تصویرسازی۱۴ دقیقه مطالعه

آموزش ساخت عکس با هوش مصنوعی ۱۴۰۵؛ راهنمای کامل از صفر تا حرفه‌ای

راهنمای کامل ساخت عکس با هوش مصنوعی برای تولیدکنندهٔ محتوا: مقایسهٔ Nano Banana، ChatGPT Images و میدجرنی، فرمول پرامپت، شخصیت ثابت و کاربرد در اینستاگرام.

آموزش ساخت عکس با هوش مصنوعی؛ تبدیل طرح مدادی به پرترهٔ واقعی با AI

ساخت عکس با هوش مصنوعی یعنی اینکه تصویر مورد نظرتان را با چند جملهٔ توصیفی (پرامپت) برای یک مدل تصویرساز مثل Nano Banana در جمینای، ChatGPT Images، میدجرنی یا Ideogram بنویسید و مدل در چند ثانیه آن را برایتان بسازد یا ویرایش کند. برای شروع کافی است یک ابزار رایگان مثل جمینای یا ChatGPT را باز کنید، سوژه، سبک، نور، زاویهٔ دوربین و نسبت تصویر را مشخص کنید و بعد با ویرایش‌های مرحله‌به‌مرحله نتیجه را به عکس دلخواهتان برسانید.

من رضا حسنلو هستم و سال‌هاست برای برندها، اینفلوئنسرها و خواننده‌ها پروژهٔ محتوایی تهیه می‌کنم. در این راهنما همه‌چیز را از صفر توضیح می‌دهم: اینکه این ابزارها اصلاً چطور کار می‌کنند، کدام ابزار برای چه کاری بهتر است، اولین عکستان را چطور بسازید، فرمول پرامپت حرفه‌ای چیست، چطور یک شخصیت ثابت در چند عکس داشته باشید و در نهایت چطور از این تصاویر برای پست، کاروسل، تامنیل و عکس محصول در اینستاگرام استفاده کنید. اطلاعات ابزارها را در آبان ۱۴۰۵ از سایت‌های رسمی خودشان بررسی کرده‌ام، چون این حوزه هر چند ماه یک بار عوض می‌شود.

ساخت عکس با هوش مصنوعی دقیقاً چیست و چطور کار می‌کند؟

مدل‌های تصویرساز روی میلیون‌ها تصویر و توضیح متنی آموزش دیده‌اند و یاد گرفته‌اند بین کلمه‌ها و الگوهای بصری ارتباط برقرار کنند. وقتی شما می‌نویسید «یک فنجان قهوه روی میز چوبی کنار پنجره، نور صبح»، مدل مفهوم فنجان، چوب، پنجره و نور صبح را می‌شناسد و تصویری تازه می‌سازد که قبلاً وجود نداشته است. این عکس از جایی کپی نمی‌شود؛ هر بار از نو ساخته می‌شود و به همین دلیل با یک پرامپت ثابت هم هر بار نتیجهٔ کمی متفاوتی می‌گیرید.

نکتهٔ مهمی که خیلی‌ها نمی‌دانند این است که نسل جدید ابزارها فقط «تولید» نمی‌کنند، بلکه «ویرایش» هم می‌کنند. یعنی می‌توانید عکس خودتان یا محصولتان را آپلود کنید و بگویید پس‌زمینه را عوض کن، نور را گرم‌تر کن یا همین شخصیت را در یک صحنهٔ دیگر بگذار. این همان چیزی است که کار تولیدکنندهٔ محتوا را واقعاً متحول کرده است. به‌طور کلی سه نوع کار با این ابزارها انجام می‌دهید:

  • متن به تصویر (Text to Image): فقط با نوشتن توضیح، یک عکس کاملاً جدید می‌سازید.
  • تصویر به تصویر و ویرایش: یک عکس می‌دهید و بخشی از آن را تغییر می‌دهید، بدون اینکه بقیهٔ تصویر خراب شود.
  • ترکیب چند تصویر: مثلاً عکس یک آدم، یک لباس و یک فضا را می‌دهید و مدل آن‌ها را در یک صحنه کنار هم می‌گذارد.

بهترین ابزارهای ساخت عکس با هوش مصنوعی در ۱۴۰۵ کدام‌اند؟

ابزار زیاد است، اما برای یک تولیدکنندهٔ محتوای ایرانی معمولاً شش اسم کافی است. در ادامه هر کدام را خلاصه معرفی می‌کنم و بعد در یک جدول کنار هم می‌گذارم. قیمت‌ها را عیناً از صفحهٔ رسمی هر سرویس برداشته‌ام و ممکن است بعداً تغییر کنند.

جمینای و Nano Banana (گوگل)

مدل تصویری گوگل که داخل اپ Gemini در دسترس است، با نام Nano Banana شناخته می‌شود. طبق صفحهٔ رسمی جمینای، نسخهٔ Nano Banana 2 برای کاربران رایگان در دسترس است و قابلیت‌هایی مثل حفظ ثبات شخصیت، نوشتن متن داخل تصویر، ترکیب چند عکس، ویرایش دقیق و خروجی ۲K دارد. نسخهٔ پیشرفته‌تر یعنی Nano Banana 2.1 با اشتراک‌های Google AI باز می‌شود و به گفتهٔ گوگل متن دقیق‌تر و محدودیت تولید بالاتری دارد. پلن Google AI Plus ماهانه ۴٫۹۹ دلار و Google AI Pro ماهانه ۱۹٫۹۹ دلار است (بر اساس اطلاعات سایت رسمی، آبان ۱۴۰۵). محدودیت نسخهٔ رایگان عدد ثابتی ندارد و به گفتهٔ گوگل بر اساس میزان پردازش محاسبه می‌شود و هر ۵ ساعت یک بار شارژ می‌شود. به نظر من جمینای بهترین نقطهٔ شروع برای ویرایش عکس واقعی و ساخت شخصیت ثابت است.

ChatGPT Images (اوپن‌ای‌آی)

تولید تصویر داخل خود ChatGPT انجام می‌شود و جدیدترین نسخهٔ آن ChatGPT Images 2.5 است که شهریور ۱۴۰۵ (سپتامبر ۲۰۲۶) معرفی شد. اوپن‌ای‌آی می‌گوید این نسخه جزئیات واضح‌تر، ویرایش دقیق‌تر و سرعت بیشتری دارد، فقط بخشی را که خواسته‌اید تغییر می‌دهد و در گفت‌وگوهای طولانی تغییرات قبلی را بهتر نگه می‌دارد. طبق مرکز راهنمای اوپن‌ای‌آی، ChatGPT Images برای همهٔ سطوح اشتراک، از جمله رایگان، فعال است؛ اما حالت «Images with thinking» فقط برای پلن‌های Plus، Pro و Business ذکر شده است. نقطهٔ قوت ChatGPT این است که می‌توانید به زبان محاوره با آن حرف بزنید و تصویر را مرحله‌به‌مرحله اصلاح کنید.

میدجرنی (Midjourney)

میدجرنی هنوز برای عکس‌های زیبا، سینمایی و هنری یکی از قوی‌ترین گزینه‌هاست. طبق مستندات رسمی، نسخهٔ پیش‌فرض فعلی V8.2 است که از مرداد ۱۴۰۵ (ژوئیه ۲۰۲۶) پیش‌فرض شده و تمرکزش روی زیبایی‌شناسی، کیفیت و شخصی‌سازی است. در این نسخه ابزار جدیدی به نام Edit Model جای قابلیت‌های قدیمی Omni Reference و Character Reference را گرفته است. میدجرنی در مستندات پلن‌هایش اشاره‌ای به نسخهٔ رایگان نکرده و ارزان‌ترین پلن آن Basic با ماهی ۱۰ دلار است (بر اساس اطلاعات سایت رسمی، آبان ۱۴۰۵).

آیدیوگرام (Ideogram)

اگر کارتان پوستر، لوگو یا تصویری است که متن انگلیسی خوانا لازم دارد، Ideogram را امتحان کنید. جدیدترین مدل آن Ideogram 4.5 است و خود سایت روی «تایپوگرافی شفاف» و متن خوانا در هر چیدمانی تأکید دارد. حساب‌های رایگان واجد شرایط هر هفته مقداری اعتبار می‌گیرند که مقدارش ثابت نیست، و پلن Plus ماهانه ۲۰ دلار است (بر اساس اطلاعات سایت رسمی، آبان ۱۴۰۵).

فلاکس (FLUX)

FLUX محصول شرکت Black Forest Labs است و نسل فعلی آن FLUX.2 در چند نسخه عرضه می‌شود: max برای بالاترین کیفیت، pro برای کار حرفه‌ای با هزینهٔ کمتر، flex با تمرکز روی متن و جزئیات ریز، klein برای سرعت و dev که وزن‌های آن باز (Open Weights) است. طبق سایت رسمی، FLUX.2 می‌تواند تا ۱۰ تصویر مرجع را هم‌زمان بگیرد که برای ثبات شخصیت و محصول خیلی کاربردی است. FLUX بیشتر از طریق API یا پلتفرم‌های واسط استفاده می‌شود و برای مبتدی‌ها کمی فنی‌تر است.

لئوناردو (Leonardo.Ai)

لئوناردو یک پلتفرم است که هم مدل‌های اختصاصی خودش (مثل Lucid Origin و Phoenix) و هم مدل‌های دیگران را در یک جا جمع کرده است. پلن رایگان آن روزانه ۱۵۰ توکن می‌دهد ولی فقط به مدل‌های خود پلتفرم دسترسی دارد. پلن‌های پولی از Essential با ماهی ۱۲ دلار شروع می‌شوند و به بیش از ۸۰ مدل، از جمله Nano Banana، GPT Image و مدل‌های FLUX دسترسی می‌دهند (بر اساس اطلاعات سایت رسمی، آبان ۱۴۰۵). اگر می‌خواهید چند مدل را در یک محیط امتحان کنید، لئوناردو گزینهٔ خوبی است.

مقایسهٔ ابزارهای ساخت عکس با هوش مصنوعی

این جدول را برای تصمیم سریع ساخته‌ام. ستون «متن فارسی» بر اساس تجربهٔ عمومی کار با این ابزارهاست، نه ادعای رسمی سازنده؛ هیچ‌کدام از این شرکت‌ها در صفحه‌های رسمی‌شان پشتیبانی کامل از متن فارسی را اعلام نکرده‌اند.

ابزارمدل فعلینسخهٔ رایگاننقطهٔ قوتمتن فارسی داخل تصویربهترین برای
GeminiNano Banana 2 / 2.1دارد (Nano Banana 2)ویرایش عکس واقعی، ثبات شخصیت، ترکیب عکسغیرقابل اعتمادعکس محصول، ویرایش، شخصیت ثابت
ChatGPTChatGPT Images 2.5داردگفت‌وگوی مرحله‌ای، ویرایش دقیق، فهم دستورات پیچیدهغیرقابل اعتمادایده‌پردازی، پست و کاروسل
MidjourneyV8.2اعلام نشدهزیبایی‌شناسی و حس سینماییتوصیه نمی‌شودعکس‌های هنری و مودبورد
IdeogramIdeogram 4.5اعتبار هفتگی متغیرتایپوگرافی و متن انگلیسی خواناغیرقابل اعتمادپوستر، لوگو، طرح با متن انگلیسی
FLUXFLUX.2نسخهٔ dev با وزن بازتا ۱۰ تصویر مرجع، کنترل دقیقغیرقابل اعتمادکاربران فنی و پروژه‌های تکراری
LeonardoLucid / Phoenix + مدل‌های دیگر۱۵۰ توکن روزانهچند مدل در یک محیطبسته به مدلآزمایش و مقایسهٔ مدل‌ها

یک نکتهٔ صادقانه: برخی از این سرویس‌ها برای کاربران ایرانی محدودیت دسترسی یا پرداخت دارند. قبل از خرید هر اشتراکی، شرایط استفاده و پرداخت را خودتان بررسی کنید. فهرست کامل‌تر ابزارها را هم در دایرکتوری ابزارهای هوش مصنوعی گذاشته‌ام.

چطور با هوش مصنوعی اولین عکسمان را بسازیم؟

برای اولین تجربه پیشنهاد من جمینای یا ChatGPT است، چون هر دو نسخهٔ رایگان دارند و به زبان ساده با شما حرف می‌زنند. این مراحل را به ترتیب انجام دهید:

  1. هدف را مشخص کنید. قبل از نوشتن هر چیزی بدانید این عکس کجا قرار است استفاده شود: پست مربعی، استوری عمودی یا کاور ویدیو؟ همین تصمیم نسبت تصویر را تعیین می‌کند.
  2. ابزار را باز کنید و وارد حساب شوید. در جمینای یا ChatGPT کافی است در چت بنویسید که یک تصویر می‌خواهید؛ لازم نیست تنظیمات خاصی را پیدا کنید.
  3. یک پرامپت ساده بنویسید. با سوژه و فضا شروع کنید. پرامپت انگلیسی معمولاً نتیجهٔ دقیق‌تری می‌دهد، اما ابزارهای جدید فارسی را هم می‌فهمند.
  4. نسبت تصویر را بگویید. مثلاً «4:5 vertical» برای پست اینستاگرام یا «9:16» برای استوری.
  5. نتیجه را نقد کنید، نه دور بیندازید. به جای اینکه از اول شروع کنید، بگویید چه چیزی را تغییر دهد: «نور را گرم‌تر کن»، «پس‌زمینه را ساده‌تر کن».
  6. با کیفیت بالا ذخیره کنید. نسخهٔ نهایی را دانلود کنید و اگر متن لازم دارد، متن را در یک ابزار طراحی جداگانه اضافه کنید.

یک پرامپت ساده برای شروع می‌تواند این باشد:

A cup of Persian tea in a small glass on a wooden table next to a window, soft morning light, a few dates on a small plate, cozy and calm mood, photorealistic, 4:5 vertical

در این پرامپت سوژه (چای در استکان)، جزئیات صحنه (میز چوبی، خرما)، نور (نور نرم صبح)، حس و حال (آرام و دنج)، سبک (واقع‌گرایانه) و نسبت تصویر (۴ به ۵ عمودی برای پست اینستاگرام) مشخص شده است. همین شش جزء پایهٔ فرمولی است که در بخش بعد کامل توضیح می‌دهم.

فرمول نوشتن پرامپت عکس چیست؟

بیشتر عکس‌های بدِ هوش مصنوعی به خاطر پرامپت مبهم است، نه ضعف ابزار. فرمولی که من همیشه استفاده می‌کنم شش جزء دارد. لازم نیست همیشه همه را بنویسید، ولی هر چه دقیق‌تر باشید کنترل بیشتری دارید:

  1. سوژه (Subject): چه کسی یا چه چیزی؟ با جزئیات: سن، لباس، حالت چهره، رنگ محصول.
  2. سبک (Style): عکس واقعی، کارتونی سه‌بعدی، نقاشی آبرنگ، مینیمال، سینمایی.
  3. نور (Lighting): نور طبیعی پنجره، غروب طلایی (golden hour)، نور استودیویی نرم، نور نئون.
  4. دوربین و لنز (Camera): کلوزآپ، نمای باز، زاویهٔ از بالا، لنز ۸۵ میلی‌متری، عمق میدان کم (پس‌زمینهٔ محو).
  5. ترکیب‌بندی (Composition): سوژه در مرکز یا یک‌سوم کادر، فضای خالی برای متن، پس‌زمینهٔ ساده.
  6. نسبت تصویر (Aspect Ratio): ۱:۱، ۴:۵، ۹:۱۶ یا ۱۶:۹ بسته به محل انتشار.

این یک نمونهٔ کامل با هر شش جزء است:

Portrait of a young Iranian woman in her late twenties, wearing a mustard-colored knit sweater, smiling naturally, sitting in a modern cafe, golden hour sunlight coming through the window, shot on 85mm lens, shallow depth of field, subject on the left third of the frame, empty space on the right for text, editorial photography style, 4:5 vertical

اینجا عبارت «empty space on the right for text» خیلی مهم است؛ یعنی از همان اول جای متن را در طراحی خالی گذاشته‌ایم تا بعداً تیتر فارسی را خودمان روی آن بنویسیم. عبارت «shot on 85mm lens» و «shallow depth of field» هم ظاهر عکس پرتره‌ای حرفه‌ای با پس‌زمینهٔ محو را می‌سازد.

اگر می‌خواهید پرامپت‌نویسی را عمیق‌تر و برای همهٔ ابزارها (نه فقط تصویر) یاد بگیرید، آموزش کامل پرامپت‌نویسی را که امروز منتشر کرده‌ام بخوانید. برای پرامپت‌های آماده هم سری به بانک پرامپت بزنید.

چطور عکس را ویرایش کنیم و شخصیت ثابت بسازیم؟

یکی از بزرگ‌ترین دردسرهای تولیدکننده‌ها این بود که هر بار چهرهٔ شخصیت عوض می‌شد. حالا ابزارها این مشکل را تا حد زیادی حل کرده‌اند. طبق صفحه‌های رسمی، Nano Banana روی حفظ ظاهر شخصیت در تصاویر مختلف تأکید دارد، ChatGPT Images 2.5 تغییرات را در گفت‌وگوهای طولانی بهتر نگه می‌دارد، FLUX.2 تا ۱۰ تصویر مرجع می‌گیرد و میدجرنی V8.2 هم ابزار Edit Model را برای همین کار دارد. روش کلی من برای ساخت شخصیت ثابت این است:

  1. یک «تصویر مرجع» خوب بسازید. شخصیت را با نمای روبه‌رو، نور یکنواخت و پس‌زمینهٔ ساده بسازید تا مدل چهره را واضح ببیند.
  2. یک توصیف ثابت بنویسید. مشخصات شخصیت (سن، مدل مو، رنگ چشم، لباس اصلی) را یک بار بنویسید و در همهٔ پرامپت‌ها عیناً تکرار کنید.
  3. در همان گفت‌وگو ادامه دهید. در جمینای و ChatGPT در همان چت قبلی صحنهٔ بعدی را بخواهید، یا تصویر مرجع را دوباره آپلود کنید.
  4. هر بار فقط یک چیز را عوض کنید. اگر هم‌زمان لباس، مکان و نور را تغییر دهید، احتمال اینکه چهره هم عوض شود بیشتر است.
Use the uploaded image as the reference character. Keep the exact same face, hairstyle and glasses. Place her in a bright home office, sitting at a desk with a laptop, wearing the same navy blazer, natural daylight, medium shot, 4:5 vertical

این پرامپت برای وقتی است که عکس مرجع را آپلود کرده‌اید. جملهٔ «Keep the exact same face» به مدل می‌گوید اولویتش حفظ چهره است و بعد فقط مکان و حالت را تغییر می‌دهیم. برای ویرایش‌های کوچک هم به جای پرامپت طولانی، یک دستور کوتاه و مشخص کافی است؛ مثلاً «فقط رنگ پس‌زمینه را به کرمی تغییر بده و بقیهٔ تصویر را دست نزن».

اگر فروشگاه لباس دارید و می‌خواهید با این تکنیک مدل مجازی بسازید، این موضوع را جداگانه در مقالهٔ مدل مجازی برای فروشگاه لباس مفصل توضیح داده‌ام.

از عکس‌های هوش مصنوعی در اینستاگرام چه استفاده‌ای کنیم؟

نگاه من، چه در پیج خودم و چه در پروژه‌هایی که برای برندها تهیه کرده‌ام، این است که عکس هوش مصنوعی وقتی ارزش دارد که در خدمت ایده و پیام باشد، نه اینکه فقط «قشنگ» باشد. فلسفهٔ همیشگی من این است که کیفیت مخاطب از تعداد مخاطب مهم‌تر است، و عکس خوب باید مخاطب درست را جذب کند. چهار کاربرد اصلی برای تولیدکنندهٔ محتوا:

پست تکی

برای پست‌های آموزشی، نقل‌قول یا معرفی مفهوم، یک تصویر قوی با فضای خالی برای تیتر بسازید. نسبت ۴:۵ عمودی بیشترین فضای صفحهٔ موبایل را می‌گیرد. تیتر فارسی را بعداً در ابزار طراحی اضافه کنید.

کاروسل

در کاروسل یکدستی رنگ و سبک خیلی مهم است. یک «پرامپت پایه» برای سبک بنویسید و فقط بخش سوژه را در هر اسلاید عوض کنید:

Flat minimal illustration, soft pastel color palette of teal and cream, clean white background, simple geometric shapes, no text, consistent style for an Instagram carousel series, slide showing a person planning content on a calendar, 4:5 vertical

در این پرامپت بخش اول (سبک، رنگ‌ها، پس‌زمینه) در همهٔ اسلایدها ثابت می‌ماند و فقط جملهٔ آخر که سوژهٔ اسلاید را توصیف می‌کند تغییر می‌کند. عبارت «no text» هم جلوی نوشتن حروف بی‌معنی روی تصویر را می‌گیرد تا خودتان متن فارسی را اضافه کنید.

تامنیل و کاور ریلز

کاور ریلز باید در اندازهٔ کوچک هم خوانا باشد: یک سوژهٔ واضح، کنتراست بالا، احساس مشخص در چهره و جای خالی برای یک تیتر کوتاه. برای کاور ویدیوی یوتیوب نسبت ۱۶:۹ و برای ریلز ۹:۱۶ را انتخاب کنید و دقت کنید بخش مهم تصویر در مرکز باشد تا در شبکهٔ پیج بریده نشود.

عکس محصول

اینجا ابزارهای ویرایشی مثل جمینای و ChatGPT می‌درخشند. عکس واقعی محصولتان را با موبایل بگیرید، آپلود کنید و صحنهٔ تبلیغاتی بخواهید. مهم این است که خود محصول عوض نشود:

Use the uploaded product photo. Keep the bottle, label and colors exactly the same. Place it on a marble surface with fresh orange slices and green leaves around it, soft studio lighting from the left, subtle shadow, premium commercial product photography, 1:1 square

جملهٔ «Keep the bottle, label and colors exactly the same» مهم‌ترین بخش این پرامپت است، چون مخاطب باید همان محصولی را دریافت کند که در عکس دیده است. بعد از ساخت تصویر، حتماً برچسب و جزئیات محصول را با عکس اصلی مقایسه کنید. اگر بعد از عکس می‌خواهید سراغ ویدیوی محصول بروید، آموزش ساخت ویدیو با هوش مصنوعی قدم بعدی شماست.

چرا هوش مصنوعی متن فارسی را داخل عکس خراب می‌نویسد؟

این یکی از پرتکرارترین سؤال‌های تولیدکننده‌های محتوای فارسی است. ابزارهای جدید در نوشتن متن انگلیسی خیلی پیشرفت کرده‌اند و حتی اوپن‌ای‌آی در معرفی ChatGPT Images 2.0 نمونه‌هایی از خط‌های غیرلاتین مثل عربی، ژاپنی و هندی نشان داده است، اما در هیچ‌کدام از صفحه‌های رسمی که بررسی کردم، فارسی به‌صورت مشخص ذکر نشده بود. در عمل، متن فارسی داخل تصویر هنوز اغلب با حروف جدا، کلمات اشتباه یا جهت نادرست ساخته می‌شود، چون اتصال حروف و راست‌به‌چپ بودن خط فارسی برای این مدل‌ها پیچیده است.

راه‌حل حرفه‌ای ساده است:

  • در پرامپت بنویسید no text یا no letters تا تصویر تمیز تحویل بگیرید.
  • در ترکیب‌بندی فضای خالی برای متن بخواهید (مثلاً empty space at the top for a headline).
  • متن فارسی را با فونت مناسب در یک ابزار طراحی یا ویرایش عکس اضافه کنید.
  • اگر حتماً می‌خواهید متن داخل تصویر ساخته شود، آن را کوتاه نگه دارید و چند بار امتحان کنید؛ ولی هرگز بدون بررسی دقیق منتشرش نکنید.

چطور با هوش مصنوعی عکس حرفه‌ای بسازیم؟ چک‌لیست ۷ مرحله‌ای

عکس حرفه‌ای با هوش مصنوعی از یک پرامپت شانسی به دست نمی‌آید؛ نتیجهٔ یک روند ثابت است: هدف روشن، پرامپت ساختارمند، چند بار تکرار و ویرایش، و در آخر خروجی با ابعاد درست. این چک‌لیست همان روندی است که برای هر عکس تبلیغاتی یا محتوایی دنبال می‌کنم.

  1. هدف و جای انتشار را مشخص کنید: عکس برای پست اسلایدی است، کاور ریلز، تبلیغ محصول یا بنر سایت؟ نسبت تصویر را از همین اول تعیین کنید (۴:۵ یا ۱:۱ برای پست، ۹:۱۶ برای استوری و کاور ریلز، ۱۶:۹ برای بنر).
  2. سوژه را دقیق توصیف کنید: سن، حالت چهره، لباس، جنس و رنگ محصول. «یک زن» کافی نیست؛ «زنی حدود سی‌ساله با پالتوی کرم، لبخند ملایم، نگاه به دوربین» نتیجهٔ قابل‌کنترل می‌دهد.
  3. نور را مثل یک عکاس انتخاب کنید: عبارت‌هایی مثل soft window light، golden hour، studio softbox یا rim light بیشترین تأثیر را روی حس «حرفه‌ای» عکس دارند.
  4. زبان دوربین را اضافه کنید: نوع کادر (close-up، medium shot، wide shot)، زاویه (eye level، low angle) و حس لنز (85mm portrait، shallow depth of field) عکس را از حالت «نقاشی هوش مصنوعی» به حالت «عکاسی واقعی» نزدیک می‌کنند.
  5. سبک و پالت رنگ را ثابت نگه دارید: اگر برای یک پیج یا برند کار می‌کنید، یک جملهٔ ثابت سبک (مثلاً رنگ‌های گرم و ملایم، فضای مینیمال) در همهٔ پرامپت‌ها بگذارید تا خروجی‌ها یکدست شوند.
  6. چند نسخه بسازید و با ویرایش متنی کامل کنید: به‌جای نوشتن دوبارهٔ کل پرامپت، روی بهترین خروجی فقط بگویید چه چیزی عوض شود (مثلاً «پس‌زمینه را ساده‌تر کن» یا «دست‌ها را طبیعی‌تر کن»).
  7. قبل از انتشار بازبینی کنید: دست‌ها، چشم‌ها، متن داخل تصویر و لبه‌های محصول را با بزرگنمایی چک کنید و اگر لازم بود کیفیت را بالا ببرید. متن فارسی را بهتر است در نرم‌افزار طراحی روی عکس بگذارید.

وقتی عکس آماده شد، می‌توانید همان را به یک ویدیوی کوتاه تبدیل کنید؛ روشش را در آموزش تبدیل عکس به ویدیو با هوش مصنوعی و برای ابزار کلینگ در آموزش Kling AI نوشته‌ام.

رایج‌ترین اشتباهات در ساخت عکس با هوش مصنوعی چیست؟

این اشتباه‌ها در کار تازه‌کارها خیلی رایج است و دانستنشان در وقت و هزینه صرفه‌جویی می‌کند:

  1. پرامپت خیلی کوتاه. «یک دختر در کافه» نتیجه‌ای عمومی و تکراری می‌دهد. نور، سبک و زاویه را اضافه کنید.
  2. پرامپت شلوغ و متناقض. نوشتن «مینیمال» و «پر از جزئیات» در یک پرامپت مدل را گیج می‌کند.
  3. نادیده گرفتن نسبت تصویر. عکس مربعی برای استوری عمودی یعنی برش خوردن بخش مهم تصویر.
  4. شروع دوباره به جای اصلاح. وقتی ۸۰ درصد عکس خوب است، فقط همان ۲۰ درصد را با یک دستور ویرایشی درست کنید.
  5. بررسی نکردن دست‌ها، انگشت‌ها و جزئیات. مدل‌ها بهتر شده‌اند ولی هنوز گاهی خطا دارند؛ قبل از انتشار با دقت زوم کنید.
  6. ظاهر «پلاستیکی» و بیش از حد براق. برای عکس‌های واقع‌گرایانه کلماتی مثل natural skin texture و candid photo اضافه کنید.
  7. فریب دادن مخاطب. عکس محصولی که با واقعیت فرق دارد، اعتماد مخاطب را از بین می‌برد. هوش مصنوعی برای زیباتر نشان دادن واقعیت است، نه جعل آن.

یک پرامپت برای حل مشکل ظاهر مصنوعی:

Candid street photo of an elderly man selling pomegranates at a traditional bazaar, natural skin texture with wrinkles, slightly imperfect framing, overcast daylight, shot on a 35mm film camera, subtle film grain, realistic colors, no text, 3:2 horizontal

عبارت‌هایی مثل «candid»، «slightly imperfect framing» و «subtle film grain» به مدل می‌گویند عکس را مثل یک لحظهٔ واقعی و غیرژست‌گرفته بسازد، نه یک تصویر تبلیغاتی بیش از حد تمیز.

از مبتدی تا حرفه‌ای: مسیر یادگیری چطور است؟

به نظر من یادگیری ساخت عکس با هوش مصنوعی سه مرحله دارد. در مرحلهٔ اول فقط با یک ابزار رایگان کار کنید و فرمول شش‌جزئی پرامپت را تمرین کنید تا بفهمید هر کلمه چه اثری دارد. در مرحلهٔ دوم سراغ ویرایش، عکس مرجع و شخصیت ثابت بروید و یک سری کامل، مثلاً یک کاروسل ده‌اسلایدی، با سبک یکدست بسازید. در مرحلهٔ سوم ابزارها را بر اساس نیاز ترکیب می‌کنید: مثلاً ایده و ترکیب‌بندی را در یک ابزار، ویرایش نهایی را در ابزار دیگر و متن فارسی را در نرم‌افزار طراحی.

چیزی که آدم‌ها را از سطح مبتدی جدا می‌کند، دانستن اسم ابزارها نیست؛ این است که بدانند برای کدام مخاطب و کدام هدف عکس می‌سازند. در دورهٔ دانشگاه تولید محتوا یک بخش پنج‌جلسه‌ای مخصوص ساخت تصویر هست و در کنار آن، ابزارهایی مثل Gemini و ChatGPT Image همراه با استراتژی محتوای اینستاگرام آموزش داده می‌شوند.

اگر بعد از امتحان نسخه‌های رایگان به فکر خرید اشتراک افتادید، قبل از پرداخت راهنمای اشتراک هوش مصنوعی خارجی یا ایرانی را بخوانید؛ آنجا روش حساب هزینه به ازای هر تصویر و چک‌لیست خرید را توضیح داده‌ام.

برای ویرایش عکس‌های موجود، مثل عوض کردن پس‌زمینه یا لباس با حفظ چهره، راهنمای جدای آموزش Nano Banana و ویرایش عکس با Gemini را ببینید.

اگر نمی‌دانید برای کار خودتان کدام ابزار بهتر است، مقایسهٔ کامل Midjourney، Nano Banana و ChatGPT Image را ببینید؛ از کیفیت و متن روی تصویر تا نسخهٔ رایگان.

سؤالات متداول

فرق عکس معمولی و عکس حرفه‌ای با هوش مصنوعی چیست؟

فرق اصلی در کنترل است، نه در ابزار. عکس حرفه‌ای نور، کادر، زاویهٔ دوربین و پالت رنگ مشخص دارد، با جای انتشارش هم‌خوان است و قبل از انتشار از نظر دست، چهره و جزئیات بازبینی شده است. با یک پرامپت ساختارمند و چند مرحله ویرایش، همین ابزارهای رایگان هم خروجی حرفه‌ای می‌دهند.

بهترین ابزار رایگان ساخت عکس با هوش مصنوعی کدام است؟

برای شروع، جمینای (با مدل Nano Banana 2) و ChatGPT Images هر دو نسخهٔ رایگان دارند و از نظر کیفیت و امکان ویرایش برای اکثر نیازهای تولید محتوا کافی‌اند. جمینای در ویرایش عکس واقعی و حفظ شخصیت قوی است و ChatGPT در گفت‌وگوی مرحله‌ای و فهم دستورات پیچیده. لئوناردو هم روزانه ۱۵۰ توکن رایگان می‌دهد.

پرامپت را فارسی بنویسم یا انگلیسی؟

ابزارهای جدید فارسی را می‌فهمند و برای ویرایش‌های ساده نوشتن به فارسی مشکلی ندارد. اما برای کنترل دقیق سبک، نور و دوربین، پرامپت انگلیسی معمولاً نتیجهٔ قابل پیش‌بینی‌تری می‌دهد، چون اصطلاحات عکاسی و هنری بیشتر به انگلیسی شناخته شده‌اند.

آیا می‌توانم از عکس‌های هوش مصنوعی برای کار تجاری استفاده کنم؟

قوانین استفادهٔ تجاری در هر سرویس و هر پلن متفاوت است. قبل از استفاده در تبلیغات یا فروش، شرایط استفادهٔ همان ابزار را بخوانید. همچنین از ساختن تصویر افراد مشهور، لوگوی برندهای دیگر یا هر چیزی که مخاطب را دربارهٔ واقعیت محصول گمراه کند پرهیز کنید.

چرا هر بار با یک پرامپت عکس متفاوت می‌گیرم؟

چون مدل هر بار تصویر را از نو می‌سازد و بخشی از فرایند تصادفی است. برای نتیجهٔ یکدست‌تر، پرامپت را دقیق‌تر بنویسید، از عکس مرجع استفاده کنید و به جای ساخت دوباره، تصویر خوب را در همان گفت‌وگو ویرایش کنید.

آیا هوش مصنوعی می‌تواند متن فارسی را درست داخل عکس بنویسد؟

هنوز قابل اعتماد نیست. در صفحه‌های رسمی ابزارهایی که بررسی کردم، پشتیبانی مشخص از فارسی اعلام نشده و در عمل متن فارسی اغلب با حروف جدا یا اشتباه ساخته می‌شود. بهترین روش این است که تصویر را بدون متن بسازید و تیتر فارسی را در نرم‌افزار طراحی اضافه کنید.

برای شروع حتماً باید اشتراک پولی بخرم؟

نه. با نسخه‌های رایگان جمینای و ChatGPT می‌توانید همهٔ مهارت‌های پایه را یاد بگیرید. وقتی تولیدتان زیاد شد یا به محدودیت رسیدید، آن موقع دربارهٔ اشتراک تصمیم بگیرید و یادتان باشد برخی سرویس‌ها برای کاربران ایرانی محدودیت پرداخت یا دسترسی دارند.

منابع

قدم بعدی

همین کار را قدم‌به‌قدم یاد بگیر

دورهٔ جامع تولید محتوا با هوش مصنوعی.

مشاهدهٔ دوره