Изкуството на подканите за генериране на изображения
На тази страница
Урокът е пренаписан на 3 ноември 2026 г. въз основа на Ръководството за подкани за изображения на xAI, написано за
grok-imagine-image-2.0: обектът идва преди стила, светлината се описва чрез източника, посоката и твърдостта си, списъкът със забранени елементи се заменя с описание на желаното, а изолираното изображение се описва в четири до шест изречения. Предишната версия посочваше лимит от „1024 знака“, който не фигурира в никоя текуща страница на xAI, и съветваше „да се уточнява какво не искате да виждате“, което ръководството обезкуражава. Източник: Image Prompting Guide.
Какво е най-важно: обектът
Ръководството на xAI за подканите поставя прост критерий за успех: едно изображение е добро, ако неговият обект съответства на подканата. Палитрата, зърнестостта и стилът идват по-късно. Тази йерархия диктува цялото писане: подкана, която започва с настроение, вид филм или списък със забранени елементи, води до полирана сцена около приблизителен обект.
Започнете с изречение, което установява обекта: какво представлява, неговото състояние или форма, какво го държи и къде се намира.
- Неясно: „чайник“
- Прецизно: „Черен чугунен чайник, капакът леко héhé, поставен върху коркова поставка, на маса от шист до прозорец.“
След това опишете обекта като нещо, към което бихте могли да посочите: всеки важен елемент, наименуван според формата, която приема в изображението („пуловер с плетка на въжета“, а не просто „пуловер“); количества („две чаши“, „една единствена отворена книга“); и ъгълът на наблюдение, посочен веднъж и еднозначно („три-четвърти изглед на нивото на масата“, „вертикален кадър отгоре“).
Фиксиран ред от шест стъпки
Ръководството предлага ред, който да спазвате от една подкана до следващата, особено при работа със серия:
- Обектът: какво представлява, неговата форма, опората му, декорът
- Детайли и фокусна точка: ключови елементи, материали, количества, ъгъл на наблюдение
- Арт директорство: основни цветови зони и две или три аксесоара, всяко наименувано
- Светлина: източник, посока, твърдост
- Цветове: тези на обекта и тези на фона, поотделно
- Композиция: рамкиране, какво изрязва кадърът, какво остава остро – една единствена сцена
Напишете всичко в проза, като описание на една единствена фотография. Изречение, което звучи като инструкция („направете пуловера по-тъмен“), работи слабо при генерирането: моделът няма „преди“, с което да сравни, и го чете като атрибут на изображението, което трябва да произведе.
Стилът, на мястото му
Стилът остава мощен лост, стига да идва след обекта. Именуването на движение или техника насочва резултата:
styles = [
"watercolor",
"impressionist oil painting",
"digital art",
"hyperrealistic photography",
"minimalist flat design",
"manga",
"art deco",
"retro pixel art",
]
Урок 11 показва как да опишете какво прави един стил, вместо просто да го назовете, и как да го поддържате консистентен в рамките на серия.
Светлина: източник, посока, твърдост
„Красива светлина“ не означава нищо за модела. Опишете светлината като режисьор на осветлението: откъде идва, от коя страна, дали е твърда или дифузна и как изглеждат сенките и отраженията. „Настолна лампа вляво, твърда светлина, остра сянка от химикалката върху страницата“ се изобразява; „топла атмосфера“ се отгатва.
Две предпазни мерки произтичат от ръководството. Искайте експозиция, достатъчно ярка, за да се чете обектът: „леко недоэкспонирано“ или „смачкани сенки“ затъмняват цялото изображение. И изключете оптични или печатни дефекти – цветни ореоли, прах, драскотини – които моделът изобразява като реални дефекти.
Опишете какво искате да видите
Опишете материала позитивно: „патинирана месинг, със светли ръбове“ дава на модела повърхност за изобразяване, „не твърде нов“ не му дава нищо. Същият принцип важи и за изключенията. Ръководството отбелязва, че дълъг списък със забранени елементи лесно се игнорира и запълва подканата с обекти, които в крайна сметка се появяват. Запазете ограничение само когато то се отнася до бройка или конкретен обект и го свържете с това, което искате: „един единствен молив, поставен вдясно от тефтера“.
Също така наименувайте всеки обект според това какво представлява – чаша, халба и купа са три различни обекта – и описвайте текстура само веднъж: при повторение тя в крайна сметка се прилага върху грешната повърхност.
Колко дълго?
За изолирано изображение ръководството на xAI брои четири до шест изречения: обектът и неговите детайли, след това декорът, светлината и рамкирането. Това не е таван, а порядъкът на величината на едно пълно описание; страниците на xAI не посочват максимална дължина на подканата.
Сравнителни примери
Вижте разликата между основна подкана и подкана, изградена по реда на ръководството, с клиент на OpenAI, конфигуриран в Урок 1:
# Basic prompt
basic = client.images.generate(
model="grok-imagine-image-2.0",
prompt="a desk",
)
# Structured prompt: subject, details, art direction, light, colors, framing
optimized = client.images.generate(
model="grok-imagine-image-2.0",
prompt=(
"A light oak desk holding a turned-off monitor, a potted monstera, "
"and a steaming mug of coffee, seen from a three-quarter view at "
"seating height. The surface shows wood grain and a gray felt desk pad. "
"Off-white wall, shelf on the left with three books. "
"Soft natural light from a large window on the right, "
"light shadows, honey wood and deep green foliage. "
"35 mm photography, entire desk in frame, mug in sharp focus."
),
)
Първата оставя всичко на модела: рамкиране, светлина, обекти, стил. Втората решава всяка от тези точки, в същия ред като всички подкани в серията.
Генериране или редактиране?
Ръководството разграничава две ситуации. Генерирайте, когато все още няма изображение или когато самият обект е грешен: различен обект, липсващ елемент, грешна бройка. Редактирайте, когато обектът и оформлението са добри и трябва да се променят само един до три детайла: първо модификацията, след това изречение, което запазва същия обект, същия ъгъл и същото рамкиране. Редактирането е разгледано в уроци 5–8.
Методично итерирайте
Оценявайте всяко изображение спрямо оригиналната подкана, дори след няколко опита: дали обектът е този, който е наименуван, дали всеки елемент е видим в описаната форма, дали бройката е правилна, дали всеки обект е правилният, дали изображението е достатъчно ярко, за да се види обектът? Успешен фон около грешен обект остава провал.
Задръжте подканата до изображението и при следващия ход променете само детайла, който е се провалил: останалата част от подканата остава на място, а обектът и оформлението не се местят. Ако корекция не проработи, променете думите, вместо да настоявате: посочете частта от изображението за коригиране и опишете какво трябва да показва тя.
response = client.images.generate(
model="grok-imagine-image-2.0",
prompt="Your prompt, modified on a single detail",
n=4,
extra_body={"aspect_ratio": "3:2"},
)
for i, image in enumerate(response.data):
print(f"Variation {i+1}: {image.url}")
Генерирането на няколко вариации на една и съща подкана (n варира от 1 до 10) помага да се раздели това, което се дължи на подканата, от това, което се дължи на случайността. Също така запазвайте едно и също aspect_ratio в рамките на серия, за да си подхождат изображенията.
Ключови изводи
- Обектът на първо място: успешно изображение е това, чийто обект съответства на подканата
- Спазвайте фиксиран ред: обект, детайли, арт директорство, светлина, цветове, рамкиране
- Опишете светлината чрез нейния източник, посока и твърдост и поискайте изображение, достатъчно ярко
- Опишете това, което искате да видите, вместо списък със забранени елементи
- Бройте четири до шест изречения за изолирано изображение
- Итерирайте по един детайл наведнъж, оценявайки всяко изображение спрямо оригиналната подкана