Teoria prática do design de prompt na IA de geração de retratos | 杉山宣嗣

- Decomposição estrutural e instruções completas para garantir a reprodutibilidade -

índice

Introdução
Os prompts são “projetos” em vez de “texto”
1. ■Estrutura básica do prompt de retrato
Três fatores que reduzem a reprodutibilidade
Princípios de design para melhorar a reprodutibilidade
Solicitações completas de nível prático
A essência deste prompt
aplicativo：Como usar prompts corretamente
resumo
Explicação detalhada dos prompts acima
① Viés nos dados de aprendizagem
② Diferença de precisão na decomposição do token
1. Para inglês
2. Para japonês
③ Inglês é o idioma padrão para termos fotográficos
■Caso onde o japonês é adequado
●Estrutura recomendada
●Exemplo
●① Completamente em inglês + design interno em japonês
●② “Tradução intencional” do japonês para o inglês

Introdução

Na geração de retrato、Há um problema que muitas pessoas enfrentam。
É a instabilidade que ``uma imagem diferente aparece toda vez mesmo com o mesmo prompt''。

O problema não é simplesmente porque o prompt é curto.。
A essência é、Os prompts são “não estruturados”Está localizado em。

Neste artigo、Dividindo as instruções na geração de retratos em um “processo de produção”、Métodos de design que garantem a reprodutibilidade e、Guia completo para instruções práticas。

Os prompts são “projetos” em vez de “texto”

Um prompt típico tende a ser assim:。

linda mulher
cinematográfico
alta qualidade

Mas isso、Em termos de processo de produção, é sinônimo de “tire a foto no bom sentido”.。
Em outras palavras、estado de nenhum controleです。

O que é importante é、O que deve ser feito é dividir o prompt conforme abaixo。

■Estrutura básica do prompt de retrato

Design do assunto (Assunto)
Estilo
Pose/Composição / Composição)
Iluminação
Ambiente
Configurações da câmera (Câmera)
Cor/tom
Estilo
Emoção/Significado (Humor)
Controle de qualidade

Esta estrutura é、Corresponde ao processo de produção do filme live-action.。
Então, o que é um prompt?、

Texto da direção de filmagem

です。

Três fatores que reduzem a reprodutibilidade

① Uso frequente de palavras abstratas

Palavras como “bonito” e “cinematográfico” podem ser interpretadas de forma muito ampla.、O resultado muda toda vez。

② Condições físicas indefinidas

posição de luz、distância da câmera、Se a distância focal etc. não for especificada,、A composição está embaçada。

③ Ignorando fatores de ruído

Plano de fundo, cabelo, expressões faciais, etc.、Se houver muitas partes que a IA interpreta livremente, ela ficará instável.。

Princípios de design para melhorar a reprodutibilidade

■1. Quantifique o máximo possível

Distância (1,5m)
Ângulo (45°)
Cor (#código)

■2. Corrigir elementos oscilantes

Expressão (neutra)
visão (câmera)
Penteado (comprimento/separação)

■3. Evite desvios com avisos negativos

anime / desenho animado excluir
Elimine a correção excessiva
eliminação de ruído de fundo

Solicitações completas de nível prático

Abaixo está、Prompts projetados para maximizar a reprodutibilidade。

ultra-realistic portrait of a 26-year-old Japanese woman,
height 165cm, slim build, narrow shoulders, long neck,
oval face shape, small chin, straight nose bridge, slightly wide-set almond eyes,
dark brown iris (#3b2f2f), clear sclera, natural eyelashes,
light smooth skin with subtle pores, no blemishes, no freckles,

neutral calm expression, lips slightly closed, no smile,
eye contact directly to camera,

hair: medium-length (shoulder length), straight with slight inward curl at ends,
natural black (#1a1a1a), center part, slight volume at crown, no stray hair,

outfit: white silk blouse, matte texture, no patterns, slightly loose fit,
top button open, soft fabric folds, no accessories,

pose: seated upright on a chair, spine straight but relaxed,
hands resting gently on thighs, fingers naturally curved,
shoulders slightly angled (15 degrees to camera),

camera position: eye-level, 1.5 meters distance, centered framing,
framing: chest-up portrait, head near top margin,

lens: 85mm prime lens,
aperture: f/1.8,
depth of field: shallow, sharp focus on eyes, background fully blurred,

lighting setup:
single soft light at 45° camera left, slightly above eye level,
soft shadows on opposite side, subtle reflector fill (10%),

environment:
indoor studio, plain warm gray background (#d6d1cc), no objects,

color grading:
warm tone, low contrast, soft highlights, natural skin tones,

style:
editorial fashion photography, realistic, non-stylized,

negative prompt:
cartoon, anime, bad anatomy, extra fingers, blur, noise,
overexposed, harsh shadows, plastic skin, busy background,

--ar 2:3 --q 2 --style raw --seed 12345

A essência deste prompt

O valor deste prompt não é "comprimento"。

O que é importante é、

não deixando espaço para interpretação
variáveis fixas
Verbaliza completamente o processo de produção

Esse é o ponto。

aplicativo：Como usar prompts corretamente

Esta versão completa não é uma "forma acabada", mas uma "base"。

Por exemplo,：

Mude apenas a iluminação
Basta mudar o penteado
Troque apenas a lente

Ao substituir coisas como、

Você pode criar as variações desejadas.

Vai ficar assim。

resumo

O design imediato na geração de retratos é、

em vez de adicionar palavras
Projeto de estrutura de controle

です。

e o mais importante、

Qual processo deve ser deixado para a IA?、Onde os humanos deveriam projetar?

Esse é o ponto de vista。

IA é boa em “gerar”、“Design de intenção” não é possível。
O responsável pelo projeto é、Este é um aviso。

O que você precisa não é de técnica、
Quebrando o processo de produção、perspectiva para reconstruirです。

Explicação detalhada dos prompts acima

Este prompt não é apenas uma "descrição detalhada"、Especificações de controle projetadas para suprimir flutuações nos resultados gerados"é。

No seguinte、Cada blocoo que consertar、Como controlamos o grau de liberdade da IA?de、Vou decompô-lo e explicá-lo de uma perspectiva prática.。

■Compreender a estrutura geral (mais importante)

このプロンプトは以下の3層で構成されています：

① Definição de forma (Geometria)

→ 人物の物理的特徴・構図

② Definição óptica (óptica)

→ 光・レンズ・色

③ Restrições

→ AIの逸脱防止

👉 この3つを揃えることで、“再現性のある生成”が成立します

■① 被写体設計（Subject Design）

ultra-realistic portrait of a 26-year-old Japanese woman,
height 165cm, slim build, narrow shoulders, long neck,
oval face shape, small chin, straight nose bridge, slightly wide-set almond eyes

●Função

人物の「平均化」を防ぐ
骨格レベルでのブレを抑制

●Pontos

「26歳」→ 若すぎず老けすぎない中間固定
「narrow shoulders / long neck」→ シルエット制御
「face shape」→ 顔の輪郭を固定

👉AIは顔より“輪郭”の方がブレやすい

■② 目・肌の詳細定義（微細ディテール制御）

dark brown iris (#3b2f2f), clear sclera, natural eyelashes,
pele clara e lisa com poros sutis, sem manchas, sem sardas

●Função

Evitando o “vale misterioso”
Estabilização de textura

●Pontos

Especifique o código de cores → Melhore a reprodutibilidade das cores
esclera (peltre dos olhos) → Evita turvação
poros → Evitar correção excessiva de IA

👉“A pele não é especificada” e transformada em plástico

■③ Expressão facial/olhar (o elemento mais variável)

expressão neutra e calma, lábios ligeiramente fechados, sem sorriso,
contato visual diretamente para a câmera

●Função

Corrigir flutuações emocionais

●Pontos

sem sorriso → Elimine mudanças sutis nas expressões faciais
contato visual → prevenção do desvio da linha de visão

👉Quando seu olhar muda, você parece uma “pessoa diferente”

■④ Cabelo (controle da fonte de geração de ruído)

comprimento médio, direto, ondulação para dentro, parte central, sem cabelos soltos

●Função

Suprimindo a maior causa de falha de geração

●Pontos

Especifique todo o comprimento + forma + divisão
Eliminação de cabelos soltos → redução de ruído

👉O cabelo é a parte mais instável para IA

■⑤ Traje (controle de reflexão de luz)

blusa de seda branca, textura fosca, sem padrões

●Função

Estabilizar o comportamento da luz

●Pontos

seda × fosco → evita reflexo excessivo
sem padrões → redução de ruído de reconhecimento

👉Padrões fazem com que a IA reconheça erroneamente

■⑥ Pose (esqueleto da composição)

sentado ereto, mãos nas coxas, ombros inclinados 15°

●Função

Prevenção do colapso da estrutura do corpo humano

●Pontos

Designação das mãos → Medidas contra dedos tortos
Especificação do ângulo → Evite anormalidades muito frontais

👉Se você não especificar o movimento, há uma grande probabilidade de que ele entre em colapso.

■⑦ Posição da câmera (ponto de vista fixo)

ao nível dos olhos, 1.5m distância, enquadramento centrado

●Função

Estabilizando a perspectiva

●Pontos

Especifique a distância → Evite distorção facial
nível dos olhos → impressão natural

👉Distância não especificada = ocorre distorção de grande angular

■⑧ Lente/profundidade de campo (o núcleo da fotografia)

85milímetros, f1.8, profundidade de campo rasa

●Função

Determinando a semelhança fotográfica

●Pontos

85mm → padrão retrato
f1.8 → separação de fundo

👉Este é o ponto de viragem entre “sensação de CG” e “sensação de foto”

■⑨ Escrita (mais importante)

luz suave única a 45°, um pouco acima do nível dos olhos

●Função

Criando um efeito tridimensional

●Pontos

45° → Equilíbrio ideal de sombras faciais
De cima → Reprodução da luz natural
preencher 10% → コントラスト微調整

👉光を制御しない＝全てが崩れる

■⑩ 環境（ノイズ遮断）

plain warm gray background (#d6d1cc), no objects

●Função

背景の暴走防止

●Pontos

単色指定 → 認識安定
no objects → 不要要素排除

■⑪ カラーグレーディング

warm tone, low contrast, soft highlights

●Função

印象の統一

👉 撮影後の「現像工程」に相当

■⑫ スタイル指定

editorial fashion photography, realistic, non-stylized

●Função

出力の方向性固定

👉 “photorealistic”より具体性が高い

■⑬ ネガティブプロンプト（制約）

cartoon, anime, bad anatomy, extra fingers...

●Função

AIの暴走防止

●Pontos

anatomy系 → 形状崩れ防止
style系 → 漫画化防止

👉ポジティブより重要な場合も多い

■⑭ パラメータ

--ar 2:3 --q 2 --style raw --seed 12345

●Função

最終制御
ar → 構図比率
seed → 再現性の核

👉A reprodução completa é impossível sem uma semente

■A essência deste prompt

Esta solicitação é

Não é porque é detalhado que é bom.
Estável porque “as variáveis são esmagadas”

O desenho é。

■Compreensão importante

Essa estrutura permanece、

Planejamento → Conceito → Fotografia → Desenvolvimento

Isso é consistente com a produção live-action.。

■Resumo

A essência deste prompt é：

eliminar expressões ambíguas
em condições físicas
Elimine os fatores de ruído com antecedência

Em outras palavras、

Em vez de deixar isso para a IA、Projetado para controlar IA

です。

■Por que o inglês é mais vantajoso

① Viés nos dados de aprendizagem

Muitos modelos generativos、

英語キャプション付き画像
英語圏のデータセット（LAIONなど）

で学習されています。

👉 つまり、

概念とビジュアルの結びつきが英語で最適化されている

② Diferença de precisão na decomposição do token

AIは文章をそのまま理解しているのではなく、トークン（意味単位）に分解しています。

Para inglês

“soft light”
“85mm lens”

👉 意味単位で安定して分解される

Para japonês

「柔らかい光」
「85mmレンズ」

👉 分解が不安定になりやすい
（文脈依存・曖昧性が高い）

③ Inglês é o idioma padrão para termos fotográficos

Por exemplo,：

aperture（絞り）
depth of field（被写界深度）
rim light
iluminação cinematográfica

👉 これらは英語で学習されている前提語彙

■では日本語は使えないのか？

para concluir：使えるが、用途を分けるべき

■Caso onde o japonês é adequado

① Conceito/Emoção

「静かな朝の雰囲気」
「孤独感のある表情」

👉 抽象概念は日本語でも機能する

② Geração aproximada

Geração de ideias
雰囲気確認

👉 精度より方向性重視

■日本語が不利なケース

① Designação física e técnica (fatal)

光の角度
lente
距離

👉 ここは英語でないと崩れる

② Quando a reprodutibilidade é necessária

👉 同じ画像を出したいなら英語必須

■実務的な最適解（重要）

👉ハイブリッド運用

●Estrutura recomendada

[英語：物理・構造]
+
[japonês：コンセプト・感情]

●Exemplo

ultra-realistic portrait, 85mm lens, soft lighting, profundidade de campo rasa,静かな朝の空気感、少し内省的な表情、Atmosfera calma

👉 これが最もバランスが良い

■さらに精度を上げる方法

●① Completamente em inglês + design interno em japonês

設計 → 日本語で考える
出力 → 英語に変換

👉 実務ではこれが主流

●② “Tradução intencional” do japonês para o inglês

単純翻訳はNG：

❌ 「柔らかい光」→ soft light
✔ 「窓からの拡散光」→ diffused window light

👉写真用語に変換することが重要

■よくある誤解

❌「日本語対応モデルなら問題ない」
→部分的には正しいが不十分

razão：

Eu posso entender a linguagem
masO inglês é dominante quando se trata de conexões visuais

■Conclusão

Também pode ser gerado em japonês.
mas
O inglês é superior em termos de precisão, reprodutibilidade e controlabilidade.

■Essência

O problema não é o idioma、

Até que ponto a descrição é “controlável”?

です。

Porém, no modelo atual、

Seu idioma de controle é otimizado para inglês

Essa é a realidade。

*Use o prompt acima、Tentei gerar imagens com Gemin e ChatGPT。(toda vez、(Pode não ser a mesma foto)

ChatGPT criou um rosto que é comumente visto em imagens de IA.。Para Gêmeos,、Parece natural, como uma pessoa real。mas、Gêmeos ignora o pedido de balançar os ombros em 15 graus.。Há muitos lugares onde Gêmeos não obedece às suas instruções.。