Hướng dẫn viết prompt tạo ảnh AI
Mô hình Ảnh của Shannon đọc một prompt như một mô hình ngôn ngữ. Riêng sự thật đó thay đổi mọi thứ về cách bạn nên viết prompt — bắt đầu bằng việc vứt bỏ những thẻ từ khóa ngăn cách bằng dấu phẩy.
Tóm tắt nhanh
Hãy viết văn xuôi trôi chảy bằng câu hoàn chỉnh, không phải thẻ từ khóa. Nhắm tới 30–80 từ. Sắp xếp theo đúng cách mô hình đọc: chủ thể → hành động → phong cách → bối cảnh và ánh sáng → kỹ thuật, quan trọng nhất đặt trước. Hãy cụ thể về chủ thể. Nếu bạn muốn một bức ảnh chụp, hãy viết nó như một bức ảnh chụp — nêu tên một máy ảnh, một ống kính, và một loại phim hay một nguồn sáng. Gắn màu chính xác vào vật thể được nêu tên dưới dạng color #RRGGBB. Chọn một trong năm tỷ lệ khung hình. Và bỏ những thói quen thời SDXL: không "masterpiece, best quality, 8k", không trọng số (word:1.3), và không negative prompt khi chuyển chữ thành ảnh — chỉ mô tả thứ bạn muốn. Chỉnh sửa và ghép ảnh thì có nhận negative prompt.
Phần lớn mọi người đến đây với những thói quen viết prompt học được trên SDXL: một chuỗi danh từ ngăn cách bằng dấu phẩy, một đoạn mở đầu toàn token chất lượng, vài trọng số trong ngoặc đơn, và một negative prompt dài ngang phần positive. Những thói quen đó đúng với các mô hình kia và phản tác dụng ở đây. Đây là bản ngắn gọn về những gì thực sự hiệu quả — và vì Shannon viết prompt tạo ảnh hộ bạn rồi hiện nó ra trước khi bất cứ gì được dựng, đây cũng chính là hướng dẫn để đọc và sửa thứ Shannon đề xuất.
01Vì sao văn xuôi thắng thẻ từ khóa: mô hình đọc như một mô hình ngôn ngữ
Các mô hình khuếch tán đời cũ, thứ mà phần lớn lời khuyên về prompt được viết ra cho chúng, dùng một bộ mã hóa văn bản mà trên thực tế hành xử như một túi khái niệm: ngữ pháp gần như không quan trọng, và chiến lược thắng cuộc là chất đống các danh từ liên quan rồi thiên lệch chúng bằng trọng số. Súp từ khóa đúng là hình dạng prompt phù hợp cho bộ mã hóa đó.
Mô hình Ảnh của Shannon không hoạt động như vậy. Nó đọc một prompt theo cách một mô hình ngôn ngữ đọc văn bản, nên cú pháp mang ý nghĩa. "Cầm một chiếc ô tựa vào vai" là một quan hệ giữa một con người, một vật thể và một bộ phận cơ thể; "ô, vai" là hai thứ tình cờ cùng có mặt. Giới từ đặt vị trí cho mọi thứ. Động từ tạo ra tư thế. Mệnh đề gắn chi tiết vào đúng danh từ thay vì để nó trôi nổi khắp tấm ảnh.
Đây là cùng một bức ảnh được yêu cầu theo cả hai cách.
woman, 30s, tokyo, rain, night, crosswalk, neon signs, umbrella,
wet asphalt, reflections, masterpiece, best quality, 8k, ultra
detailed, (bokeh:1.3), cinematic lighting, photorealisticA woman in her early thirties waits at a rain-soaked Tokyo
crosswalk at night, holding a clear vinyl umbrella against her
shoulder and glancing down the street. Neon storefront signs
bleed red and cyan into the wet asphalt at her feet. Shot on
Kodak Portra 400, 85mm f/1.4, shallow depth of field, the
traffic signal behind her thrown out of focus.Hãy nhìn những gì phiên bản thẻ từ khóa không diễn đạt nổi. Nó không hề nói rằng chiếc ô đang được cầm, nên nó có thể nằm lăn lóc dưới đất. Nó không hề nói rằng ánh neon phản chiếu trên mặt nhựa đường, chỉ nói rằng cả hai đều tồn tại, nên bạn nhận được các biển hiệu và một con phố ướt mà chẳng có quan hệ quang học nào giữa chúng. Nó không hề nói người phụ nữ đang nhìn về đâu, nên tư thế của cô là chuyện tung đồng xu. "Cinematic lighting" là một nhãn tâm trạng, không phải một nguồn sáng. Và năm token cuối cùng là nhiễu, được đọc như những từ tiếng Anh về nhiếp ảnh chứ không phải như những cần gạt điều khiển.
Phiên bản văn xuôi dài hơn không phải vì nó hoa mỹ. Nó dài hơn vì nó trả lời những câu hỏi mà phiên bản thẻ từ khóa để ngỏ. Toàn bộ mẹo nằm ở đó.
02Một prompt tạo ảnh nên dài bao nhiêu?
Nhắm tới 30 đến 80 từ. Đừng vượt quá 100 từ nhiều. Đây là đòn bẩy chất lượng dễ dùng nhất mà bạn có, và cả hai đầu của khoảng này đều quan trọng.
Dưới khoảng 30 từ thì bố cục, ánh sáng và khung hình đều chưa được nêu, nên mô hình chọn bất cứ thứ gì bình thường nhất về mặt thống kê. "Một người phụ nữ trong quán cà phê" là một prompt hợp lệ nhưng cho ra một tấm ảnh chóng quên, vì bạn đã ủy thác mọi quyết định thú vị.
Trên khoảng 100 từ thì một kiểu hỏng khác xuất hiện: các mệnh đề phía sau cạnh tranh với các mệnh đề phía trước cho cùng những vùng của tấm ảnh, và thay vì tích tụ chi tiết bạn nhận được sự pha loãng. Mô tả ánh sáng thứ ba xóa đi mô tả thứ nhất, và chủ thể bạn dựng lên trong tám từ đầu tiên nhận được ít sự chú ý tương đối hơn với mỗi câu bạn thêm vào. Prompt dài đọc lên có vẻ kỹ lưỡng. Chúng không dựng ra sự kỹ lưỡng.
Kỷ luật cần có: viết prompt bạn muốn, rồi cắt bớt xuống chỉ còn những câu mà nếu bỏ đi thì tấm ảnh sẽ thay đổi.
03Kỷ luật về thứ tự: thứ quan trọng nhất đặt trước
Vì mô hình đọc tuần tự, vị trí chính là sự nhấn mạnh: thứ đến trước neo giữ tấm ảnh, thứ đến sau điều chỉnh nó. Hãy đặt mọi thứ theo thứ tự mà mô hình cần:
- Chủ thể — bức ảnh này chụp ai hoặc chụp cái gì, một cách cụ thể.
- Hành động hoặc tư thế — họ đang làm gì, họ được đặt ở dáng nào.
- Phong cách hoặc tâm trạng — ảnh chụp, tranh sơn dầu, hình minh họa kỹ thuật, và giọng điệu của nó.
- Bối cảnh và ánh sáng — chuyện này diễn ra ở đâu và thứ ánh sáng nào rọi lên nó.
- Kỹ thuật — khung hình, ống kính, độ sâu trường ảnh, chi tiết về màu.
Vết thương tự gây phổ biến nhất là mở đầu bằng mệnh đề kỹ thuật. Mở bằng "Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper" là nói với mô hình rằng vẻ ngoài mới là chủ thể còn người đàn ông chỉ là một chi tiết. Bạn nhận được một khung hình đẹp lộng lẫy nhưng rỗng, với một bóng người nhỏ xíu, mờ nhạt trong đó.
Cinematic wide shot, anamorphic lens flare, teal and orange
color grade, shallow depth of field, golden hour, of a man
reading a newspaper on a park bench.A man in his sixties in a gray wool overcoat sits on a park
bench reading a folded broadsheet newspaper, one ankle crossed
over his knee. Late golden-hour sun rakes across him from the
left through bare plane trees. Photographed wide on a 35mm
anamorphic lens, shallow depth of field, warm highlights and
cool shadows.Mọi thành phần của phiên bản thứ nhất đều còn nguyên trong phiên bản thứ hai; không có gì bị bỏ đi. Chỉ đơn giản là giờ mô hình biết bức ảnh chụp cái gì trước khi được bảo phải chụp thế nào — và riêng việc sắp xếp lại đó đã đưa chủ thể từ chỗ phụ họa thành trung tâm.
04Hãy cụ thể về chủ thể
"Một người" không phải một chủ thể, nó là một chỗ trống — và mô hình lấp chỗ trống bằng mức trung bình của mọi thứ nó từng thấy, mà đó chính xác là nơi sinh ra cái vẻ bóng bẩy, không tuổi, không cá tính. Sự cụ thể tốn năm từ và đổi lại cho bạn một con người xác định:
| Mơ hồ | Cụ thể |
|---|---|
| một người | một người đàn ông ngoài bốn mươi với bộ râu muối tiêu và những nếp cười sâu |
| một người phụ nữ | một phụ nữ cuối hai mươi với kiểu tóc undercut sẫm màu và một chiếc răng cửa bị mẻ |
| một tòa nhà cũ | một nhà kho gạch bốn tầng với bảng hiệu bị sơn đè lên và các ô cửa sổ tầng trên bịt ván |
| đồ ăn | một tô ramen với quả trứng lòng đào bổ đôi đặt trên, hơi nóng bốc lên |
Hãy để ý quy luật: tuổi tác hoặc thời kỳ, một đặc điểm cấu trúc, một khiếm khuyết đặc trưng. Yếu tố thứ ba là thứ khiến kết quả có cảm giác được chụp lại chứ không phải được sinh ra. Một chiếc răng mẻ, một gấu áo sờn, một bảng hiệu bị sơn đè — những bất đối xứng nhỏ là tín hiệu chống-nhựa mạnh nhất mà bạn có, và chúng gần như chẳng tốn gì trong ngân sách từ của bạn.
05Ảnh chân thực: hãy viết yêu cầu như viết về một bức ảnh chụp
Ảnh chân thực là giọng mặc định trừ khi bạn yêu cầu tranh nghệ thuật, minh họa hay anime. Nhưng chữ "photorealistic" chẳng làm được mấy việc. Thứ tạo ra một bức ảnh chụp là việc mô tả chính hành động chụp ảnh: một máy ảnh có thật, một ống kính có thật, và một loại phim hay một nguồn sáng có thật.
Lý do rất đơn giản. Mọi tấm ảnh có chú thích "Kodak Portra 400" đều được tạo ra bằng một quy trình cụ thể với một cấu trúc hạt, một cách chuyển vùng sáng và một cách thể hiện màu da cụ thể, và việc nêu tên loại phim triệu tập toàn bộ những thứ đó. "8k ultra detailed" thì chỉ từng xuất hiện trên rác của các trang bán ảnh stock, nên nó triệu tập rác của các trang bán ảnh stock. Vài công thức đáng tin cậy, mỗi công thức cho ra một tấm ảnh khác hẳn nhau về cùng một chủ thể:
| Công thức | Nó mang lại cho bạn điều gì |
|---|---|
| Kodak Portra 400, 85mm f/1.4, soft window light | Tông da ấm áp, dễ chịu; sự tách nền mượt mà; chân dung kiểu tạp chí |
| Ilford HP5 pushed to 1600, 35mm, available light | Đen trắng nhiều hạt, tương phản mạnh, năng lượng phóng sự đường phố |
| Digital medium format, 80mm, single softbox at 45° | Vẻ studio thương mại sạch sẽ, độ tắt sáng được kiểm soát, chuẩn ảnh sản phẩm |
| 135mm f/2, backlit at golden hour, atmospheric haze | Hậu cảnh bị nén, viền sáng, vẻ lãng mạn của ống tele |
Hãy khớp phần bám thực tế với công thức — kết cấu da ở mức lỗ chân lông chẳng có nghĩa gì trong một khung rộng 24mm nơi khuôn mặt chỉ cao tám mươi điểm ảnh — rồi mới thêm nó vào. Chi tiết bám thực tế chính là bằng chứng về kết cấu cho thấy một ống kính thật đã ghi lại cảnh này. Lỗ chân lông và lông tơ trên mặt nhìn thấy được. Sợi dệt của một chiếc áo lanh. Hạt bụi trong một luồng sáng. Một vết xước trên chiếc bốt da. Những sợi tóc lòa xòa trên nền sáng. Hai hoặc ba thứ là đủ, và chúng chính là khác biệt giữa một hình dựng về một con người và một bức ảnh chụp con người đó.
06Khung cảnh nhiều lớp: tiền cảnh, trung cảnh, hậu cảnh
Khi một khung cảnh có chiều sâu, hãy mô tả ba mặt phẳng riêng biệt và theo thứ tự. Đây là kỹ thuật hiệu quả nhất cho những tấm ảnh cần có cảm giác là một nơi chốn chứ không phải một tấm phông, và gần như chẳng ai làm. Không có nó thì bạn nhận được sự phẳng dẹt: mọi thứ prompt nhắc tới đều rơi vào xấp xỉ cùng một khoảng cách, tranh nhau cùng một dải giữa của khung hình. Nêu tên các mặt phẳng là trao cho mô hình một ngân sách chiều sâu để tiêu.
In the foreground, a cracked concrete ledge with a half-empty
paper coffee cup and a scattering of cigarette ash, slightly out
of focus. In the midground, a bicycle courier in a yellow rain
jacket wheels her bike across a wet plaza, caught mid-stride. In
the background, a glass office tower dissolves into low fog.
Shot on a 50mm lens at f/2.8, flat overcast light.Hai điều tinh chỉnh. Hãy đặt vào tiền cảnh một thứ gì đó cố ý nằm ngoài vùng nét — ảnh chụp thật của những khung cảnh sâu gần như luôn có một thứ như vậy, và sự vắng mặt của nó là một dấu hiệu lộ liễu thường gặp. Và hãy nói rõ chủ thể chiếm mặt phẳng nào: nếu cô nhân viên giao hàng bằng xe đạp là điểm nhấn của bức ảnh thì cô ấy thuộc về trung cảnh, nếu không thì tòa tháp và cốc cà phê sẽ tranh khung hình với cô.
07Màu chính xác: mã hex, gắn vào vật thể
Với công việc thương hiệu, tính nhất quán trang phục, hay bất cứ đâu mà "đỏ" chưa đủ cụ thể, hãy viết mã hex dưới dạng color #RRGGBB và gắn nó vào một vật thể được nêu tên:
...wearing a heavy wool peacoat, color #8B0000, over a cream
turtleneck, against a studio backdrop, color #1E3A5F....#8B0000, #1E3A5F, dark red and navy color palette, moody...Ba nguyên tắc kinh nghiệm. Hãy dùng hex cho hai hoặc ba màu thực sự quan trọng và dùng lời thường cho phần còn lại — một prompt có sáu mã hex tiêu phần lớn ngân sách của nó vào những mảnh màu. Hãy gắn mã vào một vật thể có đường viền, đừng bao giờ gắn vào "ánh sáng" hay "tâm trạng". Và hãy nhớ rằng nó nêu màu của vật thể, chứ không phải giá trị điểm ảnh cuối cùng: một chiếc áo khoác #8B0000 dưới ánh ngược giờ vàng sẽ hiện ra ấm hơn mẫu màu, đúng như ngoài đời.
08Chọn tỷ lệ khung hình
Có năm tỷ lệ khả dụng và tỷ lệ đúng thường được ngụ ý bởi chính chủ thể, nhưng một yêu cầu rõ ràng từ bạn luôn thắng — hãy xin một hình nền điện thoại và bạn nhận được tall bất kể nội dung gợi ý điều gì.
| Tỷ lệ | Phù hợp nhất cho | Vì sao |
|---|---|---|
| square | Mặc định. Vật thể đơn đặt giữa, biểu tượng, bố cục đối xứng, bài đăng mạng xã hội | Không có trục nào trội, nên không gì bị cắt bởi thiên lệch của chính khung hình |
| portrait | Con người, toàn thân hoặc nửa người; chủ thể cao như tháp, cây, chai lọ | Cho một dáng người đứng đủ chỗ từ đầu tới chân mà không phải thu nhỏ lại |
| landscape | Phong cảnh, nội thất, nhóm người, ảnh sản phẩm trong bối cảnh | Đủ chỗ theo chiều ngang để bối cảnh thực sự là một bối cảnh |
| wide | Khung hình điện ảnh, khung phim tĩnh, banner, ảnh đầu trang | Lựa chọn rộng nhất; khoảng âm mạnh, cảm giác anamorphic |
| tall | Poster, bìa sách, hình nền điện thoại, định dạng mạng xã hội dọc | Cao hơn portrait; chừa khoảng trống có chủ đích cho chữ hoặc bầu trời |
Chọn sai điều này gây thiệt hại nhiều hơn vẻ ngoài của nó. Một dáng người đứng toàn thân trong khung wide không cho bạn một bóng người nhỏ trong một khung lớn — nó thường cho bạn một bóng người bị cắt, vì mô hình lấp đầy chiều rộng và đầu hoặc chân rời khỏi khung. Hãy khớp khung hình với trục trội của chủ thể và phần lớn lời phàn nàn về bố cục sẽ biến mất.
Hai hành vi đáng nhớ: chỉnh sửa tự động giữ nguyên tỷ lệ khung hình của ảnh nguồn, nên bạn không thể đổi khung bằng cách chỉnh sửa, trong khi ghép ảnh cho phép bạn chọn một khung mới — thường là cách gọn gàng nhất để đổi hình dạng của một thứ bạn đã có.
09Những thói quen sai: điều cần thôi làm
Token chất lượng: "masterpiece, best quality, 8k, ultra detailed"
Đó là những cần gạt do cộng đồng phát hiện ra cho một phân phối huấn luyện cũ cụ thể, nơi một số cụm chú thích nhất định tương quan với một số nguồn ảnh nhất định. Chúng không chuyển giao được. Ở đây chúng được đọc như những từ tiếng Anh thông thường, chẳng đóng góp gì, và ngốn một phần ngân sách từ mà bạn đã được cảnh báo là eo hẹp. Cách thay thế là nói rõ chi tiết nào bạn muốn: không phải "ultra detailed" mà là "thấy rõ sợi dệt trên vải áo khoác và lớp râu lún phún dọc quai hàm" — cùng một ý định, được diễn đạt thành thứ mà mô hình dựng được.
Cú pháp trọng số: (word:1.3), [word], {{word}}
Không được phân tích. Các dấu ngoặc đơn, ngoặc vuông, dấu hai chấm và con số rơi vào prompt như văn bản thuần và, nếu có tác dụng gì, thì chỉ làm mệnh đề xung quanh khó đọc hơn. Nếu bạn muốn nhấn mạnh một thứ hơn, hãy dùng hai đòn bẩy thực sự hiệu quả: đưa nó lên sớm hơn trong prompt, và dành cho nó nhiều từ hơn. "Một chiếc khăn lụa đỏ thẫm, hai đầu tua rua bay lên trong gió" nặng ký hơn "(red scarf:1.4)" theo mọi thước đo có ý nghĩa.
Những chỉ dẫn xung khắc
Trộn những chỉ dẫn không tương thích không hòa quyện chúng lại; nó tạo ra một mức trung bình bất ổn thường chẳng thỏa mãn bên nào. Những kẻ vi phạm thường gặp:
- Chất liệu — "photorealistic" cộng "watercolor"; "oil painting" cộng "shot on 85mm". Hãy chọn một và theo tới cùng.
- Khung hình — "wide establishing shot" cộng "extreme close-up on her eyes"; "toàn thân" cộng "lỗ chân lông chi tiết trên mặt".
- Ánh sáng — "nắng gắt giữa trưa" cộng "ánh vàng dịu giờ hoàng hôn"; "tông tối, bóng đổ sâu" cộng "sáng sủa và thoáng đãng".
- Thời kỳ — "thẩm mỹ phim thập niên 1970" cộng "tối giản hiện đại" cộng "cyberpunk".
- Chồng phong cách — bốn họa sĩ hoặc bốn thể loại cùng lúc. Hai tham chiếu liên quan nhau thì có thể ổn; bốn cái triệt tiêu nhau thành ra chung chung.
- Lan man — "một cánh cửa gỗ mộc mạc, phong hóa, cổ kính, nhuốm màu thời gian" là một ý được viết bốn lần, và mỗi lần lặp lại làm loãng phần còn lại của prompt.
10Không có negative prompt khi chuyển chữ thành ảnh
Đây là thói quen sai làm khổ người dùng có kinh nghiệm nhất, vì trên các hệ cũ thì negative prompt chiếm một nửa tay nghề.
| Thao tác | Negative prompt | Cần làm gì |
|---|---|---|
| Chuyển chữ thành ảnh (tạo mới) | Không hỗ trợ | Chỉ mô tả thứ bạn muốn. Đừng bao giờ viết "không có X". |
| Chỉnh sửa một ảnh | Có hỗ trợ | Đặt các khuyết tật không mong muốn vào đó, giữ phần chỉ dẫn ở dạng khẳng định. |
| Ghép hai ảnh trở lên | Có hỗ trợ | Tương tự — khuyết tật ở phần negative, vai trò ở phần positive. |
Với việc tạo ảnh thì quy tắc là tuyệt đối và hơi phản trực giác: viết "không chữ, không hình mờ, không thừa ngón tay" vào prompt làm cho những thứ đó dễ xuất hiện hơn, chứ không phải ít đi. Mô hình đọc "không chữ" như một câu chứa khái niệm chữ; phủ định là một tín hiệu yếu còn danh từ là một tín hiệu mạnh. Thực chất bạn vừa yêu cầu có chữ. Hãy luôn nêu dạng khẳng định thay vào đó:
| Thay vì | Hãy viết |
|---|---|
| không có hậu cảnh lộn xộn | một phông nền xám liền mạch, sạch sẽ |
| không bị mờ | nét căng vào đôi mắt, f/8 |
| không có người khác | một mình trên con phố vắng lúc bình minh |
| không có vật dụng hiện đại | một gian bếp thập niên 1930 với đồ tráng men và bếp gang |
| không có phong cách hoạt hình | shot on Kodak Portra 400, 85mm, kết cấu da tự nhiên |
Với chỉnh sửa và ghép ảnh thì negative prompt có tồn tại và bạn nên dùng nó — nhưng cho các khuyết tật, không phải cho nội dung. Chất liệu tốt: hình mờ, lớp chữ đè lên, chi thể bị nhân đôi, bàn tay méo mó, quầng sáng do làm nét quá tay, vỡ khối JPEG, đường nối dọc theo mép ghép. Chất liệu tồi: bất cứ điều gì về việc bức ảnh chụp cái gì, thứ đó thuộc về phần chỉ dẫn.
11Đọc prompt mà Shannon viết hộ bạn
Đây là điều khiến hướng dẫn này dùng được ngay chứ không chỉ là lý thuyết. Bạn không phải tự viết prompt tạo ảnh. Bạn yêu cầu bằng ngôn ngữ đời thường, bằng bất kỳ thứ tiếng nào; Shannon nhận ra rằng một tấm ảnh đang được yêu cầu, soạn prompt tạo ảnh bằng tiếng Anh, và hiện nó cho bạn trên một thẻ xác nhận trước khi bất cứ gì được dựng. Không có gì được tạo và không có gì bị tính phí cho tới khi bạn xác nhận.
Vậy nên kỹ năng đem lại nhiều lợi ích nhất không phải là viết prompt từ đầu — mà là đọc cái prompt trên thẻ. Hãy rà theo danh sách này:
- Chủ thể đã cụ thể chưa? Nếu thẻ ghi "một người" hay "một phụ nữ", bạn vừa tìm ra cải thiện lớn nhất có thể có. Hãy cho nó một độ tuổi, một vóc dáng, một đặc điểm.
- Chủ thể có đứng trước không? Nếu prompt mở đầu bằng một phong cách hay một máy ảnh, hãy yêu cầu nó dẫn dắt bằng chủ thể thay vào đó.
- Nó có nằm trong khoảng không? Dưới 30 từ, hãy yêu cầu cụ thể hơn về ánh sáng và bối cảnh. Trên 100 từ, hãy yêu cầu cắt bớt.
- Có nguồn sáng nào không? Không phải một từ chỉ tâm trạng — mà một nguồn sáng thật: cửa sổ, đèn đường, đèn flash, bầu trời u ám, softbox.
- Có xung khắc nào không? Hãy rà xem có hai chất liệu, hai kiểu khung hình, hay hai điều kiện ánh sáng trong cùng một prompt không.
- Có phủ định nào lọt vào không? Nếu thẻ chứa "without", "no", hay "avoid", thì đó là một prompt chuyển chữ thành ảnh đang yêu cầu đúng cái thứ mà nó gọi tên.
- Tỷ lệ có đúng với chủ thể không? Dáng người toàn thân trong
widelà kiểu lệch kinh điển.
Việc sửa chữa diễn ra qua hội thoại: "cho cô ấy đầu ba mươi với một vết sẹo cắt qua một bên lông mày, chụp bằng Portra ở 85mm, và dùng portrait" là một chỉ dẫn hoàn toàn tốt. Bạn nhận được một thẻ mới và xác nhận thẻ đó thay thế. Không có hình phạt nào cho việc lặp đi lặp lại, vì chưa có gì được dựng cả.
Và Shannon không tạo ảnh khi không được mời. Một lời chào, một câu hỏi, hay một tấm ảnh bạn đính kèm để bàn luận đều không kích hoạt việc dựng ảnh. Bảo Shannon nhìn vào một tấm ảnh — mô tả nó, đọc nó, phân tích nó — là công việc thị giác thông thường, không phải tạo ảnh, và không tốn thêm chi phí nào.
12Tay nghề thay đổi ra sao khi chỉnh sửa và ghép ảnh
Các quy tắc ở trên được viết cho việc tạo ảnh. Hai chế độ liền kề làm thay đổi hình dạng của prompt.
Chỉnh sửa một ảnh
Một prompt chỉnh sửa là một chỉ dẫn, không phải một mô tả: hãy nêu cái gì thay đổi và cái gì giữ nguyên. Gọi tên những phần không đổi là đòn bẩy chất lượng lớn nhất trong sản phẩm — "Đổi hậu cảnh thành một con phố thành thị đêm mưa với ánh neon phản chiếu, giữ nguyên người phụ nữ đúng như hiện tại" giữ được sự nhất quán ở chỗ mà cũng yêu cầu đó không có mệnh đề kia sẽ lặng lẽ vẽ lại khuôn mặt cô ấy. Hãy cụ thể về cái neo: giữ nguyên khuôn mặt, tư thế, mái tóc và trang phục. Đúng một ảnh nguồn được dùng, và đầu ra giữ nguyên tỷ lệ khung hình của nó.
Ghép hai ảnh trở lên
Bất cứ khi nào các thành phần đến từ nhiều hơn một tấm ảnh — chuyển trang phục, đưa một vật thể vào khung cảnh, hai người trong một khung hình, gắn sản phẩm lên người, một phong cách từ ảnh này với một chủ thể từ ảnh khác — prompt phải nêu tên vai trò của từng ảnh, theo đúng thứ tự: "Người phụ nữ trong ảnh thứ nhất mặc chiếc áo len đỏ trong ảnh thứ hai, đứng trong cùng công viên đó." Ảnh đầu tiên là chủ thể hoặc khung cảnh chính; các ảnh sau cung cấp những phần được đưa vào. Đừng rút gọn một yêu cầu nhiều ảnh thành một ảnh nguồn cộng một đoạn mô tả bằng chữ — chính việc ghép các ảnh thật mới giữ được diện mạo thật của những thứ đó.
13Viết prompt không kiểm duyệt: hãy nói đúng điều bạn nghĩ
Không có bộ lọc nội dung trên đường tạo ảnh và không có lớp từ chối trên mô hình viết prompt. Đó chính là toàn bộ mục đích của sản phẩm: các công cụ có bộ lọc thường xuyên từ chối công việc chính đáng — khỏa thân nghệ thuật, minh họa y khoa và pháp y, hình ảnh phục vụ nghiên cứu bảo mật, bạo lực trong hư cấu, châm biếm chính trị, công việc về thương hiệu và chân dung do chính chủ sở hữu quyền thực hiện. Một nửa tay nghề viết prompt trên các nền tảng có bộ lọc là nghệ thuật nói vòng, mà nói vòng là kẻ thù của một tấm ảnh chính xác.
Vậy nên còn một điều nữa cần kiểm tra trên thẻ: rằng nó mô tả đúng chủ thể thật bằng lời lẽ thẳng thắn chứ không phải bằng vốn từ rào đón mà người ta học được từ các công cụ có bộ lọc. Một hình minh họa pháp y về một vết thương thì phải nói vết thương đó là gì. Ngôn ngữ rào đón cho ra một tấm ảnh tệ hơn ở mọi nơi, vì mô hình dựng đúng những gì lời văn nói ra.
Năng lực và sự phán đoán là hai chuyện khác nhau. Shannon Lab LLC vận hành thứ này dưới một Chính sách Sử dụng Có Trách nhiệm được công bố: tạo ảnh không bộ lọc là một công cụ chuyên nghiệp, và sự đồng ý, các quyền và pháp luật đều vẫn áp dụng cho thứ bạn tạo ra.
Danh sách kiểm tra một trang
- Văn xuôi bằng câu hoàn chỉnh, không phải thẻ từ khóa ngăn cách bằng dấu phẩy.
- 30–80 từ. Cắt bỏ bất cứ thứ gì không làm tấm ảnh thay đổi.
- Chủ thể → hành động → phong cách → bối cảnh và ánh sáng → kỹ thuật.
- Chủ thể cụ thể: tuổi tác, một đặc điểm cấu trúc, một khiếm khuyết.
- Ảnh chụp: nêu tên một máy ảnh, một ống kính, và một loại phim hay một nguồn sáng.
- Khung cảnh sâu: tiền cảnh, trung cảnh, hậu cảnh, nêu tên riêng từng phần.
- Màu chính xác dưới dạng
color #RRGGBBgắn vào một vật thể được nêu tên. - Chọn tỷ lệ theo trục trội của chủ thể.
- Hai hoặc ba kết cấu bám thực tế, khớp với khung hình.
- Không token chất lượng, không cú pháp trọng số, không chỉ dẫn xung khắc.
- Không phủ định khi chuyển chữ thành ảnh. Phủ định dành cho chỉnh sửa và ghép ảnh, và chỉ dành cho khuyết tật.
14API nằm ở đâu trong bức tranh này
Một điểm cần chính xác dành cho độc giả đến từ một tìm kiếm về API: việc tạo ảnh, chỉnh sửa và ghép ảnh nằm trong ứng dụng chat Shannon, không nằm trên API /v1. API phục vụ văn bản và thị giác — nó có thể đọc, mô tả và phân tích những ảnh bạn gửi tới trên cả ba phương ngữ (/v1/chat/completions, /v1/messages, /v1/responses, tất cả đều hỗ trợ streaming) — nhưng nó không tạo ra ảnh. Nếu bạn đang xây một quy trình cần hiểu hình ảnh thì tài liệu API là nơi để bắt đầu. Nếu bạn muốn tạo ra ảnh thì đó là ứng dụng chat, và mọi thứ trong hướng dẫn này áp dụng ở đó. Ảnh được dựng trên cụm GPU của riêng chúng tôi.
15Câu hỏi thường gặp
Một prompt tạo ảnh AI nên dài bao nhiêu?
Hãy nhắm tới 30 đến 80 từ và đừng bao giờ vượt quá 100 từ nhiều. Dưới 30 từ là bạn đang phó mặc bố cục, ánh sáng và khung hình cho may rủi. Vượt quá 100 từ, các mệnh đề phía sau bắt đầu cạnh tranh với các mệnh đề phía trước và chi tiết bắt đầu nhạt đi thay vì tích tụ lại.
Tôi nên viết thẻ từ khóa hay câu hoàn chỉnh?
Câu hoàn chỉnh. Mô hình Ảnh của Shannon đọc một prompt theo cách một mô hình ngôn ngữ đọc văn bản, nên ngữ pháp mang thông tin. "Một người phụ nữ ngoài 30 tuổi tại một ngã tư Tokyo ướt mưa vào ban đêm" tạo ra một khung cảnh mạch lạc; "phụ nữ, 30 tuổi, Tokyo, mưa, đêm" tạo ra một đống thuộc tính rời rạc không có quan hệ nào với nhau.
Tôi có dùng được negative prompt khi chuyển chữ thành ảnh không?
Không. Chuyển chữ thành ảnh trên Shannon không nhận negative prompt, nên hãy chỉ mô tả thứ bạn muốn và đừng bao giờ viết "không có X" ngay trong prompt — gọi tên một thứ thường là triệu hồi nó. Chỉnh sửa ảnh và ghép ảnh thì có hỗ trợ negative prompt, và đó mới là chỗ dành cho những khuyết tật không mong muốn như hình mờ, lớp chữ đè lên hay chi thể bị nhân đôi.
Những token như "masterpiece, best quality, 8k" có làm ảnh đẹp hơn không?
Không. Đó là những cần gạt của một thế hệ mô hình cũ hơn và chúng không mang thông tin gì ở đây — chúng chỉ đơn giản được đọc như những từ ngữ, và chúng tiêu tốn một phần ngân sách 30–80 từ của bạn mà chẳng nói lên điều gì. Cú pháp trọng số như (word:1.3) cũng không được phân tích; nó rơi vào prompt như văn bản thuần. Hãy mô tả chi tiết thật sự mà bạn muốn thay vào đó.
Làm sao để có được một màu chính xác?
Hãy viết mã hex dưới dạng color #RRGGBB và gắn nó vào một vật thể cụ thể được nêu tên, ví dụ "a wool jacket, color #8B0000". Một mã hex trôi nổi không gắn với vật thể nào thì chẳng có gì để bám vào. Hãy dùng nó cho hai hoặc ba màu thực sự quan trọng và mô tả phần còn lại bằng lời.
Tôi có tạo được ảnh qua API của Shannon không?
Không. Tạo ảnh, chỉnh sửa và ghép ảnh diễn ra trong ứng dụng chat Shannon. API /v1 phục vụ văn bản và thị giác — nó có thể đọc và phân tích những ảnh bạn gửi tới, nhưng nó không tạo ra ảnh. Mọi thứ trong hướng dẫn này áp dụng cho ứng dụng chat.
Thử ngay trên một prompt thật
Hỏi bằng bất kỳ thứ tiếng nào. Đọc thẻ xác nhận. Chỉnh lại. Rồi xác nhận.
Mở Shannon Chat Thêm nghiên cứuKhông có gì được dựng, và không có gì bị tính phí, cho tới khi bạn xác nhận prompt
Đọc thêm: Tạo ảnh AI không kiểm duyệt · Chỉnh sửa ảnh AI không kiểm duyệt · Chính sách Sử dụng Có Trách nhiệm · Tài liệu API · Toàn bộ nghiên cứu của Shannon. Hướng dẫn ở đây rút ra từ chính quá trình thử nghiệm của chúng tôi với Mô hình Ảnh của Shannon; những lời khuyên viết cho các hệ khuếch tán đời trước nhìn chung không chuyển giao được.