ایدههای پرامپت نانو بانانا این هفته | آموزش نانو بانانا
NanoBanana Team · ۲۸ تیر ۱۴۰۵ · 7 min read
شکوفایی خلاقیت با پرامپتهای ساختاریافته نانو بانانا
تولید تصویر با هوش مصنوعی اغلب شبیه به یک بازی حدس و گمان به نظر میرسد. عبارتی را تایپ میکنید، دکمه تولید را میزنید و امیدوار به بهترین نتیجه هستید. گاهی یک شاهکار تحویل میگیرید و گاهی دستهای دفرمه یا نورپردازی گلآلود. تفاوت بین یک نتیجه متوسط و یک دارایی در حد استودیو، معمولاً در نحوه صحبت شما با مدل نهفته است. نانو بانانا، که توسط Google Gemini درون استودیو میداس ایآی قدرت گرفته است، به راهنماییهای ساختاریافته بسیار بهتر از آرزوهای مبهم پاسخ میدهد.
این راهنما فراتر از دستورات ساده متن به تصویر میرود. ما به ساختارهای پرامپت بازیگوشانه و قابل استفاده مجدد نگاه میکنیم که بدون نیاز به مدرک مهندسی پرامپت، کنترل شما را بر نورپردازی، ترکیببندی و سبک افزایش میدهند. چه در حال طراحی کمپین بازاریابی باشید و چه هنر شخصی خلق کنید، هدف ثبات و سرعت است.
این آموزش برای چه کسانی است
این آموزش برای创作者هایی طراحی شده که به خروجی قابل اعتماد نیاز دارند بدون اینکه ساعتها صرف تنظیمات کنند.
- متخصصان بازاریابی: نیاز به خلاقیتهای تبلیغاتی سریع که با دستورالعملهای برند مطابقت داشته باشد.
- مدیران شبکههای اجتماعی: به دنبال تصاویر جذاب که در فید متمایز شوند.
- علاقهمندان و هنرمندان: میخواهند قبل از تعهد به طراحی دستی، ایدهها را نمونهسازی کنند.
- توسعهدهندگان: ادغام تولید تصویر در اپلیکیشنها از طریق API نانو بانانا.
اگر از نتایج تصادفی خسته شدهاید و به دنبال یک گردش کار قابل تکرار هستید، این روش برای شماست. ما روی ساختار پرامپتهای نانو بانانا تمرکز خواهیم کرد که موضوع را از سبک جدا میکند و اطمینان حاصل میکند که هوش مصنوعی دقیقاً میداند چه چیزی را رندر کند.
کالبدشکافی یک پرامپت با عملکرد بالا
رشتههای تصادفی صفات به ندرت کار میکنند. برای بهرهوری حداکثری از نانو بانانا، باید با پرامپت خود مانند یک بریف برای عکاس یا طراح انسانی رفتار کنید. یک ساختار پرامپت قوی معمولاً شامل شش جزء کلیدی است: موضوع، صحنه، دوربین، نورپردازی، سبک و موارد منفی.
وقتی درخواست خود را به این روش تقسیم میکنید، مدل هر عنصر را به طور متمایز پردازش میکند. برای مثال، به جای گفتن «یک گربه باحال»، موضوع را مشخص میکنید («یک گربه مینکون»)، صحنه را («نشسته روی پشتبام نئونی»)، دوربین را («لنز 35mm، f/1.8»)، نورپردازی را («نور لبهای بنفش و آبی سایبرپانک»)، سبک را («رئالیسم سینمایی») و موارد منفی را («بدون تاری، بدون اعوجاج»).
این روش توهم مدل را کاهش میدهد. هوش مصنوعی را مجبور میکند تا موضوع را در اولویت قرار دهد در حالی که زیباییشناسی را به عنوان یک لایه اعمال میکند نه اینکه آنها را به یک آشفتگی گیجکننده تبدیل کند. در بافت آموزش نانو بانانا، این ساختار پایه هر گردش کار با کارایی بالا است.
سه قالب پرامپت بازیگوشانه برای استفاده امروز
در اینجا سه مثال ملموس آورده شده است که میتوانید در استودیو میداس ایآی کپی، پیست و ویرایش کنید. اینها برای آزمایش قابلیتهای مختلف موتور نانو بانانا، از تجسم محصول تا هنر شخصیت، طراحی شدهاند.
1. شات محصول فراواقعگرایانه
این پرامپت برای تجارت الکترونیک یا تبلیغات ایدهآل است که در آن نیاز دارید محصول در مقابل پسزمینهای خیالی برجسته شود.
در اینجا نمونه پرامپت انگلیسی را مشاهده میکنید:
Prompt: "A floating ceramic coffee mug, steam forming into abstract shapes, background is a soft pastel cloudscape, camera macro lens 100mm, lighting is softbox morning sun, style is 3d render octane clean, negatives: no text, no logos, no shadows on ground."
چرا این کار میکند: دستور "شناور" نیاز به مدلسازی سطح پیچیده را حذف میکند. مشخص کردن "لنز ماکرو" به نانو بانانا میگوید که روی بافت و جزئیات تمرکز کند. پرامپت منفی اطمینان حاصل میکند که آثار برند ناخواسته را دریافت نکنید.
2. پرتره شخصیت سبکدار
از این برای آواتارهای شبکههای اجتماعی یا استوریبرد شخصیتها استفاده کنید.
در اینجا نمونه پرامپت انگلیسی را مشاهده میکنید:
Prompt: "Portrait of a cybernetic librarian, wearing glasses made of glass circuits, scene is an infinite library with glowing books, camera 85mm portrait, lighting is volumetric dust motes, style is digital painting artstation trend, negatives: no extra fingers, no asymmetrical eyes."
چرا این کار میکند: تولید شخصیت اغلب در تقارن و دستها شکست میخورد. با بیان صریح "پرتره" و افزودن موارد منفی برای انگشتان و چشمها، مدل را از نقاط شکست رایج دور میکنید. دستور نورپردازی ("حجمی") عمقی را اضافه میکند که پرامپتهای تخت از آن غافل هستند.
3. لوپ پسزمینه انتزاعی
عالی برای هدرهای وبسایت یا پسزمینههای ویدیویی.
در اینجا نمونه پرامپت انگلیسی را مشاهده میکنید:
Prompt: "Abstract fluid shapes moving slowly, colors are deep ocean blue and gold, scene is seamless loop pattern, camera top down view, lighting is subsurface scattering, style is motion graphics minimal, negatives: no hard edges, no text."
چرا این کار میکند: هنر انتزاعی به تئوری رنگ و جریان متکی است. مشخص کردن "پراکندگی زیرسطحی" به اشکال ظاهری نیمهشفاف و ممتاز میدهد. دستور "بدون درز" اگر قصد کاشی کردن تصویر را دارید حیاتی است.
استراتژی تکرار: چگونه نتایج را اصلاح کنیم
تولید یک تصویر به ندرت کافی است. قدرت واقعی گردشهای کار سطح ورود به نانو بانانا از تکرار ناشی میشود. اگر نتیجه 90٪ درست است، کل پرامپت را بازنویسی نکنید. در عوض، متغیرهای تکی را تغییر دهید.
اگر نورپردازی خیلی تاریک است، "نور آفتاب صبحگاهی سافتباکس" را به "نورپردازی استودیویی روشن" تغییر دهید. اگر سبک خیلی واقعگرایانه است، "رئالیسم سینمایی" را با "وکتور تصویرسازی شده" عوض کنید. نسخهای از بهترین نسخههای خود را نگه دارید. اینجا جایی است که گردشهای کاری نانو بانانا پرو میدرخشد و به شما اجازه میدهد این قالبهای ساختاریافته را برای استفاده آینده ذخیره کنید.
تغییرات کوچک تفاوتهای قابل توجهی ایجاد میکنند. تغییر لنز دوربین از 35mm به 85mm پسزمینه را فشرده کرده و بیشتر تار میکند و موضوع شما را ایزوله میکند. تغییر "نئونی" به "طبیعی" بدون تغییر موضوع، حال و هوا را کاملاً دگرگون میکند. با پرامپت خود مانند کد رفتار کنید: رشتههای متنی خود را همانطور که یک اسکریپت نرمافزاری را کنترل نسخه میکنید، مدیریت کنید.
دامهای رایج برای اجتناب
حتی با یک رویکرد ساختاریافته، تلههایی وجود دارد که کیفیت تصویر را کاهش میدهد.
- بارگذاری بیش از حد پرامپت: افزودن صفات زیاد مدل را گیج میکند. "زیبا amazing stunning gorgeous" نویز اضافه میکند نه ارزش. یک توصیفگر قوی انتخاب کنید.
- دستورات متناقض: درخواست "حال و هوای تاریک" و "نور خورشید روشن" در یک پرامپت، هوش مصنوعی را مجبور میکند میانگین بگیرد و منجر به تنهای خاکستری گلآلود میشود.
- نادیده گرفتن موارد منفی: بسیاری از کاربران بخش پرامپت منفی را نادیده میگیرند. این اشتباه است. بیان صریح آنچه نمیخواهید (تاری، متن، اندامهای اضافی) اغلب قدرتمندتر از بیان آنچه میخواهید است.
- ارجاعهای سبک مبهم: گفتن "آن را باحال کن" субъектив است. گفتن "آن را به سبک سینثویو کن" به پالت رنگی و زیباییشناسی خاصی اشاره میکند که برای مدل شناخته شده است.
ادغام در گردش کار شما
برای کسانی که به دنبال مقیاسپذیری هستند، نانو بانانا ادغام API را ارائه میدهد. میتوانید این ساختارهای پرامپت را مستقیماً در اپلیکیشنهای خود جاسازی کنید. این امکان تولید تصویر پویا را فراهم میکند که در آن ورودیهای کاربر متغیرها را در قالب پرامپت ساختاریافته شما پر میکنند. برای مثال، کاربر میتواند "سایبرپانک" را از یک منوی کشویی انتخاب کند و سیستم شما به طور خودکار برچسبهای نورپردازی و سبک مربوطه را به پرامپت پایه اضافه میکند.
این سطح از ادغام، یک ابزار خلاق را به یک موتور تولید تبدیل میکند. چه از قالبهای گرهای بصری استفاده کنید و چه فراخوانهای مستقیم API بنویسید، منطق زیربنایی یکسان است: ساختار کیفیت را هدایت میکند.
Quick Takeaways
شروع تولید با دقت
پرامپتنویسی تصادفی متعلق به گذشته است. با اتخاذ رویکردی ساختاریافته به پرامپتهای نانو بانانا، کنترل فرآیند خلاق را به دست میآورید. از امیدوار بودن به یک نتیجه خوب به مهندسی کردن آن حرکت میکنید. قالبهای выше فقط نقطه شروع هستند. وقتی درک کنید که پارامترهای نورپردازی و دوربین چگونه بر خروجی تأثیر میگذارند، میتوانید بینهایت_variation tailored به برند یا پروژه خاص خود بسازید.
آماده آزمایش این ساختارها هستید؟ به استودیو بروید و تولید اولین تصویر ساختاریافته خود را امتحان کنید.