پرامپت‌نویسی تصویر با هوش مصنوعی: راهنمای کامل

بیشتر کسانی که از هوش مصنوعی تصویر می‌گیرند و نتیجه را دوست ندارند، مشکلشان مدل نیست؛ پرامپت است. و مشکل پرامپت هم معمولاً این نیست که «کوتاه» است — این است که ناقص است. مدل چیزی را که شما نگفته‌اید، خودش حدس می‌زند، و هر بار جور دیگری حدس می‌زند. برای همین است که یک پرامپت ده بار اجرا می‌شود و ده تصویر بی‌ربط می‌دهد.

این راهنما نشان می‌دهد یک پرامپت حرفه‌ای از چه اجزایی ساخته می‌شود، هر جزء چه کاری می‌کند، و کجا باید دقیق باشید و کجا بهتر است مدل را آزاد بگذارید. همهٔ مثال‌ها فارسی‌اند و روی مدل‌های امروزی مثل نانو بنانا پرو و GPT Image تست‌شده‌اند.

پرامپت، فهرست کلمات جادویی نیست

رایج‌ترین تصور غلط این است که پرامپت یعنی چسباندن چند کلمهٔ قدرتمند به هم: «۸K، فوق‌واقع‌گرایانه، سینمایی، جایزه‌برنده، شاهکار». این سبک از دوران مدل‌های نسل اول باقی مانده و امروز تقریباً بی‌اثر است. مدل‌های جدید مثل نانو بنانا پرو موتور استدلال دارند؛ یعنی جمله را می‌فهمند، نه فقط کلمه‌ها را می‌شمارند.

روش درست این است که پرامپت را مثل بریف سفارش به یک عکاس بنویسید. اگر به یک عکاس واقعی بگویید «یه عکس خوب از این محصول بگیر»، اولین کاری که می‌کند پرسیدن ده سوال است: روی چه سطحی؟ نور از کجا؟ پس‌زمینه چه رنگی؟ از چه زاویه‌ای؟ برای چه رسانه‌ای؟ هر سوالی که جواب ندهید، خودش تصمیم می‌گیرد. مدل هوش مصنوعی هم دقیقاً همین کار را می‌کند — با این تفاوت که تصمیمش هر بار عوض می‌شود.

آناتومی یک پرامپت: هفت محور

تقریباً هر پرامپت تصویری خوب را می‌شود روی هفت محور تجزیه کرد. لازم نیست همیشه هر هفت‌تا را بنویسید؛ اما باید بدانید کدام را عمداً حذف کرده‌اید.

۱. سوژه: مشخص باشید، نه طولانی

«یک زن» تقریباً هیچ اطلاعاتی نمی‌دهد. «زنی حدوداً سی‌ساله با موی کوتاه مشکی و پالتوی پشمی خاکستری» یک تصویر مشخص می‌سازد. اما مراقب باشید: توصیف بیش‌ازحد هم ضرر دارد. اگر بیست صفت پشت سر هم بیاورید، مدل بعضی را نادیده می‌گیرد. سه تا پنج صفتِ تعیین‌کننده بهتر از پانزده صفت تزئینی است.

۲. کنش و حالت: چیزی که بیشترین تفاوت را می‌سازد

این محور بیش از همه نادیده گرفته می‌شود و بیش از همه اثر دارد. «ایستاده» با «به دیوار تکیه داده، یک دست در جیب، وزن روی پای چپ» زمین تا آسمان فرق می‌کند. حالت چهره را هم بنویسید: «آرام و درون‌نگر»، «خونسرد با چانهٔ کمی بالا»، «خندهٔ بلند با چشمان بسته».

۳. محیط: زمان روز را فراموش نکنید

مکان بدون زمان، نصف اطلاعات است. «خیابان شهری» می‌تواند ظهر تابستان یا نیمه‌شب بارانی باشد. اضافه‌کردن «در ساعت طلایی» یا «شب، بعد از باران» کل پالت رنگی و حس تصویر را تعیین می‌کند.

۴. ترکیب‌بندی: قاب را شما ببندید

سه چیز را مشخص کنید: فاصلهٔ قاب (کلوزآپ، نمای متوسط، تمام‌قد)، زاویهٔ دوربین (هم‌سطح چشم، از پایین، از بالا) و جای سوژه در قاب (مرکز، یک‌سوم چپ). زاویهٔ دوربین به‌تنهایی می‌تواند معنای تصویر را عوض کند: زاویهٔ پایین حس اقتدار می‌دهد، زاویهٔ بالا حس آسیب‌پذیری.

۵. نورپردازی: زبان استودیو را یاد بگیرید

به‌جای «نور خوب»، از اصطلاح‌های واقعی عکاسی استفاده کنید. چند تای پرکاربرد:

• نور پخش‌شده (soft/diffused): سایه‌های نرم، مناسب پرترهٔ تمیز و تبلیغ زیبایی
• نور سخت (hard light): سایه‌های تیز و برنده، حس ادیتوریال و خام
• نور لبه‌ای (rim light): فقط کانتور سوژه را روشن می‌کند و او را از پس‌زمینهٔ تیره جدا می‌کند
• نور رامبراند: مثلث کوچکی از نور روی گونهٔ سمت تاریک — کلاسیک پرترهٔ جدی
• کیاروسکورو: کنتراست شدید میان نور و تاریکی مطلق
• فلاش مستقیم روی دوربین: نور تخت، سایهٔ سخت پشت سوژه، حس عکس بی‌تکلف و واقعی
• ساعت طلایی: نور گرم کم‌ارتفاع، سایه‌های بلند

۶. دوربین و لنز: مقدارها را بنویسید

نوشتن «لنز ۳۵ میلی‌متری، f/۱.۸» خیلی موثرتر از «پس‌زمینهٔ محو» است، چون مدل روی حجم عظیمی از عکس‌های واقعی با همین متادیتا آموزش دیده. چند نکته:

• لنز واید (۱۶ تا ۳۵ میلی‌متر) فضا را بزرگ‌تر و پرسپکتیو را اغراق‌آمیز می‌کند
• لنز پرتره (۸۵ تا ۱۳۵ میلی‌متر) چهره را طبیعی‌تر نشان می‌دهد و پس‌زمینه را فشرده می‌کند
• عدد دیافراگم کوچک‌تر (f/۱.۴) یعنی پس‌زمینهٔ محوتر
• نام برند دوربین هم اثر دارد: «گوپرو» حس اکشن و اعوجاج می‌دهد، «دوربین یک‌بارمصرف» حس فلاش خام و نوستالژیک

۷. سبک و پرداخت: اینجا جای فیلم و رنگ است

به‌جای «زیبا» یا «هنری»، مرجع مشخص بدهید: «حس فیلم کداک پورترا»، «گریدینگ سینمایی با تن‌های فیروزه‌ای کدر»، «انگار روی فیلم رنگی دههٔ ۸۰ ثبت شده، با دانهٔ ظریف».

قانون بیان مثبت: چیزی را که می‌خواهید بنویسید، نه چیزی را که نمی‌خواهید

این یکی از مهم‌ترین قواعدی است که اکثر کاربران نمی‌دانند. اگر بنویسید «خیابانی بدون ماشین»، مدل کلمهٔ «ماشین» را می‌بیند و احتمال ظاهرشدن ماشین را بیشتر می‌کند. درست این است که بنویسید «خیابانی خالی و متروک».

متن داخل تصویر

مدل‌های امروزی می‌توانند متن بنویسند، اما فقط اگر درست از آن‌ها بخواهید. سه قاعده:

1. متن را داخل گیومه بگذارید: بنویسید کلمهٔ «تخفیف» — نه «کلمهٔ تخفیف»
2. سبک فونت را توصیف کنید: «با فونت سن‌سریف ضخیم سفید» یا «با خطی نازک و مینیمال»
3. جای متن را مشخص کنید: «در بالای کادر»، «زیر محصول»

تصویر مرجع و قفل هویت

وقتی می‌خواهید چهرهٔ خودتان در تصویر بماند، توصیف کردن کافی نیست — باید تصویر مرجع آپلود کنید و صراحتاً بخواهید که تغییر نکند. جملهٔ کلیدی که در پرامپت‌های حرفه‌ای تکرار می‌شود چیزی شبیه این است:

از تصویر مرجع آپلودشده به‌عنوان تنها مرجع هویت استفاده کن.
ساختار چهره، تناسبات، رنگ پوست، مدل مو و حالت طبیعی را
دقیقاً حفظ کن. صورت را تغییر نده و زیباسازی نکن.

بند «زیباسازی نکن» مهم‌تر از چیزی است که به‌نظر می‌رسد؛ بدون آن، مدل معمولاً پوست را صاف و اجزای چهره را متقارن می‌کند و نتیجه دیگر شبیه شما نیست. نانو بنانا پرو تا ۱۴ تصویر مرجع را هم‌زمان می‌پذیرد، که برای ترکیب چند نفر یا قراردادن یک محصول مشخص در صحنهٔ جدید کاربرد دارد.

نسبت تصویر و رزولوشن

نسبت تصویر را همیشه مشخص کنید، وگرنه خروجی پیش‌فرض مربعی می‌گیرید که برای استوری و پرینت به‌درد نمی‌خورد.

در نانو بنانا پرو خروجی تا ۴K هم ممکن است؛ برای کار وب ۱K کافی است و سریع‌تر و ارزان‌تر تولید می‌شود، اما برای چاپ یا کراپ‌کردن بعدی، ۲K به بالا انتخاب کنید.

اصلاح گفت‌وگویی، به‌جای بازنویسی از صفر

اشتباه رایج: تصویر ۸۰ درصد درست است، اما کاربر کل پرامپت را پاک می‌کند و از نو می‌نویسد — و آن ۸۰ درصد را هم از دست می‌دهد. مدل‌های جدید ویرایش گفت‌وگویی را پشتیبانی می‌کنند. به‌جای بازنویسی، بگویید:

«همین تصویر را نگه دار، فقط رنگ ژاکت را به زرشکی عوض کن و بقیه را دست‌نخورده بگذار.»

هرچه دستور اصلاح مشخص‌تر باشد و صراحتاً بگویید چه چیزهایی باید ثابت بمانند، احتمال خراب‌شدن بقیهٔ تصویر کمتر می‌شود.

ده اشتباه رایج در پرامپت‌نویسی

1. انباشتن کلمات کیفی: «شاهکار، جایزه‌برنده، ۸K، فوق‌العاده» تقریباً هیچ اثری ندارد
2. دستورهای متناقض: «نور نرم و پخش‌شده» با «سایه‌های تیز و دراماتیک» هم‌زمان نمی‌شود
3. ننوشتن نسبت تصویر
4. بیان منفی به‌جای بیان مثبت
5. فراموش‌کردن زمان روز در صحنه‌های بیرونی
6. توصیف بیش‌ازحد سوژه و کم‌گویی دربارهٔ نور و ترکیب‌بندی
7. انتظار متن فارسی تمیز از داخل تصویر
8. بازنویسی کامل به‌جای اصلاح تدریجی
9. نگفتن «زیباسازی نکن» وقتی از تصویر مرجع استفاده می‌کنید
10. کپی‌کردن پرامپت انگلیسی بدون بازخوانی: بسیاری از پرامپت‌های آمادهٔ اینترنت برای مدل دیگری نوشته شده‌اند و بندهایشان بی‌اثر یا حتی مضر است

یک پرامپت کامل، از صفر

بیایید یک درخواست مبهم را قدم‌به‌قدم کامل کنیم.

نسخهٔ اول: «عکس یک فنجان قهوه»

افزودن محیط و نور: «فنجان قهوهٔ سرامیکی سفید روی میز چوبی، کنار پنجره در نور صبحگاهی»

افزودن ترکیب‌بندی و دوربین: «… نمای نزدیک از زاویهٔ ۴۵ درجه، لنز ۵۰ میلی‌متری با دیافراگم f/۲.۸، عمق میدان کم»

افزودن جزئیات و سبک: «… بخار ظریفی از فنجان بلند می‌شود، تن‌های گرم و کدر، حس فیلم آنالوگ با دانهٔ ظریف، نسبت ۴:۵»

نسخهٔ نهایی هنوز کوتاه است، اما هر هفت محور را پوشش می‌دهد — و برای همین، هر بار که اجرا شود نتیجه‌ای نزدیک به هم می‌دهد.

قدم بعدی

دو موضوع هست که هرکدام یک راهنمای جداگانه می‌خواهند:

• راهنمای کامل نانو بنانا پرو — قوی‌ترین مدل تصویر گوگل: چه کارهایی می‌کند که بقیه نمی‌کنند، محدودیت‌هایش کجاست، و چطور از حافظهٔ گفت‌وگو و تصاویر مرجعش استفاده کنید.
• پرامپت JSON چیست و کِی واقعاً به‌دردتان می‌خورد؟ — چرا نیمی از پرامپت‌های حرفه‌ای امروز ساختاریافته‌اند، و آن ادعای رایج که «JSON نتیجه را بهتر می‌کند» چقدر درست است.

و اگر می‌خواهید به‌جای نوشتن از صفر، از روی نمونه‌های آماده شروع کنید، گالری پرامپت پینک‌پیکس صدها پرامپت فارسی با تصویر خروجی دارد — از پرتره و عکاسی محصول تا پوستر. متن کامل هر پرامپت روی صفحه‌اش هست و می‌توانید کپی کنید و تغییر دهید.

پرسش‌های پرتکرار

پرامپت باید فارسی باشد یا انگلیسی؟

مدل‌های جدید فارسی را خوب می‌فهمند و برای توصیف صحنه تفاوت معناداری نیست. اما اصطلاح‌های فنی عکاسی — مثل rim light یا bokeh یا f/1.8 — را به همان شکل انگلیسی بنویسید، چون مدل روی همان‌ها آموزش دیده. یعنی جملهٔ فارسی با اصطلاح فنی انگلیسی، بهترین ترکیب است.

پرامپت چقدر باید بلند باشد؟

معیار طول نیست، پوشش است. یک پرامپت ۶۰ کلمه‌ای که هر هفت محور را پوشش دهد، از یک پرامپت ۳۰۰ کلمه‌ای که فقط سوژه را توصیف می‌کند بهتر است. اگر جمله‌ای اضافه می‌کنید که خروجی را تغییر نمی‌دهد، حذفش کنید.

چرا هر بار که همان پرامپت را اجرا می‌کنم نتیجه فرق دارد؟

چون هر تولید یک نقطهٔ شروع تصادفی دارد. هرچه پرامپت دقیق‌تر باشد، دامنهٔ این تفاوت کمتر می‌شود. اگر به تکرارپذیری واقعی نیاز دارید — مثلاً برای یک کمپین — از تصویر مرجع و ساختار JSON استفاده کنید.

چرا چهرهٔ من در خروجی شبیه خودم نیست؟

سه دلیل رایج: تصویر مرجع آپلود نشده، بند «زیباسازی نکن» در پرامپت نیامده، یا کیفیت عکس ورودی پایین است. عکس مرجع باید واضح، رو به دوربین و با نور یکنواخت باشد.

آیا تصاویر ساخته‌شده قابل استفادهٔ تجاری‌اند؟

به سرویس و پلن شما بستگی دارد و باید شرایط همان سرویس را بخوانید. نکتهٔ فنی مهم این است که خروجی مدل‌های گوگل واترمارک نامرئی SynthID و اطلاعات اصالت C2PA دارند؛ یعنی تصویر قابل ردیابی است که ساختهٔ هوش مصنوعی بوده — این را در کارهای تبلیغاتی در نظر بگیرید.