Gość (37.30.*.*)
Tworzenie grafik przy użyciu sztucznej inteligencji, takiej jak Midjourney, DALL-E czy Stable Diffusion, przypomina nieco gotowanie. Każdy potrafi wrzucić podstawowe składniki do garnka, ale to przyprawy decydują o tym, czy danie będzie wybitne. W świecie promptowania te „przyprawy” to nieoczywiste parametry i słowa kluczowe, które wykraczają poza prosty opis obiektu. Zrozumienie, jak działają, pozwala przejąć kontrolę nad modelem i przestać polegać na przypadku.
Sztuczna inteligencja uczy się na ogromnych zbiorach danych, które zawierają nie tylko obrazy, ale i opisy techniczne, metadane z aparatów fotograficznych oraz komentarze krytyków sztuki. Kiedy wpisujesz proste hasło „las”, AI przeszukuje miliony zdjęć lasów. Jeśli jednak dodasz parametr techniczny, np. konkretny model obiektywu, zmuszasz algorytm do odwołania się do specyficznej estetyki, którą kojarzy z tym sprzętem.
Dodawanie takich detali pozwala na:
Większość użytkowników opisuje to, co chce zobaczyć, zapominając o tym, jak chce to zobaczyć. Wprowadzenie terminologii fotograficznej to najprostszy sposób na natychmiastowy skok jakościowy.
Wpisanie „85mm lens” lub „f/1.8” w prompcie do portretu sprawi, że AI wygeneruje piękny, rozmyty tył (bokeh) i skupi ostrość na twarzy. Z kolei „wide-angle lens” lub „14mm” nada obrazowi dynamiki i szerokiej perspektywy, idealnej do krajobrazów czy architektury.
Zamiast pisać „stare zdjęcie”, warto użyć konkretnych nazw, takich jak „Kodak Portra 400” lub „Fujifilm Velvia”. AI doskonale wie, że Kodak kojarzy się z ciepłymi, nasyconymi barwami i delikatnym ziarnem, podczas gdy Fujifilm daje bardziej naturalne, zielonkawe tony. To nadaje grafikom duszę i sprawia, że wyglądają jak autentyczne fotografie z ubiegłego wieku.
Oświetlenie to fundament każdego obrazu, ale zamiast standardowego „bright light”, warto sięgnąć po terminy używane przez profesjonalnych oświetleniowców i malarzy.
Często skupiamy się na kolorze, zapominając o strukturze powierzchni. To właśnie detale sprawiają, że obraz staje się „namacalny”.
Słowa takie jak „weathered”, „oxidized” czy „distressed” dodają przedmiotom historii. Zamiast „metalowy robot”, wpisz „rusty, weathered iron robot”. Efekt? Zamiast błyszczącej zabawki otrzymasz maszynę, która wygląda, jakby stała na deszczu przez dekady.
Użycie frazy „extreme close-up” lub „macro photography” zmusza AI do wygenerowania tekstur, których normalnie by nie uwzględniła – porów na skórze, splotów tkaniny czy pyłków na kwiecie. To właśnie te drobne niedoskonałości budują wiarygodność obrazu.
Ciekawym trikiem jest odwoływanie się do konkretnych technologii lub epok, które narzucają AI określony styl pracy.
Większość modeli generatywnych była trenowana na portalach takich jak ArtStation, Flickr czy Pinterest. Tam profesjonalni artyści i fotografowie tagują swoje prace bardzo precyzyjnie (np. „Nikon D850, f/2.8, sunset”). AI nie rozumie fizyki światła tak jak człowiek, ale doskonale kojarzy korelację między słowem „f/2.8” a rozmytym tłem na obrazku.
Zamiast pisać:
„Kobieta w lesie, realistyczne, 4k”
Spróbuj napisać:
„Cinematic portrait of a woman in a misty forest, shot on Kodak Portra 400, 85mm lens, f/1.8, volumetric lighting, subsurface scattering on skin, hyper-detailed textures, moody atmosphere”
Różnica w wyniku końcowym będzie kolosalna. Pierwszy prompt da poprawny, ale nudny obraz. Drugi stworzy dzieło, które wygląda jak kadr z wysokobudżetowego filmu, z głębią, teksturą i profesjonalnym oświetleniem. Eksperymentowanie z tymi nieoczywistymi dodatkami to najszybsza droga do zostania mistrzem promptowania.