บทความยาวชิ้นแรกของผม; มันค่อนข้างยาว เลยแนะนำให้กดถูกใจและบุ๊กมาร์กไว้เพื่ออ่านทีหลังนะครับ
เพื่อนๆ ที่ติดตามผมคงจะรู้ว่าช่วงนี้ผมกำลังสนุกกับการทำ AI portraits อยู่
ชุดนี้ส่วนใหญ่จะเน้นไปที่ ChatGPT's image-2 / gpt-image-2 มันไม่ใช่การเล่นแบบที่คุณแค่เขียนว่า 'ภาพเหมือนสาวสวย' แล้วหวังผลลัพธ์ที่ดีที่สุด แต่เป็นการรันมันทีละเซ็ต
ทุ่งดอกไม้ สวนผลไม้ ศาลาเก่า กระดานดำ ถ่ายในสตูดิโอ แฟลชตรง หมอกนุ่ม CCD สำหรับธีมเดียวกัน ผมเปลี่ยนท่าทาง เลนส์ และแสงซ้ำแล้วซ้ำเล่า บางครั้งหลังจากทำเซ็ตหนึ่ง ภาพที่ดีก็ดีจริงๆ และภาพที่ล้มเหลวก็ตลกสุดๆ
เมื่อสองสามวันก่อน ผมกำลังเปิดดูโฟลเดอร์ Eagle portrait ของผม และรู้สึกพูดไม่ออกเมื่อมองดูภาพกองนั้น จะพูดยังไงดีล่ะ ผมรู้สึกเหมือนตัวเองเป็นผู้ช่วยช่างภาพให้ AI อยู่ช่วงนี้
ผมรับผิดชอบเขียนฉาก แสง อุปกรณ์ เครื่องสำอาง และท่าทาง ส่วนมันรับผิดชอบพยายามจับภาพในหัวของผม จากนั้นพอเลื่อนดูไปเรื่อยๆ ผมก็ตระหนักว่า พรอมต์ที่ให้ผลลัพธ์ที่เสถียรสม่ำเสมอไม่ใช่พรอมต์ที่ยาวที่สุด หรือพรอมต์ที่มีคำสวยหรูมากที่สุด พรอมต์ที่ใช้ได้ดีที่สุดกลับเป็นเหมือน 'สูตรโกงการถ่ายภาพ'
คุณไม่จำเป็นต้องปฏิบัติต่อ AI เหมือนบ่อน้ำวิเศษที่คอยเติมเต็มความปรารถนา คุณสามารถมองมันเป็นทีมงานถ่ายภาพก็ได้ ช่างภาพต้องรู้ตำแหน่งกล้อง ช่างแต่งหน้าต้องรู้ลุค สไตลิสต์ต้องรู้เสื้อผ้า ผู้จัดการกองต้องรู้ว่ามีอะไรอยู่ในกอง อุปกรณ์ประกอบฉากต้องรู้ว่ามีอะไรอยู่บนโต๊ะ และทีมหลังการผลิตต้องรู้ว่าภาพสุดท้ายจะเป็นฟิล์ม แฟลชตรง หมอกนุ่ม หรือสแนปช็อตจากมือถือ เมื่อพรอมต์ถูกเขียนถึงระดับนี้แล้ว มันจะไม่สร้างแค่ 'คนสวย' ที่กลวงเปล่า แต่จะเริ่มมี 'ความรู้สึกของการมีอยู่' (sense of presence)
มาดูสองสามภาพกันก่อน
คีย์เวิร์ดของภาพนี้ไม่ใช่ 'ความงามสไตล์โบราณ' แต่คือ: โต๊ะไม้เก่า กรงนก นกตัวเล็ก กระดาษทำมือ ม้วนคัมภีร์ ม่านไม้ไผ่ กรอบหน้าต่าง ม่านโปร่งปลิวตามลม แสงย้อนหลังสีขาวนวลนอกหน้าต่าง คุณเห็นไหม ตัวละครเป็นเพียงส่วนหนึ่งของเฟรมเท่านั้น สิ่งที่ค้ำจุนภาพนี้ไว้จริงๆ คือห้องนี้
ดูภาพนี้สิ
ภาพเหมือนฟิล์มหมวกฟางทุ่งเดซี่ฤดูร้อน ภาพนี้ก็ไม่ใช่แค่ 'สาวฤดูร้อน' เหมือนกัน มันมีดอกเดซี่ หมวกฟาง ดอกไม้สีขาวขนาดใหญ่เป็นฉากหน้า เงาไม้ด่าง ท้องฟ้าสีคราม เมฆคิวมูลัส หญ้า ผ้าปิกนิก บวกกับมุมกล้องต่ำและดอกไม้เบลอในฉากหน้า
นี่คือสิ่งที่ผมอยากพูดถึงมากที่สุดในครั้งนี้ อย่าเริ่มเขียนพรอมต์ภาพเหมือนจาก 'ตัวบุคคล' ให้เริ่มจาก 'ทำไมภาพนี้ถึงดูดี'
ผมเองก็เคยเขียนอะไรไร้สาระมาก่อน
ตอนที่ผมเริ่มเล่น AI portraits ครั้งแรก ผมก็ทำพลาดง่ายๆ ผมจะเขียนคำว่า 'สวย' อย่างหนักหน่วง ชัดเจน มีบรรยากาศ ระดับสูง ดูเป็นหนัง วิจิตรบรรจง สมจริง ละเอียดอ่อน คำพวกนี้มีประโยชน์ไหม? มีบ้าง แต่มันว่างเปล่าเกินไป เหมือนกับการบอกช่างภาพว่า 'ช่วยถ่ายรูประดับสูงให้หน่อย' ช่างภาพคงจะมองคุณแล้วถามว่า: เราจะถ่ายที่ไหน แสงเป็นยังไง ชุดอะไร อารมณ์ไหน ครึ่งตัวหรือเต็มตัว ระยะเลนส์ห่างจากคนแค่ไหน? AI ก็เหมือนกัน มันไม่ใช่ว่าไม่เข้าใจความสวย แต่มันไม่รู้ว่าคุณต้องการความสวยแบบไหน
ดังนั้น ต่อมาเวลาผมเขียนพรอมต์ภาพเหมือน ผมจะถามตัวเองก่อนว่า 'จุดยึด' (anchor point) ของภาพนี้คืออะไร? บางภาพดูดีเพราะฉาก บางภาพเพราะแสง บางภาพเพราะเครื่องสำอาง บางภาพเพราะมุมเลนส์ บางภาพเพราะท่าทาง ให้คุณจับสิ่งนี้ก่อน แล้วคำที่ตามมาถึงจะมีที่ลง
เลเยอร์ 1: ให้ฉากที่ยืนได้จริง
ตอนนี้เวลาผมเขียนภาพเหมือน โดยพื้นฐานแล้วผมจะไม่เขียนคำกว้างๆ อย่าง 'ในร่ม' 'กลางแจ้ง' หรือ 'ถ่ายในสตูดิโอ' อีกแล้ว มันคลุมเครือเกินไป ผมจะเขียนเป็นพื้นที่เฉพาะเจาะจง ตัวอย่างเช่น 'โต๊ะเขียนหนังสือศาลาเก่า' ไม่ใช่แค่ 'ห้องสไตล์โบราณ' แต่คือ โต๊ะไม้เก่า กรงนก นกสีเหลืองเขียว เมล็ดพืชที่ร่วงกระจาย หนังสือโบราณ กระดาษทำมือ ม้วนคัมภีร์ แท่งหมึก จานผลไม้เครื่องเคลือบเก่า ลูกพีช ม่านไม้ไผ่ กรอบหน้าต่าง เตียงไม้เก่า รายการสิ่งของพวกนี้ดูเหมือนเยอะ แต่จุดประสงค์ไม่ใช่เพื่อให้อุปกรณ์ทุกชิ้นปรากฏขึ้นมา แต่เพื่อให้ AI มี 'ความหนาแน่นของพื้นที่' (spatial density)
ผมกำลังบอกมันว่าห้องนี้ไม่ได้ว่างเปล่า มีคนเคยอยู่ที่นี่ มีความชื้นของไม้เก่า กระดาษ ม่านโปร่ง กรงนก และฝุ่นเล็กน้อย เมื่อฉากถูกสร้างขึ้นและคนเดินเข้ามา มันก็กลายเป็นเรื่องธรรมชาติ
ยกตัวอย่างชุดสวนผลไม้ฤดูร้อน
ผมไม่ได้แค่เขียน 'ภาพเหมือนสวนผลไม้' แต่ผมเขียนใบไม้ กิ่งไม้ ผลไม้สีเขียว เถาวัลย์ ตะกร้าไม้ไผ่ ตะกร้าผลไม้ หมวกฟาง น้ำผลไม้ หลอดดูด ทางเดินธรรมชาติ พื้นหลังพืชพรรณหนาทึบ ที่สำคัญกว่านั้น ผมเขียนประโยคหนึ่งว่า 'เลนส์เหมือนถูกซ่อนอยู่ระหว่างกิ่งไม้และใบไม้ของต้นผลไม้' ประโยคนี้มีประโยชน์มาก มันบังคับให้มีสิ่งกีดขวางในฉากหน้า (foreground obstruction) เข้ามาในเฟรม เมื่อมีฉากหน้า ภาพจะไม่แบนราบ เมื่อมีสิ่งกีดขวาง ภาพถ่ายจะดูเหมือนมีคนถ่ายจริงๆ มากกว่าที่ AI จะวางคนไว้ตรงกลางฉากหลัง
ตอนนี้ผมตัดสินว่าฉากเขียนดีหรือไม่โดยดูว่ามันมีสามชั้นหรือไม่: มีอะไรในฉากหน้า? คนอยู่ตรงไหน? มีอะไรในฉากหลัง? ถ้าทั้งสามชั้นว่างเปล่า มันก็มีแนวโน้มจะสร้างภาพที่แบนราบมาก
เลเยอร์ 2: อย่าแค่เขียนสไตล์ ให้เขียนวิธีการสร้างภาพ
หลายคนชอบเขียนสไตล์: ฟิล์ม CCD ดูเป็นหนัง รู้สึกเหมือนนิตยสาร มีบรรยากาศ คุณเขียนสิ่งเหล่านี้ได้ แต่มันไม่พอ ตอนนี้ผมชอบเขียนว่า 'มันดูเหมือนถูกถ่ายด้วยอุปกรณ์อะไร' ตัวอย่างเช่น: Fujifilm photography, Nikon photography, mobile snapshot, direct flash CCD, high-key creamy soft mist studio light เบื้องหลังอุปกรณ์ต่างๆ คือตรรกะการสร้างภาพที่แตกต่างกัน
Fujifilm กลางแจ้งมักจะดึงความอิ่มตัวสูง ท้องฟ้าสีคราม และเกรนฟิล์มออกมา Direct flash CCD จะมีเงาแข็ง ผิวสะท้อนแสง และความรู้สึกของการมีอยู่ Soft mist studio shoot จะมีความคมชัดต่ำ ขอบเบลอ และไฮไลท์ครีมมี่ เมื่อคุณเขียน 'ระดับสูง' AI ไม่รู้ว่าจะทำยังไงให้ระดับสูง แต่ถ้าคุณเขียน 'high-key creamy soft mist studio light, large area of soft light wrapping the character from the front and side, overall exposure slightly high, low contrast, like shooting through a Pro-Mist filter' มันจะรู้ว่าต้องทุ่มเทตรงไหน
ภาพ 'White Orchid Soft Mist' นี้เป็นไปตามตรรกะนี้
สิ่งที่ผมพอใจที่สุดในภาพนี้ไม่ใช่ใบหน้า แต่คือแสงที่นุ่มนวลมาก มือ ดอกไม้ โต๊ะสีขาว และพื้นหลัง ล้วนถูกทำให้อ่อนลงด้วยแสง สิ่งที่ได้ผลจริงๆ ในพรอมต์คือ 'high-key' 'soft mist' 'low contrast' 'foreground bokeh' และ 'highlights slightly overflowing but not dead white'
นี่คือเคล็ดลับเล็กๆ น้อยๆ: อย่าแค่เขียนว่าแสงสวย ให้เขียนว่ามันมาจากไหน ตกลงที่ไหน และสร้างเอฟเฟกต์อะไรในที่สุด
เลเยอร์ 3: เขียนเครื่องสำอางเป็นจุดยึด ไม่ใช่บทช่วยสอน
การเขียนภาพเหมือนทำให้ง่ายต่อการตกหลุมพรางอีกอย่าง: การทำให้คำอธิบายเครื่องสำอางยาวขึ้นเรื่อยๆ อายแชโดว์ ขนตา เอาเกียวซัล ลิปกลอส ไฮไลท์สันจมูก บลัชออนแก้ม พื้นผิวผิวหนัง ทุกอย่างถูกยัดเยียดเข้าไป ผมก็เคยตกหลุมนี้เหมือนกัน ผลลัพธ์คือบางภาพดูเหมือนโฆษณาความงาม และใบหน้าก็เริ่มดูปลอม ต่อมาผมพบว่าเครื่องสำอางถูกจับภาพได้ดีที่สุดโดย 'จุดยึดที่จดจำได้น้อยที่สุด' (minimum recognizable anchors) ซึ่งเป็นจุดระบุตัวตนที่สำคัญที่สุดของใบหน้านั้น
ตัวอย่างเช่น ใน 'Peach Oxygen Portrait' จุดยึดเครื่องสำอางคือ peach-pink sweet makeup, creamy skin, peach blush, under-eye blush, hydrated peach-pink lips, fruit hair accessories, และ ribbon hair ornaments
คุณจะพบว่าจุดสนใจไม่ใช่ 'ใบหน้าที่สมบูรณ์แบบ' แต่จุดสนใจคือทั้งใบหน้าดูเหมือนลูกพีช บลัชออน สีปาก ที่คาดผม อุปกรณ์ประกอบฉาก และแสง ล้วนให้ความรู้สึกนี้ ในจุดนี้ อย่าเขียนสไตล์การแต่งหน้าที่ขัดแย้งกันหลายแบบในพรอมต์ อย่าเขียน 'เย็นชาและเบื่อหน่ายโลก' ในขณะเดียวกันก็เขียน 'หวานและมีพลัง'
เลเยอร์ 4: อย่าเขียนท่าทางที่ตายตัว ให้เขียนโครงสร้างท่าทาง (Action Skeletons)
นี่คือจุดที่หลายคนติดขัด เพราะจุดที่ AI portraits ล้มเหลวบ่อยที่สุดคือท่าทาง นิ้วเกิน คอที่บิดเหมือนหัก ขาที่ไม่ต่อกัน ตอนนี้ผมหลีกเลี่ยงท่าทางอย่าง 'หันกลับมามองกล้อง' หรือ 'หันตัวออกแต่หันหัวกลับ' โดยค่าเริ่มต้น ไม่ใช่ว่ามันสร้างภาพดีไม่ได้ แต่แค่อัตราความล้มเหลวสูงเกินไป โดยเฉพาะคอและไหล่ มันหักง่าย
ดังนั้นผมจึงชอบเขียนโครงสร้างท่าทาง (action skeletons) ตัวอย่างเช่น: ก้มหน้าและหลับตา นิ้วแตะกลีบดอกไม้บนโต๊ะเบาๆ นั่งบนหญ้าอาบแดด ไม่ต้องฝืนมองกล้อง วิ่งผ่านกิ่งไม้ผลไม้ ยิ้มข้างๆ แต่หัวและไหล่อยู่ในทิศทางเดียวกัน ถือลูกพีชใกล้ใบหน้า สแนปช็อตขี้เล่นระยะใกล้
ภาพ 'Blackboard Professional' นี้ใช้ได้ผลเพราะสองสามอย่าง: กระดานดำ สูตร ป้ายชื่อคล้องคอ แว่นกรอบดำ ออฟฟิศกลางคืน แฟลชตรง ท่าทางไม่ใช่ท่าเต้นที่ซับซ้อน แค่เอามือยันโต๊ะ ตัวเอียงเล็กน้อย มองกล้องพร้อมแฟลชตรง ยิ่งแฟลชตรงมากเท่าไหร่ ท่าทางก็ต้องยิ่งเรียบง่าย เพราะแฟลชตรงเผยโครงสร้างร่างกายอย่างชัดเจนมาก
เลเยอร์ 5: ให้ความสุ่มบ้าง แต่อย่าสุ่มทิศทาง
เมื่อก่อนผมกลัวความสุ่ม ผมคิดว่าควรเขียนพรอมต์ให้เคร่งครัดที่สุดเท่าที่จะทำได้ ต่อมาผมพบว่าไม่ใช่แบบนั้น สิ่งที่แย่ที่สุดสำหรับภาพเหมือนคือภาพทั้งหมดดูเหมือนกัน ตอนนี้ผมจงใจทิ้งตัวแปรไว้ในบางที่ ตัวอย่างเช่น: 'อุปกรณ์ประกอบฉากไม่จำเป็นต้องปรากฏทั้งหมด เลือกตามความต้องการขององค์ประกอบภาพ' หรือ 'ระยะเลนส์แตกต่างกันในแต่ละภาพ' หรือ 'ท่าทางและการแสดงออกเป็นแบบสุ่ม ไม่จำเป็นต้องมองกล้อง'
ภาพ 'Summer Stream Flower Crown' นี้เป็นตัวอย่างที่ชัดเจน ทิศทางของมันชัดเจน: ฤดูร้อน แสงจ้า พวงมาลัยดอกไม้ ผมสีเขียว ไวบ์นางไม้ในสวน แต่มันไม่ได้บังคับว่าตัวละครต้องหันหน้ากล้องโดยตรง ผลลัพธ์คือภาพดูเป็นธรรมชาติมากขึ้น ความรู้สึกของผมคือโครงสร้างที่เสถียรที่สุดไม่ใช่ 'การล็อคทุกอย่าง' แต่คือ 'การล็อคโครงสร้างสไตล์และปล่อยให้เฟรมหายใจ'
สไตล์การเขียนทั่วไปของผมในตอนนี้
ถ้าคุณอยากเขียน AI portraits ผมแนะนำว่าอย่าเรียนรู้พรอมต์ 'สากล' ที่ยาวๆ เหล่านั้นก่อน ให้ใช้โครงสร้างที่เสถียรแทน ผมเขียนประมาณนี้:
อัตราส่วนภาพ, การถ่ายภาพสมจริง, ธีมภาพเหมือนเฉพาะ, กล้องหรือวิธีการสร้างภาพเฉพาะ
ฐานตัวละคร, เป็นผู้ใหญ่ชัดเจน, รูปหน้า/อารมณ์, ทรงผม, จุดยึดเครื่องสำอาง, พื้นผิวผิวที่สมจริง
สไตล์เสื้อผ้า, สี, วัสดุ, ความสวมใส่ได้จริง, ความสัมพันธ์กับธีม
ฉาก, มีอะไรในฉากหน้า, คนอยู่ตรงไหน, มีอะไรในฉากหลัง, มีอุปกรณ์อะไรได้บ้าง
เลนส์, ภาพไกลหรือภาพใกล้, มุมกว้างหรือมุมกลาง-ใกล้, มุมต่ำหรือมุมสูง, การครอปที่ชัดเจน, ความชัดลึกตื้น
ท่าทาง/การแสดงออก, โครงสร้างท่าทางที่ชัดเจน, สามารถหลีกเลี่ยงการมองกล้อง, ทิศทางศีรษะ/ไหล่ที่เป็นธรรมชาติ
แสง, แสงมาจากไหน, ตกลงที่ไหน, มันสร้างไฮไลท์/เงา/แสงจ้า/เกรนอะไร
ข้อจำกัดเชิงลบ, ไม่มีผิวพลาสติก, ไม่มีนิ้วผิดรูป, ไม่มีแขนขาเกิน, ไม่มีการหันหัวอย่างกะทันหัน
ประเด็นที่แท้จริงคือการทำให้องค์ประกอบต่างๆ สัมพันธ์กัน
เวลาผมดูภาพเหล่านี้ ความรู้สึกหนึ่งชัดเจนมาก: ในภาพที่ดี องค์ประกอบต่างๆ 'รู้จัก' กันและกัน ลูกพีชและบลัชออนรู้จักกัน หมวกฟางและเงาไม้รู้จักกัน กระดานดำและป้ายชื่อคล้องคอรู้จักกัน ภาพที่ไม่ดีไม่ได้แค่ขี้เหร่ แต่บ่อยครั้งที่องค์ประกอบในภาพไม่รู้จักกัน คนๆ หนึ่งยืนอยู่หน้าฉากหลัง แต่เสื้อผ้ามาจากอีกโลก แสงมาจากอีกโลก และอุปกรณ์ประกอบฉากก็แค่แปะไว้ สิ่งนี้สร้าง 'กลิ่น AI' (AI smell) นั้นขึ้นมา
จริงๆ แล้ว การเขียนพรอมต์คือการฝึกฝนสุนทรียศาสตร์ของตัวเอง
พูดตามตรง หลังจากรันภาพเหมือนมาเป็นร้อยๆ ภาพ ผมไม่คิดว่าพรอมต์เป็นคาถาอีกต่อไปแล้ว มันเป็นเครื่องมือที่บังคับให้สุนทรียศาสตร์ของคุณพัฒนาขึ้น คุณเขียนมันไม่ชัดเจนเพราะภาพในหัวของคุณยังไม่ชัดเจน เมื่อคุณเริ่มเขียนเกี่ยวกับฉากหน้า แสง เลนส์ ท่าทาง เครื่องสำอาง และความสัมพันธ์ของอุปกรณ์ คุณจะพบว่าวิธีการมองภาพของคุณก็เปลี่ยนไปเช่นกัน
AI ไม่ได้ทำให้สุนทรียศาสตร์ไม่สำคัญ แต่มันทำให้มันเฉพาะเจาะจงมากขึ้น ความรู้สึกทั้งหมดที่คุณเคยแสดงออกไม่ได้ ตอนนี้ต้องกลายเป็นคำพูด เมื่อคุณสามารถอธิบายสิ่งเหล่านี้ได้ชัดเจน ในที่สุดภาพ AI ก็เริ่มทำงานตามที่คุณต้องการ
เวอร์ชั่นที่สั้นที่สุด
ถ้าวันนี้คุณจะจำอะไรได้สักอย่าง จำสิ่งนี้ไว้: ลำดับการเขียนพรอมต์ภาพเหมือนสามารถเป็นได้ดังนี้: ธีม, วิธีการสร้างภาพ, การกำหนดสไตล์ตัวละคร, ความสัมพันธ์ของฉาก, องค์ประกอบเลนส์, โครงสร้างท่าทาง, พื้นผิวแสง, ราวกั้นเชิงลบ อย่าเริ่มจาก 'สาวสวย' ให้เริ่มจาก 'ทำไมภาพนี้ถึงดูดี'
