دو نفر یک ابزار تولید تصویر را باز می‌کنند. اولی می‌نویسد «یک گربه» و یک عکس معمولی می‌گیرد. دومی می‌نویسد «عکس نزدیک از یک گربهٔ نارنجی که کنار پنجرهٔ بارانی چرت می‌زند، نور نرم صبح، عمق میدان کم» و تصویری می‌گیرد که شبیه کار یک عکاس حرفه‌ای است. فرق این دو نفر ابزار نیست؛ پرامپت است.
در این آموزش یاد می‌گیرید یک پرامپت تولید تصویر از چه بخش‌هایی ساخته می‌شود، چطور سبک، نور و زاویهٔ دوربین را توصیف کنید، پرامپت منفی چیست و چرا در مدل‌های جدید کمتر به کار می‌آید، و در آخر ۲۰ پرامپت آمادهٔ فارسی و انگلیسی برای شروع دارید. این راهنما مستقل از ابزار است و تقریباً در همهٔ هوش مصنوعی‌های تولید تصویر جواب می‌دهد.
آخرین به‌روزرسانی: ۱۲ آبان ۱۴۰۵ — اصول این راهنما از راهنماهای رسمی پرامپت‌نویسی گوگل (Gemini و Imagen در Vertex AI) و Black Forest Labs (FLUX) گرفته شده و با مثال‌های تحریریه رادینو تکمیل شده است.
⚡ پاسخ کوتاه
یک پرامپت خوب تصویر، توصیف روشن تصویر نهایی است، نه فهرستی از کلمه‌ها. این ترتیب را دنبال کنید: نوع تصویر و سبک (عکس، تصویرسازی، سه‌بعدی)، سوژه و کاری که می‌کند، محیط و پس‌زمینه، نور، و کادر و دوربین (نمای نزدیک، زاویهٔ پایین، لنز واید). پرامپت را ترجیحاً انگلیسی بنویسید، چیزی را که نمی‌خواهید به‌صورت مثبت توصیف کنید (مثلاً «خیابان خالی» به جای «بدون ماشین») و با چند بار اصلاح به نتیجه برسید.
📑 فهرست مطالب
پرامپت متنی است که به مدل می‌گوید چه تصویری بسازد. مدل‌های تصویری همه چیزهایی را که در پرامپت نیامده خودشان حدس می‌زنند؛ نور، زاویه، رنگ، پس‌زمینه و سبک. هر چه حدس‌های کمتری به مدل بسپارید، تصویر به ذهن شما نزدیک‌تر می‌شود.
راهنمای رسمی گوگل برای Imagen می‌گوید لازم نیست پرامپت طولانی یا پیچیده باشد، اما پرامپت‌های خوب معمولاً توصیفی و روشن‌اند. گوگل در راهنمای Gemini هم توصیه می‌کند صحنه را با جزئیات توصیف کنید: به جای «زره فانتزی» بنویسید «زره صفحه‌ای ظریف الفی، حکاکی‌شده با نقش برگ‌های نقره‌ای، با یقهٔ بلند و سردوشی‌هایی به شکل بال شاهین».
Black Forest Labs (سازندهٔ FLUX) در راهنمای رسمی‌اش می‌گوید ساختار روشن از طول پرامپت مهم‌تر است و این ترتیب را پیشنهاد می‌کند. گوگل هم همین سه رکن اصلی را با نام «سوژه، زمینه و سبک» معرفی می‌کند:
BFL تأکید می‌کند این ترتیب یک عادت است، نه قانون: هر چیزی که برایتان مهم‌تر است را اول بیاورید. یک قالب ساده که می‌توانید همیشه پر کنید:
قالب پایه (انگلیسی)
[Image type and style] of [subject + action], in [setting]. [Lighting]. [Camera angle / shot type / lens]. [Mood or color palette].
گوگل در راهنمای Imagen نشان می‌دهد چطور با اضافه کردن جزئیات قدم‌به‌قدم به تصویر دلخواه برسید. همین کار را با یک ایدهٔ ایرانی انجام می‌دهیم:
| مرحله | پرامپت |
|---|---|
| ایدهٔ اولیه | A Persian tea house |
| + محیط | A traditional Persian tea house in an old bazaar, carpets on wooden benches |
| + نور و حال‌وهوا | ... warm afternoon light through colored glass windows, steam rising from tea glasses |
| + کادر و سبک | ... wide-angle photo from a low angle, rich warm tones, documentary photography style |
کوتاه: انگلیسی، مگر اینکه ابزار صراحتاً فارسی را خوب پشتیبانی کند. گوگل در مستندات تولید تصویر Gemini فهرست زبان‌هایی را که بهترین عملکرد را دارند اعلام کرده (از جمله انگلیسی، عربی، آلمانی، اسپانیایی، فرانسوی، ژاپنی و روسی) و فارسی در این فهرست نیست. معنی‌اش این نیست که فارسی کار نمی‌کند، اما نتیجه کمتر قابل پیش‌بینی است.
روش عملی این است: ایده را به فارسی بنویسید و از یک چت‌بات بخواهید آن را به یک پرامپت انگلیسی توصیفی تبدیل کند. مثلاً:
پرامپت کمکی (فارسی)
این ایده را به یک پرامپت انگلیسی کامل برای تولید تصویر تبدیل کن. سبک، سوژه، محیط، نور و زاویهٔ دوربین را مشخص کن: «یک بستنی‌فروشی سنتی در اصفهان، شب تابستان، شلوغ و گرم».
راهنمای Imagen می‌گوید سبک می‌تواند کلی (نقاشی، عکس، طراحی) یا خیلی دقیق (نقاشی پاستل، طراحی زغالی، سه‌بعدی ایزومتریک) باشد. چند دستهٔ پرکاربرد:
| دسته | نمونه کلمات انگلیسی |
|---|---|
| عکاسی | studio photo, street photography, portrait, product photography, film grain, black and white |
| تصویرسازی | flat vector illustration, watercolor, ink sketch, children's book illustration, sticker |
| سه‌بعدی | 3D render, isometric, clay style, low-poly |
| هنری | oil painting, pastel drawing, impressionist painting, pop art |
| حال‌وهوا | cozy, cinematic, minimalist, dramatic, nostalgic, serene |
دربارهٔ «کلمات کیفیت» مثل 4K یا HDR نظر ابزارها یکی نیست. راهنمای Imagen این کلمات را برای بهتر کردن کیفیت پیشنهاد می‌کند، اما BFL برای FLUX می‌گوید برچسب‌های کیفیتی مثل masterpiece را حذف کنید و به جایش جزئیاتی بنویسید که نتیجهٔ دلخواه را توصیف کند. اگر با میدجورنی کار می‌کنید، پارامترهای مخصوص خودش را هم دارد که در مدل‌های دیگر کار نمی‌کنند.
اگر فقط یک بخش از این آموزش را به خاطر بسپارید، همین باشد. نور و دوربین تفاوت «تصویر AI معمولی» و «تصویر حرفه‌ای» را می‌سازند. گوگل در راهنمای Gemini پیشنهاد می‌کند برای کنترل ترکیب‌بندی از زبان عکاسی و سینما استفاده کنید؛ عبارت‌هایی مثل wide-angle shot، macro shot و low-angle perspective.
| کاربرد | لنز پیشنهادی | کلمات کمکی |
|---|---|---|
| پرتره | پرایم یا زوم، ۲۴ تا ۳۵ میلی‌متر | portrait, depth of field, film noir, duotone |
| غذا، گیاه و اشیای کوچک | ماکرو، ۶۰ تا ۱۰۵ میلی‌متر | macro, high detail, controlled lighting |
| ورزش و حیات وحش | تله‌فوتو، ۱۰۰ تا ۴۰۰ میلی‌متر | fast shutter speed, action shot |
| منظره و معماری | واید، ۱۰ تا ۲۴ میلی‌متر | wide-angle, long exposure, sharp focus |
این جدول از راهنمای رسمی Imagen در Vertex AI گرفته شده است. برای نور هم این کلمات تقریباً همه‌جا جواب می‌دهند: golden hour (نور طلایی غروب)، soft window light (نور نرم پنجره)، rim light (نور پشت سوژه)، studio softbox (نور استودیویی نرم) و neon lighting (نور نئونی).
پرامپت منفی (Negative prompt) فهرست چیزهایی است که نمی‌خواهید در تصویر باشد. همه‌جا یک‌جور کار نمی‌کند:
قانون ساده: وقتی خواستید بنویسید «بدون X»، از خودتان بپرسید «به جای X آن‌جا چه باید دیده شود؟» و همان را توصیف کنید.
نوشتن متن داخل تصویر هنوز یکی از سخت‌ترین کارها برای مدل‌هاست. چند توصیهٔ رسمی:
برای متن فارسی، حتی مدل‌های قوی هم گاهی حروف را جدا یا برعکس می‌نویسند. راه مطمئن‌تر این است که تصویر را بدون متن بسازید و متن فارسی را بعداً در ابزاری مثل Canva یا فتوشاپ اضافه کنید. اگر می‌خواهید متن مستقیم در تصویر باشد، گوگل برای Gemini توصیه می‌کند اول خود متن را تولید کنید و بعد تصویر را با همان متن بخواهید. دربارهٔ توانایی‌های مدل تصویری OpenAI هم در بررسی GPT Image نوشته‌ایم.
یکی از نیازهای رایج، داشتن یک شخصیت یا محصول ثابت در چند تصویر است. مدل‌های جدید برای این کار «تصویر مرجع» می‌گیرند؛ مثلاً طبق مستندات گوگل، مدل‌های نانو بنانا تا ۱۴ تصویر مرجع را ترکیب می‌کنند و Nano Banana 2.1 شباهت تا ۴ شخصیت را حفظ می‌کند. جزئیات کار با این مدل را در آموزش نانو بنانا نوشته‌ایم.
ترفند دوم، ویرایش گفت‌وگویی است. به جای نوشتن دوبارهٔ کل پرامپت، فقط تغییر را بگویید. گوگل این مثال را می‌زند: «همه‌چیز را همین‌طور نگه دار، فقط حالت چهرهٔ شخصیت را جدی‌تر کن». برای صحنه‌های شلوغ هم پیشنهاد می‌کند دستور را مرحله‌به‌مرحله بدهید: اول پس‌زمینه، بعد اجزای جلوی صحنه، و در آخر جزئیات.
نسبت تصویر روی ترکیب‌بندی اثر زیادی دارد. راهنمای Imagen کاربردهای رایج را این‌طور توضیح می‌دهد: ۱:۱ برای پست شبکه‌های اجتماعی، ۴:۳ برای عکاسی (صحنهٔ افقی بیشتر)، ۳:۴ برای صحنه‌های عمودی‌تر، ۱۶:۹ برای منظره و پس‌زمینه‌های وسیع (مناسب تصویر شاخص سایت)، و ۹:۱۶ برای ویدیوهای کوتاه عمودی و سوژه‌های بلند مثل ساختمان و آبشار. اگر ابزار تنظیم جداگانه دارد، از همان استفاده کنید؛ وگرنه نسبت را در پرامپت بنویسید.
این پرامپت‌ها را کپی کنید و بخش‌های داخل کروشه را با موضوع خودتان عوض کنید. همه برای مدل‌های رایج مثل Gemini، GPT Image و FLUX نوشته شده‌اند.
| کاربرد | پرامپت |
|---|---|
| عکس محصول روی زمینهٔ ساده | Studio product photo of a [ceramic coffee mug] on a light grey seamless background, soft three-point lighting, gentle shadow, 45-degree angle, sharp focus on the texture. |
| محصول در فضای واقعی | Lifestyle photo of a [leather backpack] on a wooden chair in a sunlit Tehran apartment, morning window light, shallow depth of field. |
| عکس غذا | Overhead food photography of [saffron rice with barberries] on a patterned plate, natural daylight, fresh herbs around, warm tones. |
| بنر حراج بدون متن | Minimal flat illustration of shopping bags and gift boxes floating on a soft orange gradient, plenty of empty space on the right for text. |
| کاربرد | پرامپت |
|---|---|
| تصویر شاخص مقالهٔ فناوری | Isometric 3D illustration of a laptop surrounded by floating charts and gears, clean pastel palette, soft shadows, 16:9. |
| پس‌زمینهٔ استوری | Vertical 9:16 abstract background of soft purple and pink waves, smooth gradients, calm and modern, no objects. |
| کاراکتر برند | Friendly cartoon mascot of a [smiling owl] wearing headphones, bold outlines, flat colors, white background, sticker style. |
| کاروسل آموزشی | Flat vector icon set of [five cooking tools], same line weight, consistent teal and coral palette, white background. |
| کاربرد | پرامپت |
|---|---|
| پرترهٔ حرفه‌ای | Professional headshot of a [middle-aged woman in a navy blazer], neutral grey studio background, soft key light, 85mm portrait, friendly expression. |
| عکس خیابانی سینمایی | Cinematic street photo of a rainy evening in an old Tehran alley, neon shop signs reflecting on wet ground, a person with an umbrella, 35mm film look. |
| منظره | Wide-angle landscape of [the Alborz mountains] at golden hour, low clouds in the valley, sharp focus, long exposure. |
| ماکرو طبیعت | Macro photo of a dew drop on a rose petal, morning light, extremely detailed, soft green bokeh background. |
| کاربرد | پرامپت |
|---|---|
| کتاب کودک | Watercolor children's book illustration of a little girl flying a kite over a wheat field, soft pastel colors, gentle and joyful. |
| مینیاتور ایرانی مدرن | Modern illustration inspired by Persian miniature painting, a garden with cypress trees and a fountain, flat perspective, gold and turquoise palette. |
| پوستر رترو | Retro 1970s travel poster of [Kish Island], bold simple shapes, warm sunset colors, grainy print texture. |
| هنر مفهومی | Surreal concept art of a giant open book turning into a city skyline, dreamy blue hour lighting, highly detailed digital painting. |
| کاربرد | پرامپت |
|---|---|
| تیم در حال کار | Candid photo of a small diverse team brainstorming around a whiteboard in a bright modern office, natural light, documentary style. |
| اینفوگرافیک ساده | Clean infographic-style illustration showing [four steps of a process] as connected circles, flat icons, blue and white palette, no text. |
| لوگوی مفهومی | Minimalist logo concept for a [bakery called "Noon"], a wheat stalk forming a crescent, single line, black on white. |
| موکاپ اپلیکیشن | Realistic mockup of a smartphone on a desk showing a colorful finance app dashboard, soft daylight, shallow depth of field. |
این اصول برای ویدیو هم کاربرد دارد، با چند نکتهٔ اضافه دربارهٔ حرکت و صدا که در آموزش نوشتن پرامپت ویدیو با Veo توضیح داده‌ایم. اگر به پرامپت‌نویسی برای کدنویسی علاقه دارید، پرامپت‌نویسی برای برنامه‌نویسان را ببینید. ابزارهای رایگان برای تمرین را هم در بهترین هوش مصنوعی برای تولید عکس رایگان و مدل FLUX معرفی کرده‌ایم. برای یادگیری منظم‌تر هم دورهٔ کپسول هوش مصنوعی رادینو را پیشنهاد می‌کنیم.
ترجیحاً انگلیسی. فارسی در فهرست زبان‌هایی که گوگل برای بهترین عملکرد تولید تصویر Gemini اعلام کرده نیست. ایده را فارسی بنویسید و از یک چت‌بات بخواهید آن را به پرامپت انگلیسی تبدیل کند.
فهرست چیزهایی است که نمی‌خواهید در تصویر باشد. Imagen فیلد جداگانه برایش دارد، اما FLUX 3 ندارد و گوگل برای Gemini هم توصیه می‌کند صحنهٔ دلخواه را مثبت توصیف کنید.
نوشتن حروف دقیق هنوز برای مدل‌ها سخت است، به‌خصوص در فارسی. متن را کوتاه و داخل گیومه بنویسید، یا تصویر را بدون متن بسازید و متن را بعداً اضافه کنید.
از تصویر مرجع استفاده کنید و در ویرایش‌های بعدی بگویید «همه‌چیز را ثابت نگه دار و فقط X را عوض کن». مدل‌های نانو بنانای گوگل برای همین کار چند تصویر مرجع می‌گیرند.
بخش توصیفی بله، اما پارامترهای مخصوص میدجورنی (مثل گزینه‌هایی که با دو خط تیره شروع می‌شوند) در ابزارهای دیگر کار نمی‌کنند و باید حذف شوند.
همه منابع در تاریخ ۱۲ آبان ۱۴۰۵ بررسی شده‌اند.
هر کس پیج اینستاگرام را جدی گرفته باشد این حس را میشناسد: ساعت ۱۱ شب است، باید فردا پست بگذارید …
هر بار که با چت‌بات حرف میزنید یا از API یک مدل هوش مصنوعی استفاده می‌کنید، پشت صحنه یک شمارنده …
Grok Bot فقط یک چت‌بات نیست؛ مجموعهای از پلاگینها، یک کامپیوتر ابری مشترک و روتینهایی است که خودتان باید بچینید …
اسمش شاید شوخی به نظر برسد، اما «نانو بنانا» (Nano Banana) امروز یکی از پرکاربردترین ابزارهای ساخت و ویرایش عکس …
نظرات 0
برای ارسال نظر وارد حساب کاربری شوید.
هنوز نظری ثبت نشده؛ اولین نفر باشید.