اصلاح پرامپت تصویر؛ وقتی خروجی هوش مصنوعی شبیه چیزی که می‌خواید نیست
- اول نوع مشکل را پیدا کنید
- ۱. معیار قبول خروجی را قبل از اصلاح بنویسید
- ۲. پرامپت پایه را از دستورهای مبهم خالی کنید
- ۳. در هر نوبت، یک مسئلهٔ اصلی را اصلاح کنید
- ۴. نتیجه را کنار نسخهٔ مبنا مقایسه کنید
- ۵. ثبت کنید چه چیزی را تغییر دادید
- چه زمانی بهتره بازنویسی را متوقف کنیم؟
- پاسخ چند سؤال رایج
- اگر می‌خواید پرامپت را در یک مسیر کاربردی یاد بگیرید
- از دستور مبهم به خروجی قابل بررسی برسید
- منابع و یادداشت آموزشی
برای اصلاح پرامپت تصویر، اول مشخص کنید دقیقاً کدام بخش خروجی اشتباهه؛ بعد همان بخش را با یک دستور روشن تغییر بدید. اگر تصویر خوبه ولی نورش مناسب نیست، لازم نیست هم‌زمان سوژه، زاویه و پس‌زمینه را هم عوض کنید. هدف اینه که بفهمید هر تغییر چه اثری داشته، نه اینکه فقط متن پرامپت را طولانی‌تر کنید.
بیایید با یک ماگ بنفش فرضی جلو بریم: قرار است تصویر برای معرفی محصول استفاده بشه، اما خروجی با چیزی که می‌خواستید فرق داره. در این راهنما یک روش بازبینی، دو نمونه پرامپت و یک الگوی ثبت اصلاح می‌بینید. مثال‌ها آموزشی و پیشنهادی‌اند؛ این مقاله تست عملی یک مدل یا گزارش نتیجهٔ واقعی مشتری نیست.
اول نوع مشکل را پیدا کنید
گاهی مسئله از ابهام جمله است؛ گاهی درخواست‌ها با هم سازگار نیستند؛ گاهی هم مدل یا قابلیت انتخاب‌شده برای آن کار مناسب نیست. نتیجهٔ ضعیف را همیشه به «کمبود کلمهٔ جادویی» نسبت ندید. راهنمای رسمی Imagen روی روشن‌بودن سوژه، زمینه و سبک تأکید دارد و مستندات تصویر Gemini هم اصلاح مرحله‌ای در گفت‌وگو را توضیح می‌دهند. چارچوب زیر، پیشنهاد آموزشی ما برای تبدیل این اصول به یک روند قابل بررسی است.
| چیزی که می‌بینید | اول چه چیزی را بررسی کنید؟ | درخواست روشن‌تر |
|---|---|---|
| ماگ کوچک و دور افتاده | اندازهٔ سوژه و نوع قاب | نمای نزدیک از ماگ کامل؛ سوژه بخش اصلی قاب باشد |
| نور خیلی تند است | جهت و نرمی نور | نور پخش‌شده از چپ دوربین، سایهٔ ملایم |
| پس‌زمینه شلوغ شده | تعداد عناصر محیط | سطح ساده و پس‌زمینهٔ یکدست با فضای خالی |
| دسته یا شکل محصول عوض شده | مرجع، ابزار و میزان تغییر | مرجع واقعی را اضافه و محدودهٔ اصلاح را مشخص کنید؛ سپس تطابق را بازبینی کنید |
| تصویر برای ریلز بد برش می‌خورد | نسبت قاب و جای سوژه | قاب عمودی با حاشیهٔ امن و فضای مشخص برای متن |
این جدول تشخیص قطعی علت خطای مدل نیست. مثلاً تغییر شکل محصول ممکنه حتی با مرجع و دستور دقیق هم باقی بمونه. اگر نمایش دقیق کالا ضروریه، خروجی را با عکس واقعی مقایسه کنید و در صورت لزوم از عکس یا ویرایش دستی کمک بگیرید.
۱. معیار قبول خروجی را قبل از اصلاح بنویسید
به‌جای «حرفه‌ای‌ترش کن» بنویسید چه چیزی باید قابل مشاهده باشد. برای ماگ فرضی ما، معیارها این‌هاست: یک ماگ کامل، رنگ بنفش، پس‌زمینهٔ ساده، نور ملایم و فضای خالی برای نوشته. اگر دارید با کالای واقعی کار می‌کنید، رنگ، نسبت‌ها، لوگو و جزئیات آن را از مرجع واقعی بگیرید.
یک خط هم برای «موارد ثابت» داشته باشید. مثلاً می‌خواید فقط نور تغییر کنه، پس قاب، رنگ و شکل ماگ باید معیار ثابت بازبینی باشند. نوشتن این محدودیت درخواست شما را روشن‌تر می‌کنه؛ اجرای بی‌نقص آن تضمین‌شده نیست.
۲. پرامپت پایه را از دستورهای مبهم خالی کنید
عبارت‌هایی مثل «خفن»، «خیلی حرفه‌ای» یا چند سبک ناسازگار، مشخص نمی‌کنند چه چیزی می‌خواید. می‌تونید حس تصویر را توضیح بدید، اما بهتره آن را به تصمیم‌های قابل مشاهده وصل کنید: نور، فاصلهٔ دوربین، جنس سطح و تعداد عناصر. مثال زیر برای تولید یک تصویر فرضی است، نه بازسازی دقیق یک کالای واقعی.
مثال آموزشی پرامپت پایه: یک عکس استودیویی از یک ماگ سرامیکی بنفش ساده بساز. یک ماگ کامل روی سطح مات دیده شود و سوژهٔ اصلی قاب باشد. پس‌زمینه سرمه‌ایِ ساده با فضای خالی بالای ماگ باشد. نور نرم و پخش‌شده از سمت چپ دوربین بتابد و سایه ملایم باشد. زاویهٔ دوربین کمی بالاتر از سطح ماگ باشد، با نمای سه‌ربع. تصویر برای معرفی محصول طراحی شود؛ نوشته و لوگو را بعداً در تدوین اضافه می‌کنیم.
اگر قصدتون معرفی محصول واقعی است، از مرجعی استفاده کنید که اجازهٔ استفاده از آن را دارید. در راهنمای عکس محصول با هوش مصنوعی دربارهٔ آماده‌کردن ورودی مناسب بیشتر توضیح داده‌ایم.
۳. در هر نوبت، یک مسئلهٔ اصلی را اصلاح کنید
فرض کنید قاب و رنگ مناسب‌اند ولی بازتاب نور زیادی دارید. به‌جای تولید دوبارهٔ یک تصویر کاملاً متفاوت، اگر ابزار شما ویرایش تصویر یا ادامهٔ گفت‌وگو را پشتیبانی می‌کنه، همان خروجی را مبنا قرار بدید و تغییر مورد نیاز را مشخص کنید. پشتیبانی این قابلیت به ابزار، مدل و حساب شما بستگی دارد؛ یک دستور یکسان در همهٔ ابزارها رفتار یکسانی ندارد.
مثال آموزشی دستور اصلاح: در همین تصویر، فقط نور روی بدنهٔ ماگ را نرم‌تر کن و بازتاب سفیدِ تند را کاهش بده. ماگ، رنگ بنفش، محل دسته، زاویهٔ دوربین و پس‌زمینه را تا حد ممکن مطابق تصویر فعلی نگه دار. نور پخش‌شده از چپ دوربین با سایهٔ ملایم می‌خواهم. شیء یا نوشتهٔ تازه اضافه نکن. پس از اصلاح، شکل و رنگ را با نسخهٔ مبنا بررسی می‌کنم.
اگر ابزار به‌جای ویرایش، هر بار تصویر تازه می‌سازه، صرف گفتن «همین تصویر» کافی نیست. مطمئن بشید تصویر مرجع واقعاً در ورودی وجود دارد و در حالت مناسب کار می‌کنید. اگر ابزار انتخاب ناحیه دارد، محدودهٔ تغییر را هم مشخص کنید. برای مسئلهٔ چهره، راهنمای ویرایش عکس بدون تغییر چهره را ببینید؛ حفظ هویت هم تضمین خودکار نیست.
۴. نتیجه را کنار نسخهٔ مبنا مقایسه کنید
فقط به قسمت اصلاح‌شده نگاه نکنید. ممکنه نور بهتر شده باشه ولی شکل دسته یا رنگ بدنه عوض شده باشه. نسخهٔ مبنا را نگه دارید و مقایسه را با همان معیارهای اول انجام بدید. اگر تغییر اصلی موفق بوده اما جزئیات ضروری خراب شده‌اند، خروجی هنوز برای استفادهٔ نهایی آماده نیست.
- آیا مشکل اصلی واقعاً کمتر شده یا فقط تصویر متفاوت شده؟
- آیا ویژگی‌هایی که باید ثابت می‌ماندند حفظ شده‌اند؟
- آیا شیء، نوشته، لوگو یا جزئیات تازهٔ نامطلوب ایجاد شده؟
- آیا تصویر در اندازه و قاب نهایی خواناست؟
- آیا مشخصات واقعی محصول یا هویت شخص را اشتباه نشان می‌دهد؟
۵. ثبت کنید چه چیزی را تغییر دادید
برای تمرین، یک جدول خیلی کوتاه کافی است. به‌جای اینکه بعد از چند خروجی فراموش کنید کدام تغییر مفید بوده، نسخه، مشکل، دستور اصلاح و نتیجهٔ مشاهده‌شده را بنویسید. جدول زیر الگوست و نتیجهٔ هیچ آزمایشی داخلش وارد نشده است.
| نسخه | مشکل هدف | تغییر دستور | نتیجه پس از بررسی شما |
|---|---|---|---|
| مبنا | [مشکل قابل مشاهده] | بدون تغییر | [ثبت کنید] |
| اصلاح۱ | [فقط یک مسئله] | [دستور دقیق] | [بهتر / بی‌تغییر / نامناسب + دلیل] |
برای اینکه مقایسه معنی داشته باشه، نام ابزار و مدل انتخاب‌شده را هم برای خودتون نگه دارید. تغییر هم‌زمان مدل، مرجع و پرامپت باعث می‌شه نتونید اثر تغییر جمله را جدا تشخیص بدید. حتی با ورودی مشابه، خروجی‌های تولیدی می‌تونند متفاوت باشند؛ این ثبت، کنترل کیفیتِ پروژه است و آزمون علمیِ برتری یک مدل محسوب نمی‌شه.
چه زمانی بهتره بازنویسی را متوقف کنیم؟
اگر چند اصلاح هدفمند هنوز ویژگی ضروری محصول را خراب می‌کنند، فقط طولانی‌کردن پرامپت لزوماً راه‌حل نیست. ابزار و حالت کار را دوباره بررسی کنید، از مرجع واضح‌تر کمک بگیرید یا بخش حساس را با عکس واقعی و ویرایش دستی آماده کنید. برای کار تبلیغاتی، شباهت ظاهریِ تقریبی همیشه کافی نیست.
همچنین وقتی تصویر برای کاربرد شما مناسب شده، تغییرهای بی‌هدف می‌تونند فقط زمان و اعتبار مصرف کنند. معیار توقف را از نیاز پروژه بگیرید: تصویر خواناست، اطلاعات واقعی را تحریف نمی‌کنه و در قاب مقصد درست دیده می‌شه.
پاسخ چند سؤال رایج
پرامپت بلندتر همیشه بهتره؟ نه؛ توضیح روشن و مرتبط مهم‌تر از تعداد کلمات است. اول سوژه و کاربرد را روشن کنید، بعد جزئیات لازم را اضافه کنید.
انگلیسی بنویسیم یا فارسی؟ با زبانی شروع کنید که منظورتون را دقیق‌تر بیان می‌کنید و ابزار انتخاب‌شده از آن پشتیبانی می‌کنه. برتری یک زبان را برای همهٔ مدل‌ها و پروژه‌ها فرض نکنید؛ نتیجه را با نیاز واقعی خودتون بررسی کنید.
این روش فقط برای Gemini است؟ منطق تعریف مسئله، اصلاح هدفمند و مقایسهٔ خروجی عمومی است. قابلیت و دستورهای دقیق هر ابزار را از راهنمای همان ابزار بررسی کنید؛ ابزار فاقد ویرایش یا مرجع با یک جمله صاحب آن قابلیت نمی‌شه.
اگر می‌خواید پرامپت را در یک مسیر کاربردی یاد بگیرید
نوشتن دستور فقط بخشی از کاره؛ تعریف مسئله، انتخاب مرجع، بررسی خروجی و آماده‌کردن تصویر برای استفاده هم اهمیت دارند. دورهٔ جامع ONE AI با تدریس ابوالفضل رضایی، مسیر پرامپت، تصویر و تولید محتوا را در سرفصل‌های معرفی‌شده دنبال می‌کنه. ONE AI برند تخصصی AI اوست و آکادمی آموزش گرافیک ناشر این وب‌سایت است.
منابع و یادداشت آموزشی
منابع در ۵ نوامبر ۲۰۲۶ بررسی شدند: مستندات رسمی تولید و ویرایش تصویر Gemini و راهنمای رسمی پرامپت تصویر Imagen. چارچوب تشخیص مشکل، مثال ماگ و الگوی ثبت نتیجه، پیشنهاد آموزشی این مقاله‌اند؛ ابزار یا حساب مشخصی در این مقاله تست نشده. کاور تصویر مفهومی تولیدشده با AI است، نه نمونهٔ قبل‌وبعد واقعی.
