Umjetnost izrade upita za generiranje slika
Na ovoj stranici
Lekcija je ponovno napisana 3. studenog 2026. na temelju Vodiča za upite za slike (Image Prompting Guide) tvrtke xAI, napisanog za
grok-imagine-image-2.0: subjekt dolazi prije stila, svjetlost se opisuje prema izvoru, smjeru i tvrdoći, popis zabranjenih stavki zamjenjuje se onim što želiš vidjeti, a izolirana slika opisuje se u četiri do šest rečenica. Prethodna verzija navodila je ograničenje od „1.024 znaka“ koje se ne pojavljuje ni na jednoj trenutnoj stranici xAI-ja i savjetovala je „navođenje onoga što ne želiš vidjeti“, što vodič obeshrabruje. Izvor: Image Prompting Guide.
Što je prvo bitno: subjekt
xAI-jev vodič za upite postavlja jednostavan kriterij uspjeha: slika je dobra ako se njezin subjekt podudara s upitom. Paleta, zrnatost i stil dolaze kasnije. Ova hijerarhija diktira svo pisanje: upit koji započinje raspoloženjem, vrstom filma ili popisom zabranjenih stavki rezultirat će uglađenom scenom oko približnog subjekta.
Započni rečenicom koja uspostavlja subjekt: što je to, njegovo stanje ili oblik, što ga drži i gdje se nalazi.
- Nejasno: „čajnik“
- Precizno: „Crni čajnik od lijevanog željeza, poklopac blago odškrinut, stoji na plutenom podmetaču, na škriljevcu stolu blizu prozora.“
Zatim opiši subjekt kao objekt na koji možeš pokazati: svaki važan element, nazvan po obliku koji ima na slici („džemper s uzorkom pletenja“ umjesto samo „džemper“); količine („dvije šalice“, „jedna otvorena knjiga“); i kut gledanja, naveden jednom i nedvosmisleno („pogled od tri četvrtine s visine stola“, „okomiti snimak odozgo“).
Fiksni redoslijed od šest koraka
Vodič predlaže redoslijed kojeg se trebaš držati od jednog upita do drugog, posebno u serijalu:
- Subjekt: što je, njegov oblik, nosač, dekor
- Detalji i žarišna točka: ključni elementi, materijali, količine, kut gledanja
- Umjetničko usmjerenje: glavne zone boja i dva ili tri dodatka, svaki imenovan
- Svjetlost: njezin izvor, smjer, tvrdoća
- Boje: one subjekta i one pozadine, odvojeno
- Kompozicija: kadrovanje, što okvir odsijeca, što ostaje oštro—jedna scena
Sve to napiši u prozi, poput opisa jedne fotografije. Rečenica koja zvuči kao instrukcija („napravi džemper tamnijim“) loše funkcionira pri generiranju: model nema „prije“ s kojim bi se usporedio i to čita kao atribut slike koju treba proizvesti.
Stil, na svom mjestu
Stil ostaje moćan poluga, pod uvjetom da dolazi nakon subjekta. Imenovanje pokreta ili tehnike usmjerava ishod:
styles = [
"watercolor",
"impressionist oil painting",
"digital art",
"hyperrealistic photography",
"minimalist flat design",
"manga",
"art deco",
"retro pixel art",
]
Lekcija 11 pokazuje kako opisati što čini stil umjesto da ga samo imenuješ i kako ga održati dosljednim kroz serijal.
Svjetlost: izvor, smjer, tvrdoća
„Prekrasna svjetlost“ modelu ništa ne znači. Opiši svjetlost kao redatelj rasvjete: odakle dolazi, s koje strane, je li tvrda ili difuzna i kako izgledaju sjene i odsjaji. „Stolna lampa s lijeve strane, tvrda svjetlost, oštra sjena olovke na stranici“ bit će nacrtano; „topla atmosfera“ bit će nagađano.
Dvije mjere opreza proizlaze iz vodiča. Zatraži ekspoziciju dovoljno svijetlu da se subjekt može iščitati: „blago podeksponirano“ ili „zdrobljene sjene“ potamnit će cijelu sliku. I izostavi optičke ili tiskarske nedostatke—kromatsku aberaciju, prašinu, ogrebotine—koje će model nacrtati kao stvarne nedostatke.
Opiši ono što želiš vidjeti
Opiši materijal pozitivno: „patinirana mjed, sa svjetlijim rubovima“ daje modelu površinu za prikazivanje, „ne previše novo“ ne daje mu ništa. Isto načelo vrijedi i za isključivanja. Vodič primjećuje da se dug popis zabranjenih stavki lako ignorira i ispunjava upit objektima koji na kraju ipak pojavljuju. Zadrži ograničenje samo kada se tiče broja ili specifičnog objekta i poveži ga s onim što želiš: „jedna olovka, postavljena desno od bilježnice“.
Također imenuj svaki objekt onim što jest—šalica, krigla i zdjela tri su različita objekta—i opiši teksturu samo jednom: ako se ponovi, na kraju će se primijeniti na pogrešnu površinu.
Koliko dugo?
Za izoliranu sliku, xAI-jev vodič broji četiri do šest rečenica: subjekt i njegovi detalji, zatim dekor, svjetlost i kadrovanje. To nije strop, već red veličine potpunog opisa; stranice xAI-ja ne navode maksimalnu duljinu upita.
Usporedni primjeri
Vidi razliku između osnovnog upita i upita izgrađenog prema redoslijedu iz vodiča, s OpenAI klijentom konfiguriranim u Lekciji 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."
),
)
Prvi prepušta sve modelu: kadrovanje, svjetlost, objekte, stil. Drugi odlučuje o svakoj od ovih točaka, istim redoslijedom kao i svi upiti u serijalu.
Generirati ili uređivati?
Vodič razlikuje dvije situacije. Generiraj kada još nema slike ili kada je sam subjekt pogrešan: drugačiji objekt, nedostajući element, pogrešan broj. Uređuj kada su subjekt i raspored dobri te je potrebno promijeniti samo jedan do tri detalja: prvo modifikacija, zatim rečenica koja zadržava isti subjekt, isti kut i isto kadrovanje. Uređivanje je obrađeno u Lekcijama 5–8.
Metodično iteriraj
Procijeni svaku sliku u odnosu na izvorni upit, čak i nakon nekoliko pokušaja: je li subjekt onaj koji je imenovan, je li svaki element vidljiv u opisanom obliku, je li broj točan, je li svaki objekt ispravan, je li slika dovoljno svijetla da se vidi subjekt? Uspješna pozadina oko pogrešnog subjekta i dalje je neuspjeh.
Drži upit uz sliku i u sljedećem koraku promijeni samo detalj koji nije uspio: ostatak upita ostaje na mjestu, a subjekt i raspored se ne miču. Ako ispravak ne upali, promijeni riječi umjesto da inzistiraš: uperi na dio slike koji treba ispraviti i opiši što bi trebao prikazivati.
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}")
Generiranje nekoliko varijacija istog upita (n se kreće od 1 do 10) pomaže razdvojiti ono što se drži upita od onoga što je slučajnost. Također zadrži isti aspect_ratio kroz serijal kako bi slike bile usklađene.
Ključne točke
- Subjekt na prvom mjestu: uspješna slika je ona čiji se subjekt podudara s upitom
- Zadrži fiksni redoslijed: subjekt, detalji, umjetničko usmjerenje, svjetlost, boje, kadrovanje
- Opiši svjetlost prema njezinom izvoru, smjeru i tvrdoći te zatraži dovoljno svijetlu sliku
- Opiši ono što želiš vidjeti umjesto popisa zabranjenih stavki
- Računaj četiri do šest rečenica za izoliranu sliku
- Iteriraj jedan po jedan detalj, procjenjujući svaku sliku u odnosu na izvorni upit