ทำไม prompt (คำสั่งที่พิมพ์ให้ AI สร้างภาพ) ยาวเป็นย่อหน้า แต่ภาพที่ได้กลับพังกว่า prompt สั้นๆ?

อาจะไม่ใช่เพราะเขียนน้อยไป - แต่เพราะเขียน "ผิดลำดับ"

OpenAI เพิ่งปล่อย cookbook ฉบับเต็มสอนเขียน prompt สำหรับ gpt-image 2 โมเดลสร้างภาพตัวใหม่ล่าสุด

👀 อ่านแล้วเข้าใจขึ้นเยอะว่าที่ผ่านมาทำไมผลลัพธ์ถึงไม่นิ่ง

━━━━━━━━━━

🔶 1. หลักพื้นฐาน — เขียนตามลำดับเสมอ

background → subject → detail → exclusion

เริ่มจากฉากกว้างก่อน ค่อยเข้าตัว subject รายละเอียด จบด้วยข้อห้าม ใช้ line break แยกวรรคจะช่วยให้ model ตีความง่ายขึ้น

.

🔶 2. ภาพเหมือนจริง — อย่าใช้ "realistic"

ใช้คำว่า "photograph" ตรงๆ แทน เพราะมันไปกระตุ้น photorealistic mode (โหมดภาพเหมือนจริง) โดยตรง

ตามด้วยภาษาของการถ่ายภาพจริง: shot on 35mm film, 50mm lens, shallow depth of field, subtle film grain, soft daylight

หลีกเลี่ยงคำที่ทำให้ดูสตูดิโอ เช่น glamorous, staged, heavily retouched

.

🔶 3. ใส่ข้อความบนภาพ — ปัญหาคลาสสิค

ทำไม prompt เดิมๆ ได้ตัวอักษรเพี้ยน?

เพราะไม่ได้ "ล็อก" ข้อความให้ model เคล็ดลับคือ:

• ใส่ข้อความใน " " หรือเป็น ALL CAPS เสมอ

• บอก font, size, color, ตำแหน่งให้ครบ

• คำที่สะกดยาก (ชื่อแบรนด์) สะกดทีละตัว

• ถ้าตัวอักษรเล็กหรือแผงข้อมูลหนาแน่น ให้ใช้ quality="high" แทน low

.

🔶 4. Product Mockup (ภาพสินค้าเพื่อโฆษณา / e-commerce)

หัวใจคือคงทรงของสินค้าและความอ่านออกของฉลาก ไม่ให้ model "ตกแต่งใหม่"

บอกชัด: "plain white opaque background, centered product, crisp silhouette, no halos or fringing, subtle contact shadow"

ขอแสงเงาเล็กน้อยเท่านั้น อย่าให้เกินจริง

.

🔶 5. UI Mockup (ภาพหน้าจอ app / web)

เคล็ดลับหลัก: เขียน prompt ราวกับสินค้านี้ "มีอยู่จริงแล้ว" ไม่ใช่ภาพ concept

เน้น layout, hierarchy, องค์ประกอบ UI จริง ไม่ใช่ศิลปะ

ถ้าอยากให้ดูพรีเซนต์ได้ ใส่: "place the UI mockup in an iPhone frame" ช่วยให้ภาพออกมาเหมือนสินค้าในตลาดจริง

.

🔶 6. Infographic / Workflow / แผนภาพ productivity

เขียน prompt เหมือน "สเปกของชิ้นงาน" ไม่ใช่คำขอภาพประกอบ

ระบุ: ประเภทชิ้นงาน (workflow / สไลด์ / แผนภูมิ), พื้นที่ภาพ, ลำดับความสำคัญ

ที่สำคัญสุด — ใส่ตัวเลขจริงใน prompt เลย เช่น "Lead เข้า 120 ราย/สัปดาห์ → AI Qualify 84% accuracy → ปิดดีล 32%" อย่าให้ model เดาเอง

ถ้ามีตัวอักษรเล็กหรือ stage เยอะ ต้องใช้ quality="high"

.

🔶 7. Style Transfer + Virtual Try-On

เหมาะกับ content creator และงาน e-commerce ที่ต้องการลองเสื้อผ้าเสมือนจริง (Virtual Try-On)

หลักการ: ล็อกคนในภาพให้แน่น อนุญาตให้เปลี่ยนแค่องค์ประกอบเดียว

"Do not change her face, facial features, skin tone, body shape, pose, or identity in any way. Replace only the clothing."

สไตล์ทรานเฟอร์ (style transfer คือการยกสไตล์ภาพหนึ่งไปใส่อีกภาพ) ก็ใช้หลักเดียวกัน

.

🔶 8. "Change only X, keep everything else the same"

นี่คือหลักแก้ภาพที่ operator ควรจำให้ขึ้นใจ

ทุกครั้งที่สั่งแก้ ต้องย้ำรายการที่ต้องคงเดิมทุกครั้ง เพื่อป้องกันการเพี้ยน (drift) ที่ภาพค่อยๆ หลุดออกจากต้นฉบับหลังแก้หลายรอบ

ใช้ได้หลาย use case:

• Portrait → เปลี่ยนเสื้อผ้าอย่างเดียว (คงใบหน้า ท่าทาง แสง)

• Product → เปลี่ยนพื้นหลังอย่างเดียว (คงมุม แสงบนสินค้า เงา)

• Interior → เปลี่ยนเฟอร์นิเจอร์อย่างเดียว (คงห้อง พื้น แสง)

ตัวอย่าง: "เปลี่ยนเสื้อผ้าของเธอเป็นเบลเซอร์สีกรมท่า ห้ามเปลี่ยนส่วนอื่น คงใบหน้า สีผิว ท่าทาง แสง และพื้นหลังให้เหมือนเดิมทุกประการ"

━━━━━━━━━━

⭐️ Cookbook ต้นฉบับอ่านได้ที่:

developers.openai.com/cookbook → image-gen-models-prompting-guide