Uzyskanie jednego dobrego obrazu to zarządzanie szczęściem. Uzyskanie dwunastu, które wyglądają jak z jednej sesji, to proces. Różnica polega na tym, czy przerzucasz prompty, czy kontrolujesz rzeczy, które naprawdę czynią wynik powtarzalnym.
Dlaczego ten sam prompt daje różne obrazy
Modele obrazu zaczynają od losowego szumu i formują go zgodnie z twoim promptem. Zmień szum startowy, a z tych samych słów wyjdzie inny obraz. Właśnie ta losowość sprawia, że eksploracja jest łatwa, a spójność trudna.
Wszystko poniżej to sposób na usunięcie losowości z jednej części procesu, tak by model improwizował tylko tam, gdzie tego chcesz.
Referencje to najsilniejsza kontrola
Słowa opisują, referencje pokazują. Jeśli temat istnieje, podanie go przez obraz na obraz odbiera modelowi swobodę wymyślania go na nowo. To dużo pewniejsze niż jakiekolwiek piętrzenie przymiotników.
Liczba przyjmowanych referencji bardzo się różni. GPT Image 2 i GPT Image 2.5 przyjmują do szesnastu. Nano Banana 2 czternaście, Seedream 5 Pro dziesięć, Nano Banana Pro i kilka innych osiem. Parę modeli przyjmuje dokładnie jedną.
Co włożyć w każde miejsce
Zestaw, który działa: dwa lub trzy ujęcia tematu, jeden obraz niosący światło, którego chcesz, i jeden niosący otoczenie albo powierzchnię. Pięć referencji wybranych z różnych powodów bije dwanaście niemal identycznych, które głównie uczą model uśredniania.
Trzymaj ten sam zestaw referencji przez całą serię. Wymiana jednego obrazu między renderami to najczęstsza przyczyna serii, która „prawie" do siebie pasuje.
Ziarna: przycisk powtórki
Ziarno ustala szum startowy. To samo ziarno, ten sam prompt, te same ustawienia, ten sam model — dostajesz ten sam obraz. Zmień jedno słowo, a otrzymasz kontrolowaną wariację zamiast nowego rzutu kośćmi.
Nie każdy model je udostępnia. Wśród tych, które tak, Qwen, Midjourney Diffusion, Ideogram i modele Wan pozwalają ustawić je wprost. Gdy jest dostępne, proces wygląda tak: eksploruj bez ziarna, aż coś będzie blisko, zanotuj ziarno tego renderu, a potem iteruj z nim ustalonym, poprawiając sformułowania.
Błędem jest ustalenie ziarna za wcześnie. Ziarno blokuje kompozycję, której jeszcze nie wybrałeś.
Guidance i kroki po ludzku
| Ustawienie | Co zmienia | Rozsądny zakres |
|---|---|---|
| Skala guidance | Jak dosłownie model trzyma się promptu | Środek zakresu; wysokie wartości wyglądają sztywno |
| Kroki inferencji | Jak długo dopracowuje, zanim przestanie | Domyślne, chyba że wynik wygląda na niedokończony |
| Strength (obraz na obraz) | Jak daleko może odejść od twojej referencji | Nisko, by zachować temat; wysoko, by zmienić styl |
| Prompt negatywny | Czego unikać | Krótko i konkretnie, nie lista życzeń |
Guidance to ustawienie, które ludzie przekręcają. Wywindowane wymusza dosłowne posłuszeństwo i zwykle kosztuje naturalność — twarde krawędzie, sztywne pozy, prześwietlone światło. Jeśli model ignoruje coś ważnego, lekarstwem prawie zawsze jest jaśniejszy prompt albo obraz referencyjny, a nie wyższa liczba.
Strength to ustawienie, którego używa się za mało. W trybie obrazowym jest to pokrętło między „popraw to" a „zinterpretuj to na nowo". Jeśli twój produkt wciąż zmienia kształt, strength jest za wysoka.
Jak napisać prompt, który przeżyje powtórkę
Powtarzalny prompt nazywa cztery rzeczy: temat, światło, kadr i to, czego być nie może. Cokolwiek bardziej mglistego zostanie za każdym razem wypełnione inaczej.
Porównaj „ładne zdjęcie produktowe butelki, profesjonalnie" z „matowa ceramiczna butelka na ciemnym łupku, jedno miękkie światło główne z lewej, mała głębia ostrości, bez tekstu, bez odbić na etykiecie". Drugie nudzi się czyta i wraca spójne.
Trzymaj strukturę bez zmian w całej serii i zmieniaj tylko część zmienną. Jeśli zmienia się temat, a światło i kadr mają zostać, ruszać się powinny wyłącznie te słowa.
Spójność w obrębie serii
Dla serii, która ma się trzymać kupy: ustal model, ustal proporcje, ustal zestaw referencji, ustal zdanie o oświetleniu i zmieniaj wyłącznie temat albo ujęcie. Puść je za jednym posiedzeniem, a nie przez kilka dni, bo twoje własne sformułowania dryfują bardziej niż model.
Rozdzielczość też powinna być stała w obrębie serii. Mieszanie obrazu głównego w 4K ze zdjęciami uzupełniającymi w 1K jest w porządku; mieszanie 1K i 2K w obrazach pokazywanych obok siebie widać w detalu. Który poziom wybrać do którego miejsca, omawia nasz przewodnik po kadrach i rozdzielczości.
Gdy wynik nadal się nie ustala
Jeśli temat wciąż mutuje mimo referencji, model może po prostu nie być ten — limity referencji i posłuszeństwo instrukcjom różnią się w katalogu bardzo mocno. Jeśli detal wygląda na rozmazany, przyczyną jest raczej rozdzielczość niż prompt. Jeśli tekst na obrazie wychodzi zniekształcony, to kwestia wyboru modelu: do typografii zbudowany jest Ideogram i nigdzie indziej żaden prompt tego nie naprawi.
A jeśli obraz jest dobry poza jednym elementem, przestań generować. Usuń element usuwaniem obiektu albo popraw tło narzędziami do tła. Tę granicę omówiliśmy w tekście czyszczenie obrazów.
Pętla, która się zbiega
Eksploruj tanio na modelu za 2 kredyty bez ziarna, dopóki kompozycja nie będzie właściwa. Zanotuj ziarno, jeśli model je udostępnia. Przejdź na tekst na obraz albo obraz na obraz na modelu pasującym do miejsca docelowego, zabierając ze sobą to samo sformułowanie. Dołóż referencje dla wszystkiego, co musi zostać dokładne. Zmieniaj jedną zmienną na przebieg, nigdy trzy.
Większość zleceń kończy się w ten sposób na trzech, czterech renderach. Przestrzeń pracy trzyma prompt, referencje i ustawienia w jednym miejscu, gdy zmieniasz silniki, a plany pokazują, ile każdy z tych przebiegów zdejmuje z salda. Jeśli wciąż wybierasz między silnikami, to porównanie jest skrótem.
Szablon promptu wart wielokrotnego użycia
Trzymaj szkielet bez zmian i wymieniaj tylko część zmienną. Coś w stylu: temat i materiał, potem powierzchnia albo otoczenie, potem kierunek i jakość światła, potem głębia ostrości, na końcu wykluczenia.
Rozpisane: „matowa ceramiczna butelka na ciemnym łupku, jedno miękkie światło główne z lewej, mała głębia ostrości, bez tekstu, bez twardych odbić". Żeby sfotografować drugi produkt z tej samej serii, zmienia się wyłącznie pierwsza część. Wszystko, z czego model buduje charakter obrazu, zostaje identyczne co do słowa — i o to właśnie chodzi.
Wykluczenia idą na koniec i muszą być konkretne. „Bez tekstu" działa. „Nic brzydkiego" nie opisuje niczego, na czym model mógłby się oprzeć.
Diagnoza po objawie
| Objaw | Prawdopodobna przyczyna | Rozwiązanie |
|---|---|---|
| Temat zmienia się między przebiegami | Brak referencji albo za wysoka strength | Dodaj referencje; obniż strength |
| Wynik wygląda sztywno lub jest prześwietlony | Guidance wywindowana za wysoko | Wróć do środka zakresu |
| Detal rozmazany w pełnym rozmiarze | Rozdzielczość za niska do zastosowania | Puść ponownie w 2K albo 4K |
| Tekst na obrazie jest zniekształcony | Zły model do typografii | Użyj Ideogram |
| Seria do siebie nie pasuje | Prompt albo referencje zdryfowały | Ustal sformułowanie i zestaw referencji; puść wszystko razem |
| Jeden element psuje dobre ujęcie | Próba rozwiązania tego generowaniem od nowa | Zamiast tego usuń go |
Zmieniaj jedną rzecz naraz
Dyscyplina, dzięki której wszystko powyżej działa, jest nudna: jedna zmienna na przebieg. Zmień ziarno albo sformułowanie, albo model — nigdy dwie rzeczy naraz, bo nie będziesz wiedział, która zmiana dała poprawę.
Wydaje się wolniejsze, a kończy się wcześniej. Trzy przemyślane przebiegi zwykle biją tuzin pełnych nadziei, a na tanich silnikach te trzy kosztują sześć kredytów.