در ماه‌های اخیر، مدلهای پیشرفته تولید تصویر مبتنی بر هوش مصنوعی، توجه بسیاری را به خود جلب کرده‌اند. این مدل‌ها نه تنها به دلیل کیفیت بالای تصاویر تولیدی، بلکه به خاطر توانایی شگفت‌انگیزشان در درک عمیق درخواست کاربر، استدلال پیش از تولید و اجرای دقیق جزئیات، به یکی از داغ‌ترین مباحث دنیای هوش مصنوعی تبدیل شده‌اند.
برخلاف بسیاری از ابزارهای تولید تصویر که صرفاً بر اساس کلمات کلیدی عمل می‌کنند، مدلهای پیشرفته هوشی (hooshi.net) تلاش می‌کنند تا هدف واقعی شما را درک کنند. همین موضوع باعث میشود خروجی نهایی به آنچه در ذهن دارید، بسیار نزدیک‌تر باشد و تجربه‌ای بی‌نظیر از خلق محتوای بصری را ارائه دهد.
در این راهنما، با قابلیتهای مدلهای تولید تصویر هوشی، مشخصات فنی، اصول حرفه‌ای پرامپت‌نویسی و روش‌های استفاده از آن‌ها در پروژه‌های مختلف آشنا می‌شویم. اگر به دنبال خلق تصاویر خیره‌کننده و دقیق هستید، این مقاله برای شماست.
مدلهای تولید تصویر هوشی چیست؟
مدلهای تولید تصویر هوشی، نامی است که کاربران برای نسل جدید ابزارهای هوش مصنوعی هوشی (hooshi.net) انتخاب کرده‌اند. این مدل‌ها بر پایه پیشرفته‌ترین معماری‌های هوش مصنوعی ساخته شده‌اند و علاوه بر تولید تصویر، قابلیتهای گسترده‌ای از جمله ویرایش تصاویر، درک تصاویر مرجع، ترکیب چند تصویر، تولید متن داخل تصویر، ترجمه چندزبانه و استفاده از اطلاعات بهروز اینترنت را نیز دارا هستند.
جدیدترین نسل این خانواده، ویژگی‌های مهمی دارد:
- تولید تصاویر دقیق‌تر: مدلهای هوشی می‌توانند از اطلاعات و تصاویر بهروز موجود در وب استفاده کنند. این قابلیت باعث میشود تصاویر تولیدشده برای موضوعات واقعی، رویدادهای روز، مقاصد گردشگری، آموزش و بازاریابی دقت و ارتباط بیشتری داشته باشند.
- دسترسی به قابلیتهای حرفه‌ای: ویژگی‌هایی که قبلاً تنها در ابزارهای پیشرفته و تخصصی در دسترس بودند، اکنون به صورت مستقیم در مدلهای هوشی وجود دارند:
- رندر دقیق متن
- ترجمه چندزبانه
- افزایش کیفیت تصویر
- خروجی‌های 2K و 4K
- طراحی استوری‌بورد
- ساخت موکاپ محصولات
- تولید تصاویر تبلیغاتی
- کنترل دقیق روی خروجی: کاربران می‌توانند تصاویر را در نسبت‌های مختلف تولید کنند:
- 16:9
- 9:16
- 21:9
- 2:1
- 1:1
- و بسیاری فرمت‌های دیگر.
مشخصات فنی مدلهای تولید تصویر هوشی
قبل از یادگیری پرامپت‌نویسی، بهتر است با توانایی‌های فنی مدلهای هوشی آشنا شویم. این مشخصات، قدرت و انعطاف‌پذیری هوشی را در تولید محتوای بصری نشان می‌دهد:
- پنجره متنی (Context Window):
- مدلهای پیشرفته: حداکثر 131,072 توکن ورودی
- مدلهای حرفه‌ای: حداکثر 65,536 توکن ورودی
- هر دو مدل: حداکثر 32,768 توکن خروجی
- رزولوشن تصاویر: مدل‌ها از تولید تصاویر در کیفیت‌های زیر پشتیبانی می‌کنند:
- 512px
- 1K
- 2K
- 4K
- نسبت تصویر: پشتیبانی از:
- 1:1
- 3:2
- 2:3
- 3:4
- 4:3
- 4:5
- 5:4
- 9:16
- 16:9
- 21:9
- و در برخی نسخه‌ها: 1:4، 4:1، 1:8، 8:1
- تصاویر مرجع: در یک درخواست می‌توان تا 14 تصویر مرجع مختلف را به مدل ارائه کرد. فرمت‌های پشتیبانی‌شده: PNG، JPEG، WEBP، HEIC، HEIF.
- فایل‌های متنی و PDF: هوشی می‌تواند فایل‌های متنی و PDF را نیز به عنوان ورودی دریافت کند. حداکثر حجم: 50 مگابایت از طریق API و 7 مگابایت از طریق کنسول کاربری.
- دانش مدل: دانش پایه مدل تا ژانویه 2025 به‌روزرسانی شده است (برای مدلهای پیشرفته).
- اطلاعات زنده اینترنت: مدل می‌تواند برای برخی درخواست‌ها از اطلاعات و تصاویر بهروز موجود در وب استفاده کند.
- امنیت و اعتبار محتوا: تمام تصاویر تولیدشده دارای نشان C2PA و واترمارک SynthID هستند تا مشخص شود تصویر توسط هوش مصنوعی تولید شده است.
برای دسترسی به این قابلیت‌ها و شروع به کار، میتوانید همین حالا در هوشی ثبتنام کنید و توکن API خود را بسازید.
اصول طلایی پرامپت‌نویسی در هوشی
بخش بزرگی از کیفیت خروجی به نحوه نوشتن پرامپت بستگی دارد. هوشی چهار اصل مهم را برای پرامپت‌نویسی پیشنهاد میکند:
- دقیق باشید: به جای نوشتن «یک ماشین»، بنویسید: «یک خودروی اسپرت قرمز رنگ در خیابان بارانی توکیو هنگام غروب». هرچه جزئیات بیشتر باشد، خروجی دقیق‌تر خواهد بود.
- مثبت بنویسید: به جای «بدون ماشین»، بنویسید: «خیابانی خلوت و خالی». مدل‌ها معمولاً با توصیف آنچه می‌خواهید بهتر از توصیف آنچه نمی‌خواهید عمل می‌کنند.
- دوربین را کنترل کنید: از اصطلاحات سینمایی و عکاسی استفاده کنید: Low Angle، Aerial View، Close Up، Macro Shot، Wide Shot. این واژه‌ها تأثیر زیادی بر نتیجه نهایی دارند.
- گفت‌وگومحور کار کنید: لزومی ندارد از ابتدا به خروجی کامل برسید. پس از تولید تصویر میتوانید بنویسید: «نور را گرم‌تر کن»، «لباس را مشکی کن»، «زاویه دوربین را تغییر بده» و به تدریج نتیجه را بهبود دهید.
مهم‌ترین اصل: پرامپت را با یک فعل قدرتمند شروع کنید. مثلاً: Create، Generate، Design، Transform، Replace، Edit. این کار به مدل کمک میکند هدف اصلی شما را سریع‌تر تشخیص دهد.
پنج چارچوب حرفه‌ای برای پرامپت‌نویسی در هوشی
۱. تولید تصویر از متن
اگر هیچ تصویر مرجعی ندارید، از ساختار زیر استفاده کنید:
فرمول: موضوع + عمل + محیط + ترکیب‌بندی + سبک
مثال:
- موضوع: یک مدل مد با لباس قهوه‌ای رسمی
- عمل: در حال ژست گرفتن با اعتمادبه‌نفس
- محیط: استودیوی قرمز تیره
- ترکیب‌بندی: نمای نیم‌تنه رو به جلو
- سبک: عکاسی مجله مد روی فیلم آنالوگ با نورپردازی سینمایی
با پلتفرم هوشی میتوانید به بهترین مدلهای تولید تصویر دسترسی داشته باشید و ایده‌های خود را به واقعیت تبدیل کنید.
تولید تصویر با استفاده از تصاویر مرجع
وقتی چند تصویر مرجع دارید، از ساختار زیر استفاده کنید:
فرمول: تصاویر مرجع + رابطه موردنظر + سناریوی جدید
مثال: «از دو تصویر نمونه استفاده کن و تصویر صندلی را با طرح پارچه مورد نظر بساز.»
این روش برای طراحی محصول، حفظ هویت برند و ثابت نگه داشتن شخصیت‌ها بسیار مفید است. نیازی نیست حتماً دو تصویر را با هم بارگذاری کنید؛ میتوانید تصویر اول را داده و از مدل بخواهید کاری نکند تا تصویر بعدی را بارگذاری کرده و درخواست خود را بیان کنید.
۲. ویرایش تصویر در هوشی
ویرایش تصویر با تولید تصویر متفاوت است. در اینجا باید مشخص کنید:
- چه چیزی تغییر کند؟
- چه چیزی ثابت بماند؟
ویرایش مکالمه‌ای
مثال: «مرد داخل تصویر را حذف کن.» مدل فقط همان بخش را تغییر می‌دهد و سایر قسمت‌ها را حفظ میکند.
ترکیب تصاویر
میتوانید تصویر اصلی و تصویر یک شیء را همزمان وارد کنید و از مدل بخواهید آن دو را ترکیب کند.
مثال: «قرار دادن یک محصول روی میز.»
انتقال سبک (Style Transfer)
مثال: «این عکس خیابان را به سبک نقاشی ون گوگ بازسازی کن.» در این حالت محتوای تصویر حفظ میشود اما سبک هنری تغییر میکند.
۳. استفاده از اطلاعات زنده وب در هوشی
یکی از جذاب‌ترین قابلیتهای مدلهای هوشی، امکان استفاده از اطلاعات روز و زنده وب است.
ساختار پرامپت: درخواست جستجو + تحلیل اطلاعات + تبدیل به تصویر
مثال: «وضعیت فعلی آب‌وهوا و تاریخ مشهد را جستجو کن، سپس یک مشهد مینیاتوری داخل یک فنجان طراحی کن که شرایط آب‌وهوایی واقعی امروز در آن دیده شود.»
۴. تولید متن در تصویر و بومی‌سازی با هوشی
یکی از نقاط قوت مدلهای هوشی، تولید متن خوانا و دقیق در تصویر است. این قابلیت برای پوستر، بنر، موکاپ محصول، اینفوگرافیک و تبلیغات بسیار ارزشمند است.
قوانین مهم:
- متن را داخل گیومه بنویسید. مثال: «SUMMER SALE» یا «تخفیف ویژه»
- فونت را مشخص کنید. مثال: Bold Sans Serif، Century Gothic، Brush Script
- زبان مقصد را تعیین کنید. مثال: «متن تبلیغاتی را به زبان عربی تولید کن.» یا «متن را به زبان کره‌ای ترجمه کن.»
ترفند حرفه‌ای: ابتدا از مدل بخواهید متن تبلیغاتی را تولید کند. سپس در مرحله بعد همان متن را داخل تصویر قرار دهد. این روش معمولاً نتایج بهتری ایجاد میکند.
۵. پرامپت‌نویسی در سطح یک Creative Director با هوشی
اگر می‌خواهید خروجی حرفه‌ای تولید کنید، باید مانند یک کارگردان هنری فکر کنید و به جزئیات توجه داشته باشید:
- نورپردازی را طراحی کنید: نور استودیویی، سه منبع نور Softbox، نور دراماتیک، Chiaroscuro Lighting یا Golden Hour Backlighting.
- دوربین و لنز را مشخص کنید: نوع دوربین (GoPro، Fujifilm، Disposable Camera) و لنز (Wide Angle برای فضاهای بزرگ، Macro Lens برای جزئیات، Shallow Depth of Field برای پس‌زمینه محو) تأثیر مستقیمی بر حس تصویر دارند.
- رنگ و فیلم را تعریف کنید: مثال: «مانند فیلم رنگی دهه 1980 با نویز ملایم» یا «رنگ‌بندی سینمایی با تون‌های سبز و آبی تیره».
- جنس متریال را توصیف کنید: به جای «کت»، بنویسید: «کت تویید سرمه‌ای». به جای «زره»، بنویسید: «زره الفی حکاکی‌شده با نقش‌های نقره‌ای». هرچه جنس، بافت و متریال دقیق‌تر باشد، خروجی واقعی‌تر خواهد بود.
ترکیب هوشی با سایر مدلهای هوش مصنوعی
قابلیتهای هوشی تنها به تولید تصویر محدود نمی‌شود. با ترکیب آن با سایر ابزارها و مدلهای هوش مصنوعی، میتوانید به نتایج شگفت‌انگیزی دست یابید:
- هوشی + مدلهای زبانی پیشرفته: از مدلهای زبانی برای ایده‌پردازی و نوشتن پرامپت‌های بهتر و دقیق‌تر استفاده کنید. هوشی با API های متنوع به شما این امکان را می‌دهد.
- هوشی + ابزارهای تولید ویدئو: ابتدا فریم‌های کلیدی را با هوشی بسازید. سپس از ابزارهای تولید ویدئو برای تبدیل آن‌ها به ویدئو استفاده کنید.
- هوشی + ابزارهای تولید ویدئو + ابزارهای تولید موسیقی: در این سناریو، هوشی تصاویر را می‌سازد، ابزارهای تولید ویدئو، ویدئو را تولید می‌کنند و ابزارهای تولید موسیقی، موسیقی اختصاصی پروژه را خلق می‌کنند. نتیجه یک فرآیند کامل تولید محتوای چندرسانه‌ای مبتنی بر هوش مصنوعی خواهد بود.
با استفاده از داشبورد هوشی و امکانات توکن API، میتوانید این فرآیندها را به سادگی مدیریت و پیاده‌سازی کنید.
حذف واترمارک در تصاویر هوشی
اگر خاطرتان باشد، وقتی عکسی با برخی مدلهای هوش مصنوعی ساخته می‌شد، همیشه آیکون آن هوش مصنوعی گوشه سمت راست درج می‌شد و امکان حذف آن وجود نداشت. اما در هوشی، قابلیت خاموش کردن واترمارک به این هوش مصنوعی اضافه شده که میتوانید به شکل زیر آن را انجام دهید:
- ابتدا روی علامت چرخدنده (در پنل سمت چپ و پایین) کلیک کنید.
- سپس روی گزینه Media watermark کلیک و Off را انتخاب کنید.
حذف واترمارک در هوشی روی چه محتوایی انجام میشود؟
از این به بعد تمام محتواهایی که در ادامه لیست کردیم، دیگر واترمارک نخواهند داشت:
- تصویر
- ویدیو
- موسیقی
جمع‌بندی: پرامپت‌نویسی برای مدلهای تولید تصویر هوشی
مدلهای تولید تصویر هوشی فقط یک ابزار ساده برای ساخت تصویر نیستند؛ بلکه یک پلتفرم چندوجهی مبتنی بر هوش مصنوعی هستند که می‌توانند تصاویر را تولید، ویرایش، ترکیب و شخصی‌سازی کنند. پشتیبانی از تصاویر مرجع، تولید متن چندزبانه، استفاده از اطلاعات زنده اینترنت، کنترل دقیق نسبت تصویر و رزولوشن‌های حرفه‌ای باعث شده این مدل‌ها به یکی از قدرتمندترین ابزارهای تولید محتوای بصری تبدیل شوند.
مهم‌ترین نکته برای موفقیت در استفاده از مدلهای تولید تصویر هوشی این است که مانند یک کارگردان هنری فکر کنید، نه صرفاً یک کاربر. هرچه موضوع، نورپردازی، دوربین، ترکیب‌بندی، رنگ و بافت را دقیق‌تر تعریف کنید، خروجی نهایی به تصویر ذهنی شما نزدیک‌تر خواهد بود. با ثبتنام در هوشی و استفاده از قابلیتهای API، میتوانید خلاقیت خود را به اوج برسانید.
چرا هوشی؟
هوشی (hooshi.net) پلتفرمی جامع برای توسعه‌دهندگان و مدیران محصول است که دسترسی به برترین مدلهای هوش مصنوعی جهان را با شفافیت کامل و پشتیبانی بومی فراهم میکند. با هوشی، میتوانید به سادگی توکن API خود را بسازید، از ایجنت‌های کدنویسی پیشرفته استفاده کنید و با سیستم بیلینگ شفاف، هزینه‌های خود را مدیریت کنید. برای شروع، همین امروز به هوشی بپیوندید و آینده هوش مصنوعی را تجربه کنید.