بهترین هوش مصنوعی ساخت تصویر؛ آزمون پرامپت فارسی
«بهترین تصویرساز هوش مصنوعی» یک نام ثابت نیست. ابزاری که برای تصویر سینمایی عالی است، شاید کلمهٔ «تهران» را ناخوانا بنویسد؛ مدلی که ویرایش محصول را خوب انجام میدهد، ممکن است برای ساخت SVG انتخاب مناسبی نباشد. حتی یک مدل
«بهترین تصویرساز هوش مصنوعی» یک نام ثابت نیست. ابزاری که برای تصویر سینمایی عالی است، شاید کلمهٔ «تهران» را ناخوانا بنویسد؛ مدلی که ویرایش محصول را خوب انجام میدهد، ممکن است برای ساخت SVG انتخاب مناسبی نباشد. حتی یک مدل واحد در وبسایت اصلی، اپلیکیشن واسط و API میتواند تنظیمات، محدودیت و قیمت متفاوتی داشته باشد.
این راهنما بهجای اعلام یک برندهٔ همیشگی، مسئله را از نقطهٔ واقعی شروع میکند: چه تصویری، برای کجا، با چه سطحی از کنترل و با چه محدودیت دسترسی میخواهید؟ قابلیتهای ابزارها بر پایهٔ مستندات رسمی تا ۲۱ ژوئیهٔ ۲۰۲۶ بررسی شدهاند. کلادی در این نسخه به حساب پولی همهٔ سرویسها و یک مجموعه خروجی همزمان دسترسی نداشته است؛ بنابراین امتیاز آزمایشگاهی یا ادعای ساختگی دربارهٔ «درصد موفقیت» نمیبینید. در عوض، پروتکلی دارید که میتوانید همان پرامپتها را اجرا، خروجیها را کور ارزیابی و برای کار خودتان برنده را پیدا کنید.
خلاصهٔ خیلی کوتاه: برای تعامل مکالمهای، ویرایش مرحلهای و متن داخل تصویر، ChatGPT Images را در فهرست کوتاه بگذارید. برای ایدهپردازی بصری و زیباییشناسی، Midjourney را آزمایش کنید. برای کار متصل به اکوسیستم گوگل، Gemini/Imagen؛ برای گردشکار Adobe و ملاحظات تولید تجاری، Firefly؛ و برای وکتور، آیکون و دارایی برند، Recraft را بررسی کنید. اینها «نامزدهای مناسب» هستند، نه حکم قطعی؛ کیفیت فارسی را با آزمون همین صفحه بسنجید.
آخرین بررسی ادعاهای محصولی: ۲۱ ژوئیهٔ ۲۰۲۶. نام مدلها، سهمیه، قیمت، مجوز و دسترسی منطقهای سریع تغییر میکنند؛ پیش از خرید، صفحهٔ رسمی همان سرویس را دوباره بخوانید.
نکات کلیدی
- کیفیت فهم پرامپت فارسی با کیفیت نوشتن حروف فارسی داخل تصویر یکی نیست.
- اگر نوشته باید دقیق باشد، تصویر را بدون متن بسازید و تایپوگرافی نهایی را در ابزار طراحی اضافه کنید؛ متن مولد را پیشنویس بدانید.
- برای مقایسه، پرامپت، نسبت تصویر، تعداد خروجی و زمان ارزیابی را ثابت نگه دارید. انتخاب بهترین نمونه از دهها خروجی، مقایسه را منحرف میکند.
- «رایگان» معمولاً بهمعنای سهمیه، صف، خروجی عمومی یا حقوق استفادهٔ محدودتر است؛ شرایط همان پلن را بخوانید.
- برای کار حرفهای، ویرایش موضعی، حفظ هویت سوژه، مرجع سبک، خروجی وکتور و API اغلب از زیبایی اولین خروجی مهمترند.
- کاربران داخل ایران باید پیش از وابستهشدن به ابزار، امکان ثبتنام، پرداخت، پایداری دسترسی، بازیابی حساب و دریافت خروجی اصلی را بررسی کنند.
- خروجی مولد سند واقعیت نیست. برای چهرهٔ افراد، خبر، محصول و موضوع حساس، رضایت، اصالت و ریسک گمراهکردن مخاطب را جدی بگیرید.
فهرست مطالب
- تصویرساز هوش مصنوعی چیست؟
- پاسخ سریع: کدام ابزار برای کدام کار؟
- معیارهای انتخاب برای کاربر فارسیزبان
- مقایسهٔ ابزارهای اصلی
- پروتکل آزمون منصفانه با پرامپت فارسی
- چگونه پرامپت فارسی مؤثر بنویسیم؟
- متن فارسی داخل تصویر
- ویرایش، ثبات شخصیت و کنترل حرفهای
- هزینه، مجوز و دسترسی از ایران
- گردشکارهای واقعی از ایده تا خروجی
- حریم خصوصی، حق مؤلف و استفادهٔ مسئولانه
- موضوعات پیشرفته و API
- پرسشهای متداول
تصویرساز هوش مصنوعی چیست؟
تصویرساز هوش مصنوعی سامانهای است که از توصیف متنی، تصویر مرجع یا ترکیب هر دو، تصویر تازه میسازد یا تصویری موجود را تغییر میدهد. ورودی میتواند جملهای ساده مثل «یک ربات پستچی در کوچهای بارانی» باشد یا یک شرح تولیدی دقیق شامل سوژه، ترکیببندی، نور، لنز، رنگ، نسبت تصویر و محدودیتها.
سه کار که در ظاهر شبیهاند باید از هم جدا شوند:
| کار | ورودی اصلی | خروجی مورد انتظار | معیار موفقیت |
|---|---|---|---|
| تولید متنبهتصویر | توضیح متنی | تصویر تازه | تطابق با درخواست، ترکیببندی و کیفیت |
| تصویربهتصویر و ویرایش | عکس یا طرح مرجع + دستور | نسخهٔ اصلاحشده | حفظ بخشهای لازم و تغییر دقیق بخش هدف |
| تولید دارایی طراحی | نیاز برند، رنگ و قالب | آیکون، وکتور، پوستر یا مجموعه | قابلیت ویرایش، سازگاری و آمادهبودن برای تولید |
مدل، رابط کاربری و محصول نیز یک چیز نیستند. برای مثال ممکن است مدلی از طریق API ارائه شود، همان خانوادهٔ مدل در یک چت استفاده شود و یک اپلیکیشن ثالث هم آن را کنار چند مدل دیگر بفروشد. تجربهٔ شما به هر سه لایه وابسته است:
این تمایز جلوی دو خطا را میگیرد. اول، نام یک مدل را با امکانات کامل یک نرمافزار اشتباه نمیگیرید. دوم، خروجی زیبا را خودکار «آمادهٔ انتشار» فرض نمیکنید. برش، تصحیح رنگ، بررسی نوشته، حذف نشانههای ناخواسته، افزودن تایپوگرافی و ثبت منشأ فایل بخشی از تولید واقعیاند.
پاسخ سریع: کدام ابزار برای کدام کار؟
جدول زیر نقطهٔ شروع است، نه رتبهبندی آزمایشگاهی. عبارتهای «مناسبتر» بر پایهٔ قابلیتهایی است که سازندگان در منابع رسمی مستند کردهاند؛ کیفیت واقعی، بهخصوص برای زبان فارسی، باید با نمونهٔ خودتان سنجیده شود.
| نیاز غالب | نامزد اول برای آزمون | چرا در فهرست کوتاه است؟ | نکتهٔ تعیینکننده |
|---|---|---|---|
| ساخت و اصلاح مکالمهای | ChatGPT Images | تولید و ویرایش در گفتوگو، ورودی تصویر و دستورهای چندمرحلهای | صحت نوشتهٔ فارسی و حفظ جزئیات را جداگانه بسنجید |
| کانسپت هنری و کشف سبک | Midjourney | مرجع تصویر، مرجع سبک، شخصیسازی و فضای اکتشافی | کنترل تولیدی و شرایط انتشار/حریم خصوصی را بررسی کنید |
| گردشکار گوگل و توسعه | Gemini / Imagen | تولید و ویرایش چندوجهی و دسترسی توسعهدهنده | مدل و دسترسی منطقهای در زمان استفاده را تأیید کنید |
| ادغام با طراحی Adobe | Adobe Firefly | اتصال به ابزارهای خلاقه و قابلیتهای تولید/ویرایش | اعتبار مولد و شرایط مجوز پلن مهم است |
| وکتور، آیکون و برند | Recraft | خروجی SVG قابلویرایش و ابزارهای طراحی | حقوق تجاری پلن رایگان و پولی یکسان نیست |
| اجرای محلی و کنترل فنی | مدلهای باز مانند Stable Diffusion | کنترل محیط، نودها، مدلها و سفارشیسازی | سختافزار، نصب، مجوز هر مدل و زمان نگهداری |
انتخاب در کمتر از پنج دقیقه
اگر هنوز نمیدانید از کجا شروع کنید، این پرسشها را بهترتیب جواب دهید:
- خروجی عکس است، تصویرسازی است یا وکتور؟
- آیا متن فارسی باید داخل خود تصویر باشد؟
- آیا باید چهره، محصول یا شخصیت در چند خروجی ثابت بماند؟
- ویرایش دقیق مهمتر است یا تنوع ایده؟
- فایل برای استفادهٔ تجاری، چاپ یا صرفاً نمونهسازی است؟
- آیا API و تولید انبوه لازم دارید؟
- آیا دسترسی و پرداخت از موقعیت شما پایدار و مطابق شرایط سرویس است؟
نکته: از خرید اشتراک سالانه پیش از اجرای سه پروژهٔ واقعی پرهیز کنید. یک پوستر فارسی، یک ویرایش موضعی و یک مجموعهٔ سهتصویری، ضعفهایی را آشکار میکنند که یک تصویر نمایشی نشان نمیدهد.
معیارهای انتخاب برای کاربر فارسیزبان
۱. فهم معنای فارسی
مدل باید نقشها و نسبتها را درست بفهمد. در جملهٔ «فنجان آبی سمت راست کتاب قرمز باشد»، وجود همهٔ اشیا کافی نیست؛ جای آنها مهم است. اصطلاحهای فرهنگی نیز آزمون خوبیاند، اما باید مراقب بود دانش کلی مدل را با فهم زبان اشتباه نگیریم. «سفرهٔ هفتسین» ممکن است از دادههای تصویری شناخته شده باشد، درحالیکه یک دستور مکانی سادهٔ فارسی بد اجرا شود.
۲. نوشتن حروف فارسی در تصویر
رندر متن یک مسئلهٔ جداست: اتصال حروف، راستبهچپ بودن، ترتیب کلمات، نقطهها، نیمفاصله، اعداد و هماهنگی با قاب. مدلی ممکن است پرامپت فارسی را بفهمد ولی عبارت داخل گیومه را غلط بنویسد. برای همین در پروتکل این صفحه، «درک دستور» و «صحت تایپوگرافی» دو نمرهٔ مستقل دارند.
۳. پیروی از دستور
تعداد اشیا، رنگ هر شیء، جایگیری، زاویهٔ دوربین، فضای خالی و موارد ممنوع را بررسی کنید. پرامپت طولانی الزاماً آزمون بهتری نیست؛ بهتر است از نسخهٔ ساده شروع کنید و هر بار یک محدودیت اضافه کنید تا محل شکست معلوم شود.
۴. ویرایش و حفظ بخشهای سالم
در کار واقعی، بهندرت اولین خروجی نهایی است. باید بتوانید بگویید «فقط رنگ لیوان را عوض کن» و انتظار داشته باشید صورت، نور، پسزمینه و کادر دستنخورده بمانند. ویرایشی که هر بار کل تصویر را بازتولید کند، هزینهٔ بازبینی و ریسک ناسازگاری را بالا میبرد.
۵. ثبات در یک مجموعه
برای کتاب مصور، کمپین، بازی یا شبکهٔ اجتماعی، یک تصویر زیبا کافی نیست. شخصیت باید چهره و لباس نسبتاً ثابت داشته باشد؛ محصول نباید در هر نما شکل دیگری بگیرد؛ پالت و ضخامت خط نیز باید هماهنگ بمانند. مرجع تصویر، مرجع سبک، seed، ساخت سبک سفارشی و ویرایش مبتنی بر تصویر ابزارهای ممکناند، اما هیچکدام تضمین مطلق نیستند.
۶. فرمت، وضوح و پستولید
پیش از انتخاب، خروجی واقعی را ببینید: PNG شفاف لازم دارید؟ SVG قابلویرایش؟ ابعاد چاپ؟ تغییر نسبت تصویر بدون برش بد؟ بزرگنمایی فقط پیکسل اضافه میکند یا جزئیات معقول هم بازسازی میشود؟ برای چاپ، وضوح، پروفایل رنگ، حاشیهٔ امن و آزمون چاپ از عبارت مبهم «کیفیت 4K» مهمتر است.
۷. قیمت واقعی هر خروجی پذیرفتهشده
قیمت اشتراک را بر تعداد تصویر تقسیم نکنید. هزینهٔ واقعی چنین است:
اگر یک ابزار ارزان برای هر تصویر به ده بار تولید نیاز داشته باشد و ابزار دیگری در دو مرحله به نتیجه برسد، گزینهٔ دوم ممکن است اقتصادیتر باشد.
مقایسهٔ ابزارهای اصلی
ChatGPT Images و GPT Image
برای کاربری که میخواهد با زبان طبیعی ایده را بسازد و در چند نوبت اصلاح کند، تجربهٔ مکالمهای مزیت مهمی است. راهنمای رسمی OpenAI میگوید ChatGPT Images میتواند تصویر تازه بسازد، تصویر آپلودشده را ویرایش کند، متن و جزئیات اضافه کند و پسزمینهٔ شفاف بسازد. صفحهٔ مدل API نیز GPT Image 2 را برای تولید و ویرایش تصویر با ورودی تصویری معرفی میکند. راهنمای رسمی تصاویر در ChatGPT و صفحهٔ رسمی GPT Image 2 را ببینید. آخرین بررسی: ۲۱ ژوئیهٔ ۲۰۲۶.
این گزینه را برای پوسترهای اولیه، تصویر مقاله، اصلاح چندمرحلهای و کارهایی که در آن توضیح کلامی مهم است وارد آزمون کنید. بااینحال، ادعای سازنده دربارهٔ بهبود متن بهمعنای بیخطابودن فارسی نیست. عبارت نهایی را حرفبهحرف کنترل کنید و برای نشان تجاری یا نوشتهٔ حساس، تایپوگرافی را بیرون از مدل انجام دهید.
نقطهٔ قوت احتمالی در گردشکار، حفظ زمینهٔ گفتوگو است: میتوانید بگویید «همین ترکیب را نگه دار، فقط پسزمینه خلوتتر و فضای خالی سمت راست بیشتر شود». نقطهٔ ریسک، تغییر ناخواستهٔ جزئیات در هر ویرایش و وابستگی قابلیتها به سطح حساب و رابط است.
Midjourney
Midjourney برای اکتشاف بصری، ساخت کانسپت و جهتگیری هنری یک نامزد جدی است. مستندات رسمی، Image Prompt را برای اثرگذاری بر محتوا، ترکیب و رنگ توضیح میدهد و علاوه بر آن به Style Reference، Omni Reference، Moodboards و Personalization اشاره میکند. مستند رسمی Image Prompts در Midjourney. آخرین بررسی: ۲۱ ژوئیهٔ ۲۰۲۶.
برای ارزیابی آن، فقط «زیباترین تصویر» را انتخاب نکنید. تطابق با جزئیات فارسی، امکان بازتولید یک سبک، کنترل کادر و هزینهٔ رسیدن به نسخهٔ نهایی را نیز ثبت کنید. اگر متن فارسی بخش اصلی پوستر است، بهتر است ابتدا تصویر بدون نوشته تولید و متن در نرمافزار طراحی اضافه شود؛ مگر آنکه آزمون شما صحت کامل عبارت را نشان دهد.
مرجع تصویری را با کپیکردن یک اثر دارای حق مؤلف اشتباه نگیرید. از تصویر خودتان، منابع دارای مجوز یا moodboardهایی استفاده کنید که حق استفاده از آنها را دارید. همچنین پیش از آپلود دارایی محرمانه، سیاست حریم خصوصی و نوع نمایش عمومی خروجیهای پلن خود را بخوانید.
Gemini و Imagen
گوگل در مستندات توسعهدهندگان، دو مسیر را تفکیک میکند: تولید تصویر با قابلیت چندوجهی داخلی Gemini و استفاده از Imagen برای وظایف تخصصیتر تصویر. همان مستندات میگوید تصاویر تولیدشده دارای واترمارک SynthID هستند و دسترسی میتواند به منطقه وابسته باشد. راهنمای رسمی تولید تصویر Gemini API. آخرین بررسی: ۲۱ ژوئیهٔ ۲۰۲۶. نام مدلهای پشتیبانیشده را هنگام استفاده در صفحهٔ Models کنترل کنید؛ مثالها و نام نسخهها سریعتر از مقالههای راهنما تغییر میکنند.
Gemini را زمانی در فهرست کوتاه بگذارید که گفتوگوی چندوجهی، تصویر مرجع، اتصال به ابزارهای گوگل یا API برایتان مهم است. در آزمون فارسی، سه چیز را جدا بسنجید: فهم توصیف فارسی، کیفیت تصویر و صحت متن فارسی داخل قاب. خوببودن دو مورد اول، سومی را تضمین نمیکند.
برای تیم توسعه، مزیت مهم مسیر رسمی API و امکان نمونهسازی در AI Studio است. اما محصول نمونه باید مدیریت خطا، محدودیت نرخ، ثبت نسخهٔ مدل و ذخیرهٔ امن ورودیها را نیز در نظر بگیرد. صرفاً کارکردن یک درخواست در Playground، آمادهبودن سامانه برای تولید نیست.
Adobe Firefly
Firefly بیشتر از یک مدل منفرد، بخشی از گردشکار خلاقهٔ Adobe است. صفحات رسمی آن قابلیتهایی مانند Text to Image و استفاده از مرجع ترکیب و سبک را توضیح میدهند. برای تیمی که خروجی را در Photoshop یا دیگر ابزارهای Adobe تکمیل میکند، همین اتصال میتواند از اختلاف جزئی کیفیت مدل مهمتر باشد. پرسشهای متداول رسمی Adobe Firefly و راهنمای رسمی نیازمندیهای Firefly. آخرین بررسی: ۲۱ ژوئیهٔ ۲۰۲۶.
Firefly را برای بنر، تغییر پسزمینه، گسترش قاب، تولید اجزای طراحی و گردشکار بازبینی انسانی آزمایش کنید. دربارهٔ استفادهٔ تجاری به عبارتهای کلی اکتفا نکنید: شرایط استفاده، نوع حساب، محتوای ورودی و قوانین محل فعالیت شما تعیینکنندهاند. «طراحیشده برای استفادهٔ تجاری» جای مشاورهٔ حقوقی یا بررسی حقوق علائم و چهرهها را نمیگیرد.
Recraft
اگر خروجی شما آیکون، تصویرسازی برند، لوگوتایپ آزمایشی یا فایل قابلمقیاس است، Recraft بهخاطر مسیر وکتور ارزش آزمون دارد. مستندات رسمی API از تولید raster و vector، سبک سفارشی، vectorization و حذف پسزمینه پشتیبانی میکند. صفحهٔ رسمی محصول نیز خروجی SVG قابلویرایش و فرمتهای مختلف را شرح میدهد. مستند شروع Recraft API و مولد رسمی وکتور Recraft. آخرین بررسی: ۲۱ ژوئیهٔ ۲۰۲۶.
برتری عملی وکتور زمانی معنا دارد که مسیرها واقعاً تمیز، تعداد گرهها منطقی و اجزا قابلویرایش باشند. یک SVG ممکن است فقط از نظر پسوند وکتور باشد اما برای اصلاح دستی دردسر ایجاد کند. فایل را در Figma یا Illustrator باز کنید، رنگها و شکلها را تغییر دهید و در اندازهٔ کوچک نیز خوانایی را بسنجید.
شرایط رسمی Recraft میان پلنها تفاوت میگذارد و صفحهٔ محصول میگوید حقوق تجاری در پلنهای پولی ارائه میشود، درحالیکه خروجی پلن رایگان عمومی است و مجوز تجاری ندارد. این مورد را دقیقاً در زمان استفاده دوباره تأیید کنید. صفحهٔ رسمی مولد تصویر Recraft. آخرین بررسی: ۲۱ ژوئیهٔ ۲۰۲۶.
مدلهای باز و اجرای محلی
خانوادههای باز مانند Stable Diffusion برای کاربر فنی مزیتی متفاوت دارند: کنترل محیط اجرا، انتخاب checkpoint، LoRA، ControlNet، inpainting و ساخت گردشکار نودی. «محلی» بهطور خودکار بهمعنای خصوصی، رایگان یا آسان نیست. مدل و افزونه ممکن است کد و وزن را دانلود کنند؛ مجوز مدلها متفاوت است؛ سختافزار، برق، فضای ذخیرهسازی و نگهداری هزینه دارند.
این مسیر برای استودیو یا توسعهدهندهای مناسب است که کنترل و تکرارپذیری را بر راحتی رابط آماده ترجیح میدهد. برای کاربر معمولی که فقط چند تصویر مقاله میخواهد، زمان نصب و رفع خطا ممکن است توجیه نداشته باشد. پیش از استفادهٔ تجاری، مجوز دقیق checkpoint، LoRA، مدل کنترل و حتی بعضی decoderها را جدا بخوانید.
پروتکل آزمون منصفانه با پرامپت فارسی
یک مقایسهٔ قابلاعتماد باید بازتولیدپذیر باشد. نمایش چند خروجی برگزیده بدون ذکر تعداد تلاشها، بیشتر ویترین است تا آزمون. پروتکل زیر برای افراد و تیمهای کوچک طراحی شده است.
شرایط ثابت
- یک روز یا بازهٔ زمانی نزدیک را انتخاب کنید و نام دقیق مدل و رابط را ثبت کنید.
- نسبت تصویر، کیفیت و تعداد خروجی در هر درخواست را تا حد امکان برابر نگه دارید.
- برای هر سناریو فقط یک تلاش اولیه و حداکثر دو اصلاح مجاز کنید.
- خروجیها را با نام تصادفی به داور نشان دهید تا برند ابزار روی رأی اثر نگذارد.
- خطای سرویس، زمان انتظار و ردشدن درخواست را هم ثبت کنید؛ اینها بخشی از تجربهاند.
- فایل اصلی را نگه دارید و از ارزیابی روی اسکرینشات فشرده پرهیز کنید.
بستهٔ پنجپرامپتی
| آزمون | هدف | نمونهٔ پرامپت فارسی | خطای مهم |
|---|---|---|---|
| رابطهٔ مکانی | فهم زبان و ترکیب | «روی میز چوبی، فنجان آبی سمت راست کتاب قرمز و مداد زرد روی کتاب باشد» | جابهجایی رنگ یا مکان |
| فرهنگ و جزئیات | دانش و دقت | «سفرهٔ هفتسین معاصر در خانهای ایرانی، نمای روبهرو، نور صبح، بدون آدم» | اشیای نامرتبط یا کلیشهای |
| متن کوتاه | حروف فارسی | «پوستر مینیمال با عبارت دقیق «آینده را بساز» در یک خط» | حروف جدا، ترتیب غلط، واژهٔ اضافه |
| ویرایش موضعی | حفظ تصویر | «فقط رنگ صندلی را سبز زیتونی کن؛ نور، کادر و همهٔ اشیای دیگر ثابت بمانند» | بازسازی کل صحنه |
| مجموعهٔ ثابت | تداوم | «همان شخصیت و لباس، اینبار در نمای نیمرخ و پسزمینهٔ ایستگاه قطار» | تغییر چهره، لباس یا سبک |
برگهٔ امتیازدهی
به هر معیار از صفر تا پنج نمره دهید. صفر یعنی شکست کامل و پنج یعنی آمادهٔ استفاده با اصلاح جزئی. وزنها را با نیاز خود تغییر دهید.
| معیار | وزن پیشنهادی برای محتوای فارسی | سؤال داور |
|---|---|---|
| تطابق معنایی | ۲۵٪ | آیا اشیا، ویژگیها و روابط درستاند؟ |
| کیفیت بصری | ۲۰٪ | آیا نور، بافت، آناتومی و ترکیب قابلقبولاند؟ |
| متن فارسی | ۲۰٪ | آیا عبارت دقیق، متصل و راستبهچپ است؟ |
| ویرایش و حفظ | ۱۵٪ | آیا فقط بخش خواستهشده تغییر کرده است؟ |
| ثبات مجموعه | ۱۰٪ | آیا هویت و سبک میان خروجیها حفظ شده؟ |
| زمان و هزینه | ۱۰٪ | هزینهٔ رسیدن به خروجی پذیرفتهشده چقدر است؟ |
فرمول ساده:
هشدار روششناسی: نتیجهٔ شما فقط برای همان نسخهٔ مدل، همان رابط، همان تاریخ و همان سناریوها معتبر است. بهروزرسانی بیسروصدای مدل یا تغییر moderation میتواند نتیجه را عوض کند.
چگونه پرامپت فارسی مؤثر بنویسیم؟
پرامپت خوب قرار نیست ادبی یا طولانی باشد؛ باید ابهام تولیدی را کم کند. یک ساختار کاربردی چنین است:
نمونهٔ ضعیف:
نسخهٔ قابلکنترلتر:
فارسی بنویسیم یا انگلیسی؟
پاسخ عملی: هر دو را آزمایش کنید، اما متغیرها را مخلوط نکنید. ابتدا نسخهٔ کاملاً فارسی را اجرا کنید. سپس ترجمهٔ معنایی انگلیسی همان پرامپت را با تنظیمات برابر بسنجید. اگر نسخهٔ انگلیسی بهتر شد، نتیجه دربارهٔ همان ابزار و همان سناریو است؛ از آن قانون جهانی نسازید.
گاهی اصطلاح فنی انگلیسی دقیقتر است: macro photography، isometric illustration یا transparent background. میتوانید جملهٔ فارسی را نگه دارید و فقط اصطلاح تثبیتشده را انگلیسی بنویسید. از انباشتن صفتهایی مثل «شاهکار، فوقالعاده، 8K، award-winning» انتظار کنترل بیشتر نداشته باشید؛ مشخصات قابلمشاهده مهمترند.
پرامپت منفی و محدودیتها
همهٔ رابطها negative prompt مستقل ندارند. اگر ندارند، محدودیت را در انتهای دستور روشن بنویسید: «بدون نوشته، بدون لوگو، بدون حاشیه». فهرست ممنوعه را کوتاه نگه دارید. دهها منع گاهی توجه مدل را از سوژهٔ اصلی دور میکند.
اصلاح مرحلهای
بهجای بازنویسی کل درخواست، هر بار یک ایراد را هدف بگیرید:
- ابتدا ترکیب و سوژه را تثبیت کنید.
- سپس رنگ و نور را تنظیم کنید.
- بعد جزئیات محصول یا چهره را اصلاح کنید.
- نسبت تصویر و فضای متن را کنترل کنید.
- در پایان بزرگنمایی و پستولید را انجام دهید.
این روش هم علت تغییر را روشن میکند و هم احتمال از دسترفتن بخشهای سالم را کاهش میدهد. البته اگر ابزار در هر نوبت تصویر را از نو میسازد، پس از دو یا سه اصلاح شاید بازگشت به خروجی بهتر و ویرایش دستی اقتصادیتر باشد.
متن فارسی داخل تصویر
متن فارسی یکی از سختترین آزمونهاست، چون مدل باید هم محتوا و هم هندسهٔ خط را درست بسازد. اتصال حروف، فرم ابتدایی/میانی/پایانی، راستبهچپ، کرسی خط، نقطهها و فاصلهگذاری همزمان درگیرند. حتی خروجیای که در نگاه اول درست بهنظر میرسد ممکن است یک نقطه، نیمفاصله یا ترتیب کلمه را خراب کرده باشد.
راهبرد کمریسک
برای پوستر، کاور و تبلیغ، بهترین گردشکار معمولاً دو مرحلهای است:
- تصویر را با فضای خالی مشخص و دستور «بدون نوشته» بسازید.
- متن را در Figma، Photoshop، Illustrator یا ابزار صفحهآرایی با فونت مجاز اضافه کنید.
این کار کنترل فونت، فاصلهٔ خطوط، کنتراست، دسترسپذیری و اصلاح املایی را برمیگرداند. تولید مستقیم متن را برای ماکاپ، ایدهپردازی و نوشتههای کوتاه آزمایش کنید، نه برای اطلاعاتی که اشتباه آنها هزینه دارد.
اگر باید متن را مدل بنویسد
- عبارت را کوتاه و داخل گیومه بیاورید.
- دقیقاً بنویسید «همین عبارت، بدون هیچ کلمهٔ اضافه».
- تعداد خط، جای متن و کنتراست را مشخص کنید.
- از چند عبارت پراکنده در یک صحنه شروع نکنید.
- خروجی را در اندازهٔ اصلی و با دو بازبین کنترل کنید.
- تاریخ، قیمت، شماره تماس و ادعای حقوقی را دستی اضافه کنید.
نمونه:
نکتهٔ مهم این است که اصلاح یک حرف ممکن است باقی تصویر را تغییر دهد. اگر پس از دو تلاش متن دقیق نشد، به گردشکار دو مرحلهای برگردید. صرف زمان بیشتر برای «وادارکردن مدل» معمولاً از تایپ دستی متن گرانتر است.
ویرایش، ثبات شخصیت و کنترل حرفهای
تولید تصویر حرفهای بیشتر شبیه مدیریت نسخههاست تا یک پرامپت جادویی. فایل مرجع، تصمیمهای هنری و تغییرات باید قابلردگیری باشند.
ویرایش موضعی
برای inpainting یا اصلاح موضعی، ناحیهٔ تغییر را کوچک اما با حاشیهٔ کافی انتخاب کنید. دستور باید هم تغییر و هم ثابتها را بگوید: «رنگ کت را زغالی کن؛ حالت صورت، دستها، نور و پسزمینه ثابت بمانند». بعد تصویر قبل و بعد را روی هم قرار دهید و اختلاف ناخواسته را ببینید.
ثبات شخصیت
یک character sheet بسازید: نمای روبهرو، نیمرخ، تمامقد، پالت لباس، ویژگیهای چهره و چند حالت. از همان برگه بهعنوان مرجع مجاز استفاده کنید. توصیف ثابت شخصیت را در سندی جدا نگه دارید و فقط صحنه و کنش را تغییر دهید.
| سطح نیاز | روش پیشنهادی | مناسب برای | محدودیت |
|---|---|---|---|
| ثبات تقریبی | تکرار توصیف و پالت | پستهای مستقل | تغییر چهره و لباس محتمل است |
| ثبات متوسط | تصویر مرجع + ویرایش مرحلهای | کمپین کوتاه | ممکن است ژست و زاویه محدود شود |
| ثبات بالا | مدل/سبک سفارشی، LoRA یا ترکیب سهبعدی | کتاب، بازی و محصول | هزینهٔ آمادهسازی و کنترل بیشتر |
کنترل ترکیب
اگر چیدمان دقیق لازم است، یک اسکچ ساده یا بلوکبندی سیاهوسفید اغلب از صد کلمه مؤثرتر است. جای سوژه، افق و فضای خالی را در طرح نشان دهید و سپس سبک را با متن تعریف کنید. ابزارهایی که مرجع ترکیب یا کنترل لبه/عمق دارند برای این کار مناسبترند.
خروجی برند
رنگ Hex، حاشیهٔ امن، محل تیتر و نسبتها را ثبت کنید، اما انتظار نداشته باشید مدل هر بار رنگ را دقیقاً مطابق استاندارد چاپ بازتولید کند. خروجی نهایی را با ابزار طراحی به پالت برند برگردانید. برای لوگو، مدل را ایدهپرداز بدانید؛ تشابه علامت، سادگی هندسی، ثبتپذیری و عملکرد در اندازههای مختلف به بررسی طراح و متخصص حقوقی نیاز دارد.
هزینه، مجوز و دسترسی از ایران
قیمت را چگونه مقایسه کنیم؟
قیمتها بهسرعت تغییر میکنند؛ به همین دلیل این صفحه عدد ثابت پلنها را تکرار نمیکند. در روز خرید این موارد را از صفحهٔ رسمی ثبت کنید:
| مؤلفه | پرسش لازم | اثر پنهان |
|---|---|---|
| سهمیه | اعتبار ماهانه است یا روزانه؟ منقضی میشود؟ | اعتبار بلااستفاده ممکن است بسوزد |
| کیفیت | وضوح بالاتر اعتبار بیشتری مصرف میکند؟ | قیمت هر خروجی نهایی بالا میرود |
| ویرایش | ویرایش، upscale و حذف پسزمینه جدا حساب میشوند؟ | گردشکار واقعی گرانتر از تولید اولیه است |
| صف | پلن ارزان حالت کند دارد؟ | هزینهٔ زمان تیم افزایش مییابد |
| حقوق | خروجی رایگان تجاری است؟ عمومی است؟ | ریسک انتشار و مجوز |
| API | قیمت بر تصویر، توکن یا کیفیت است؟ | بودجهریزی تولید انبوه پیچیده میشود |
برای یک هفته، تعداد درخواستها، خروجی پذیرفتهشده و دقیقهٔ صرفشده را ثبت کنید. سپس هزینهٔ هر دارایی نهایی را بسنجید، نه تعداد خام تصاویر.
دسترسی از ایران
وضعیت دسترسی تابع سیاست شرکت، تحریم، ارائهدهندهٔ پرداخت، IP، شماره تلفن و تغییرات مقررات است. کلادی دورزدن شرایط سرویس یا محدودیت قانونی را توصیه نمیکند. پیش از وابستهشدن به یک ابزار:
- فهرست کشورهای پشتیبانیشده و شرایط استفاده را از منبع رسمی بخوانید.
- روش پرداخت و امکان بازپرداخت را بررسی کنید.
- یک مسیر خروج و پشتیبان برای فایلهای اصلی داشته باشید.
- پرامپتها، تصاویر مرجع و تنظیمات را محلی آرشیو کنید.
- از سپردن کل فرایند تولید به حسابی با دسترسی ناپایدار پرهیز کنید.
- برای تیم، مالکیت حساب، بازیابی و خروج عضو را از قبل مشخص کنید.
VPN بهخودیخود مسئلهٔ مجوز، پرداخت یا خطر مسدودی حساب را حل نمیکند و ممکن است با شرایط سرویس ناسازگار باشد. تصمیم را بر اساس اسناد جاری ارائهدهنده و قوانین قابلاعمال بگیرید.
مجوز و مالکیت
سه سند را جدا بخوانید: شرایط استفادهٔ محصول، شرایط پلن شما و مجوز مدل/وزن. همچنین حق داشتن خروجی لزوماً بهمعنای بیخطر بودن آن نیست. خروجی میتواند به علامت تجاری، چهرهٔ فرد یا اثر محافظتشده شباهت داشته باشد. برای کمپین پرهزینه، بررسی حقوقی متناسب لازم است.
گردشکارهای واقعی از ایده تا خروجی
تصویر شاخص مقاله
- پیام مقاله را در یک جمله بنویسید.
- استعارهٔ تصویری سادهای انتخاب کنید؛ از کلاژ لوگوها پرهیز کنید.
- نسبت مقصد و فضای تیتر را مشخص کنید.
- چهار جهت بصری بسازید، نه چهار تغییر کوچک از یک ایده.
- یک گزینه را انتخاب و ناهنجاریها را بررسی کنید.
- متن را دستی اضافه و خروجی را برای وب فشرده کنید.
- alt text توصیفی و صادقانه بنویسید.
پرامپت نمونه:
تصویر محصول فروشگاهی
در این سناریو، صحت محصول از جذابیت مهمتر است. عکس واقعی و مجاز محصول را مرجع قرار دهید. مدل را برای پسزمینه، نورپردازی یا کانسپت صحنه بهکار بگیرید و شکل، رنگ، درگاهها، برچسب و نسبت ابعاد را با اصل مقایسه کنید. اگر تصویر میتواند مشتری را دربارهٔ ویژگی واقعی گمراه کند، برچسبگذاری یا عدم استفاده ضروری است.
مجموعهٔ شبکهٔ اجتماعی
یک سیستم بسازید: سه نسبت ثابت، دو رنگ اصلی، یک نوع نور، قواعد جایگیری سوژه و ناحیهٔ امن متن. ابتدا key visual را تأیید کنید و سپس مشتقها را بسازید. تولید جداگانهٔ هر پست بدون مرجع مشترک، هویت بصری را پراکنده میکند.
آیکون و تصویرسازی رابط
برای آیکون، تعداد، شبکه، ضخامت خط، شعاع گوشه، زاویه و پالت را دقیق بنویسید. اگر خروجی SVG است، مسیرها را بازبینی و ساده کنید. آیکون در ۱۶ یا ۲۴ پیکسل باید قابلتشخیص باشد؛ زیبایی در نمای بزرگ کافی نیست. برای مجموعه، یک تصویر مرجع یا سبک ثابت نگه دارید و هر آیکون را جداگانه از صفر نسازید.
حریم خصوصی، حق مؤلف و استفادهٔ مسئولانه
دادهٔ محرمانه را بیمحابا آپلود نکنید
پیش از ارسال تصویر مشتری، محصول معرفینشده، سند داخلی یا چهرهٔ کارکنان، سیاست نگهداری داده و استفاده برای آموزش را بخوانید. تنظیمات حساب سازمانی ممکن است با حساب مصرفکننده فرق داشته باشد. حذف فایل از رابط نیز همیشه بهمعنای حذف فوری از همهٔ سامانههای پشتیبان نیست.
رضایت افراد واقعی
تغییر چهره، ساخت تصویر واقعنما از فرد یا قراردادن او در زمینهای که رخ نداده میتواند زیانبار و گمراهکننده باشد. رضایت روشن بگیرید، کاربرد را محدود کنید و برای محتوای عمومی نشانه یا توضیح مناسب در نظر بگیرید. دربارهٔ کودکان، محتوای جنسی، سیاسی یا بحرانها سختگیرانهتر عمل کنید.
تصویر خبری و مستند
تصویر مولد نباید جای عکس واقعه را بگیرد یا بدون برچسب بهعنوان سند منتشر شود. اگر برای توضیح یک مفهوم خبری از تصویرسازی مولد استفاده میکنید، آن را صریحاً «تصویرسازی تولیدشده با هوش مصنوعی» بنامید و از جزئیاتی که واقعهٔ ساختگی را واقعی جلوه میدهد دوری کنید.
منشأ و واترمارک
برخی ارائهدهندگان سازوکارهای provenance مانند C2PA یا واترمارک نامرئی دارند. OpenAI در معرفی تولید تصویر خود از C2PA و گوگل در مستندات Imagen/Gemini از SynthID سخن گفتهاند. این نشانهها مفیدند اما جای کنترل تحریریه را نمیگیرند. معرفی رسمی تولید تصویر OpenAI و راهنمای رسمی تصویر گوگل. آخرین بررسی: ۲۱ ژوئیهٔ ۲۰۲۶.
یک فایل ثبت تولید نگه دارید: ابزار، نسخهٔ مدل، تاریخ، پرامپت، تصاویر مرجع، ویرایشها، نام بازبین و مجوزهای مرتبط. این کار در اصلاح خطا و پاسخگویی بسیار ارزشمند است.
موضوعات پیشرفته و API
چه زمانی API لازم است؟
وقتی تولید تکراری، قالببندیشده و قابلاندازهگیری دارید: تصاویر هزار محصول، نسخههای چندنسبتی، ساخت داخل CMS یا آزمایش A/B کنترلشده. برای پنج تصویر در ماه، رابط آماده احتمالاً سادهتر و ارزانتر است.
یک خط لولهٔ تولیدی سالم فقط یک فراخوانی مدل نیست:
نسخهٔ مدل، پارامترها و شناسهٔ درخواست را ثبت کنید. timeout، retry با backoff، محدودیت نرخ و سقف بودجه بگذارید. اگر پاسخ تکراری ناموفق بود، بینهایت retry نکنید. ورودی و خروجی را بر اساس سطح حساسیت رمزگذاری و زمان نگهداری را مشخص کنید.
ارزیابی خودکار کافی نیست
میتوانید ابعاد، فرمت، وجود شفافیت، شباهت ادراکی یا OCR اولیه را خودکار بررسی کنید؛ اما ارزیابی زیبایی، گمراهکنندگی، کلیشهٔ فرهنگی و درستبودن متن فارسی هنوز به بازبین انسانی نیاز دارد. OCR هم ممکن است همان خطای تصویر را نبیند یا برعکس، نوشتهٔ درست را اشتباه بخواند.
معماری چندمدلی
تیمهای حرفهای گاهی یک مدل را برای کانسپت، دیگری را برای ویرایش و ابزار طراحی را برای خروجی نهایی استفاده میکنند. مزیت، انتخاب بهترین جزء برای هر مرحله است؛ عیب، هزینه، انتقال داده، ناسازگاری سبک و پیچیدگی مجوزهاست. ابتدا با یک ابزار و یک پستولید استاندارد شروع کنید. فقط وقتی داده نشان داد گلوگاه مشخصی دارید، مدل دوم اضافه کنید.
بنچمارک داخلی زنده
هر سه ماه یا پس از تغییر عمدهٔ مدل، بستهٔ آزمون ثابت را اجرا کنید. خروجیها، هزینه، زمان و نرخ پذیرش را ذخیره کنید. پنج تا ده پرامپت واقعی سازمان از صد پرامپت عمومی ارزشمندتر است. نسخهٔ جدید را کنار نسخهٔ قبلی و با داوری کور بسنجید؛ نوتر بودن الزاماً در همهٔ کارها بهتر نیست.
اگر خروجی تصویر بخشی از هویت کسبوکار است، مرحله بعد فقط تولید عکس بیشتر نیست. گردشکار برندسازی با هوش مصنوعی نشان میدهد چطور moodboard، لوگو، نسخهٔ تکرنگ و سایت را به یک سیستم منسجم تبدیل کنید.
پرسشهای متداول
بهترین هوش مصنوعی برای ساخت تصویر با پرامپت فارسی کدام است؟
یک برنده برای همهٔ کاربردها وجود ندارد. ChatGPT Images و Gemini را برای فهم مکالمهای و ویرایش، Midjourney را برای اکتشاف سبک، Firefly را برای گردشکار Adobe و Recraft را برای وکتور وارد آزمون کنید. سپس با پنج پرامپت ثابت همین راهنما، کیفیت فارسی، متن، ویرایش، هزینه و دسترسی را بسنجید.
آیا تصویرسازهای هوش مصنوعی متن فارسی را درست مینویسند؟
گاهی برای عبارت کوتاه نتیجهٔ قابلقبول میدهند، اما اتصال حروف، جهت راستبهچپ، نقطهها و ترتیب واژهها هنوز ممکن است خطا داشته باشد. برای خروجی حساس، تصویر را بدون متن بسازید و نوشته را با ابزار طراحی اضافه کنید.
بهتر است پرامپت را فارسی بنویسم یا انگلیسی؟
ابتدا فارسی را امتحان کنید، چون هدف واقعی شما همان است. سپس ترجمهٔ معنایی انگلیسی را با تنظیمات برابر اجرا کنید. نتیجه به مدل و نوع تصویر وابسته است. ترکیب فارسی با چند اصطلاح فنی انگلیسی نیز میتواند مفید باشد.
آیا ابزار رایگان برای ساخت عکس با هوش مصنوعی وجود دارد؟
بسیاری از سرویسها سهمیه یا سطح رایگان دارند، اما محدودیتهای آنها تغییر میکند و ممکن است خروجی عمومی، صف کند، واترمارک یا حقوق تجاری متفاوت داشته باشند. صفحهٔ قیمت و شرایط رسمی را در روز استفاده بررسی کنید؛ «بدون پرداخت» با «مجاز برای استفادهٔ تجاری» یکی نیست.
آیا میتوان تصویر ساختهشده را تجاری استفاده کرد؟
پاسخ به سرویس، پلن، محتوای ورودی و قوانین محل فعالیت بستگی دارد. شرایط استفاده و مجوز همان پلن را بخوانید. حتی اگر سرویس حق استفاده بدهد، شباهت به علامت تجاری، اثر دارای حق مؤلف یا چهرهٔ فرد میتواند ریسک جداگانه ایجاد کند.
برای حفظ چهره یا شخصیت در چند تصویر چه کنم؟
یک برگهٔ مرجع شخصیت بسازید، توصیف و پالت را ثابت نگه دارید و از قابلیت تصویر مرجع یا ویرایش همان خروجی استفاده کنید. برای ثبات بالا، گردشکار تخصصی مانند مدل سفارشی یا LoRA ممکن است لازم شود؛ با رضایت و مجوز دادهها.
آیا اجرای محلی بهتر از سرویس آنلاین است؟
برای کنترل فنی، حجم بالا و بعضی الزامات داده میتواند بهتر باشد؛ اما نصب، GPU، نگهداری، ایمنی و مجوز مدل هزینه دارند. برای استفادهٔ کم و بدون تیم فنی، سرویس آنلاین معمولاً سادهتر است. «محلی» را مترادف «بیهزینه و کاملاً خصوصی» ندانید.
چگونه خروجی هوش مصنوعی را برای انتشار آماده کنم؟
نوشته، دستها، چهره، بازتابها، لوگوها و جزئیات محصول را در اندازهٔ اصلی بررسی کنید؛ متن را دستی اضافه کنید؛ مجوز و رضایت را کنترل کنید؛ فایل را به ابعاد مقصد برش و فشرده کنید؛ alt text بنویسید و منشأ تولید را در پروندهٔ داخلی نگه دارید.
جمعبندی: ابزار را با کار واقعی خودتان انتخاب کنید
انتخاب تصویرساز با یک جدول رتبهبندی تمام نمیشود. ابتدا نوع دارایی و خط قرمزها را مشخص کنید؛ بعد دو یا سه نامزد را با پرامپت یکسان بسنجید؛ هزینه را بر خروجی پذیرفتهشده حساب کنید؛ و کیفیت متن فارسی، ویرایش و دسترسی را مستقل از جذابیت بصری ارزیابی کنید.
برای اغلب افراد، بهترین نقطهٔ شروع ساخت یک بستهٔ کوچک آزمون است: یک تصویر تحریریهای، یک پوستر با عبارت کوتاه فارسی، یک ویرایش موضعی و یک مجموعهٔ سهتصویری. اگر ابزاری در این چهار کار واقعی بهطور پایدار جواب داد، آنگاه خرید پلن یا اتصال API منطقیتر میشود.
پرامپت نمونهٔ این مقاله را با نیاز خودتان جایگزین کنید و نتیجه را همراه نام مدل، تاریخ، تعداد تلاش و هزینه ثبت کنید. این دفترچهٔ کوچک از هر فهرست «۱۰ ابزار برتر» برای تصمیم بعدی شما ارزشمندتر خواهد بود.
مقالههای مرتبط
- برای سهمیه، واترمارک و حقوق استفاده، تصویرسازهای رایگان فارسی را بخوانید.
- برای شروع سریع، از ۳۰ پرامپت فارسی ساخت عکس یک الگو بردارید.
- اگر نوشتهٔ فارسی داخل قاب مهم است، پروتکل آزمون متن فارسی در تصویر معیار ثابت میدهد.
