Los inconsistente AI-portretten op met een prompt-testraster
Academy is tijdelijk niet beschikbaar. We bouwen het opnieuw op.
Een veelvoorkomend probleem bij prompten voor AI-afbeeldingen is dat je te veel woorden tegelijk verandert. Als een portret van een geklede volwassen persoon ineens een andere gezichtsvorm, pose, belichting en achtergrond krijgt, kun je niet zien welk deel van de prompt de verandering veroorzaakte. Een prompt-testraster maakt vergelijken eenvoudiger door de meeste invoer gelijk te houden terwijl je één deel van de beschrijving aanpast.
Begin met een eenvoudige positieve prompt die je in lagen opbouwt: onderwerp, uiterlijk, pose en kadrering, scène, en daarna belichting of stijl. Bijvoorbeeld: `adult woman, short black hair, green jacket, sitting on a wooden chair, upper body portrait, eye level, plain studio background, soft diffused lighting`. Houd de beschrijving van het onderwerp makkelijk herkenbaar, zodat je die consequent kunt bewerken. Dit is een manier om je test te organiseren, geen regel dat eerdere woorden altijd meer gewicht krijgen.
Maak daarna drie kopieën van de prompt en verander alleen de cameraterm. Test `close-up`, `upper body portrait` en `full body shot`, terwijl je dezelfde seed gebruikt als je tool seed-controle ondersteunt. Controleer of elke afbeelding de gevraagde kadrering volgt. Een andere cameraterm kan ook het onderwerp, de pose en de achtergrond veranderen, zelfs met dezelfde seed. Noteer die veranderingen in plaats van een identieke compositie als vereiste te behandelen.
Draai een tweede raster voor belichting. Houd de beste kadreringsterm vast en vergelijk `soft diffused lighting`, `golden hour` en `dramatic side lighting`. Let op voorspelbare veranderingen in schaduwrichting, contrast en sfeer. Ga er niet van uit dat één belichtingsterm overal het beste is; bewaar de optie die past bij de afbeelding die je wilt maken.
Als je model en workflow negatieve prompts ondersteunen, test dan een korte negatieve beschrijving nadat je een specifiek probleem hebt gevonden. Vergelijk bijvoorbeeld een afbeelding met ongewenste belettering met een versie die `watermark, text` gebruikt. Houd de andere invoer gelijk en bekijk of het ongewenste detail verandert. Een negatieve prompt is een test, geen gegarandeerde reparatie, en sommige modellen gebruiken andere conditioneringsmethoden.
Sla de prompt, modelnaam, seed en de ene wijziging die je hebt getest op. Na verloop van tijd wordt dit een praktische bibliotheek met prompt-sjablonen in plaats van een stapel gelukstreffers.