Mein erster langer Artikel; er ist etwas lang, daher empfehle ich, ihn zu liken und für später zu bookmarken.
Freunde, die mir folgen, wissen, dass ich in letzter Zeit mit KI-Porträts herumexperimentiert habe.
Diese Serie dreht sich hauptsächlich um ChatGPTs image-2 / gpt-image-2. Es geht nicht darum, einfach nur „ein schönes Mädchenporträt“ zu schreiben und aufs Beste zu hoffen. Es geht darum, sie Set für Set durchzuspielen.
Blumenfelder, Obstgärten, alte Pavillons, Tafeln, Studioaufnahmen, direkter Blitz, weicher Nebel, CCD. Beim gleichen Thema wechsle ich immer wieder Aktionen, Objektive und Licht. Manchmal, nach einem Set, sind die Guten wirklich großartig, und die Fehlschläge sind unglaublich absurd.
Vor ein paar Tagen habe ich meinen Eagle-Porträtordner durchgesehen und war etwas sprachlos beim Anblick dieses Stapels Bilder. Wie soll ich sagen? Ich hatte das Gefühl, in letzter Zeit als Assistent für KI-Fotografie gearbeitet zu haben.
Ich bin dafür verantwortlich, die Szene, das Licht, die Requisiten, das Make-up und die Aktionen zu beschreiben; es ist dafür verantwortlich, zu versuchen, das Bild in meinem Kopf einzufangen. Beim Scrollen ist mir dann aufgefallen, dass die Prompts, die konsistent stabile Ergebnisse liefern, nicht die längsten sind, noch die mit den blumigsten Worten. Die, die am besten funktionieren, sind wie ein „Spickzettel für Fotografie“.
Man muss KI nicht als metaphysischen Wunschbrunnen behandeln. Man kann sie wie ein Fototeam behandeln. Der Fotograf muss die Kameraposition kennen, der Maskenbildner den Look, der Stylist die Kleidung, der Bühnenmanager, was vor Ort ist, das Requisitenteam, was auf dem Tisch liegt, und die Nachbearbeitung muss wissen, ob das endgültige Bild Film, direkter Blitz, weicher Nebel oder ein mobiler Schnappschuss ist. Wenn ein Prompt auf dieses Niveau geschrieben ist, wird er nicht nur eine leere Hülle einer „hübschen Person“ erzeugen. Er beginnt, eine Präsenz zu haben.
Schauen wir uns ein paar an.
Das Schlüsselwort für dieses hier ist nicht „Schönheit im alten Stil“. Es ist: alter Holztisch, Vogelkäfig, kleiner Vogel, handgeschöpftes Papier, Schriftrollen, Bambusvorhänge, Fensterrahmen, vom Wind verwehte Gardinen, weiße Nebel-Gegenlicht außerhalb des Fensters. Siehst du, die Figur ist nur ein Teil des Rahmens. Was das Bild wirklich trägt, ist dieser Raum.
Schau dir dieses an.
Sommer-Gänseblümchenfeld Strohhut Filmporträt. Auch dieses ist nicht nur „Sommergirl“. Es hat Gänseblümchen, einen Strohhut, große weiße Blumen im Vordergrund, gesprenkelte Baumschatten, blauen Himmel, Cumuluswolken, Gras, eine Picknickdecke, plus eine niedrige Kameraperspektive und unscharfe Blumen im Vordergrund.
Das ist, worüber ich diesmal am meisten sprechen möchte. Fang nicht an, Porträtprompts von der „Person“ aus zu schreiben. Fang an von „Warum dieses Foto funktioniert“.
Früher habe auch ich Unsinn geschrieben
Als ich anfing, mit KI-Porträts zu spielen, machte ich leicht einen Fehler. Ich schrieb verzweifelt „schön“. Klar, atmosphärisch, hochwertig, filmisch, exquisit, realistisch, zart. Sind diese Worte nützlich? Ein bisschen. Aber sie sind zu leer. Es ist, als würde man einem Fotografen sagen: „Mach mir ein hochwertiges Foto.“ Der Fotograf wird dich wahrscheinlich ansehen und fragen: Wo schießen wir, was ist das Licht, was ist das Outfit, welche Stimmung, halb oder ganz, wie weit ist das Objektiv von der Person entfernt? KI ist genauso. Es ist nicht so, dass sie Schönheit nicht versteht; es ist, dass sie nicht weiß, welche Art von Schönheit du willst.
Also später, als ich Porträtprompts schrieb, stellte ich mir zuerst eine Frage: Was ist der „Ankerpunkt“ dieses Bildes? Manche Bilder funktionieren wegen der Szene. Manche wegen des Lichts. Manche wegen des Make-ups. Manche wegen des Objektivwinkels. Manche wegen einer Aktion. Du packst zuerst dieses Ding, und dann haben die folgenden Worte einen Ort, an dem sie landen können.
Ebene 1: Gib ihm eine Szene, die stehen kann
Wenn ich jetzt Porträts schreibe, schreibe ich im Grunde nicht mehr nur große Wörter wie „drinnen“, „draußen“ oder „Studioaufnahme“. Zu vage. Ich schreibe es als einen spezifischen Raum. Zum Beispiel ist ein „alter Pavillon-Schreibtisch“ nicht nur ein „Raum im alten Stil“. Es ist ein alter Holztisch, Vogelkäfig, gelbgrüner Vogel, verstreute Körner, alte Bücher, handgeschöpftes Papier, Schriftrollen, Tuschestein, altes Porzellan-Obsttablett, Pfirsiche, Bambusvorhänge, Fensterrahmen, altes Bettgestell. Diese Reihe von Gegenständen sieht nach viel aus, aber es geht nicht darum, jedes Requisit erscheinen zu lassen. Es geht darum, der KI eine „räumliche Dichte“ zu geben.
Ich sage ihm, dass dieser Raum nicht leer ist. Hier hat jemand gewohnt. Es gibt die Feuchtigkeit von altem Holz, Papier, Gardinen, einen Vogelkäfig und ein bisschen Staub. Sobald die Szene etabliert ist und die Person hineinkommt, wird es natürlich.
Nimm zum Beispiel das Set im Sommerobstgarten.
Ich schrieb nicht nur „Obstgarten-Porträt“. Ich schrieb Blätter, Zweige, grüne Früchte, Ranken, Bambuskörbe, Obstkörbe, Strohhüte, Fruchtsaft, Strohhalme, natürliche Wege, dichte Vegetation im Hintergrund. Noch wichtiger, ich schrieb einen Satz: „Das Objektiv ist, als wäre es zwischen den Zweigen und Blättern der Obstbäume versteckt.“ Dieser Satz ist sehr nützlich. Er zwingt Vordergrundversperrung in den Rahmen. Mit einem Vordergrund ist das Bild nicht flach. Mit Versperrung sieht das Foto so aus, als wäre es tatsächlich von jemandem aufgenommen worden, anstatt dass die KI die Person direkt vor einem Hintergrund platziert.
Ich beurteile jetzt, ob eine Szene gut geschrieben ist, indem ich sehe, ob sie drei Schichten hat: Was ist im Vordergrund? Wo ist die Person? Was ist im Hintergrund? Wenn alle drei Schichten leer sind, wird es wahrscheinlich ein sehr flaches Bild erzeugen.
Ebene 2: Schreib nicht nur den Stil, schreib die Bildgebungsmethode
Viele Leute schreiben gerne Stile: Filmgefühl, CCD, filmisch, Magazingefühl, atmosphärisch. Du kannst diese schreiben, aber sie reichen nicht. Ich schreibe jetzt lieber, „mit welchem Gerät es aufgenommen aussieht“. Zum Beispiel: Fujifilm-Fotografie, Nikon-Fotografie, mobiler Schnappschuss, direkter Blitz CCD, High-Key cremig weiches Nebel-Studio-Licht. Hinter verschiedenen Geräten stecken unterschiedliche Bildgebungslogiken.
Fujifilm im Freien bringt tendenziell hohe Sättigung, blauen Himmel und Filmkörnung. Direkter Blitz CCD bringt harte Schatten, Hautreflexionen und Präsenzgefühl. Weiche Nebel-Studioaufnahmen haben geringen Kontrast, unscharfe Kanten und cremige Lichter. Wenn du „hochwertig“ schreibst, weiß KI nicht, wie sie hochwertig sein soll. Wenn du schreibst „High-Key cremig weiches Nebel-Studio-Licht, große Fläche weichen Lichts, die die Person von vorne und der Seite umhüllt, insgesamt leicht überbelichtet, geringer Kontrast, wie durch einen Pro-Mist-Filter aufgenommen“, dann weiß sie, wo sie die Mühe investieren soll.
Dieses „Weiße Orchidee Weicher Nebel“-Bild folgt dieser Logik.
Was mich an diesem Bild am meisten zufriedenstellt, ist nicht das Gesicht. Es ist, dass das Licht sehr weich ist. Die Hände, Blumen, weiße Tischplatte und der Hintergrund werden alle vom Licht aufgeweicht. Was im Prompt wirklich funktioniert hat, waren „High-Key“, „weicher Nebel“, „geringer Kontrast“, „Vordergrund-Bokeh“ und „Lichter leicht überlaufend, aber nicht totweiß“.
Hier ein kleiner Tipp: Schreib nicht nur, dass das Licht schön ist. Schreib, wo es herkommt, wo es hinfällt und welchen Effekt es letztendlich erzeugt.
Ebene 3: Schreib Make-up als Ankerpunkte, nicht als Tutorial
Das Schreiben von Porträts führt leicht in eine andere Falle: die Make-up-Beschreibung immer länger zu machen. Lidschatten, Wimpern, Aegyo-sal, Lipglanz, Nasenrücken-Highlight, Wangenrouge, Hautstruktur – alles wird hineingestopft. In diese Falle bin ich auch getappt. Das Ergebnis ist, dass einige Bilder wie Beauty-Anzeigen aussehen und die Gesichter sogar anfangen, unecht zu wirken. Später fand ich heraus, dass Make-up am besten durch „minimal erkennbare Ankerpunkte“ erfasst wird – die wichtigsten Identifikationsmerkmale für dieses Gesicht.
Zum Beispiel sind bei dem „Pfirsich-Oxygen-Porträt“ die Make-up-Ankerpunkte pfirsichrosa süßes Make-up, cremige Haut, Pfirsichrouge, Rouge unter den Augen, hydratisierte pfirsichrosa Lippen, Fruchthaaraccessoires und Band-Haarschmuck.
Du wirst feststellen, der Fokus liegt nicht auf „perfekten Gesichtszügen“. Der Fokus liegt darauf, dass das ganze Gesicht wie ein Pfirsich aussieht. Das Rouge, die Lippenfarbe, die Haaraccessoires, Requisiten und das Licht dienen alle diesem Gefühl. Schreib an dieser Stelle nicht eine Reihe widersprüchlicher Make-up-Stile in den Prompt. Schreib nicht „kalt und lebensmüde“, während du auch „süß und energiegeladen“ schreibst.
Ebene 4: Schreib keine festen Aktionen, schreib Handlungsskelette
Hier bleiben viele Leute hängen, denn der einfachste Ort für KI-Porträts, um zu scheitern, ist die Pose. Ein zusätzlicher Finger, ein Hals, der verdreht ist, als wäre er gebrochen, Beine, die nicht zusammenpassen. Ich vermeide jetzt standardmäßig Posen wie „Blick zurück zur Kamera“ oder „Körper weggedreht, aber Kopf zurückgedreht“. Nicht, dass sie keine guten Bilder produzieren können; es ist nur, dass die Fehlerquote zu hoch ist. Besonders der Nacken und die Schultern – sie brechen leicht.
Also schreibe ich lieber Handlungsskelette. Zum Beispiel: Gesenkter Kopf und Augen, Finger berühren leicht Blütenblätter auf dem Tisch. Auf dem Gras sitzen und die Sonne genießen, nicht gezwungen, in die Kamera zu schauen. Durch Obstbaumzweige rennen, seitlich lächeln, aber Kopf und Schultern in die gleiche Richtung. Einen Pfirsich nahe ans Gesicht halten, ein verspielter Nahaufnahme-Schnappschuss.
Dieses „Tafel-Profi“-Bild funktioniert wegen einiger Dinge: Tafel, Formeln, Ausweis-Schlüsselband, schwarzgerandete Brille, Nachtbüro, direkter Blitz. Die Aktion ist keine komplexe Tanzbewegung; es sind nur Hände, die die Tischplatte stützen, der Körper leicht seitlich, mit direktem Blitz in die Kamera schauend. Je direkter der Blitz, desto einfacher muss die Aktion sein, denn direkter Blitz legt die Körperstruktur sehr deutlich offen.
Ebene 5: Gib ihm etwas Zufälligkeit, aber randomisiere nicht die Richtung
Früher hatte ich Angst vor Zufälligkeit. Ich dachte, Prompts sollten so streng wie möglich geschrieben sein. Später fand ich heraus, dass das nicht der Fall ist. Das Schlimmste für Porträts ist, wenn alle Bilder gleich aussehen. Ich lasse jetzt absichtlich Variablen an einigen Stellen. Zum Beispiel: „Nicht alle Requisiten müssen erscheinen, Auswahl basierend auf Kompositionsbedarf.“ Oder „Objektivabstand variiert für jedes Bild.“ Oder „Aktionen und Ausdrücke sind zufällig, kein Blick in die Kamera nötig.“
Dieses „Sommerbach-Blumenkrone“ ist ein typisches Beispiel. Seine Richtung ist klar: Sommer, starkes Licht, Blumenkrone, grünes Haar, Gartenelfen-Vibe. Aber es schreibt nicht vor, dass die Figur direkt in die Kamera schauen muss. Folglich ist das Bild natürlicher. Mein Gefühl ist, dass die stabilste Struktur nicht darin besteht, „alles festzunageln“, sondern „das Stilskelett zu fixieren und dem Rahmen Raum zum Atmen zu geben“.
Mein aktueller üblicher Schreibstil
Wenn du KI-Porträts schreiben willst, empfehle ich, nicht zuerst diese langen „universellen“ Prompts zu lernen. Verwende stattdessen eine stabile Struktur. Ich schreibe ungefähr so:
Seitenverhältnis, realistische Fotografie, spezifisches Porträt-Thema, spezifische Kamera oder Bildgebungsmethode
Figurenbasis, eindeutig erwachsen, Gesichtsform/Temperament, Frisur, Make-up-Ankerpunkte, realistische Hautstruktur
Kleidungsstyling, Farbe, Material, realistische Tragbarkeit, Beziehung zum Thema
Szene, was im Vordergrund ist, wo die Person ist, was im Hintergrund ist, welche Requisiten da sein können
Objektiv, Totale oder Nahaufnahme, Weitwinkel oder Halbnah, niedriger Winkel oder Vogelperspektive, mutiger Bildausschnitt, geringe Schärfentiefe
Aktion/Ausdruck, ein klares Handlungsskelett, kann Blick in die Kamera vermeiden, natürliche Kopf-/Schulterrichtung
Beleuchtung, wo Licht herkommt, wo es hinfällt, welche Lichter/Schatten/Blendungen/Körnung es erzeugt
Negative Begrenzungen, keine Plastikhaut, keine deformierten Finger, keine zusätzlichen Gliedmaßen, keine scharfen Kopfdrehungen
Der eigentliche Punkt ist, Elemente in Beziehung zu setzen
Wenn ich diese Bilder durchsehe, ist ein Gefühl besonders offensichtlich: In guten Bildern „kennen“ sich die Elemente. Die Pfirsiche und das Rouge kennen sich. Der Strohhut und die Baumschatten kennen sich. Die Tafel und das Ausweis-Schlüsselband kennen sich. Schlechte Bilder sind nicht nur hässlich; sie haben oft Elemente, die sich nicht kennen. Eine Person steht vor einem Hintergrund, aber die Kleidung ist aus einer anderen Welt, das Licht ist aus einer anderen Welt, und die Requisiten sind nur aufgeklebt. Das erzeugt diesen „KI-Geruch“.
Eigentlich ist das Schreiben von Prompts das Trainieren deiner eigenen Ästhetik
Um ehrlich zu sein, nach so vielen Porträts halte ich Prompts nicht mehr für Zauberformeln. Sie sind Werkzeuge, die dich zwingen, deine Ästhetik zu verbessern. Du kannst es nicht klar schreiben, weil das Bild in deinem Kopf noch nicht klar ist. Sobald du anfängst, über Vordergründe, Beleuchtung, Objektive, Aktionen, Make-up und Requisitenbeziehungen zu schreiben, wirst du feststellen, dass sich auch deine Art, Bilder zu betrachten, verändert hat.
KI hat Ästhetik nicht unwichtig gemacht; sie hat sie spezifischer gemacht. All diese Gefühle, die du vorher nicht ausdrücken konntest, müssen jetzt zu Worten werden. Wenn du diese Dinge klar erklären kannst, fangen die KI-Bilder endlich an, sich zu benehmen.
Die kürzeste Version
Wenn du heute nur eines mitnimmst, erinnere dich daran: Die Reihenfolge beim Schreiben eines Porträt-Prompts kann sein: Thema, Bildgebungsmethode, Figurenstyling, Szenenbeziehungen, Objektivkomposition, Handlungsskelett, Lichttextur, negative Leitplanken. Fang nicht an mit „schönes Mädchen“. Fang an mit „Warum das Foto funktioniert“.
