शुरुआती लोगों के लिए AI इमेज जनरेशन: ऐसे प्रॉम्प्ट कैसे लिखें जो सचमुच काम करें

एक अच्छा AI इमेज प्रॉम्प्ट छह चीज़ें बताता है: विषय (सब्जेक्ट), वह क्या कर रहा है, कहाँ है, रोशनी कैसी है, शैली या माध्यम क्या है, और फ़्रेमिंग। ज़्यादातर निराश करने वाले नतीजे उन प्रॉम्प्ट से आते हैं जो इन छह में से दो बताते हैं और बाकी मॉडल की कल्पना पर छोड़ देते हैं। “एक बिल्ली” में सब कुछ अनिश्चित रहता है, इसलिए आपको अब तक बनी हर बिल्ली की तस्वीर का औसत मिलता है। “धूप से भरी खिड़की की चौखट पर सोई हुई अदरक रंग की बिल्ली, सुबह की मुलायम रोशनी, 50mm फ़िल्म पर खींची, क्लोज़ क्रॉप” में लगभग कुछ भी अनिश्चित नहीं बचता, और आउटपुट उसी हिसाब से बदल जाता है।

पूरा हुनर यही है, और यह एक टूल से दूसरे टूल पर साथ चलता है। जेनरेटर हर कुछ महीनों में बदल जाते हैं; पर इमेज का पूरा वर्णन करने का अनुशासन नहीं बदलता। इस गाइड में ढाँचा है, वह शब्दावली जो सचमुच आउटपुट बदलती है, वे चीज़ें जिनमें ये मॉडल अब भी कमज़ोर हैं, और लगभग सही इमेज को कैसे सुधारा जाए।

इमेज प्रॉम्प्ट के छह हिस्से कौन-से हैं?

क्रम से ज़्यादा पूर्णता मायने रखती है, पर विषय को पहले रखना मदद करता है, क्योंकि ज़्यादातर जेनरेटर शुरुआती शब्दों को ज़्यादा वज़न देते हैं। जो प्रॉम्प्ट विषय का नाम लेने से पहले माहौल के चार वाक्यांशों से शुरू होता है, वह अक्सर ग़लत चीज़ की सुंदर तस्वीरें बना देता है।

पाँचवाँ घटक वह है जिसे शुरुआती लोग छोड़ देते हैं और पेशेवर कभी नहीं। “शैली या माध्यम” वह जगह है जहाँ आप तय करते हैं कि नतीजा फ़ोटोग्राफ़ जैसा दिखे, तैलचित्र जैसा, पेंसिल स्केच जैसा, 1970 के दशक के ट्रैवल पोस्टर जैसा या तकनीकी आरेख जैसा। इसे छोड़ दें तो मॉडल एक आम चमकदार डिजिटल-इलस्ट्रेशन लुक चुन लेता है — AI इमेज की वह “घरेलू शैली” जिसे अब सब पहचानते हैं और जिसे कम आँकते हैं।

कौन-से शब्द असल में आउटपुट बदलते हैं?

प्रॉम्प्ट को लेकर बहुत-सी लोककथाएँ चलती हैं, जिनमें से ज़्यादातर बेकार हैं। हर प्रॉम्प्ट के अंत में “masterpiece, 8k, highly detailed, award-winning, trending on ArtStation” जोड़ने का आज के मॉडलों पर बहुत कम असर होता है; ये वाक्यांश पुरानी पीढ़ियों पर कुछ हद तक असरदार थे और अब काफ़ी हद तक ट्रेनिंग से निकाल दिए गए हैं। जो काम करता है वह है ठोस, भौतिक वर्णन — ऐसे शब्द जिनका कुछ मतलब फ़ोटोग्राफ़र, चित्रकार या इलस्ट्रेटर के लिए हो।

कोई शब्द आपके प्रॉम्प्ट में रहे या नहीं, इसकी कसौटी सीधी है: क्या कोई इंसान उसका पालन कर सकता है? “शाम पाँच बजे खिड़की की पीछे से आती रोशनी” एक निर्देश है। “शानदार” एक राय है, और मॉडल राय पर अमल नहीं कर सकता, सिवाय अपने डिफ़ॉल्ट चमकदार लुक तक पहुँचने के।

ये मॉडल अब भी क्या ग़लत करते हैं?

उनकी विफलताएँ जान लेने से वही प्रॉम्प्ट बार-बार चलाते हुए अलग नतीजे की उम्मीद में लगने वाले घंटे बच जाते हैं। कुछ चीज़ें इसलिए कठिन हैं कि मॉडल इसी तरह काम करते हैं, इसलिए नहीं कि आपका प्रॉम्प्ट ख़राब था।

आख़िरी पंक्ति लोगों को हैरान करती है। “एक आदमी, टोपी नहीं” लिखने पर टोपी पहने आदमी भी बन सकता है, क्योंकि प्रॉम्प्ट के शब्द इमेज को हर उस चीज़ की ओर खींचते हैं जिसका वे ज़िक्र करते हैं, उस चीज़ की ओर भी जिसे आपने नकारा। ज़्यादातर गंभीर टूल इसी वजह से अलग नेगेटिव-प्रॉम्प्ट फ़ील्ड देते हैं; अगर आपके टूल में नहीं है, तो सकारात्मक बात बताएँ — “खुले, हवा में उड़ते बालों वाला आदमी”।

लगभग सही इमेज को कैसे ठीक करें?

सहज प्रवृत्ति पूरा प्रॉम्प्ट दोबारा लिखने की होती है। इससे वह भी बह जाता है जो काम कर रहा था। एक बार में एक ही चीज़ बदलिए, तय क्रम में, तो आप कहीं तेज़ी से मंज़िल पर पहुँचेंगे।

कामयाब प्रॉम्प्ट की एक फ़ाइल रखिए। पूरे अभ्यास में सबसे ज़्यादा लौटाने वाली यही आदत है, और लगभग कोई इसे नहीं अपनाता। तीस जेनरेशन के बाद आपके पास पाँच-छह प्रॉम्प्ट के ढाँचे होंगे जो मनचाहा लुक भरोसे से देते हैं, और काम आविष्कार से बदलकर प्रतिस्थापन बन जाता है।

क्या AI इमेज का व्यावसायिक इस्तेमाल हो सकता है?

यह टूल की शर्तों और आपके स्थान पर निर्भर करता है, और यह ऐसा क्षेत्र है जहाँ ईमानदार जवाब यह है कि स्थिति अभी तय नहीं है। ज़्यादातर बड़े जेनरेटर भुगतान करने वाले यूज़र को अपनी बनाई इमेज के व्यावसायिक इस्तेमाल के अधिकार देते हैं, लेकिन शर्तें अलग-अलग हैं, फ़्री टियर अक्सर पेड से अलग होते हैं, और ये बदलती रहती हैं। पिछले साल जो सच था उस पर भरोसा करने के बजाय उस ख़ास टूल की मौजूदा शर्तें पढ़ें।

टूल की इजाज़त से अलग, शर्तें जो भी कहें, तीन व्यावहारिक सावधानियाँ हर हाल में लागू होती हैं।

• पहचाने जा सकने वाले ब्रांड, लोगो या ट्रेडमार्क वाले किरदार न बनाएँ और उन्हें व्यावसायिक सामग्री में न लगाएँ। टूल का लाइसेंस किसी और के ट्रेडमार्क को रद्द नहीं करता।
• पहचाने जा सकने वाले असली लोगों को व्यावसायिक इस्तेमाल के लिए न बनाएँ। व्यक्तित्व और प्रचार के अधिकार कॉपीराइट से अलग हैं और भारत समेत कई क्षेत्राधिकारों में लागू होते हैं।
• आउटपुट में कॉपीराइट अनिश्चित है। कई क्षेत्राधिकारों ने, ख़ास तौर पर अमेरिका ने, माना है कि बिना मानवीय रचयिता वाली रचनाएँ कॉपीराइट योग्य नहीं हैं। अगर किसी इमेज को सुरक्षित संपत्ति बनना है, तो बनाई गई इमेज पर निर्भर न रहें।

इनमें से कुछ भी क़ानूनी सलाह नहीं है, और अगर किसी इमेज पर असली व्यावसायिक वज़न है तो किसी ब्लॉग की नहीं, पेशेवर की राय लेना बेहतर है। कम जोखिम के इस्तेमाल — ब्लॉग का चित्र, सोशल पोस्ट, इंटरनल डेक — में व्यावहारिक जोखिम कम है और बड़े टूलों की शर्तें आमतौर पर आपको कवर करती हैं।

एक शुरुआती अभ्यास

कोई एक इमेज चुनें जो आपको चाहिए। प्रॉम्प्ट को छह नामित पंक्तियों में लिखें — विषय, क्रिया, परिवेश, रोशनी, शैली, फ़्रेमिंग — फिर उन्हें जोड़कर एक वाक्य बनाएँ। चार वेरिएशन बनाएँ। सिर्फ़ रोशनी वाली पंक्ति बदलें और चार और बनाएँ। दोनों सेट को साथ-साथ रखकर तुलना करें।

यह एक तुलना बीस प्रॉम्प्ट गाइड पढ़ने से ज़्यादा सिखाती है, क्योंकि यह दिखाती है कि इमेज का कितना स्वभाव एक ही वाक्यांश से आता है। रोशनी आमतौर पर सबसे बड़ा लीवर है, और ठीक इसीलिए सबसे पहले उसे अलग करके देखना सार्थक है।

यहाँ से अभ्यास संचयी है: अपनी प्रॉम्प्ट लाइब्रेरी बनाएँ, सीखें कि कौन-सी विफलताओं से लड़ना सार्थक है और किन्हें डिज़ाइन से टालना है, और जेनरेटर को इच्छा पूरी करने वाली मशीन नहीं, ऐसा सहयोगी मानें जिसे ठीक से ब्रीफ़ करना पड़ता है। यही सिद्धांत टेक्स्ट प्रॉम्प्टिंग के पीछे भी है, जिसे हमने बेहतर AI प्रॉम्प्ट कैसे लिखें में समझाया है। अगर आप रचनात्मक काम के लिए असिस्टेंट चुन रहे हैं, तो ChatGPT बनाम Gemini बनाम Claude देखें, और AI से बनी सामग्री के प्रकाशन की बड़ी तस्वीर के लिए AI-जनित कंटेंट की हमारी गाइड। छात्रों को छात्रों के लिए सबसे अच्छे फ़्री AI टूल में और भी मिलेगा। और टेक्नोलॉजी सेक्शन में देखें।