इमेज को सरल शब्दों में बताइए, चैट मॉडल से उसे सब्जेक्ट, लाइट, लेंस और स्टाइल वाले पूरे प्रॉम्प्ट में बदलवाइए, फिर उसी टूलकिट में इमेज मॉडल से रेंडर कीजिए। प्रॉम्प्ट की अलग-अलग लंबाइयाँ आज़माइए, एक बार में एक चीज़ सुधारिए, और जो वर्ज़न चले उसे दोबारा इस्तेमाल होने वाले टेम्पलेट की तरह रखिए।
ज़्यादातर निराश करने वाली AI इमेज मॉडल की गलती नहीं होतीं। वे ऐसे प्रॉम्प्ट से आती हैं जिसमें छह शब्द थे जबकि इमेज को साठ चाहिए थे। चैट मॉडल यह खाई भर सकता है: आप आइडिया वैसे बताते हैं जैसे किसी दोस्त को समझाते हैं, वह सब्जेक्ट, लाइट, लेंस और स्टाइल साफ़ लिखा हुआ पूरा प्रॉम्प्ट लौटाता है, और आप उसे इमेज मॉडल में चिपका देते हैं। Picasso IA दोनों तरह के मॉडल एक ही टूलकिट में चलाता है, इसलिए पूरा चक्र एक ही जगह रहता है।
इमेज मॉडल आपका टेक्स्ट एक बहुत शाब्दिक असिस्टेंट की तरह पढ़ता है। वह नहीं पूछता कि आपने कौन सा लेंस सोचा था, दृश्य दिन के किस समय का है, या सब्जेक्ट के पीछे क्या है। वह इन खाली जगहों को अपने जाने सबसे औसत जवाब से भर देता है, और औसत जवाब वही लुक है जिससे आप बचना चाहते थे। चैट मॉडल यह पूछने का काम आपके लिए करता है। वह ढीले-ढाले आइडिया को ऐसे प्रॉम्प्ट में बदल देता है जिसमें हर खाली जगह का एक जवाब होता है जिसे आप पढ़ सकते हैं, परख सकते हैं और बदल सकते हैं।
कैटलॉग इस जोड़ी को व्यावहारिक बनाता है। Picasso IA के 502 मॉडलों में से 75 लार्ज लैंग्वेज मॉडल हैं, जिनमें claude-sonnet-5, gpt-5 और gemini-3-flash शामिल हैं, और 212 टेक्स्ट-टू-इमेज मॉडल हैं। एक लिखता है, दूसरा रेंडर करता है, और आप टेक्स्ट को टूलकिट के भीतर ही पेज छोड़े बिना एक से दूसरे तक ले जाते हैं।
दूसरा फायदा शब्दावली का है। हो सकता है आप ठीक-ठीक जानते हों कि आपको क्या चाहिए, फिर भी यह न जानते हों कि नरम खिड़की की रोशनी, नीचा एंगल और कम डेप्थ ऑफ फील्ड वही शब्द हैं जो उसे पैदा करते हैं। चैट मॉडल फोटोग्राफरों और इलस्ट्रेटरों की भाषा जानता है, इसलिए वह किसी एहसास को ऐसे शब्दों में बदल सकता है जिन पर इमेज मॉडल आमतौर पर प्रतिक्रिया देता है।
लगभग हर चलने वाला प्रॉम्प्ट इन्हीं पाँच हिस्सों से बनता है। इन्हें जानने से आप चैट मॉडल का दिया हुआ जाँच सकते हैं और उसे ठीक-ठीक बता सकते हैं कि कौन सा हिस्सा सुधारना है।
| हिस्सा | क्या तय करता है | शब्दों का उदाहरण | आम चूक |
|---|---|---|---|
| सब्जेक्ट | फ्रेम में कौन या क्या है | टूटे हुए टोंटे वाली एक सिरेमिक चायदानी | सिर्फ़ श्रेणी का नाम लिखना और औसत चायदानी पाना |
| सेटिंग | वह कहाँ रखा है और उसके आसपास क्या है | खिड़की की चौखट पर, पीछे शीशे पर बारिश | बैकग्राउंड को संयोग पर छोड़ देना |
| स्टाइल या माध्यम | फोटो, पेंटिंग, 3D रेंडर, लाइन आर्ट | 35mm फिल्म फोटोग्राफ, हल्के रंग | तीन आपस में लड़ने वाले स्टाइल जमा कर देना |
| लाइट और कैमरा | मूड, दिन का समय, लेंस, एंगल | सुबह की नीची धूप, कम डेप्थ ऑफ फील्ड, आँखों के स्तर पर | सिर्फ़ सिनेमैटिक लिखना और कुछ ठोस नहीं |
| बंदिशें | क्या छोड़ना है, अनुपात, इमेज के भीतर के शब्द | सादा बैकग्राउंड, कोई इंसान नहीं, चौकोर क्रॉप | इमेज के भीतर लंबा वाक्य माँगना |
सब्जेक्ट को पहले रखिए। व्यवहार में ज़्यादातर मॉडल प्रॉम्प्ट की शुरुआत पर उसकी पूँछ से ज़्यादा झुकते दिखते हैं, इसलिए जो चीज़ सही होनी ही चाहिए वह आगे जाती है और सजावट पीछे। फिर पूरा प्रॉम्प्ट एक बार ऐसे पढ़िए जैसे आप ही इमेज मॉडल हों: अगर दो पंक्तियाँ एक-दूसरे का खंडन करती हैं, तो इमेज भी करेगी।
लंबाई वह जगह है जहाँ लोग दोनों दिशाओं में चूकते हैं। छह शब्द मॉडल को अंदाज़ा लगाने पर छोड़ देते हैं। तीन सौ शब्द सब्जेक्ट को विशेषणों के नीचे दबा देते हैं और अक्सर बीच में कहीं खुद का खंडन कर देते हैं। काम का प्रॉम्प्ट आमतौर पर कुछ ठोस वाक्यों का होता है, इतना लंबा कि टेबल के हर हिस्से का जवाब मिल जाए और इतना छोटा कि आप उसे दिमाग में रख सकें।
यह वह चक्र है जो धुँधले आइडिया को ऐसे प्रॉम्प्ट में बदलता है जिसे आप दोबारा इस्तेमाल कर सकें। इसके लिए एक आइडिया, एक चैट मॉडल और एक इमेज मॉडल चाहिए, जो सब एक ही वर्कस्पेस में उपलब्ध हैं।
चैट मॉडल बेहतर प्रॉम्प्ट लिखता है जब उसे पता हो कि प्रॉम्प्ट किस काम का है। एक पंक्ति की माँग जैसे मेरे लिए कॉफी शॉप का प्रॉम्प्ट लिखो आपको एक आम पैराग्राफ देती है। एक छोटा ब्रीफ आपको काम की चीज़ देता है: जिस इमेज मॉडल को आप भेजेंगे, अनुपात, इमेज कहाँ इस्तेमाल होगी, मूड, और वह सब जो नहीं दिखना चाहिए।
एक जवाब के बजाय कई वर्ज़न माँगिए। लंबाई और ज़ोर में अलग तीन प्रॉम्प्ट, जैसे एक न्यूनतम, एक विस्तृत और एक जो रोशनी से शुरू होता हो, आपको आपके अपने आइडिया के बारे में एक चमकाए हुए पैराग्राफ से ज़्यादा सिखाते हैं। अगर आप सीरीज़ बना रहे हैं, तो चैट मॉडल से कहिए कि टेक्स्ट का एक बिल्कुल स्थिर ब्लॉक रखे, यानी आपके किरदार या प्रोडक्ट का वर्णन, और सिर्फ़ उसके आसपास का दृश्य बदले। यही तर्क कंसिस्टेंट AI किरदारों के पीछे भी है।
टिप: जब कोई प्रॉम्प्ट लगभग चल जाए, तो चैट मॉडल से बेहतर प्रॉम्प्ट मत माँगिए। उसे वह एक चीज़ बताइए जो गलत है और कहिए कि सिर्फ़ वही बदले। खुले-ढीले रीराइट उन हिस्सों को भी फेंक देते हैं जो पहले से सही थे।
Claude Sonnet 5 इनपुट के तौर पर इमेज भी लेता है, इसलिए आप उसे रेफरेंस इमेज दिखाकर कह सकते हैं कि उसे प्रॉम्प्ट के रूप में बयान करे: सब्जेक्ट, लाइट, पैलेट, कंपोज़िशन। पोस्टर या प्रोडक्ट के काम के लिए AI पोस्टर डिज़ाइन और AI प्रोडक्ट फोटोग्राफी के पेज दिखाते हैं कि उन कामों के लिए ठोस ब्रीफ कैसा दिखता है।
हर जनरेशन में क्रेडिट लगते हैं, और लागत मॉडल और सेटिंग पर निर्भर करती है, इसलिए कुछ आदतें शुरू में ही बना लेना ठीक रहता है।
चैट मॉडल वह इमेज देख नहीं सकता जिसके लिए वह प्रॉम्प्ट माँग रहा है। वह प्रॉम्प्ट आँख मूँदकर लिखता है, इसलिए बिगड़ा हुआ हाथ, उँगलियों की गलत गिनती, गलत स्पेलिंग वाला शब्द या भटका हुआ चेहरा उसकी पकड़ में नहीं आता। यह जाँच अब भी आपकी है, और चौथे कदम का सुधार वाला चक्र इसी कारण है।
बहुत लंबे प्रॉम्प्ट दूसरी सीमा हैं। कई इमेज मॉडल लंबे प्रॉम्प्ट की पूँछ पर ध्यान देना छोड़ देते हैं, और कुछ की लंबाई की ऊपरी सीमा भी होती है, इसलिए चार सौ शब्दों का पैराग्राफ साठ शब्दों वाले से बुरा रेंडर हो सकता है। अगर चैट मॉडल निबंध लिखता रहे, तो उससे कहिए कि इतने वाक्यों से ज़्यादा न लिखे। इमेज के भीतर के शब्द तीसरी सीमा हैं: छोटे लेबल और शीर्षक अक्सर चल जाते हैं, पर पूरा पैराग्राफ शायद ही, और मॉडलों में इसमें काफ़ी फ़र्क है, इसलिए मॉडल का पेज देखिए और आज़माइए।
हूबहू शक्ल चौथी सीमा है। प्रॉम्प्ट किसी चेहरे या प्रोडक्ट का वर्णन कर सकता है, पर किसी खास चेहरे या प्रोडक्ट को दोबारा नहीं बना सकता, क्योंकि शब्द बहुत मोटे औज़ार हैं। उसके लिए रेफरेंस इमेज चाहिए: flux-2-pro आठ तक स्वीकार करता है, और कैटलॉग के एडिटिंग मॉडल आपकी दी हुई फोटो से काम करते हैं। यह रास्ता सिर्फ़ अपने चेहरे, अपने प्रोडक्ट या काल्पनिक किरदारों के लिए इस्तेमाल कीजिए, किसी ऐसे असली पहचाने जा सकने वाले व्यक्ति के लिए कभी नहीं जिसने सहमति नहीं दी।
आखिरी सीमा पसंद की है। चैट मॉडल जो पढ़ चुका है उसका औसत निकालता है, इसलिए उसके प्रॉम्प्ट जाने-पहचाने की ओर बहते हैं। अलग पहचान वाली बारीकियाँ, अजीब सा प्रॉप, कोई खास गली, वह रंग जिसका आपको नाम नहीं पता, अब भी आपसे ही आनी होंगी।
यह एक ऐसा टूल है जो छोटे आइडिया को इमेज मॉडल के लिए विस्तृत प्रॉम्प्ट में बदलता है। Picasso IA पर आप यह चैट मॉडल से करते हैं: इमेज को सरल शब्दों में बताइए, सब्जेक्ट, सेटिंग, स्टाइल, लाइट और बंदिशों वाला पूरा प्रॉम्प्ट माँगिए, और नतीजा flux-2-pro या nano-banana-pro जैसे इमेज मॉडल में चिपका दीजिए। एक मॉडल निर्देश लिखता है; दूसरा मॉडल इमेज बनाता है।
चैट मॉडल काफ़ी है, और उसे एक तयशुदा टेम्पलेट पर यह बढ़त है कि आप उससे बात कर सकते हैं। आप उसे लक्ष्य इमेज मॉडल बता सकते हैं, छोटे वर्ज़न माँग सकते हैं, पिछले रेंडर में क्या गलत दिखा वह समझा सकते हैं और सटीक रीराइट पा सकते हैं। टेम्पलेट जवाब नहीं देता। अगर आपको सिर्फ़ एक फ़ॉर्मैट चाहिए तो अलग टूल सुविधाजनक हो सकता है, पर काम को उसकी ज़रूरत नहीं है।
कोई एक जवाब नहीं है, और कैटलॉग इसीलिए है कि आप एक से ज़्यादा आज़माएँ। claude-sonnet-5, gpt-5 और gemini-3-flash 75 लार्ज लैंग्वेज मॉडलों में उपलब्ध हैं, और वे इसमें अलग हैं कि कितना विस्तार करते हैं और रोशनी व स्टाइल को कैसे शब्द देते हैं। वही ब्रीफ दो मॉडलों को दीजिए, दोनों प्रॉम्प्ट एक ही इमेज मॉडल और सेटिंग से रेंडर कीजिए, और जो आपकी पसंद का हो उसे रखिए।
इतना लंबा कि सब्जेक्ट, सेटिंग, स्टाइल, लाइट और बंदिशों में से हर एक का जवाब हो, और उससे ज़्यादा नहीं। कई इमेज के लिए यह कुछ ठोस वाक्य होते हैं। लंबा अपने-आप बेहतर नहीं होता: फालतू विशेषण सब्जेक्ट को पतला कर देते हैं, विरोधाभास घुस आते हैं और कुछ मॉडल लंबे प्रॉम्प्ट का अंत नज़रअंदाज़ कर देते हैं। अगर नतीजा गलत है, तो हल अक्सर ज़्यादा सटीक शब्द है, ज़्यादा शब्द नहीं।
अक्सर पास पहुँचता है, पर हूबहू नहीं। मॉडल इसमें अलग हैं कि प्रॉम्प्ट को कितना शाब्दिक मानते हैं, स्टाइल कैसे सँभालते हैं और शब्दों को अच्छी तरह रेंडर करते हैं या नहीं। व्यावहारिक तरीका है एक ही प्रॉम्प्ट को 212 टेक्स्ट-टू-इमेज मॉडलों में से दो-तीन में चलाकर तुलना करना। अगर कोई मॉडल उसे गलत समझे, तो चैट मॉडल को बताइए कि आप किसे निशाना बना रहे हैं और शब्द बदलने को कहिए।
कुछ लिख सकते हैं। claude-sonnet-5 इमेज इनपुट लेता है, इसलिए आप उसे तस्वीर दिखाकर कह सकते हैं कि सब्जेक्ट, लाइट, पैलेट और कंपोज़िशन को प्रॉम्प्ट के रूप में बताए। वह वर्णन शुरुआती बिंदु है, कॉपी मशीन नहीं: नई इमेज मूल जैसी भावना में होगी, बारीकियों में नहीं। सिर्फ़ अपनी या अनुमति वाली फोटो इस्तेमाल कीजिए, और ऐसे असली लोगों की फोटो से बचिए जिन्होंने सहमति नहीं दी।
आमतौर पर तीन में से एक वजह होती है। प्रॉम्प्ट बहुत लंबा हो सकता है, तो मॉडल अंत को कम वज़न देता है। दो निर्देश एक-दूसरे का खंडन कर सकते हैं, तो वह एक चुन लेता है। या कोई बारीकी बहुत अमूर्त हो सकती है, जैसे दिखने वाली चीज़ की जगह एक एहसास। छोटा कीजिए, विरोधाभास हटाइए, और अमूर्त शब्दों की जगह वे चीज़ें लिखिए जो कैमरा देख सके, फिर दोबारा जनरेट कीजिए।
वही आदत चलती है, दो जोड़ के साथ: हरकत और कैमरे की चाल बताइए। वीडियो प्रॉम्प्ट में दृश्य कैसा दिखता है के साथ यह भी चाहिए कि क्या होता है और कैमरा कैसे चलता है। Picasso IA में 121 टेक्स्ट-टू-वीडियो मॉडल हैं, और आप चैट मॉडल से ऐसा प्रॉम्प्ट माँग सकते हैं जिसमें सब्जेक्ट, एक्शन, कैमरा मूव और लाइट का नाम हो। कई क्लिप पर क्रेडिट लगाने से पहले टूलकिट में आज़माइए।
नए अकाउंट को मुफ़्त क्रेडिट मिलते हैं, जो चैट मॉडल और इमेज मॉडल के साथ इस चक्र को आज़माने के लिए काफ़ी हैं। उसके बाद जनरेशन में क्रेडिट लगते हैं, और राशि मॉडल और आपकी चुनी सेटिंग पर निर्भर करती है। चैट और इमेज जनरेशन की कीमत अलग तरह से तय होती है, इसलिए मौजूदा प्लान जाँचने की जगह प्राइसिंग पेज है, और यहाँ लिखी कोई भी संख्या जल्दी पुरानी पड़ जाएगी।
नहीं लिखिए। जो प्रॉम्प्ट किसी असली, पहचाने जा सकने वाले व्यक्ति को दोबारा बनाने की कोशिश करते हैं, यह टूल उसके लिए नहीं है, और नतीजे शायद ही कभी सही लगते हैं। रेफरेंस आधारित मॉडलों के साथ अपनी ही फोटो इस्तेमाल कीजिए, या काल्पनिक किरदार बताइए। प्रॉम्प्ट जनरेटर गढ़े हुए सब्जेक्ट, आपके अपने प्रोडक्ट और ऐसे दृश्यों के साथ सबसे अच्छा चलता है जिन्हें आप विस्तार से बता सकें, जहाँ किसी की शक्ल दाँव पर न हो।
आज़माने के लिए तैयार हैं? Picasso IA टूलकिट खोलिए, चैट मॉडल से अपने अगले आइडिया को तीन प्रॉम्प्ट में बदलवाइए, और देखिए कौन सा रेंडर करता है।
अपनी भाषा चुनें
