Jeden obraz, dwanaście prób: co naprawdę zrobiła każda poprawka

Zwykle ślad wyparowuje. Próbujesz różnych rzeczy, jedna działa, a wieczorem nie umiałbyś odtworzyć, jak tam trafiłeś. Więc przy jednym obrazie zapisałem wszystko: prompt na każdym kroku, co zmieniłem i co wróciło. Dwanaście prób, jakieś osiemdziesiąt centów, a przydatne jest to, że coś warte było tylko siedem.

Cel: mężczyzna w warsztacie, wieczór, coś, co wygląda na prawdziwe miejsce, a nie na zdjęcie stockowe zatytułowane Rzemiosło.

Próby 1-3: pisałem życzenia

1. „A craftsman working in his workshop, warm atmosphere, cinematic, highly detailed”

Wróciło dokładnie to, co sobie wyobrażasz: brodaty mężczyzna w fartuchu, równo oświetlony, w warsztacie bez śladu kurzu. Technicznie w porządku, całkowicie generyczne. Problem w tym, że cztery z tych siedmiu słów to nastrój, a nie treść.

2. Dodałem „golden hour, moody, professional photography”. Dostałem ten sam obraz, odrobinę bardziej pomarańczowy. To ta próba, przy której powinienem zauważyć, że dodaję zamiast wymieniać, i nie zauważyłem.

3. Dodałem „8k, masterpiece”. Nic się nie zmieniło. Nic nie miało prawa się zmienić. Dwie próby czystego marnotrawstwa, i podaję je, bo to dwie najczęstsze próby, jakie ktokolwiek robi.

Próba 4: pierwsza prawdziwa poprawka

4. „A man in his sixties repairing a chair in a woodworking shop, low evening light through a single window on the left, long shadows across the floor, sawdust in the air, waist-up, 50mm, photographic”

To już inny obraz. Nie dlatego, że dłuższy, tylko dlatego, że każda fraza jest teraz czymś, co człowiek może wykonać: wiek, czynność, jedno nazwane źródło światła z kierunkiem, konkretny element atmosfery, kadrowanie, ogniskowa.

Trociny to fraza, którą zostawiłbym, gdyby można było zostawić jedną. Robią dla wiarygodności więcej niż jakikolwiek przymiotnik, bo sugerują, że pomieszczenie jest używane, a nie fotografowane.

Próby 5-8: po jednej zmiennej

Tu zrobiło się użytecznie, bo od tego momentu zmieniałem dokładnie jedną rzecz na próbę, a resztę zostawiałem znak w znak.

5. Okno po lewej stało się „window behind him”. Duża zmiana i gorzej: stał się sylwetką, twarz zniknęła. Pożyteczna porażka, bo pokazała, ile niosła fraza o świetle.

6. Powrót do okna po lewej, dodane „a work lamp on the bench, warmer than the window”. Dwa źródła, które się kłócą. To ta próba sprawiła, że obraz wyglądał jak miejsce. Wszystko potem było dopieszczaniem.

7. „waist-up” na „wide, showing the whole bench”. Dla tego pomysłu gorzej. Pomieszczenie zrobiło się ciekawe, a człowiek przestał się liczyć. Cofnięte.

8. Dodane „visible skin texture, hands with real wear”. Mała poprawka, nieproporcjonalny efekt. Dłonie to zwykle miejsce, gdzie render się zdradza, a poproszenie o zużycie zamiast liczenia na nie pomogło.

Próby 9-12: część, którą powinienem pominąć

Po ósmej miałem obraz. To, co robiłem dalej, to grzebanie.

9-12 to: inny kolor koszuli, potem inne krzesło, potem „trochę niższy kąt”, a potem powrót do wersji z ósmej, bo przez cały czas była lepsza. Cztery próby, około dwudziestu sześciu centów, zero zdobytej informacji.

Znak był i go zignorowałem. Próby 9 i 10 wróciły inne, ale nie lepsze, i to jest sygnał. Inne-ale-nie-lepsze znaczy, że przestałeś sterować i zacząłeś losować, a każda kolejna próba to rzut monetą, za który płacisz. Kiedy dwie kolejne poprawki oblewają ten test, obraz jest gotowy, a ty po prostu nie chcesz tego przyznać.

Czego ten ślad naprawdę nauczył

• Próby 1-3 nic nie zmieniły, bo dodawały przymiotniki. Dodawanie to nie poprawianie.
• Próba 4 zmieniła wszystko, bo zastąpiła słowa o nastroju czymś wykonalnym.
• Próby 5 i 7 były porażkami i obie były warte zachodu: cofnięta zmiana mówi, co niesie dana fraza.
• Liczyła się próba 6, a było to drugie źródło światła. Zwykle tak bywa.
• Próby 9-12 to był strach przed zatrzymaniem się.

Jeszcze jedno, bo idzie pod prąd iterowania: czasem właściwym ruchem jest wyrzucić prompt. Jeśli zła jest kompozycja, a nie szczegóły, dwanaście poprawek do złego założenia jej nie uratuje, a świeże zdanie napisane po tym, jak zdecydowałeś, czego chcesz, bije je wszystkie. Iterowanie jest na moment, gdy kształt już jest właściwy.

Jeśli chcesz złożoną wersję tego, co odkryła czwarta próba, pięć kompletnych promptów jest rozpisanych z wyjaśnieniem kolejności fraz, a wpis o tym, dlaczego obrazy wyglądają na generowane tłumaczy, czemu drugie źródło światła daje tak wiele. Oba są uporządkowaną wersją tego bałaganu. Bałagan to jest to, jak naprawdę się pracuje.

Zapisuj prompty, nie obrazy. Nauka mieszka w tekście, a pliki i tak leżą trzydzieści dni. A potem idź i zmarnuj kilka prób celowo, po jednej frazie naraz.