Bagaimana cara menulis prompt gambar AI yang bagus?

Mengapa pilihan kata dalam prompt itu penting

Model gambar tidak membaca promptmu seperti manusia. Text encoder mengubah kata-kata menjadi angka, dan generator gambar dilatih untuk membuat gambar yang cocok dengan angka-angka itu. Kata yang sering muncul bersama jenis gambar tertentu dalam caption pelatihan akan menarik hasil ke arah gambar-gambar tersebut. Kata golden hour, misalnya, begitu sering muncul bersama sinar matahari hangat bersudut rendah sehingga berfungsi hampir seperti pengaturan pencahayaan.

Ada dua konsekuensi. Pertama, kata visual yang konkret mengalahkan kata abstrak: wet cobblestone street memberi model sesuatu untuk digambar, sedangkan a sad mood membuatnya menebak. Kedua, model memberi bobot pada setiap kata, jadi kata pengisi seperti very, beautiful, atau amazing memakan ruang tanpa menambah informasi. Sebagian besar alat juga membatasi seberapa banyak teks yang dibaca encoder; kata di luar batas itu dipotong atau kurang berpengaruh, sehingga bagian awal prompt memegang bobot terbesar.

Banyak generator juga memakai guidance: membandingkan gambar yang dibuat dengan promptmu dan yang tanpa prompt, lalu mendorong hasil ke arah selisihnya. Guidance yang lebih tinggi mengikuti kata-kata dengan lebih ketat, tetapi bisa terlihat kasar atau terlalu jenuh. Karena itu prompt yang jelas dengan guidance sedang biasanya tampil lebih baik daripada prompt kabur dengan guidance dinaikkan.

Rumus prompt yang bisa dipakai ulang

Kebanyakan prompt yang bagus menjawab enam pertanyaan yang sama. Tulis dengan urutan ini, karena model cenderung menganggap kata-kata awal lebih penting.

[subject + key details], [action or pose], [setting + time],
[style or medium], [lighting], [camera / lens / framing], [color + mood]

1. Subjek: siapa atau apa, dengan dua atau tiga detail yang penting (rentang usia, pakaian, bahan, warna).
2. Aksi: apa yang sedang dilakukan subjek. Kata kerja memberi model pose untuk digambar.
3. Latar: di mana dan kapan. Satu tempat dan satu waktu sudah cukup.
4. Gaya atau medium: foto, cat air, render 3D, sketsa tinta, vektor datar, anime cel shading.
5. Pencahayaan: pengungkit terkuat untuk suasana. Sebutkan sumber cahaya dan arahnya.
6. Kamera dan komposisi: ukuran shot, sudut, lensa, depth of field, posisi subjek di frame.

Kamu tidak perlu keenamnya setiap kali. Foto produk boleh melewatkan aksi; pola abstrak boleh melewatkan kamera. Tetapi memeriksa daftar ini sebelum menekan generate menangkap celah yang paling sering terjadi, yaitu prompt yang hanya menggambarkan subjek dan tidak ada yang lain.

Dari lemah ke kuat: contoh penulisan ulang

Ini contoh percobaan pertama yang umum. Isinya subjek dan satu kata sifat, tanpa keterangan bagaimana gambar harus terlihat.

a beautiful cat in a cafe, high quality, 8k, masterpiece

Hasilnya biasanya kucing generik di tengah gambar dengan interior yang buram. 8k dan masterpiece tidak menambah detail di sebagian besar model saat ini; keduanya hanya mendorong ke tampilan stock foto yang rapi. Versi tulis ulang di bawah mempertahankan ide yang sama tetapi menjawab keenam pertanyaan.

an orange tabby cat with a white chest, sitting on a wooden windowsill
inside a small cafe, looking out at the rain, late afternoon,
35mm film photograph, soft window light from the left, warm interior lamps
in the background, medium close-up at eye level, shallow depth of field,
muted warm colors, quiet and cozy

Kalau versi kedua masih belum pas, ubah satu bagian dalam satu waktu dan biarkan sisanya tetap. Mengubah lima hal sekaligus membuat kamu tidak bisa tahu kata mana yang menyebabkan perubahan.

Kata kunci untuk gaya, cahaya, lensa, dan komposisi

Istilah-istilah ini dipahami luas oleh model gambar karena umum dalam caption foto, deskripsi karya seni, dan bahasa film. Pakai satu atau dua dari setiap baris, jangan semuanya.

Negative prompt: fungsi dan kapan memakainya

Negative prompt adalah kolom teks kedua yang memberi tahu model apa yang harus dijauhi. Di alat berbasis Stable Diffusion atau FLUX biasanya berupa kotak terpisah atau parameter negative_prompt; Midjourney memakai parameter --no. Beberapa alat gambar berbasis chat tidak punya kolom negatif sama sekali, dan di sana kamu sebaiknya menulis permintaan secara positif (a clean, empty wall alih-alih no text on the wall).

Negative prompt paling efektif untuk hal yang spesifik dan terlihat:

Prompt:   a clean product photo of a ceramic mug on a white table
Negative: text, logo, watermark, extra handles, cluttered background

• Target yang baik: teks dan watermark, jari berlebih, orang kedua, objek tertentu yang terus muncul, warna yang tidak diinginkan.
• Target yang lemah: daftar panjang kata kualitas seperti ugly, bad, worst quality. Di sebagian model lama ini membantu sedikit, tetapi juga mendorong semua gambar ke tampilan yang sama.
• Jangan menaruh satu ide di kedua kolom. Kucing di prompt dan cat di negative akan saling meniadakan dan membingungkan hasil.
• Menulis no di dalam prompt utama sering berbalik arah: a room with no windows menyebut jendela, dan model mungkin menggambarkannya.

Kesalahan umum dan batas yang perlu diketahui

• Terlalu banyak subjek. Tiga orang dengan tiga pakaian dan tiga aksi sering tercampur: pakaian bertukar, tangan menyatu. Buat subjek utama dulu lalu tambahkan yang lain lewat editing atau inpainting.
• Meminta teks yang persis. Banyak model masih salah mengeja atau mengarang huruf, terutama pada aksara non-Latin. Buat teks singkat, taruh dalam tanda kutip, atau tambahkan nanti di editor.
• Tangan, jumlah, dan posisi. Five apples atau the cup to the left of the book tidak selalu dipatuhi. Periksa hasilnya dan generate ulang atau edit, jangan menambah kata.
• Kata gaya yang bertentangan. photorealistic watercolor anime menarik ke tiga arah. Pilih satu medium.
• Menyalin prompt antarmodel. Prompt yang disetel untuk satu alat bisa berperilaku lain di alat lain, karena masing-masing memakai text encoder dan data pelatihan berbeda. Coba beberapa kali sebelum mengandalkannya.

Prompt non-Inggris berfungsi di banyak alat, tetapi sebagian model dilatih terutama dengan caption bahasa Inggris. Misalnya, generator gambar AI cv.cm menerjemahkan prompt non-Inggris ke bahasa Inggris sebelum menjalankan model, sehingga frasa pendek dan harfiah diterjemahkan lebih andal daripada idiom.