بصری پیداوار کے بنیادی اصول: امیج AI کیسے کام کرتا ہے اور فوری اناٹومی

فائدہ:

• یہ سمجھنا کہ بصری مصنوعی ذہانت کیسے کام کرتی ہے اور یہ کیسے پیدا نہیں کر سکتی جسے بیان نہیں کیا گیا ہے اور متن کو اچھی طرح سے نہیں کھینچ سکتا ہے۔
• موضوع، سیاق و سباق، انداز، ساخت، روشنی اور تکنیکی اجزاء پر مشتمل ایک مضبوط بصری اشارہ لکھنے کی صلاحیت۔
• پہلو کے تناسب کا تعین کرنے کی صلاحیت حاصل کرنا، پڑھنے کے قابل متن کو مصنوعی ذہانت کے ذریعے کھینچنے سے روکنا، اور منفی وضاحت کے ساتھ نقص کو کم کرنا۔

AI کے ساتھ ویژول تیار کرنے والا ڈیزائنر کسی فنکار کو آرڈر دینے کے مترادف ہے: آپ جتنا واضح اور زیادہ درست طریقے سے اس کی وضاحت کریں گے، نتیجہ اتنا ہی درست ہوگا۔ اس یونٹ میں، ہم سادہ زبان میں سمجھیں گے کہ تصویر بنانے والی مصنوعی ذہانت (امیج AI) کس طرح کام کرتی ہے اور قدم بہ قدم ایک اچھا پرامپٹ (بصری کے لیے تحریری ہدایات) لکھنے کی اناٹومی سیکھیں گے۔ مقصد یہ ہے کہ "بے ترتیب کوشش کرنے اور قسمت پر بھروسہ کرنے" کے بجائے اپنی مطلوبہ تصویر کو شعوری طور پر بیان کرنے کے قابل ہو۔

امیج AI کیسے کام کرتا ہے؟ (سادہ وضاحت)

زیادہ تر تصویری پروڈیوسرز آج ایک طریقہ استعمال کرتے ہیں جسے ڈفیوژن کہتے ہیں۔ بس: ماڈل نے لاکھوں تصویری متن کے جوڑوں سے "کون سے الفاظ کن تصویروں سے مطابقت رکھتے ہیں" سیکھ لیا ہے۔ بصری مواد تیار کرتے وقت، یہ بے ترتیب شور والی تصویر سے شروع ہوتا ہے (جیسے کہ برفیلی ٹیلی ویژن اسکرین) اور اس شور کو قدم بہ قدم آپ کے اشارے کے مطابق صاف کرتا ہے اور اسے ایک معنی خیز تصویر میں بدل دیتا ہے۔ دوسرے لفظوں میں، ماڈل تصویر کو "ڈرا" نہیں کرتا، یہ شماریاتی طور پر وہ تصویر بناتا ہے جو آپ کے پرامپٹ کے مطابق ہو۔

اس کے تین عملی نتائج ہیں۔ پہلا: ایک ہی پرامپٹ ہر بار مختلف نتیجہ دیتا ہے، کیونکہ ابتدائی شور بے ترتیب ہوتا ہے (ہم دیکھیں گے کہ اگلی اکائی میں "بیج" کے ساتھ اسے کیسے کنٹرول کیا جائے)۔ دوسرا: ماڈل نہیں جان سکتا جسے آپ بیان نہیں کر سکتے۔ یہ آپ کے دماغ میں موجود تصویر کو نہیں پڑھ سکتا، یہ صرف اس کی ترجمانی کرتا ہے جو آپ لکھتے ہیں۔ تیسرا: ماڈل متن اور نمبر کو اچھی طرح نہیں کھینچ سکتا، کیونکہ یہ شکل میں حروف کی نقل کرتا ہے نہ کہ معنی میں؛ اس لیے لوگو میں تحریر کو AI پر چھوڑنا خطرناک ہے۔

مشورہ: AI کو تصویر میں واضح متن (برانڈ کا نام، نعرہ) پیدا نہ ہونے دیں۔ آپ متن کے بغیر ایک تصویر تیار کرتے ہیں اور پھر ڈیزائن پروگرام میں متن (بطور ویکٹر) شامل کرتے ہیں۔ یہ اسے پڑھنے کے قابل اور قابل تدوین دونوں بناتا ہے۔

ایک اچھے پرامپٹ کی اناٹومی۔

یہ ایک مضبوط بصری اشارے کو چھ اجزاء میں توڑنے میں مدد کرتا ہے۔ آپ کو ہر بار ان کو استعمال کرنے کی ضرورت نہیں ہے، لیکن شعوری طور پر انتخاب کرنا نتیجہ کا تعین کرے گا۔

1. موضوع/موضوع: تصویر کا بنیادی عنصر کیا ہے؟ ("ایک سیرامک ​​کافی کپ"، "ایک نوجوان عورت کی تصویر")۔
2. عمل/سیاق و سباق: وہ کیا کر رہا ہے، کہاں ہے؟ ("لکڑی کی میز پر، صبح کی روشنی میں")۔
3. انداز/جمالیات: بصری زبان کیا ہے؟ ("کم سے کم مصنوعات کی تصویر"، "واٹر کلر کی مثال"، "آئسومیٹرک 3D رینڈرنگ")۔ یہ سب سے فیصلہ کن جزو ہے۔
4. ساخت / زاویہ: فریم کیسا ہے؟ ("کلوز اپ"، "برڈز آئی ویو"، "وائیڈ اینگل"، "درمیان میں، جگہ کے ساتھ")۔
5. روشنی اور رنگ: ("نرم قدرتی روشنی"، "ارتھ ٹون پیلیٹ"، "ہائی کنٹراسٹ")۔
6. تکنیک / معیار: ("ہائی ریزولوشن"، "1:1 فریم ریٹ"، "پس منظر سادہ سفید")۔

ایک منفی نسخہ بھی ہے: وہ باتیں کہنا جو آپ نہیں چاہتے ("کوئی متن، کوئی لوگ، کوئی گندا پس منظر")۔ ہم اسے چوتھی اکائی میں "منفی پرامپٹ" کے ساتھ گہرا کریں گے۔

اصطلاحات کی لغت

• پہلو کا تناسب: تصویر کا پہلو تناسب؛ 1:1 فریم (انسٹاگرام پوسٹ)، 9:16 پورٹریٹ (کہانی/ریلز)، 16:9 لینڈ اسکیپ (کور)۔
• ریزولوشن: تصویر میں پکسلز کی تعداد؛ پرنٹنگ کے لیے ہائی کافی ہے، اسکرین کے لیے میڈیم کافی ہے۔
• سٹائل کا حوالہ: ماڈل کو ایک نمونہ دینا کہ "اس طرح دیکھو"۔
• رینڈر: کمپیوٹر حساب لگاتا ہے اور ایک تصویر تیار کرتا ہے۔ "3D رینڈرنگ" کا مطلب ہے حقیقت پسندانہ حجمی منظر۔

مرحلہ وار: تصویر کو بیان کرنا

ہم کہتے ہیں کہ ہم زیتون کے تیل کے برانڈ کے لیے پروڈکٹ کی تصویر چاہتے ہیں۔

مرحلہ 1 — موضوع پر توجہ مرکوز کریں: "ایک گہرے سبز شیشے کی بوتل میں اضافی ورجن زیتون کا تیل۔"

مرحلہ 2 — سیاق و سباق شامل کریں: "دہاتی لکڑی کے کاؤنٹر پر، اس کے ساتھ زیتون کی چند تازہ شاخیں ہیں۔"

مرحلہ 3 - اسٹائل کا انتخاب کریں: "پریمیم پروڈکٹ کی تصویر، حقیقت پسندانہ"۔

مرحلہ 4 — کمپوزیشن دیں: "درمیان میں پروڈکٹ، اوپر ٹیکسٹ کے لیے جگہ"۔

مرحلہ 5 — ہلکا/رنگ: "نرم سائیڈ قدرتی روشنی، گرم ارتھ ٹونز"۔

مرحلہ 6 — تکنیک: "1:1 فریم ریٹ، ہائی ریزولوشن، سادہ پس منظر"۔

جب آپ ان سب کو یکجا کرتے ہیں، تو آپ کو ایک قابل عمل مسودہ ملتا ہے جو برانڈ کی شناخت کے مطابق ہوتا ہے۔

تین چھوٹے مقدمات

کیس 1 - غیر یقینی صورتحال سے وضاحت تک۔ ایک ڈیزائنر نے "جدید دفتر کی تصویر" لکھی اور 12 کوششیں کیں، جن میں سے کوئی بھی کام نہیں ہوا (30 منٹ ضائع ہو گئے)۔ اس نے پرامپٹ کو چھ اجزاء میں دوبارہ لکھا: "روشن، کم سے کم دفتر؛ لکڑی کی میز؛ بڑی کھڑکی سے قدرتی روشنی؛ گرم غیر جانبدار ٹونز؛ وسیع زاویہ؛ سب سے اوپر متن کی جگہ"۔ پہلی 4 کوششوں میں سے 2 قابل استعمال تھیں۔ وقت کم کر کے 10 منٹ کر دیا گیا۔

کیس 2 - ٹیکسٹ ٹریپ۔ ایک انٹرن کے پاس AI شروع سے ختم ہونے تک کیفے کا پوسٹر تیار کرتا تھا۔ تصویر میں "COFFEE" کا متن "COFEEE" نکلا اور قیمتیں پڑھنے کے قابل نہیں تھیں۔ ہدایات کو تبدیل کر دیا گیا: تصویر بغیر ٹیکسٹ کے تیار کی گئی تھی، متن کو بعد میں ڈیزائن پروگرام میں شامل کیا گیا تھا۔ خرابی صفر ہو گئی اور پوسٹر پرنٹنگ کے لیے موزوں تھا۔

کیس 3 - تناسب کا نقصان۔ ایک سوشل میڈیا ماہر نے انسٹاگرام کہانی کے لیے 1:1 مربع تصویر تیار کی ہے۔ 9:16 جب میں نے اسے عمودی جگہ پر رکھا تو اوپر اور نیچے کا حصہ کٹ گیا اور اہم عنصر ضائع ہو گیا۔ جب میں نے اسپیکٹ ریشو کو پرامپٹ میں "9:16 عمودی" کے طور پر بیان کیا، تو تصویر اس کے فارمیٹ میں فٹ ہوجاتی ہے اور کسی ری پروڈکشن کی ضرورت نہیں تھی۔

کاپی کرنے کے قابل ٹیمپلیٹس

1) چھ اجزاء پروڈکٹ امیج کنکال:

[موضوع: پروڈکٹ کی وضاحت کریں]، [سیاق و سباق: کہاں/کیسے] .انداز: [مثلاً پریمیم مصنوعات کی تصویر، حقیقت پسندانہ] .مرکب: [مثلاً بیچ میں پروڈکٹ، اوپر متن کے لیے جگہ] روشنی اور رنگ: [جیسے نرم قدرتی روشنی، ارتھ ٹونز] .ٹیکنیک: [اسپکٹ ریشو، ہائی ریزولوشن، سادہ پس منظر] .نوٹ: تصویر میں کوئی واضح متن/لوگو نہیں ہے؛ میں بعد میں متن شامل کروں گا۔

2) مثالی کنکال:

موضوع: [کیا کھینچنا ہے] اسٹائل: [جیسے فلیٹ کلر ویکٹر illustration / watercolor / isometric 3D] .رنگ پیلیٹ: [2-3 بنیادی رنگ] .موڈ: [جیسے خوشگوار، پرسکون، سنجیدہ] .پس منظر: [سادہ / نمونہ دار / شفاف] تناسب: [1:1 / 9:16 / 16:9] .

3) طرز کی تلاش (ایک ہی موضوع، مختلف جمالیاتی):

4 مختلف بصری طرزوں میں ایک ہی ترکیب کے ساتھ درج ذیل مضمون کی وضاحت کریں: کم سے کم فلیٹ ویکٹر، حقیقت پسندانہ تصویر، واٹر کلر، آئیسومیٹرک 3D۔ ہر ایک کے لیے ایک لائن کا اشارہ لکھیں۔ موضوع: [پیسٹ کریں]

4) منفی وضاحت شامل کرنا:

درج ذیل پرامپٹ کو بہتر بنائیں اور آخر میں ناپسندیدہ کو شامل کریں: "کوئی متن نہیں، کوئی واٹر مارک نہیں، کوئی گندا پس منظر نہیں، ہاتھ/انگلیاں نہیں، بہت زیادہ چیزیں نہیں"۔ پرامپٹ: [پیسٹ کریں]

کمزور فوری / مضبوط اشارہ

کمزور: ایک خوبصورت کافی تصویر

نتیجہ: بے ترتیب زاویہ، غیر واضح انداز، واقعاتی تصویر جو برانڈ کے مطابق نہیں ہے۔

طاقتور: گرم لیٹ سے بھرا ہوا سیرامک ​​کپ، ہلکی لکڑی کی میز پر، صبح کی نرم روشنی میں۔ کم سے کم پریمیم مصنوعات کی تصویر؛ گرم غیر جانبدار ٹن؛ کلوز اپ، اوپر دائیں طرف متن کے لیے جگہ؛ 1:1 مربع، سادہ پس منظر؛ کوئی پڑھا لکھا متن نہیں ہونا چاہیے۔

نتیجہ: کنٹرول شدہ ساخت، روشنی اور تناسب کے ساتھ ایک برانڈ کے موافق خاکہ۔

فرق: ایک مضبوط اشارہ چھ اجزاء (موضوع، سیاق و سباق، انداز، ساخت، روشنی، تکنیک) کو واضح طور پر بھرتا ہے اور متن کو باہر چھوڑ دیتا ہے۔

فوری اجزاء اور اثر کی میز

جزو

مثال

نتیجہ پر اثر

موضوع

"شیشے کی بوتل میں زیتون کا تیل"

جو ظاہر ہوتا ہے اس کا تعین کرتا ہے۔

انداز

"پریمیم مصنوعات کی تصویر"

وہ عنصر جو سب سے زیادہ بصری زبان کا تعین کرتا ہے۔

مرکب

"درمیان میں، متن کی جگہ کے ساتھ"

استعمال میں اضافہ کرتا ہے۔

روشنی/رنگ

"نرم روشنی، زمین کے سر"

برانڈ کے احساس کو بیان کرتا ہے۔

پہلو کا تناسب

"9:16 عمودی"

فارمیٹ کی تعمیل کرنے کی اجازت دیتا ہے۔

منفی وضاحت

"کوئی متن نہیں"

عیب کو کم کرتا ہے۔

عام غلطیاں

• طرز کی وضاحت نہ کرنا: انتہائی فیصلہ کن جز کو چھوڑ کر، نتیجہ کلیچ اور بے ترتیب ہو جاتا ہے۔
• AI کے ساتھ متن کھینچنا: کرپٹ، ناقابل پڑھے جانے والے حروف؛ متن کو بعد میں ڈیزائن پروگرام میں شامل کریں۔
• تناسب کو بھولنا: غلط پہلو کا تناسب اشاعت میں تراشنا اور عنصر کا نقصان پیدا کرتا ہے۔
• اوورلوڈ پرامپٹ: 20 تصورات کو ایک دوسرے کے اوپر رکھنا ماڈل کو الجھا دیتا ہے۔ اسے واضح اور ترجیح رکھیں۔
• ایک ہی کوشش میں ہار ماننا: بازی بے ترتیب ہے؛ متعدد تغیرات پیدا کرنا اور بہترین کا انتخاب کرنا معمول ہے۔

خلاصہ میں

تصویر بنانے والا AI بتدریج بے ترتیب شور سے آپ کے پرامپٹ کو فٹ کرنے کے لیے تصویر بناتا ہے۔ یہ آپ کے دماغ میں موجود تصویر کو نہیں پڑھ سکتا، یہ صرف اس کی ترجمانی کرتا ہے جو آپ لکھتے ہیں۔ ایک اچھا پرامپٹ چھ اجزاء پر مشتمل ہوتا ہے: موضوع، سیاق و سباق، انداز، ساخت، روشنی/رنگ، اور تکنیک۔ انداز سب سے فیصلہ کن عنصر ہے۔ پہلو کا تناسب بتانا یقینی بنائیں؛ پڑھنے کے قابل متن کو AI پر مت چھوڑیں، آپ اسے بعد میں شامل کریں۔ جیسے جیسے وضاحت بڑھتی ہے، کوششوں اور وقت کے ضیاع کی تعداد کم ہوتی جاتی ہے۔

درخواست کا کام

ایک پروڈکٹ یا موضوع منتخب کریں۔ پہلے اسے ایک جملے میں لکھیں ("ایک اچھا X") اور اسے امیج جنریٹر میں آزمائیں اور نتیجہ نوٹ کریں۔ پھر اسی موضوع کو چھ اجزاء والے کنکال کو بھر کر، پہلو کا تناسب اور منفی تفصیل شامل کرکے دوبارہ بیان کریں۔ دونوں نتائج کو ساتھ ساتھ رکھیں اور تین بلٹ پوائنٹس میں لکھیں کہ کس طرح وضاحت آؤٹ پٹ کو تبدیل کرتی ہے۔

چیک لسٹ

• [] میں نے اپنے پرامپٹ میں موضوع، سیاق و سباق اور انداز واضح طور پر بیان کیا۔
• میں نے کمپوزیشن اور ہلکے/رنگ کے اجزاء شامل کیے ہیں۔
• میں نے پہلو کا تناسب (1:1 / 9:16 / 16:9) بیان کیا۔
• میرے پاس پڑھنے کے قابل متن کو AI ڈرا نہیں تھا، میں نے اسے بعد میں چھوڑ دیا۔
• میں نے منفی وضاحت کے ساتھ ناپسندیدہ چیزوں کو خارج کر دیا۔
• میں نے کسی ایک تجربے پر بھروسہ نہیں کیا اور کئی تغیرات پیدا کیے۔