कोई पसंदीदा तस्वीर अपलोड करें और विज़न मॉडल से उसे उन शब्दों में लिखवाएँ जो इमेज जनरेटर समझता है: विषय, रोशनी, लेंस, रंग और स्टाइल। नतीजा किसी दूसरे मॉडल में पेस्ट करें, एक बार में एक डिटेल बदलें, और प्रॉम्प्ट को टेम्पलेट की तरह सँभालकर रखें।
आपको एक तस्वीर मिली जो बिल्कुल वैसी दिखती है जैसा आप बनाना चाहते हैं, पर समझ नहीं आता कि इसे शब्दों में कैसे माँगें। इमेज से प्रॉम्प्ट यही दूरी भरता है। आप तस्वीर किसी विज़न लैंग्वेज मॉडल को देते हैं, वह विषय, रोशनी, लेंस और स्टाइल को शब्दों में लिख देता है, और आपको ऐसा प्रॉम्प्ट मिलता है जिसे आप इमेज जनरेटर में पेस्ट कर सकते हैं, थोड़ा बदल सकते हैं और जब भी वही लुक चाहिए, दोबारा चला सकते हैं।
ज़्यादातर लोग किसी लुक को पहचानना उसका नाम बताने से बहुत पहले सीख जाते हैं। आपको पता होता है कि फ़ोटो में खिड़की की नरम रोशनी है और रंग फीके हैं, पर प्रॉम्प्ट बॉक्स खोलते ही फ़ोकल लेंथ, फ़िल्म स्टॉक और कंपोज़िशन के शब्द याद नहीं आते। विज़न मॉडल यह शब्दावली दे देता है। वह तस्वीर देखकर लिख देता है कि उसमें क्या है, उसी सीधी और वर्णनात्मक भाषा में जिस पर इमेज जनरेटर ट्रेन हुए हैं।
दूसरी वजह है दोहराव। प्रॉम्प्ट एक फ़ाइल है जिसे आप सँभालकर रख सकते हैं। जब आपके पास ऐसा प्रॉम्प्ट हो जो पसंद का माहौल देता है, तो उसे पूरी इमेज सीरीज़ के लिए इस्तेमाल कर सकते हैं, किसी साथी को दे सकते हैं, या एक शब्द बदलकर देख सकते हैं कि क्या हिलता है। अकेली रेफ़रेंस तस्वीर यह नहीं कर सकती, क्योंकि कोई नहीं बता सकता कि उसका कौन सा हिस्सा आपके लिए मायने रखता था।
Picasso IA में यह एक ही वर्कस्पेस के भीतर दो पड़ावों में होता है। toolkit में ऐसे चैट मॉडल हैं जो आपके सवाल के साथ तस्वीर भी लेते हैं, और वही toolkit 212 टेक्स्ट-टू-इमेज मॉडल चलाता है, इसलिए वर्णन सीधे एक से दूसरे तक पहुँच जाता है। पूरा कैटलॉग सभी 502 मॉडल दिखाता है, अगर आप देखना चाहें कि और क्या उपलब्ध है।
विज़न मॉडल से सिर्फ़ तस्वीर का वर्णन माँगने पर आपको सुंदर वाक्यों का एक पैराग्राफ़ मिलता है, जो शायद ही कभी वह होता है जिसकी आपको ज़रूरत है। पहले तय करें कि प्रॉम्प्ट किस काम के लिए है, फिर वही माँगें। एक ही फ़ोटो से माँग के हिसाब से बहुत अलग टेक्स्ट मिल सकता है, और नीचे की तालिका उन तरीकों को दिखाती है जो आमतौर पर काम आते हैं।
| आप क्या माँगते हैं | क्या वापस आता है | किसके लिए बेहतर | किस बात से सावधान रहें |
|---|---|---|---|
| शाब्दिक वर्णन | सरल वाक्यों में विषय, चीज़ें, जगह और रंग | दृश्य को क़रीब से दोबारा बनाना | कैप्शन जैसा लगता है, स्टाइल खो जाता है |
| स्टाइल का विश्लेषण | विषय के बिना रोशनी, लेंस, माध्यम, रंग और माहौल | किसी और विषय पर लुक लगाना | धुंधले विशेषण जैसे मूडी या सिनेमैटिक |
| संरचित फ़ील्ड | विषय, जगह, रोशनी, कैमरा, स्टाइल और जिनसे बचना है, लेबल वाली पंक्तियों में | एक बार में एक हिस्सा बदलना | लंबा टेक्स्ट जिसे कुछ मॉडल काट देते हैं |
| छोटा प्रॉम्प्ट | कीवर्ड और वाक्यांशों की एक सघन पंक्ति | तेज़ टेस्ट और संक्षेप पसंद करने वाले मॉडल | वह डिटेल छूट जाती है जो शायद चाहिए थी |
| विविधता के बीज | तस्वीर से प्रेरित तीन-चार वैकल्पिक प्रॉम्प्ट | नक़ल की जगह दिशाएँ खोजना | मूल से जल्दी दूर चला जाता है |
दोहराए जाने वाले काम के लिए संरचित संस्करण ही रखने लायक है। जब रोशनी, लेंस और विषय अलग पंक्तियों में हों, तो आप एक पंक्ति बदलकर बाकी जैसी की तैसी छोड़ सकते हैं, और इसी तरह प्रॉम्प्ट टेम्पलेट बन जाता है।
यह वह तरीका है जो ऐसे प्रॉम्प्ट पर खत्म होता है जिस पर आप भरोसा कर सकें, न कि ऐसे पैराग्राफ़ पर जिसके चलने की आप उम्मीद करें। इसमें एक तस्वीर और लगभग दस मिनट लगते हैं।
विज़न मॉडल का पहला जवाब एक ड्राफ़्ट होता है। वह छोटी चीज़ों का ज़रूरत से ज़्यादा वर्णन करता है और उन बातों का कम जो आपने सच में देखीं, जैसे रोशनी की दिशा। इसे कच्चे अनुवाद की तरह लें: तस्वीर से मिलाकर पढ़ें और जो गड़बड़ हो उसे ठीक करें।
जो लुक के लिए मायने नहीं रखता उसे हटा दें। अगर मूल तस्वीर के कोने में कॉफ़ी कप है और आपको नहीं चाहिए, तो वह वाक्य मिटा दें। स्टाइल के शब्द प्रॉम्प्ट की शुरुआत में ले आएँ, क्योंकि कई मॉडल शुरुआत को ज़्यादा वज़न देते हैं। धुंधले विशेषणों की जगह जाँचने लायक बात लिखें: बाईं तरफ़ की खिड़की से नरम रोशनी, सुंदर रोशनी से ज़्यादा काम की है।
सुझाव: पहले सवाल के बाद विज़न मॉडल से दूसरा सवाल पूछें। अपना सबसे अच्छा बनाया हुआ नतीजा मूल के बगल में दिखाएँ और पूछें कि फ़र्क़ क्या है। जवाब अक्सर ठीक उन्हीं पंक्तियों की सूची होता है जिन्हें बदलना है, और यह अंदाज़ा लगाने से तेज़ है।
फिर प्रॉम्प्ट को एक से ज़्यादा इंजन पर आज़माएँ। जो वर्णन FLUX में तीखा आता है, वह Seedream में नरम दिख सकता है, और nano banana जैसा एडिटिंग मॉडल वही शब्द दृश्य की जगह बदलाव के निर्देश की तरह लेगा। अगर आप विवरण बदलते हुए मूल तस्वीर को रेफ़रेंस रखना चाहते हैं, तो इमेज एडिटर में तस्वीर जोड़कर काम करें, सिर्फ़ उसका वर्णन नहीं। जब आप बिना कोई प्रॉम्प्ट लिखे एक क्लिक में स्टाइल लगाना चाहें, तो इफ़ेक्ट्स पेज भी देखने लायक है।
नतीजा एक अनुमान है, और यह जानना मदद करता है कि फ़ासला कहाँ खुलता है। टेक्स्ट एक तस्वीर का सार है, इसलिए तस्वीर का कुछ हिस्सा रास्ते में हमेशा छूट जाता है।
इनमें से कुछ भी टूल को बेकार नहीं बनाता। ये बताते हैं कि बनाए हुए प्रॉम्प्ट का सबसे अच्छा इस्तेमाल ऐसी शुरुआत के रूप में है जिसे आप बदलते हैं, ऐसी रेसिपी के रूप में नहीं जो मूल लौटा दे।
किसी और की कलाकृति का वर्णन करने वाला प्रॉम्प्ट उसे कॉपी करने का लाइसेंस नहीं है। किसी फ़ोटोग्राफ़ की रोशनी और रंगों का अध्ययन आम बात है; पर जनरेटर से किसी जीवित कलाकार की पहचानी जा सकने वाली शैली या किसी संरक्षित किरदार की नक़ल बनवाना अलग बात है, और नियम हर देश में अलग हैं। जहाँ संभव हो, स्रोत के रूप में अपनी फ़ोटो और अपनी बनाई इमेज इस्तेमाल करें, और बाहरी तस्वीरें सिर्फ़ यह समझने के लिए कि क्या देखना है।
यही सावधानी लोगों पर भी लागू होती है। किसी असली, पहचाने जा सकने वाले व्यक्ति की फ़ोटो इस प्रक्रिया में डालकर उसके जैसी दिखने वाली इमेज न बनाएँ। अपना चेहरा तभी बताएँ जब तस्वीर में आप ही हों, और बाक़ी सबके लिए काल्पनिक किरदार रखें। अगर नतीजा व्यावसायिक काम के लिए है, तो जिस मॉडल से बना रहे हैं उसकी मौजूदा शर्तें जाँचें, और अगर मूल तस्वीर आपकी नहीं है तो किसी योग्य पेशेवर से पूछें। जुड़े हुए तरीक़ों के लिए AI से एक जैसे किरदार और AI पोर्ट्रेट स्टाइल देखें।
इसका मतलब है विज़न लैंग्वेज मॉडल से तस्वीर देखकर टेक्स्ट प्रॉम्प्ट लिखवाना। आप इमेज अपलोड करते हैं, मनचाहे फ़ॉर्मैट में वर्णन माँगते हैं, और विषय, जगह, रोशनी, कैमरा और स्टाइल बताने वाले शब्द पाते हैं। फिर आप इन शब्दों को टेक्स्ट-टू-इमेज मॉडल में पेस्ट करके मिलते-जुलते अंदाज़ की नई इमेज बना सकते हैं, या इन्हें दोबारा इस्तेमाल होने वाले टेम्पलेट की तरह रख सकते हैं।
लैंग्वेज मॉडल श्रेणी के कई चैट मॉडल टेक्स्ट के साथ तस्वीरें लेते हैं, जिनमें Gemini 3 Flash, GPT-4o और Claude 4.5 Sonnet शामिल हैं। कैटलॉग का हर लैंग्वेज मॉडल ऐसा नहीं करता, इसलिए किसी पर निर्भर होने से पहले मॉडल पेज पर इमेज इनपुट देख लें। Gemini 3 Flash एक ही अनुरोध में कई तस्वीरें ले सकता है, जो तब काम आता है जब आप पूरे सेट को समेटने वाला प्रॉम्प्ट चाहते हैं।
नहीं। टेक्स्ट प्रॉम्प्ट एक संकुचित वर्णन है, और इमेज जनरेटर हर बार चलने पर थोड़ी randomness जोड़ते हैं। उसी परिवार की कोई चीज़ मिलने की उम्मीद रखें: मिलता-जुलता विषय, मिलता-जुलता माहौल, मिलते-जुलते रंग। अगर आपको वही चेहरा, प्रोडक्ट या कंपोज़िशन चाहिए, तो शब्दों पर भरोसा करने की जगह मूल तस्वीर को इमेज एडिटिंग मॉडल के साथ जोड़ें, और प्रॉम्प्ट उन हिस्सों के लिए इस्तेमाल करें जिन्हें बदलना है।
हाँ, और आपको इसी तरह आज़माना चाहिए। शब्द सीधी भाषा में हैं, इसलिए लगभग हर जगह चलते हैं, पर हर मॉडल उन्हें अलग वज़न देता है। FLUX, Seedream और nano banana एक ही प्रॉम्प्ट की तीन अलग व्याख्याएँ देंगे। दो-तीन मॉडल में एक बैच बनाएँ और उसे रखें जिसने वर्णन सबसे अच्छी तरह समझा।
इतना कि विषय, रोशनी और स्टाइल आ जाएँ, उससे ज़्यादा नहीं। कई छोटी पंक्तियों वाला संरचित संस्करण अक्सर लंबे पैराग्राफ़ से बेहतर रहता है, क्योंकि उसे बदलना आसान है। अगर कोई मॉडल टेक्स्ट का आख़िरी हिस्सा नज़रअंदाज़ करता लगे, तो सब कुछ दोबारा लिखने की जगह सबसे कम ज़रूरी पंक्तियाँ हटाएँ, और स्टाइल के शब्द शुरुआत में रखें।
यह समझने के लिए कि कोई लुक कैसे काम करता है, आमतौर पर हाँ। किसी और की कलाकृति, फ़ोटो या किरदार की क़रीबी नक़ल बनाने के लिए सावधान रहें: कॉपीराइट और व्यक्तित्व के अधिकार देश के हिसाब से अलग हैं और नतीजा फिर भी स्रोत जैसा लग सकता है। अपनी तस्वीरों को तरजीह दें, असली लोगों से बचें, और कुछ भी प्रकाशित करने से पहले मौजूदा नियम और मॉडल की शर्तें जाँच लें।
आप माँग सकते हैं, और यह तब काम आता है जब कोई मॉडल बार-बार ऐसी चीज़ें जोड़ता रहे जो आप नहीं चाहते थे। एक छोटी सूची माँगें कि तस्वीर में क्या नहीं है, जैसे अतिरिक्त उँगलियाँ, टेक्स्ट या कठोर परछाइयाँ। प्लेटफ़ॉर्म के हर मॉडल में अलग नेगेटिव फ़ील्ड नहीं होता, इसलिए जहाँ नहीं है वहाँ अनचाही चीज़ें मुख्य प्रॉम्प्ट में सीधे शब्दों में जोड़ दें।
हाँ, एक ठहरा हुआ फ़्रेम भी बस एक इमेज है। एक फ़्रेम एक्सपोर्ट करें, उसे विज़न मॉडल में जोड़ें और प्रॉम्प्ट माँगें। ध्यान रखें कि फ़्रेम सिर्फ़ एक पल दिखाता है, इसलिए गति, कैमरा मूवमेंट और आवाज़ टेक्स्ट में नहीं आएँगे। वीडियो बनाने के लिए वीडियो मॉडल के प्रॉम्प्ट में ये हिस्से आपको ख़ुद जोड़ने होंगे।
अपलोड की गई फ़ाइलों का क्या होता है, यह प्लेटफ़ॉर्म की शर्तों और प्राइवेसी पॉलिसी में बताया गया है, और कोई ख़ास चिंता हो तो सपोर्ट पेज पर पूछना सही रहेगा। सामान्य आदत के तौर पर दूसरे लोगों की तस्वीरें, निजी दस्तावेज़ या ऐसा कुछ भी अपलोड न करें जिसे आप किसी बाहरी मॉडल से प्रोसेस नहीं करवाना चाहेंगे, और मूल फ़ाइल अपने डिवाइस पर रखें।
चैट मॉडल और इमेज मॉडल दोनों क्रेडिट पर चलते हैं, और खर्च मॉडल और आपकी चुनी सेटिंग पर निर्भर करता है, इसलिए यहाँ लिखी कोई संख्या जल्दी पुरानी पड़ जाएगी। इमेज बनाने की तुलना में टेक्स्ट जवाब आमतौर पर सस्ता क़दम होता है। नए खातों को यह तरीक़ा आज़माने के लिए मुफ़्त क्रेडिट मिलते हैं, और मौजूदा प्लान प्राइसिंग पेज पर हैं।
क्या अपनी तस्वीर पर आज़माने के लिए तैयार हैं? Picasso IA का toolkit खोलें, किसी चैट मॉडल में तस्वीर जोड़ें और देखें वह क्या लिखता है।
अपनी भाषा चुनें
