پرامپٹ فریم ورک کے ساتھ اس پروڈکٹ کی وضاحت کرنے والا ایک پرامپٹ لکھیں، ایک منفی پرامپٹ شامل کریں، اور چار آؤٹ پٹ تیار کریں۔ اپنی پسند کے آؤٹ پٹ کے بیج اور پیرامیٹرز کو محفوظ کریں۔ پھر، "سنگل ڈیٹیل چینج" منطق کے ساتھ، صرف ایک عنصر (مثال کے طور پر، ہینڈل) کو تبدیل کریں اور اسی بیج کے ساتھ دوبارہ تیار کریں۔ دونوں نتائج کا موازنہ کریں اور لکھیں کہ کنٹرول کیسے بدلتا ہے۔

چیک لسٹ

• میں نے چھ تہوں (سبجیکٹ، فارم، سی ایم ایف، اینگل، لائٹ، اسٹائل) کا احاطہ کرنے کے لیے پرامپٹ سیٹ اپ کیا۔
• میں نے منفی پرامپٹ میں وہ لکھا جو میں نہیں چاہتا تھا۔
• جب مجھے کمپوزیشن کو برقرار رکھنے کی ضرورت ہو تو میں نے حوالہ/کنٹرول نیٹ/انپینٹنگ کا استعمال کیا۔
• میں نے اپنی پسند کے آؤٹ پٹ کے بیج اور پیرامیٹرز کو محفوظ کیا۔
• میں نے ایک متغیر کو منتقل کرکے کنٹرول شدہ تغیرات کی کوشش کی۔
• [ ] میں نے کاپی رائٹ سے محفوظ ذرائع سے اپنی حوالہ جاتی تصاویر کا انتخاب کیا ہے۔