Viết prompt tạo ảnh AI thế nào cho tốt?

Vì sao cách diễn đạt của prompt quan trọng

Mô hình ảnh không đọc prompt như con người. Một bộ mã hóa văn bản biến các từ thành con số, và bộ tạo ảnh được huấn luyện để tạo ra những bức ảnh khớp với các con số đó. Những từ thường xuất hiện cạnh một kiểu ảnh nhất định trong chú thích huấn luyện sẽ kéo kết quả về phía những ảnh đó. Chẳng hạn cụm golden hour xuất hiện cạnh ánh nắng ấm, thấp góc nhiều đến mức nó gần như hoạt động như một thiết lập ánh sáng.

Từ đó rút ra hai điều. Thứ nhất, từ hình ảnh cụ thể thắng từ trừu tượng: wet cobblestone street cho mô hình thứ để vẽ, còn a sad mood khiến nó phải đoán. Thứ hai, mô hình cân nhắc mọi từ, nên những từ đệm như very, beautiful hay amazing chiếm chỗ mà không thêm thông tin. Hầu hết công cụ cũng giới hạn lượng văn bản bộ mã hóa đọc; từ vượt quá giới hạn bị cắt hoặc ít tác dụng hơn, nên phần đầu của prompt có trọng lượng lớn nhất.

Nhiều bộ tạo ảnh còn dùng guidance (dẫn hướng): chúng so sánh ảnh tạo với prompt của bạn và ảnh tạo không có prompt, rồi đẩy kết quả theo hướng của sự khác biệt. Guidance cao bám chữ chặt hơn nhưng có thể trông gắt hoặc quá bão hòa. Vì vậy một prompt rõ ràng với guidance vừa phải thường đẹp hơn một prompt mơ hồ với guidance tăng cao.

Công thức prompt dùng lại được

Hầu hết prompt tốt trả lời cùng sáu câu hỏi. Hãy viết theo thứ tự này, vì mô hình có xu hướng coi các từ đứng trước là quan trọng hơn.

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

1. Chủ thể: ai hoặc cái gì, kèm hai ba chi tiết quan trọng (độ tuổi, trang phục, chất liệu, màu sắc).
2. Hành động: chủ thể đang làm gì. Một động từ cho mô hình một tư thế để vẽ.
3. Bối cảnh: ở đâu và khi nào. Một địa điểm và một thời điểm trong ngày là đủ.
4. Phong cách hoặc chất liệu: ảnh chụp, màu nước, dựng 3D, phác thảo mực, vector phẳng, tô bóng cel kiểu anime.
5. Ánh sáng: đòn bẩy mạnh nhất cho không khí. Nêu nguồn sáng và hướng sáng.
6. Máy ảnh và bố cục: cỡ cảnh, góc chụp, ống kính, độ sâu trường ảnh, vị trí của chủ thể trong khung hình.

Không phải lần nào cũng cần đủ sáu phần. Ảnh sản phẩm có thể bỏ hành động; một họa tiết trừu tượng có thể bỏ máy ảnh. Nhưng rà danh sách trước khi bấm tạo sẽ bắt được lỗ hổng phổ biến nhất: một prompt chỉ mô tả chủ thể và không gì khác.

Từ yếu đến mạnh: một ví dụ viết lại

Đây là lần thử đầu tiên điển hình. Nó cho mô hình một chủ thể và một tính từ, không nói gì về việc bức ảnh nên trông thế nào.

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

Kết quả thường là một con mèo chung chung nằm giữa khung với nội thất mờ nhòe. 8k và masterpiece không thêm chi tiết trên hầu hết mô hình hiện nay; chúng chỉ đẩy nhẹ về phía vẻ bóng bẩy của ảnh stock. Bản viết lại dưới đây giữ nguyên ý tưởng nhưng trả lời đủ sáu câu hỏi.

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

Nếu bản thứ hai vẫn chưa ổn, hãy đổi từng phần một và giữ nguyên phần còn lại. Đổi năm thứ cùng lúc khiến bạn không thể biết từ nào gây ra thay đổi.

Từ khóa cho phong cách, ánh sáng, ống kính và bố cục

Những thuật ngữ này được mô hình ảnh hiểu rộng rãi vì chúng phổ biến trong chú thích ảnh, mô tả nghệ thuật và ngôn ngữ điện ảnh. Hãy dùng một hai từ mỗi hàng, đừng dùng hết.

Negative prompt: tác dụng và khi nào dùng

Negative prompt là ô văn bản thứ hai cho mô hình biết cần tránh xa điều gì. Trong các công cụ dựa trên Stable Diffusion hoặc FLUX, nó thường là một ô riêng hoặc tham số negative_prompt; Midjourney dùng tham số --no. Một số công cụ ảnh kiểu trò chuyện không có ô negative, và ở đó bạn nên viết yêu cầu theo hướng khẳng định (a clean, empty wall thay vì no text on the wall).

Negative prompt hiệu quả nhất với những thứ cụ thể, nhìn thấy được:

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

• Mục tiêu tốt: chữ và watermark, thừa ngón tay, người thứ hai, một vật cụ thể cứ xuất hiện mãi, một màu bạn không muốn.
• Mục tiêu yếu: danh sách dài các từ chất lượng như ugly, bad, worst quality. Chúng giúp được chút ít trên một số mô hình cũ hơn, nhưng cũng đẩy mọi ảnh về cùng một vẻ ngoài.
• Đừng đặt một ý ở cả hai ô. Một con mèo trong prompt và cat trong negative sẽ triệt tiêu nhau và làm rối kết quả.
• Viết no trong prompt chính thường phản tác dụng: a room with no windows nhắc đến cửa sổ, và mô hình có thể vẽ chúng ra.

Lỗi thường gặp và giới hạn thực tế

• Quá nhiều chủ thể. Ba người với ba bộ đồ và ba hành động thường bị trộn lẫn: quần áo đổi chỗ, bàn tay dính vào nhau. Hãy tạo chủ thể chính trước rồi thêm người khác bằng chỉnh sửa hoặc inpainting.
• Đòi chữ chính xác. Nhiều mô hình vẫn viết sai chính tả hoặc bịa chữ cái, nhất là với chữ không phải Latin. Giữ chữ ngắn, đặt trong dấu ngoặc kép, hoặc thêm sau trong phần mềm chỉnh sửa.
• Bàn tay, số lượng và vị trí. Five apples hoặc the cup to the left of the book không phải lúc nào cũng được tuân thủ. Hãy kiểm tra kết quả rồi tạo lại hoặc chỉnh sửa thay vì thêm chữ.
• Từ phong cách mâu thuẫn. photorealistic watercolor anime kéo về ba hướng. Hãy chọn một chất liệu.
• Chép prompt giữa các mô hình. Prompt được tinh chỉnh cho một công cụ có thể hoạt động khác ở công cụ khác, vì mỗi nơi dùng bộ mã hóa văn bản và dữ liệu huấn luyện khác nhau. Hãy chạy thử vài lần trước khi dựa vào nó.

Prompt không phải tiếng Anh dùng được trong nhiều công cụ, nhưng một số mô hình được huấn luyện chủ yếu trên chú thích tiếng Anh. Chẳng hạn, công cụ tạo ảnh AI của cv.cm dịch prompt không phải tiếng Anh sang tiếng Anh trước khi chạy mô hình, nên cụm từ ngắn, sát nghĩa được dịch đáng tin cậy hơn thành ngữ.