این راهنما نشان میدهد چطور یک عکس مرجع را به هوش مصنوعی بدهی، ساختار بصری آن — نور، قاببندی، رنگ، حس و حال — را به شکل یک فرمول دقیق استخراج کنی و همان سبک را روی عکس خودت پیاده کنی؛ بدون اینکه چیزی از هویت چهرهات تغییر کند.
هدف این نیست که «پرامپت اصلی سازندهی عکس» را پیدا کنیم — چنین چیزی از روی یک عکس قابل بازیابی نیست. در عوض، از روی هر آنچه در تصویر قابل مشاهده است، یک فرمول بازسازیشده و کاربردی میسازیم: نوع نور، زاویه دوربین، پالت رنگی، ترکیببندی و حس کلی تصویر. این فرمول را بعد میتوانی روی عکس خودت اجرا کنی و همان اتمسفر را با حفظ کامل چهرهات بگیری.
کل فرایند ساده است و نیازی به دانش تخصصی عکاسی یا نورپردازی نداری — فقط باید همین دو دستور را در جای درست به مدل هوش مصنوعی بدهی.
هر عکسی که نور، ژست، رنگ، لوکیشن یا حس کلیاش را دوست داری، ذخیره کن. کیفیت و وضوح این عکس مستقیماً روی نتیجه نهایی اثر میگذارد.
عکس مرجع را آپلود کن و «پرامپت شماره ۱» را بدون هیچ تغییری برایش بفرست تا تحلیل بصری آغاز شود.
مدل تصویر را تحلیل میکند و یک ساختار JSON مرتب به همراه یک پرامپت نهایی آماده استفاده برمیگرداند.
عکس خودت را اضافه کن و «پرامپت شماره ۲» را بفرست تا سبک منتقل شود، در حالیکه هویت چهرهات کاملاً حفظ میشود.
عکس مرجع را در مدل آپلود کن و متن زیر را بدون هیچ تغییری ارسال کن.
بعد از دریافت JSON، عکس خودت را هم در همان گفتگو آپلود کن و متن زیر را ارسال کن.
همین منطق روی ویدیو هم جواب میدهد. بهجای نور و رنگ یک قاب ثابت، اینبار حرکت دوربین، ریتم تدوین، جلوههای انتقالی و اتمسفر صوتی یک ویدیوی مرجع را استخراج میکنیم و همان زبان بصری را روی ویدیوی خودت پیاده میکنیم — بدون اینکه محتوا، گفتار یا هویت افراد داخل ویدیوی تو تغییر کند.
ویدیویی که سبک تدوین، حرکت دوربین یا حالوهوای آن را دوست داری، آماده کن — ترجیحاً کوتاه و با کیفیت خوب.
ویدیوی مرجع را آپلود کن و «پرامپت شماره ۳» را بفرست تا تحلیل بصری و شنیداری آغاز شود.
مدل حرکت دوربین، ریتم تدوین، رنگبندی و اتمسفر صوتی را تحلیل میکند و یک فرمول ساختاریافته برمیگرداند.
ویدیوی خودت را اضافه کن و «پرامپت شماره ۴» را بفرست تا سبک منتقل شود، در حالیکه محتوا و هویت افراد داخل ویدیو دستنخورده میماند.
ویدیوی مرجع را در مدل آپلود کن و متن زیر را بدون هیچ تغییری ارسال کن.
بعد از دریافت JSON، ویدیوی خودت را هم در همان گفتگو آپلود کن و متن زیر را ارسال کن.
اگر چهره، نور یا پسزمینه در عکس مرجع نامشخص باشد، مدل مجبور میشود بخش زیادی از جزئیات را حدس بزند و نتیجه دقت کمتری خواهد داشت.
سبک تصویری کاملاً قابل انتقال است، اما ویژگیهای هویتی چهره — شکل صورت، چشمها، پوست — باید همیشه متعلق به عکس دوم باقی بماند.
خروجی این فرایند، بازسازی هوشمندانهای از روی چیزی است که در تصویر دیده میشود؛ نه بازیابی دستور واقعی سازنده تصویر.
پرتره، فشن، عکس محصول، پوستر، طراحی داخلی و حتی عکاسی غذا — همه را میتوان با همین دو پرامپت تحلیل و بازتولید کرد.
بله. چون خروجی این فرایند یک متن ساختاریافته و قابلفهم برای هر مدل زبانی-تصویری است، میتوانی آن را در هر ابزاری که از تحلیل تصویر و تولید تصویر پشتیبانی میکند استفاده کنی.
بخش final_generation_prompt را بازبینی کن و جزئیاتی که برایت مهمتر است را با متن ساده به آن اضافه کن؛ میتوانی همین فرمول را چند بار با توضیحات تکمیلی اجرا کنی.
بله. میتوانی چند عکس مرجع را جداگانه تحلیل کنی و بعد در پرامپت نهایی، بهترین ویژگیهای نور، رنگ یا ترکیببندی هر کدام را با هم ادغام کنی.
همین صفحه را ذخیره کن. هر وقت عکسی دیدی که سبکش را دوست داشتی، کافی است دو پرامپت بالا را دوباره کپی و استفاده کنی.