الحفاظ على الأسلوب في تحويل الصورة إلى موجّه: ما الذي غيّرناه ولماذا

موضوع أمين بأسلوب خاطئ

كانت التقارير متسقة. يرفع شخص ما مرجعًا، ويحصل على موجّه، ويشغّله، وتكون النتيجة المشهد نفسه بشكل يمكن التعرف عليه — الموضوع نفسه، والتأطير نفسه، والضوء نفسه تقريبًا — لكنها لا تشبه صورته. الملمس أنظف. اللون أغنى. شيء ما جرى تنعيمه.

هذا النمط دليل. فعندما ينجو الموضوع والتكوين بينما لا ينجو السطح واللمسة النهائية، يكون الموجّه يصف ما هو موجود داخل الإطار بدلًا من كيفية صنع ذلك الإطار. هاتان مهمتان مختلفتان، والثانية أسهل بكثير في الخطأ فيها.

كان الأسلوب عنصرًا واحدًا من بين تسعة

كانت تعليمتنا لنموذج الرؤية تطلب منه التقاط “الموضوع، والمكان، والتكوين، والعدسة أو المنظور، والإضاءة، ولوحة الألوان، والخامات، والمزاج، والأسلوب”. تبدو كقائمة تحقق شاملة. لكنها من الناحية العملية طريقة لضمان ألا يحصل الأسلوب إلا على تُسع الانتباه.

تدعو القائمة المسطّحة إلى تغطية متساوية. لكن الأسلوب ليس خاصية واحدة من بين تسع — بل هو ما يحدد كيفية عرض الخصائص الثماني الأخرى. كما أنه الأصعب في التعبير عنه بالكلمات، وهو ما يجعله العنصر الأكثر احتياجًا إلى توجيه إضافي، والأقل احتمالًا للحصول على أي توجيه في قائمة كتلك.

امنح الأسلوب مفردات، لا صفة

اطلب من نموذج لغوي وصف الأسلوب دون أن تخبره من أي عناصر يتكوّن الأسلوب، وسيلجأ إلى الكلمات الأقرب إلى المفهوم: “فن رقمي”، “شديد التفصيل”، “سينمائي”. هذه ليست أوصافًا. فهي لا تحمل تقريبًا أي معلومة عن الصورة المحددة الماثلة أمامه.

والأسوأ من ذلك، أنها تترك فجوة، ويملأ نموذج الصور اللاحق تلك الفجوة بجمالياته الافتراضية الخاصة — وهو بالضبط ما كنت تحاول تجاوزه. الحل هو تسمية المحاور التي يتفكك إليها الأسلوب فعليًا، بحيث يكون لدى النموذج شيء ملموس ينظر إليه.

• الوسيط الفني والتقنية: صورة فوتوغرافية بفيلم 35mm، غواش، عرض ثلاثي الأبعاد، فكتور مسطح، رسم خطي بالحبر.
• الحقبة الزمنية أو المدرسة الفنية، والتي غالبًا ما تحمل معلومات أكثر من أي صفة منفردة.
• طابع الكاميرا: الإحساس الناتج عن البعد البؤري، وعمق المجال، ونوع الفيلم، أو محرك العرض الذي يُحاكى.
• أسلوب رسم الخطوط: سُمك الخط، وسلوك الفرشاة، وجودة الحواف، وكيفية التقاء الأسطح.
• تدرّج اللون ودرجة حرارته، منظورًا إليهما بمعزل عن الألوان الظاهرة نفسها.
• الحبيبات، والملمس، واللمسة النهائية للسطح.
• المعالجة اللاحقة: هالة ضوئية (halation)، وزيغ لوني (chromatic aberration)، ونقاط نصف تدرج (halftone)، وتظليل cel shading، وضغط شديد.

لا ترتقِ بالمرجع أبدًا

فاجأنا هذا الأمر بمدى أهميته. فكل نموذج في خط الأنابيب — النموذج الذي يقرأ الصورة والنموذج الذي يولّد من الموجّه — لديه انحياز نحو التحسين. فحين يواجه شيئًا مسطحًا، أو ناقص التعريض الضوئي، أو رديء الإضاءة، أو مضغوطًا، فإنه يعيد بصمت نسخة أفضل منه.

لكن النقص أسلوب في حد ذاته. فصورة حفلة بفلاش مباشر، أو لقطة هاتف محروقة الإضاءة، أو مسح ضوئي منخفض الدقة بتدرجات لونية ظاهرة (banding): هذه الخصائص هي عادةً السبب الكامل وراء حفظ شخص ما لتلك الصورة. لذا تنص التعليمة الآن صراحةً: إذا كانت الصورة هاوية، أو مسطحة، أو منخفضة الدقة، أو غير مثالية، فقل ذلك بوضوح واحتفظ بها.

إذا كنت تكتب الموجّهات يدويًا، فهذا هو أسهل تحسين متاح لك. صِف العيوب عن قصد.

كلمات الجودة الفارغة ليست مجانية

“جميل”، “مذهل”، “تحفة فنية”، “شديد التفصيل”، “8k”، “حائز على جوائز”. تبدو هذه الكلمات غير ضارة، كرفع مقبض الصوت. لكنها ليست كذلك. فللموجّه ميزانية انتباه محدودة، وكل كلمة حشو تأخذ حصة منها على حساب المصطلحات التي تصف صورتك فعليًا.

كما أنها تسحب النتيجة نحو المتوسط. فعبارة “حائز على جوائز” ليس لها معنى بصري، لذا يفسّرها النموذج بما تعلّمه عن شكل الصور “الحائزة على جوائز” — جمالية قوية ونمطية تبتعد عن مرجعك. تحظر تعليمتنا الآن هذه القائمة صراحةً.

حدّد الأسلوب قبل كتابة الموجّه

طلب التحليل والمخرج في خطوة واحدة يسمح للنموذج بمعاملة الأسلوب كخانة صفة يملؤها بأي شيء قريب. تعمل التعليمة الآن على مرحلتين. فقبل كتابة أي شيء، يحدد النموذج الوسيط الفني وتقنية الإنتاج، ثم يجيب عن سؤال محدد واحد.

تسمية ذلك الفارق هي المهمة بأكملها. وبمجرد تسميته، يُكتب الموجّه بحيث يتصدره الوسيط الفني والأسلوب، قبل الموضوع — لأن هذا هو الموضع الذي يمنحه كل نموذج مستهدف أكبر وزن.

يقرأ كل نموذج الموجّه بطريقة مختلفة

كانت تعليماتنا السابقة الخاصة بكل نموذج تضبط النبرة. إذ كان يُطلب من موجّهات Midjourney أن تكون “موحية”، ومن موجّهات GPT Image أن تكون “مباشرة وحرفية”. هذا سجل أسلوبي، وليس هو ما يحدد بقاء الأسلوب أو ضياعه.

ما يحدد ذلك هو مُرمِّز النص (text encoder) الذي يستخدمه النموذج، وموضع مصطلحات الأسلوب داخل الموجّه، وأدوات التحكم الأصلية التي يتيحها النموذج. هذه أمور ملموسة، وتختلف أكثر بكثير مما تقرّ به معظم أدلة كتابة الموجّهات.

• يقرأ كل من Nano Banana وGPT Image النثر بلغة طبيعية. أعلن عن الوسيط الفني في الجملة الافتتاحية، قبل الموضوع.
• يستخدم Flux مُرمِّزًا من نوع T5، ويتعامل جيدًا مع الجمل الطويلة، ويتجاهل تمامًا صياغة الأوزان مثل (term:1.2) — إذ يجب أن يأتي التركيز من الصياغة وترتيب الكلمات.
• يمنح Midjourney وزنًا كبيرًا لبداية الموجّه، ويفضّل عبارات مكثفة مفصولة بفواصل، ولا يفهم النفي المكتوب بأسلوب نثري.
• يقرأ Stable Diffusion رموز CLIP في مقاطع من 77 رمزًا، ويمنح وزنًا أكبر لبداية كل مقطع، لذا يجب أن تأتي علامات الوسيط الفني والأسلوب أولًا لا أخيرًا.

لدى Midjourney معامل يناقض وصفك

هذا أكثر شيء مفيد في هذا المقال، وهو ليس تقنية لكتابة الموجّهات على الإطلاق. يطبّق Midjourney جماليته الخاصة فوق موجّهك، ويتحكم في ذلك المعامل --stylize، الذي تكون قيمته الافتراضية 100. وعند هذا الإعداد، يُشجَّع النموذج فعليًا على جعل الصورة تبدو وكأنها من Midjourney بدلًا مما طلبته أنت.

لذا، إذا كنت تحوّل مرجعًا وظل المخرج يعود أكثر صقلًا وسينمائية وإخراجًا فنيًا من مصدرك، فلن يصلح أي قدر من الوصف هذا الأمر. فالمعامل هو ما يتجاوز إرادتك.

ينتهي كل موجّه Midjourney نولّده الآن بـ --style raw، الذي يعطّل تلك الجمالية الخاصة بالمنصة، وبقيمة منخفضة لـ --stylize تبلغ نحو 50. وتُعبَّر الاستثناءات بـ --no بدلًا من النثر، لأن النفي بالنثر لا يعمل هنا.

بالنسبة إلى Stable Diffusion، نصف الموجّه هو الموجّه السلبي

يتوقع مستخدمو Stable Diffusion كتلتين: الموجّه والموجّه السلبي. تعتمد دقة الأسلوب اعتمادًا كبيرًا على الكتلة الثانية، لأنها المكان الذي تكبح فيه الانجراف نحو الجمالية الافتراضية التي كان النموذج سيطبقها لولا ذلك.

كنا نولّد الكتلة الأولى فقط، وهو نصف الناتج المطلوب. تبدأ موجّهات Stable Diffusion المولَّدة الآن بعلامات الوسيط الفني والأسلوب، وتطبّق وزن (term:1.2) باعتدال على العلامة أو العلامتين اللتين تحددان المظهر، وتتضمن موجّهًا سلبيًا مكتوبًا خصيصًا لتلك الصورة بدلًا من قائمة جاهزة منسوخة ولصقة.

عندما تتعارض صيغة المخرج مع النموذج المستهدف

تتيح لك الأداة اختيار صيغة المخرج — موجّه عام، أو مخطط منظّم، أو JSON — واختيار نموذج مستهدف بشكل منفصل. ويمكن أن يتعارض هذان الخياران. فلا يمكن تحقيق “أعد JSON صالحًا فقط” و“اكتب علامات مفصولة بفواصل تنتهي بمعاملات” في آن واحد.

كنا نمرر كلتا التعليمتين ونترك النموذج يفصل بينهما. وكان يفعل ذلك فعلًا، لكن بطرق مختلفة في كل تشغيل. هذا التضارب غير مرئي كخلل برمجي، لكنه واضح جدًا كتجربة استخدام: الصورة نفسها بالإعدادات نفسها تنتج موجّهات ذات طابع مختلف بشكل ملحوظ، وهو ما يُفهم على أنه فقدان عشوائي للأسلوب.

الأولوية صريحة الآن. فالصيغ الحرة تسلّم المخرج بالكامل إلى النموذج المستهدف وتطبّق صياغته ومعاملاته كاملة. أما الصيغ المنظمة فتمتلك شكلها الخاص، بحيث يساهم النموذج المستهدف بالمفردات فقط ولا يُصدر أي معاملات.

قراءة الصورة نسخ حرفي، لا تأليف

تغيير صغير بأثر كبير: خفّضنا درجة حرارة أخذ العينات (sampling temperature) للأدوات التي تقرأ صورة. فكتابة موجّه من فكرة أولية فعل إبداعي يستفيد من بعض الحرية. أما قراءة مرجع فهي أقرب إلى النسخ الحرفي، وكل درجة حرية هناك هي درجة انجراف عن ما هو موجود فعليًا داخل الإطار.

احتفظت أداة تحويل النص إلى موجّه بهامش حريتها. أما تحويل الصورة إلى موجّه وأداة الوصف فأصبحتا أكثر حرفية بشكل ملحوظ.

ما الذي يمكن أخذه من هذا

معظم هذه التغييرات أمور يمكنك تطبيقها يدويًا، أيًا كانت الأداة التي تستخدمها.

• سمِّ الوسيط الفني أولًا، قبل الموضوع، في كل موجّه.
• صِف العيوب عن قصد، لأن النماذج تزيلها ما لم تُخبَر بعدم فعل ذلك.
• احذف حشو كلمات الجودة؛ فهو يكلّف انتباهًا ويسحب النتيجة نحو المتوسط.
• في Midjourney، الجأ إلى --style raw وقيمة منخفضة لـ --stylize قبل إعادة كتابة الموجّه مرة أخرى.
• في Stable Diffusion، تعامل مع الموجّه السلبي كنصف العمل.
• اطرح سؤال التحديد أولًا: ما الذي يجعل هذه الصورة تبدو كنفسها؟