दुकान का साइनबोर्ड, प्रोडक्ट लेबल या पोस्टर की हेडलाइन माँगिए और ऐसे अक्षर पाइए जो सच में पढ़े जा सकें। उन मॉडलों की तुलना कीजिए जिन्हें कैटलॉग टेक्स्ट में सक्षम बताता है, प्रॉम्प्ट लिखने का तरीका सीखिए, और नतीजे को किसी ग्राहक तक पहुँचने से पहले खुद जाँच लीजिए।
जिसने भी किसी इमेज मॉडल से दुकान का साइनबोर्ड माँगा और जवाब में ऐसी दुकान मिली जिस पर BAKRY लिखा था, वह इस समस्या को जानता है। सालों तक बिगड़े हुए अक्षर ही AI इमेज की पोल खोलते रहे। नए मॉडल छोटे शब्द पहले से कहीं ज़्यादा बार सही लिखते हैं, और कैटलॉग कुछ को इसी काम के लिए बना हुआ बताता है। यह पेज बताता है कि Picasso IA पर कौन से मॉडल आज़माएँ, प्रॉम्प्ट कैसे लिखें, और अक्षर कहाँ अब भी बिखर जाते हैं।
इमेज मॉडल स्पेलिंग नहीं जानता। उसने सीखा कि अक्षर कैसे दिखते हैं, ठीक वैसे ही जैसे उसने सीखा कि पत्तियाँ कैसी दिखती हैं, और वह उनसे मिलते-जुलते आकार बना देता है। ज़्यादातर बार आकार इतने करीब होते हैं कि आपकी आँख खाली जगह भर लेती है, लेकिन अक्षर ही वह चीज़ हैं जिन्हें लोग हूबहू पढ़ते हैं। किसी शब्द के बीच में एक अक्षर बदला और पूरी तस्वीर गलत लगने लगती है, चाहे रोशनी और कंपोज़िशन कितने भी बढ़िया हों।
इसीलिए इमेज के अंदर का टेक्स्ट मॉडल बनाने वालों के लिए अहम बन गया। पोस्टर, मेन्यू बोर्ड, प्रोडक्ट लेबल, किताब का कवर या दुकान के सामने का मॉकअप तभी काम का है जब शब्द सही हों। पहले आप तस्वीर जनरेट करते थे और टाइप बाद में किसी लेआउट टूल में जोड़ते थे। टेक्स्ट में सक्षम मॉडलों के साथ आप शब्दों को एक ही बार में इमेज में ला सकते हैं, जो ड्राफ्ट, सोशल ग्राफिक और कॉन्सेप्ट आर्ट के लिए तेज़ है, भले ही फाइनल आर्टवर्क के लिए हमेशा सही न हो।
अगर आपका लक्ष्य पूरा पोस्टर है, तो AI पोस्टर डिज़ाइन पेज लेआउट वाला पक्ष समझाता है, और AI बुक कवर डिज़ाइन कवर पर टाइटल के बारे में बताता है। यह पेज एक ही सवाल पर टिका है: अक्षर खुद सही कैसे आएँ।
Picasso IA में 502 मॉडल हैं, जिनमें से 212 टेक्स्ट-टू-इमेज हैं। उन सब की जानकारी में से कुछ ही अक्षरों के बारे में कुछ कहती हैं, इसलिए यहाँ वही है जो कैटलॉग वाकई उन छह मॉडलों के बारे में कहता है जिन्हें सबसे पहले आज़माना ठीक रहेगा।
Ideogram v4 Balanced सबसे साफ़ मामला है। इसकी जानकारी कहती है कि यह जनरेट की गई इमेज के अंदर शब्द, लेबल और हेडलाइन रेंडर करता है, और इसके उपयोगों में पोस्टर, बैनर और कोट कार्ड गिनाए गए हैं। GPT Image 2.5 Flare दूसरा स्पष्ट मामला है: इसकी जानकारी पोस्टर, लेबल और सोशल ग्राफिक के लिए इमेज में साफ़ टेक्स्ट बताती है, और यह भी कहती है कि यह किसी रेफ़रेंस इमेज से मौजूदा फ़ोटो को एडिट भी कर सकता है।
Ideogram v4 Quality उसी परिवार का है। इसकी जानकारी टेक्स्ट के बारे में कोई दावा नहीं करती, लेकिन इसके साथ जुड़े उदाहरण प्रॉम्प्ट इमेज में उद्धरण चिह्नों वाले शब्द रखते हैं, इसलिए यह दूसरा वाजिब टेस्ट है। Recraft v4.1 Pro, Seedream 5 Pro और Nano Banana Pro मज़बूत इमेज मॉडल हैं, जिनकी खूबियाँ क्रम से प्रिंट साइज़ आउटपुट, लंबे प्रॉम्प्ट और रेफ़रेंस इमेज हैं, लेकिन कैटलॉग में उनके विवरण अक्षरों के बारे में कुछ नहीं कहते। इन्हें ऐसे उम्मीदवार मानिए जिन्हें आप खुद परखते हैं, वादा नहीं।
चुनने का ईमानदार तरीका यही है कि वही छोटा वाक्यांश तीन मॉडलों से गुज़ारिए और नतीजे पढ़िए। पूरा कैटलॉग आपको और छाँटने देता है, और कलेक्शन श्रेणी के हिसाब से ब्राउज़ करने देता है।
हर टेक्स्ट बराबर कठिन नहीं होता। साइन पर एक शब्द और आठ पंक्तियों वाला मेन्यू अलग-अलग काम हैं, और नीचे की तालिका आम मामलों को इस आधार पर बाँटती है कि उन्हें कैसे माँगें और सबसे पहले क्या बिगड़ता है।
| टेक्स्ट का प्रकार | प्रॉम्प्ट में कैसे लिखें | सबसे पहले क्या बिगड़ता है |
|---|---|---|
| साइन या दुकान के आगे पर एक शब्द | शब्द को उद्धरण चिह्नों में रखिए और सतह का नाम लिखिए: हाथ से रंगा लकड़ी का साइन जिस पर "OPEN" लिखा है | शब्द के बीच में बदला या दोहराया हुआ अक्षर |
| पोस्टर पर छोटा नारा | उद्धरण चिह्नों में रखिए, बताइए कहाँ है (ऊपरी तिहाई, बीच में) और कितना बड़ा है | आख़िरी शब्द किसी गढ़ी हुई चीज़ में बदल जाता है |
| प्रोडक्ट लेबल | उद्धरण चिह्नों में एक काल्पनिक ब्रांड नाम रखिए और लेबल को सपाट, सामने से और अच्छी रोशनी वाला बताइए | छोटी गौण पंक्तियाँ अक्षरों जैसी आड़ी-तिरछी रेखाएँ बन जाती हैं |
| हेडलाइन के साथ सबहेडिंग | क्रम बताइए: बड़ी मोटी हेडलाइन, उसके नीचे छोटी सबहेडिंग | हेडलाइन से पहले सबहेडिंग बिगड़ती है |
| मेन्यू, समय सारणी या सूची | हर पंक्ति में एक आइटम, कम आइटम, जैसे हैं वैसे उद्धरण चिह्नों में | पंक्तियाँ मिल जाती हैं और अंक अपनी जगह बदल लेते हैं |
दाएँ कॉलम को फ़ैसले की तरह नहीं, चेतावनी के क्रम की तरह पढ़िए। जो मॉडल तीन शब्दों का नारा बढ़िया लिख देता है, वही उसके नीचे की सबहेडिंग में चूक सकता है, और इसीलिए नीचे के कदम जाँच पर खत्म होते हैं।
यह वह तरीका है जो आप जो भी मॉडल चुनें, उसके साथ चलता है। यह मानकर चलता है कि आपको अपने ज़रूरी शब्द पहले से पता हैं, क्योंकि साफ़ अक्षरों का सबसे अच्छा संकेत एक छोटी, तय की हुई पंक्ति है।
छोटी पंक्तियाँ जीतती हैं। तीन शब्द छह से ज़्यादा सुरक्षित हैं, और छह एक पूरे वाक्य से। अगर डिज़ाइन को इससे ज़्यादा टेक्स्ट चाहिए, तो तस्वीर को खाली जगह के साथ जनरेट कीजिए और बाकी लेआउट टूल में जोड़िए। मॉडल उद्धरण चिह्नों वाले वाक्यांश को सिर्फ़ इशारे से बताए टेक्स्ट से कहीं बेहतर मानते हैं, इसलिए "बेकरी का साइन जिस पर ताज़ा ब्रेड लिखा है" की जगह वह साइन लिखिए जिस पर "FRESH BREAD" लिखा है।
साइन और लेबल पर बड़े अक्षर मदद करते हैं क्योंकि उनके आकार सरल और एक जैसे होते हैं। कई शैलियों की जगह लेटरिंग की एक ही शैली बताइए, जैसे मोटा सैन्स-सेरिफ़ या हाथ से पेंट किया ब्रश। टेक्स्ट को शांत बैकग्राउंड दीजिए: भीड़ भरी फ़ोटो या तेज़ पैटर्न पर लिखे अक्षर सादी दीवार या सपाट लेबल की तुलना में ज़्यादा बार बिगड़ते हैं।
हर अक्षर जाँचिए, हमेशा। कोई शब्द एक नज़र में सही लग सकता है और फिर भी उसमें एक अक्षर छूटा या दोहराया हुआ हो सकता है, इसलिए इमेज को कहीं भी इस्तेमाल करने से पहले उसे उलटा, धीरे-धीरे पढ़िए।
जिस टेक्स्ट को पूरी सीरीज़ में एक जैसा रहना है, जैसे पोस्टरों का सेट, उसमें हर बार उद्धरण वाला टेक्स्ट और शैली का विवरण एक जैसा रखिए और सिर्फ़ दृश्य बदलिए। अगर आप टेक्स्ट पर केंद्रित टूल और कैटलॉग के बीच तौल रहे हैं, तो Picasso IA vs Ideogram तुलना इस सौदे को समझाती है।
बेहतर का मतलब हल हो जाना नहीं है। ये वे जगहें हैं जहाँ यह अब भी काम करना बंद कर देता है, और जहाँ आपको शुरू से कोई दूसरा रास्ता सोचना चाहिए:
इनमें से कोई बात टूल को उस काम के लिए कम उपयोगी नहीं बनाती जिसे वह अच्छा करता है: तस्वीर में छोटे, मोटे, उद्धरण वाले अक्षर। यह बस उस बिंदु को दिखाती है जहाँ डिज़ाइनर का लेआउट सॉफ़्टवेयर काम सँभालता है। अगर इमेज में ऐसी चीज़ है जिसे आप बेच रहे हैं, तो टेक्स्ट को असली प्रोडक्ट के प्रति सच्चा रखिए और प्रकाशित करने से पहले प्लेटफ़ॉर्म की मौजूदा ज़रूरतें देख लीजिए।
कोई भी पूरी तरह सही नहीं लिखता, लेकिन कुछ को इसी काम के लिए बना हुआ बताया गया है। Picasso IA पर Ideogram v4 Balanced और GPT Image 2.5 Flare दोनों की जानकारी कहती है कि वे इमेज के अंदर पढ़ने लायक टेक्स्ट रेंडर करते हैं, इसलिए वहीं से शुरू कीजिए। Ideogram v4 Quality, Recraft v4.1 Pro, Seedream 5 Pro और Nano Banana Pro को उसी प्रॉम्प्ट पर आज़माना ठीक रहेगा, भले ही उनकी जानकारी टेक्स्ट पर कोई दावा नहीं करती। वही छोटा वाक्यांश कई मॉडलों से गुज़ारिए और जो उसे सही लिखे, उसे रखिए।
हाँ, छोटी पंक्तियों के लिए। शब्दों को प्रॉम्प्ट में उद्धरण चिह्नों में लिखिए, बताइए कि वे किस सतह पर दिखें, और toolkit में टेक्स्ट में सक्षम मॉडल से जनरेट कीजिए। नतीजे को अक्षर-अक्षर जाँचिए, क्योंकि बेहतर मॉडल भी कभी-कभार कोई अक्षर बदल देते हैं या जोड़ देते हैं। कुछ भी लंबा हो, या जिसका कानूनी या सुरक्षा से जुड़ा वज़न हो, उसके शब्द लेआउट टूल में रखिए और जनरेट की गई तस्वीर को सिर्फ़ बैकग्राउंड की तरह इस्तेमाल कीजिए।
क्योंकि मॉडल शब्दकोश से अक्षर जोड़ने की जगह यह पेंट करता है कि अक्षर कैसे दिखते हैं। उसने अक्षरों के आकार तस्वीरों से सीखे, इसलिए उसके लिए शब्द आकारों का एक पैटर्न है, और किसी एक आकार में हल्की फिसलन शब्द बदल देती है, जबकि मॉडल को वह गलत नहीं लगता। टेक्स्ट को ध्यान में रखकर बने मॉडल छोटी पंक्तियों पर कहीं बेहतर चलते हैं, लेकिन टेक्स्ट लंबा, छोटा या ठसाठस होते ही कमज़ोरी लौट आती है।
कोई तय संख्या नहीं है, और यह मॉडल, अक्षर के आकार और बैकग्राउंड पर निर्भर करती है। काम चलाऊ नियम के तौर पर एक से तीन शब्द सुरक्षित क्षेत्र हैं, छोटा नारा ठीक-ठाक दाँव है, और पूरा वाक्य फेल होने लगता है। कई पंक्तियों का मुख्य टेक्स्ट लगभग कभी नहीं बचता। अगर डिज़ाइन को ज़्यादा चाहिए, तो इमेज को टेक्स्ट के लिए जगह छोड़कर जनरेट कीजिए और टेक्स्ट बाद में जोड़िए।
सटीक शब्दों को उद्धरण चिह्नों में रखिए और बताइए कि वे कहाँ जाएँ: दरवाज़े के ऊपर हाथ से रंगा साइन जिस पर "FRESH BREAD" लिखा है। शैली एक ही बार बताइए, जैसे मोटे बड़े अक्षर या ब्रश लेटरिंग, और बैकग्राउंड से तेज़ कंट्रास्ट का ज़िक्र कीजिए। अपने शब्दों में घुमाकर मत कहिए, क्योंकि जिस मॉडल से आप ब्रेड के बारे में साइन माँगेंगे, वह अपने शब्द गढ़ लेगा। उद्धरण चिह्नों में बड़े अक्षरों वाला टेक्स्ट आमतौर पर शुरू करने का सबसे भरोसेमंद रूप है।
जब तक आप खुद न परखें, इसे अप्रमाणित मानिए। इन मॉडलों की कैटलॉग जानकारी गैर-लैटिन लिपियों के बारे में कुछ नहीं कहती, और जुड़े या ऊपर-नीचे चढ़े अक्षर अलग-अलग लैटिन बड़े अक्षरों से बनाने में कठिन होते हैं। बहुत छोटा नमूना आज़माइए, उस भाषा को पढ़ने वाले किसी व्यक्ति से हर अक्षर जँचवाइए, और अगर नमूना फेल हो तो असली टेक्स्ट लेआउट टूल में जोड़ने की योजना रखिए। ऐसी गैर-लैटिन लेटरिंग कभी प्रकाशित मत कीजिए जिसे किसी जानकार ने पढ़ा न हो।
कभी-कभी। आप इमेज को ऐसे मॉडल में जोड़ सकते हैं जो रेफ़रेंस इमेज लेता है, जैसे GPT Image 2.5 Flare या Nano Banana Pro, और सिर्फ़ अक्षर बदलने को कह सकते हैं। नतीजे बदलते रहते हैं, और मॉडल आपके बताए शब्द से ज़्यादा दोबारा बना सकता है, इसलिए मूल इमेज सँभालकर रखिए। अगर एडिट फेल हो, तो वाक्यांश छोटा करके दोबारा जनरेट करना, या किसी आम इमेज एडिटर में शब्द ठीक करना अक्सर ज़्यादा तेज़ रहता है।
इसे कॉन्सेप्ट और मॉकअप के लिए इस्तेमाल कीजिए, फाइनल पैकेजिंग की तरह नहीं। असली लेबल पर कानूनी, सुरक्षा और सामग्री की जानकारी होती है जो सटीक होनी चाहिए, और इमेज मॉडल चुपचाप कोई अक्षर या अंक बदल सकता है। अगर तस्वीर में ऐसा प्रोडक्ट है जिसे आप सच में बेचते हैं, तो उसके लेबल का असली आइटम से मेल खाना ज़रूरी है। लेबल का अंतिम टेक्स्ट लेआउट टूल में रखिए, किसी व्यक्ति से प्रूफ़रीड करवाइए और प्लेटफ़ॉर्म की मौजूदा ज़रूरतें देख लीजिए।
अलग शुल्क के रूप में नहीं, जिसे यह पेज बता सके। लागत मॉडल और आपकी चुनी सेटिंग पर निर्भर करती है, और टेक्स्ट में सक्षम मॉडल कैटलॉग के किसी भी दूसरे मॉडल की तरह ही दाम पर चलते हैं। किसी अड़ियल वाक्यांश पर कई कोशिशें जुड़ जाती हैं, इसलिए दोबारा चलाने से बचने के लिए पंक्ति छोटी रखिए। नए अकाउंट को शुरू करने के लिए मुफ़्त क्रेडिट मिलते हैं, और मौजूदा प्लान प्राइसिंग पेज पर हैं।
जब लेआउट ज़्यादातर टेक्स्ट हो, जैसे समय सारणी वाला फ़्लायर, मेन्यू या सर्टिफ़िकेट, तब डिज़ाइन टूल इस्तेमाल कीजिए। जब तस्वीर ही मुख्य हो और अक्षर उसके अंदर एक छोटी पंक्ति हों, जैसे दृश्य में साइन, पोस्टर पर हेडलाइन, बोतल पर लेबल, तब इमेज मॉडल इस्तेमाल कीजिए। बहुत से प्रोजेक्ट दोनों इस्तेमाल करते हैं: मॉडल आर्टवर्क बनाता है और टूल लंबा टेक्स्ट लगाता है।
तीन शब्दों का एक वाक्यांश चुनिए, उसे उद्धरण चिह्नों में रखिए, और Picasso IA toolkit में दो अलग मॉडलों पर आज़माइए कि कौन सा उसे सही लिखता है।
अपनी भाषा चुनें
