Pildigeneratsiooni jaoks promptimise kunst
Sellel lehel
Õppetund kirjutati ümber 3. novembril 2026, tuginedes xAI pildipromptimise juhendile, mis on mõeldud mudelile
grok-imagine-image-2.0: teema tuleb enne stiili, valgust kirjeldatakse selle allika, suuna ja kõvaduse kaudu, keelatud esemete loetelu asendatakse sellega, mida soovid näha, ning üksikut pilti kirjeldatakse nelja kuni kuue lausega. Eelmises versioonis oli mainitud piirangut „1024 märki“, mida ei leidu ühelgi praegusel xAI lehel, ning soovitati „määratleda, mida ei soovi näha“, mida juhend ei poolda. Allikas: Image Prompting Guide.
Mis on kõige olulisem: teema
xAI promptimise juhend seab lihtsa edukriteeriumi: pilt on hea, kui selle teema vastab promptile. Värvipalett, teralisus ja stiil tulevad hiljem. See hierarhia dikteerib kogu kirjutamisprotsessi: prompt, mis algab meeleolu, filmimaterjali või keelatud esemete loeteluga, toodab lihvitud stseeni umbmäärase teema ümber.
Alusta lausega, mis määratleb teema: mis see on, millises seisundis või vormis, mis seda hoiab ja kus see asub.
- Umbmäärane: „teekann“
- Täpne: „Must malmist teekann, kaas veidi lahti, seisab korgist alustassil, kiltkivist laual akna lähedal.“
Seejärel kirjelda teemat nagu objekti, millele saaksid näpuga näidata: iga oluline element, nimetatuna selle vormi järgi, mida see pildil võtab („kaablikootud kampsun“ mitte lihtsalt „kampsun“); kogused („kaks kruusi“, „üks avatud raamat“); ja vaatenurk, väljendatuna ühekordselt ja üheselt („kolmveerandvaade laua kõrguselt“, „vertikaalne ülevaade“).
Fikseeritud kuueastmeline järjekord
Juhend pakub järjekorda, mida järgida ühest promptist teiseni, eriti seeria puhul:
- Teema: mis see on, selle vorm, alus, dekoratsioon
- Detailid ja fookuspunkt: võtmelemendid, materjalid, kogused, vaatenurk
- Kunstiline suund: peamised värvitsoonid ja kaks või kolm aksessuaari, igaüks nimetatud
- Valgus: selle allikas, suund, kõvadus
- Värvid: teema värvid ja tausta värvid eraldi
- Kompositsioon: kaadristus, mida kaader lõikab, mis jääb teravaks – üksainus stseen
Kirjuta kõik proosana, nagu ühe foto kirjeldus. Lause, mis kõlab nagu juhend („tee kampsun tumedamaks“), ei toimi generatsioonil hästi: mudelil pole „enne“, millega võrrelda, ja ta tõlgendab seda kui loodava pildi atribuuti.
Stiil oma kohal
Stiil jääb võimsaks hoovaks, eeldusel, et see tuleb pärast teemat. Liikumise või tehnika nimetamine suunab väljundit:
styles = [
"watercolor",
"impressionist oil painting",
"digital art",
"hyperrealistic photography",
"minimalist flat design",
"manga",
"art deco",
"retro pixel art",
]
Õppetund 11 näitab, kuidas kirjeldada seda, mis teeb stiilist stiili, mitte lihtsalt seda nimetada, ning kuidas hoida seda järjekindlana kogu seeria vältel.
Valgus: allikas, suund, kõvadus
„Ilus valgus“ ei tähenda mudelile midagi. Kirjelda valgust nagu valgustusrežissöör: kust see tuleb, kummalt poolt, kas see on kõva või hajus, ja millised näevad välja varjud ja peegeldused. „Lauavalgusti vasakul, kõva valgus, terav pliiatsi vari lehel“ joonistatakse välja; „soe atmosfäär“ arvatakse ära.
Juhendist tulenevad kaks ettevaatusabinõu. Küsi ekspositsiooni, mis on piisavalt hele, et teemat oleks lugeda: „veidi alavalgustatud“ või „purustatud varjud“ tumendavad kogu pilti. Ja jäta välja optilised või trükivead – värvihalo, tolm, kriimustused –, mida mudel joonistab reaalsete defektidena.
Kirjelda seda, mida soovid näha
Kirjelda materjali positiivselt: „patineeritud vask, heledamate servadega“ annab mudelile pinna, mida renderdada, „mitte liiga uus“ ei anna talle midagi. Sama põhimõte kehtib välistuste kohta. Juhend märgib, et pikk keelatud esemete loetelu ignoreeritakse kergesti ja täidab prompti objektidega, mis lõpuks siiski ilmuvad. Säilita piirang ainult siis, kui see puudutab kogust või konkreetset objekti, ja seosta see sellega, mida soovid: „üks pliiats, asetseb märkmikust paremal“.
Nimeta iga objekt selleks, mis ta on – tass, kruus ja kauss on kolm erinevat objekti – ja kirjelda tekstuuri ainult üks kord: korratuna rakendub see lõpuks valele pinnale.
Kui pikk?
Üksiku pildi puhul loeb xAI juhend nelja kuni kuue lausega: teema ja selle detailid, seejärel dekoratsioon, valgus ja kaadristus. See ei ole lagi, vaid täieliku kirjelduse suurusjärk; xAI lehed ei täpsusta prompti maksimaalset pikkust.
Võrdlevad näited
Vahe põhjaliku prompti ja juhendi järjekorras üles ehitatud prompti vahel, kasutades OpenAI klienti, mis on seadistatud õppetunnis 1:
# Lihtne prompt
basic = client.images.generate(
model="grok-imagine-image-2.0",
prompt="a desk",
)
# Struktureeritud prompt: teema, detailid, kunstiline suund, valgus, värvid, kaadristus
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."
),
)
Esimene jätab kõik mudeli hooleks: kaadristus, valgus, objektid, stiil. Teine otsustab iga punkti üle, samas järjekorras nagu kõigi seeria promptide puhul.
Generatsioon või redigeerimine?
Juhend eristab kahte olukorda. Kasuta generatsiooni, kui pilti veel pole või kui teema ise on vale: erinev objekt, puuduv element, vale kogus. Kasuta redigeerimist, kui teema ja paigutus on head ning muuta tuleb ainult ühte kuni kolme detaili: esmalt muudatus, seejärel lause, mis hoiab sama teemat, sama nurka ja sama kaadristust. Redigeerimist käsitletakse õppetundides 5–8.
Itereeri meetodiliselt
Hinda iga pilti algse prompti põhjal, isegi pärast mitut katset: kas teema on see, mida nimetati, kas iga element on nähtav kirjeldatud vormis, kas kogus on õige, kas iga objekt on õige, kas pilt on piisavalt hele, et teemat näha? Edukas taust vale teema ümber on ikkagi ebaõnnestumine.
Hoia prompt pildi kõrval ja järgmisel korral muuda ainult seda detaili, mis ebaõnnestus: ülejäänud prompt jääb paigale ning teema ja paigutus ei liigu. Kui parandus ei toimi, vaheta sõnu selle asemel, et nõuda: osuta pildi osale, mida tuleb parandada, ja kirjelda, mida see peaks näitama.
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}")
Sama prompti mitme variatsiooni genereerimine (n vahemikus 1 kuni 10) aitab eristada seda, mis tuleneb promptist, sellest, mis on juhus. Samuti hoia sama aspect_ratio kogu seeria vältel, et pildid sobiksid omavahel.
Peamised punktid
- Teema esikohal: edukas pilt on see, mille teema vastab promptile
- Hoia fikseeritud järjekorda: teema, detailid, kunstiline suund, valgus, värvid, kaadristus
- Kirjelda valgust selle allika, suuna ja kõvaduse kaudu ning küsi piisavalt heledat pilti
- Kirjelda seda, mida soovid näha, mitte keelatud esemete loetelu
- Arvesta üksiku pildi puhul nelja kuni kuue lausega
- Itereeri ühe detaili kaupa, hinnates iga pilti algse prompti põhjal