Māksla veidot attēlu ģenerēšanas uzvednes
Šajā lapā
Nodarbība pārrakstīta 2026. gada 3. novembrī, balstoties uz xAI Attēlu uzvedņu rokasgrāmatu, kas rakstīta modelim
grok-imagine-image-2.0: subjekts ir pirms stila, gaisma tiek aprakstīta pēc tās avota, virziena un cietības, aizliegto vienumu saraksts tiek aizstāts ar to, ko vēlies redzēt, un izolēts attēls tiek aprakstīts četros līdz sešos teikumos. Iepriekšējā versija minēja limitu “1024 rakstzīmes”, kas nav atrodama nevienā pašreizējā xAI lapā, un ieteica “norādīt to, ko nevēlies redzēt”, ko rokasgrāmata attur darīt. Avots: Image Prompting Guide.
Kas ir svarīgākais: subjekts
xAI uzvedņu rokasgrāmata nosaka vienkāršu veiksmes kritēriju: attēls ir labs, ja tā subjekts atbilst uzvednei. Palete, graudainums un stils nāk vēlāk. Šī hierarhija diktē visu rakstīšanu: uzvedne, kas sākas ar noskaņu, filmas veidu vai aizliegto vienumu sarakstu, radīs pulētu ainu ap aptuvenu subjektu.
Sāc ar teikumu, kas nosaka subjektu: kas tas ir, tā stāvoklis vai forma, kas to tur un kur tas atrodas.
- Neskaidrs: “tējkanna”
- Precīzs: “Melna čuguna tējkanna ar nedaudz pavērtu vāku, novietota uz korķa paliktņa uz slānekļa galda pie loga.”
Pēc tam apraksti subjektu kā objektu, uz kuru vari norādīt: katrs svarīgs elements, nosaukts pēc tā formas attēlā (“adīts džemperis” nevis vienkārši “džemperis”); daudzumi (“divas krūzes”, “viena atvērta grāmata”); un skata leņķis, norādīts vienreiz un nepārprotami (“trīs ceturtdaļu skats no galda augstuma”, “vertikāls skats no augšas”).
Fiksēts sešu soļu secība
Rokasgrāmata piedāvā secību, ko ievērot no vienas uzvednes uz nākamo, it īpaši sērijveida darbos:
- Subjekts: kas tas ir, tā forma, atbalsts, dekors
- Detalizācija un fokusa punkts: galvenie elementi, materiāli, daudzumi, skata leņķis
- Mākslinieciskais virziens: galvenās krāsu zonas un divi vai trīs aksesuāri, katrs nosaukts
- Gaisma: tās avots, virziens, cietība
- Krāsas: subjekta krāsas un fona krāsas atsevišķi
- Kompozīcija: kadrs, ko tas nogriež, kas paliek ass — viena aina
Raksti to visu prozā, kā vienas fotogrāfijas aprakstu. Teikums, kas skan kā instrukcija (“padari džemperi tumšāku”), ģenerēšanā strādā slikti: modelim nav “pirms” stāvokļa, ar ko salīdzināt, un tas to lasa kā ģenerējamā attēla atribūtu.
Stils savā vietā
Stils joprojām ir spēcīgs instruments, ja tas nāk pēc subjekta. Kustības vai tehnikas nosaukšana virza rezultātu:
styles = [
"watercolor",
"impressionist oil painting",
"digital art",
"hyperrealistic photography",
"minimalist flat design",
"manga",
"art deco",
"retro pixel art",
]
- nodarbībā parādīts, kā aprakstīt to, kas veido stilu, nevis tikai to nosaukt, un kā saglabāt to konsekventu visā sērijā.
Gaisma: avots, virziens, cietība
“Skaista gaisma” modelim nozīmē neko. Apraksti gaismu kā gaismas režisors: no kurienes tā nāk, kurā pusē, vai tā ir cieta vai izkliedēta, un kā izskatās ēnas un atspulgi. “Galda lampa kreisajā pusē, cieta gaisma, asa pildspalvas ēna uz lapas” tiks uzzīmēta; “silta atmosfēra” tiks minēta.
No rokasgrāmatas izriet divi piesardzības pasākumi. Pieprasi ekspozīciju, kas ir pietiekami gaiša, lai subjektu varētu saskatīt: “nedaudz pārmērīgi eksponēts” vai “sablīvētas ēnas” aptumšo visu attēlu. Un izslēdz optiskos vai drukas defektus — krāsu halo, putekļus, skrāpējumus — kurus modelis uzzīmēs kā reālus defektus.
Apraksti to, ko vēlies redzēt
Apraksti materiālu pozitīvi: “patinēts misiņš ar gaišākām malām” dod modelim virsmu, ko attēlot, “ne pārāk jauns” nedod neko. Tas pats princips attiecas uz izslēgumiem. Rokasgrāmata norāda, ka garš aizliegto vienumu saraksts tiek viegli ignorēts un piepilda uzvedni ar objektiem, kas beigās tomēr parādās. Saglabā ierobežojumu tikai tad, ja tas attiecas uz skaitu vai konkrētu objektu, un saisti to ar to, ko vēlies: “viens zīmulis, novietots pa labi no piezīmju bloka”.
Arī nosauc katru objektu pēc tā, kas tas ir — krūze, mugs un bļoda ir trīs dažādi objekti — un apraksti tekstūru tikai vienreiz: atkārtojot to, tā beigās tiek piemērota nepareizai virsmai.
Cik garai jābūt?
Izolētam attēlam xAI rokasgrāmata iesaka četrus līdz sešus teikumus: subjekts un tā detaļas, tad dekors, gaisma un kadrs. Tas nav griestu limits, bet gan pilnīga apraksta lieluma kārtība; xAI lapās nav norādīts maksimālais uzvednes garums.
Salīdzinoši piemēri
Redzi atšķirību starp pamata uzvedni un uzvedni, kas veidota pēc rokasgrāmatas secības, izmantojot OpenAI klientu, kas konfigurēts 1. nodarbībā:
# Pamata uzvedne
basic = client.images.generate(
model="grok-imagine-image-2.0",
prompt="a desk",
)
# Strukturēta uzvedne: subjekts, detaļas, mākslinieciskais virziens, gaisma, krāsas, kadrs
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."
),
)
Pirmā atstāj visu modeļa ziņā: kadru, gaismu, objektus, stilu. Otrā nosaka katru no šiem punktiem tajā pašā secībā, kādā tiek veidotas visas sērijas uzvednes.
Ģenerēt vai rediģēt?
Rokasgrāmata nošķir divas situācijas. Ģenerē, ja attēla vēl nav vai ja pats subjekts ir nepareizs: cits objekts, trūkstošs elements, nepareizs skaits. Rediģē, ja subjekts un izkārtojums ir labi un ir jāmaina tikai viena līdz trīs detaļas: vispirms modificēšana, tad teikums, kas saglabā to pašu subjektu, to pašu leņķi un to pašu kadru. Rediģēšana ir apskatīta 5.–8. nodarbībā.
Iterē metodiski
Vērtē katru attēlu pret sākotnējo uzvedni pat pēc vairākiem mēģinājumiem: vai subjekts ir tas, kas nosaukts, vai katrs elements ir redzams aprakstītajā formā, vai skaits ir pareizs, vai katrs objekts ir īstais, vai attēls ir pietiekami gaišs, lai saskatītu subjektu? Veiksmīgs fons ap nepareizu subjektu joprojām ir neveiksme.
Turpini uzvedni blakus attēlam un nākamajā solī maini tikai to detaļu, kas neizdevās: pārējā uzvedne paliek nemainīga, un subjekts un izkārtojums nekustas. Ja labojums nenostrādā, maini vārdus, nevis uzstāj: norādi uz attēla daļu, kas jālabo, un apraksti, ko tai vajadzētu rādīt.
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}")
Vairāku vienas un tās pašas uzvednes variāciju ģenerēšana (n svārstās no 1 līdz 10) palīdz atdalīt to, kas atbilst uzvednei, no tā, kas ir nejaušības rezultāts. Arī sērijas laikā saglabā to pašu aspect_ratio, lai attēli derētu kopā.
Galvenās atziņas
- Subjekts pirmajā vietā: veiksmīgs attēls ir tāds, kura subjekts atbilst uzvednei
- Ievēro fiksētu secību: subjekts, detaļas, mākslinieciskais virziens, gaisma, krāsas, kadrs
- Apraksti gaismu pēc tās avota, virziena un cietības, un pieprasi pietiekami gaišu attēlu
- Apraksti to, ko vēlies redzēt, nevis sastādi aizliegto vienumu sarakstu
- Izolētam attēlam rēķinies ar četriem līdz sešiem teikumiem
- Iterē pa vienai detaļai, vērtējot katru attēlu pret sākotnējo uzvedni