בקצרה: בדיקת תמונת AI היא בדיקה אם התמונה עומדת במה שנדרש ממנה: נושא נכון, קומפוזיציה, עקביות חזותית, דיוק בפרטים ומסר ברור. בדיקת חמש הדקות משווה את התוצאה לפרומפט המקורי, מוצאת את הבעיה החשובה ביותר, וקובעת שינוי אחד שאפשר למדוד בגרסה הבאה.
מחוללי תמונות יודעים להוציא תמונות מרהיבות. תאורה קולנועית, טקסטורות אמיתיות, סביבות מפורטות. התמונה נראית גמורה עוד לפני שבדקתם אם היא בכלל עושה את מה שביקשתם.
כאן הרבה יוצרים מפספסים.
תמונה יפה יכולה להתעלם מהפרומפט, לעוות חפץ חשוב, לחתוך את הדמות הראשית, להציג מוצר לא נכון או לא להעביר את הסיפור.
הפתרון הוא לא לסרוק כל פיקסל, וגם לא לייצר שוב ושוב עד שמשהו נראה טוב. הפתרון הוא לבדוק את התוצאה מול מטרה ברורה, למצוא את הבעיה החשובה ביותר ולעשות שיפור אחד מכוון.
המדריך הזה מציג את בדיקת חמש הדקות לתמונות AI: תהליך קבוע לבדיקת תמונות, שיפור פרומפטים ותיעוד של מה שעובד.
זה מתאים לתמונות לרשתות, צילומי מוצר, דיוקנאות דמויות, מודעות ואמנות סוריאליסטית. התהליך הופך יצירה בודדת לעבודה שאפשר לסמוך עליה.
בדיקת תמונת AI היא בדיקה אם התמונה עומדת בדרישות שלה: קומפוזיציה, דיוק בנושא, בהירות, עקביות פיזית ומסר.
זה לא אותו דבר כמו לשאול אם התמונה יפה.
בדיקה טובה עונה על חמש שאלות:
המטרה היא לא להעלים כל פגם. המטרה היא למצוא את הבעיות שחשובות למטרה של התמונה.
בדיוקן קולנועי, עקביות הפנים והקומפוזיציה הם העיקר. במודעה למוצר, צורת המוצר והפרופורציות שלו חשובות יותר מהאווירה. בתמונה סוריאליסטית פיזיקה מוזרה יכולה להיות מכוונת, אבל אנטומיה שבורה עדיין מסיחה את הדעת.
מה בודקים תלוי במה שהתמונה צריכה להשיג.
פותחים את הפרומפט המקורי ליד התמונה.
לא סומכים על הזיכרון. בפרומפט ארוך יש הרבה דרישות, וקל לזכור את הרעיון ולשכוח פרט טכני חשוב.
שולפים את שלוש הדרישות החשובות ביותר. למשל, במודעה קולנועית למוצר:
ועכשיו מסווגים כל דרישה:
עומדת: רואים בתמונה שהדרישה מתקיימת.
לא עומדת: רואים בבירור שהיא לא מתקיימת.
לא ברור: אין בתמונה מספיק כדי לקבוע.
ההבחנה הזאת חשובה. אם יד מוסתרת מאחורי חפץ, אי אפשר לשפוט את האנטומיה שלה. אם התווית על המוצר קטנה מדי לקריאה, אי אפשר להניח שהטקסט נכון.
בדיקה טובה מפרידה בין מה שרואים לבין מה שרק חושדים.
מקטינים את התמונה לגודל שבו הקהל יראה אותה. פוסט לרשתות בודקים במסך בגודל טלפון. תמונה ראשית לאתר בודקים בתוך העמוד.
שואלים:
תמונה מפורטת היא לא בהכרח תמונה קריאה. עיר עתידנית מרשימה נכשלת אם האדם שעומד בחזית, שהוא הנושא, נבלע בה.
מחפשים היררכיה חזותית: הסדר שבו הצופה שם לב לדברים ומבין אותם. במדריך שלנו על נקודות מוקד בתמונות AI יש פרומפטים ששמים את הנושא קודם.
בדיקה מעשית: מתארים במשפט אחד מה התמונה אומרת. אם המשפט לא תואם את המטרה, בודקים את הקומפוזיציה לפני שמוסיפים עוד פרטים לפרומפט.
עכשיו עוברים לאזורים שקשים למחוללי תמונות:
לא הופכים את זה לציד פגמים אינסופי. בודקים את הפרטים שתומכים בסיפור. אם בתמונה אדם מתקן שעון, המגע בין היד, הכלי והשעון חשוב יותר מחפץ קישוט עקום ברקע.
כשמוצאים בעיה, מתארים אותה בדיוק.
תיאור חלש: "הידיים נראות מוזר".
תיאור שימושי: "האצבע המורה מתמזגת עם ידית המברג, ולא ברור איך הוא מחזיק אותו".
התיאור השני מצביע על בעיה שאפשר לתקן.
ומבדילים בין פגם לבין בחירה אמנותית. פרופורציות מעוותות יכולות להתאים לאמנות סוריאליסטית, ולהרוס צילום מסחרי ריאליסטי.
זה השלב הכי חשוב.
אחרי שמצאתם את הבעיות, בוחרים את התיקון האחד עם ההשפעה הכי גדולה:
תוכנית תיקון טובה בנויה משלושה חלקים:
לשמור: את הדבר הכי חזק שכבר יש בתמונה.
לתקן: את הבעיה החשובה ביותר שרואים.
לבדוק: מה בדיוק צריך לראות בתמונה החדשה כדי לדעת שהשתפרה.
למשל: לשמור על התאורה החמה והקולנועית. לתקן את המסגור כך שכל הדמות היושבת והשולחן ייכנסו. לבדוק שהרגליים, הכיסא והשולחן נמצאים בתוך הפריים.
ככה משנים פחות דברים בלי צורך, וקל יותר להשוות.
כשאפשר, שומרים את התמונה, הפרומפט וההגדרות המקוריים, וכל גרסה בנפרד. אם מחליפים מודל, תמונת ייחוס, יחס תמונה ופרומפט בבת אחת, אי אפשר לדעת מה שינה את התוצאה.
לא כל מחולל מציג seed או את כל ההגדרות. מה שלא ידוע, רושמים "לא ידוע" ולא ממציאים.
לפני שמשתפים, עושים הערכה קצרה. סולם של 1 עד 5 לכל קטגוריה:
חמשת הממדים:
1. עמידה בפרומפט: הנושא, הפעולה, המקום והדרישות החיוניות.
2. קומפוזיציה וקריאות: הנושא ברור, ממוקם נכון וקל להבנה בגודל התצוגה.
3. עקביות חזותית: אנטומיה, מגע בין חפצים, פרספקטיבה, צללים וחומרים, ביחס לסגנון שנבחר.
4. דיוק בפרטים: צורת המוצר, בגדים, אביזרים, זהות הפנים או טקסט נדרש.
5. מסר והשפעה: התמונה מעוררת את הרגש או מעבירה את המסר שרצית.
מחברים את חמשת הציונים לסכום מתוך 25.
זה כלי השוואה פנימי, לא מדד אובייקטיבי לאיכות אמנותית. תמונה עם 21 לא בהכרח טובה יותר מכל תמונה עם 19. הקריטריונים תלויים במשימה, ויש דרישות שאין עליהן פשרה.
תמונת מוצר עם תאורה וקומפוזיציה מעולות שמציגה את המוצר לא נכון עדיין לא שמישה.
אם דרישה קריטית נכשלה, מתקנים אותה בלי קשר לציון.
מעתיקים את התבנית לפתקים, לפרויקט או לתהליך הבדיקה.
פרטי הפרויקט
שם הפרויקט או התמונה:
תאריך:
כלי ומודל, אם ידוע:
הפרומפט המקורי:
תמונות ייחוס או קבצים שהשתמשתם בהם:
פלטפורמת יעד ויחס תמונה:
קהל יעד:
המטרה העיקרית:
שלוש הדרישות הקריטיות
דרישה: מצב: עומדת / לא עומדת / לא ברור
דרישה: מצב: עומדת / לא עומדת / לא ברור
דרישה: מצב: עומדת / לא עומדת / לא ברור
כרטיס ציונים
עמידה בפרומפט: __ / 5
קומפוזיציה וקריאות: __ / 5
עקביות חזותית: __ / 5
דיוק בפרטים: __ / 5
מסר והשפעה: __ / 5
סך הכל: __ / 25
הערות לתיקון
מה הכי עובד:
הבעיה החשובה ביותר שרואים:
מה לא משנים:
השינוי האחד לנסות בפעם הבאה:
איך נדע שהצליח:
היסטוריית גרסאות
התמונה והפרומפט המקוריים נשמרו: כן / לא
הפרומפט המתוקן נשמר: כן / לא
התמונה החדשה נשמרה בנפרד: כן / לא
ההגדרות נרשמו, איפה שאפשר: כן / לא
התבנית פשוטה בכוונה. הערך שלה מגיע משימוש קבוע, לא מאיסוף מידע מיותר.
לא צריך להתחיל מאפס כל פעם שתמונה מפספסת. אם הכלי שלכם תומך בעריכת תמונה או ביצירה לפי ייחוס, הפרומפט הזה מכוון תיקון ממוקד: שומר על מה שטוב ומתקן בעיה אחת שרואים.
מעתיקים, מתאימים, ומשתמשים בו עם התמונה והבריף המקורי. את הפרומפט עצמו השארנו באנגלית, כי ככה רוב מחוללי התמונות עובדים הכי טוב.
You are an expert AI visual director, image evaluator, and prompt engineer.
Evaluate the attached AI generated image against the original prompt and the following requirements.
ORIGINAL PROMPT:
[Paste the complete original prompt]
THREE MOST IMPORTANT REQUIREMENTS:
1. [Requirement one]
2. [Requirement two]
3. [Requirement three]
WHAT WORKS WELL:
[Describe the visual strengths that must be preserved]
MAIN PROBLEM TO CORRECT:
[Describe one specific, visible limitation]
TARGET FORMAT AND USE:
[Platform, aspect ratio, audience, and intended purpose]
Your task:
1. Identify the difference between the original brief and the visible result. Separate confirmed observations from uncertain details.
2. Preserve the image's strongest characteristics, including the established visual style, lighting, color palette, subject identity, and composition, wherever they are already successful.
3. Focus the revision on the single most important problem identified above.
4. Provide precise visual instructions for correcting that problem. Specify the subject's position, scale, anatomy, object relationships, framing, or other relevant details as appropriate.
5. Avoid unnecessary changes, additional subjects, decorative elements, or stylistic transformations that do not support the objective.
6. Do not claim that hidden details are correct. Do not invent missing information or guarantee perfect results.
7. Check that the revised image remains aligned with the original requirements and target format.
OUTPUT:
First, provide a brief diagnosis of the problem.
Second, provide one complete, ready to use image editing or regeneration prompt.
Third, list three visual checks to perform on the new result.
Keep the revision focused. Preserve what works, correct what matters, and make the outcome easy to evaluate.
משתמשים בו כבריף מסודר, לא כנוסחת קסם.
אם הבעיה היא המסגור, שמים את המסגור בעדיפות. אם המוצר לא מדויק, מצרפים תמונת ייחוס טובה ומציינים אילו פרטים אסור לשנות. אם זהות הפנים חשובה, כותבים במפורש שתמונת הייחוס היא המקור היחיד לזהות, ומפרטים מה לשמור.
יש כלים שמפרשים את התמונה מחדש במקום לערוך אותה, ויש כאלה שמשנים פרטים שרציתם לשמור. תמיד בודקים את התוצאה בפועל לפני שמקבלים אותה.
בגרפיקה עם הרבה טקסט, טיפוגרפיה מדויקת, לוגואים ופרטי מוצר עדינים, לפעמים עדיף לעשות את התיקון האחרון בכלי עיצוב או עריכה רגיל.
טעות נפוצה: מייצרים כמה תמונות, בוחרים את היפה ביותר, ומסיקים שטכניקה מסוימת בפרומפט עבדה.
המסקנה הזאת לא תמיד מוצדקת. מודלים, תמונות ייחוס, הגדרות, seed ושיטת יצירה משפיעים כולם על התוצאה. אם כמה דברים משתנים יחד, אי אפשר לדעת מה עשה את ההבדל.
שיטת השוואה פשוטה:
כדי לסמוך על התוצאה, חוזרים על הניסוי כשאפשר. הצלחה אחת לא מוכיחה שטכניקה עובדת תמיד.
כשאי אפשר לשלוט בתהליך במדויק, מתייחסים לזה כניסוי יצירתי מושכל, לא כבדיקה מדעית. המטרה היא ללמוד מה עובד אצלכם, לא לטעון יותר ממה שהראיות מראות.
תאורה פוטוריאליסטית וטקסטורות עשירות יכולות לשכנע גם כשהנושא בכלל לא תואם את הבריף.
במקום זה: בודקים ריאליזם ועמידה בפרומפט בנפרד.
שינוי של קומפוזיציה, תאורה, אנטומיה, רקע וצבע יחד הופך את התוצאה לקשה להערכה.
במקום זה: מתחילים מהבעיה עם ההשפעה הכי גדולה על המטרה.
חפץ חתוך או יד מוסתרת אי אפשר לבדוק באמת.
במקום זה: מסמנים פרטים מוסתרים או עמומים כ"לא ברור".
תמונה יכולה לרמוז איך נכתב הפרומפט, אבל היא לא מגלה את הניסוח או ההגדרות המדויקים.
במקום זה: מסמנים פרומפט משוחזר בבירור כפרשנות.
לייקים, שיתופים ותגובות מראים איך הקהל הגיב. הם לא מוכיחים דיוק טכני, יכולת לשחזר או שפרומפט מסוים עובד.
במקום זה: בודקים את התמונה מול המטרה שלה, ומודדים את תגובת הקהל בנפרד.
פוסט טוב על תמונת AI מראה תוצאה ועוזר ליוצרים אחרים ללמוד. כשמשתפים, כדאי לכלול:
כשמשתפים עבודה של מישהו אחר, שומרים על הקרדיט ועל הקישור למקור, ובודקים את הרשאות השימוש. אם כתבתם פרומפט לפי תמונה של מישהו אחר, לא מציגים אותו כפרומפט המקורי שלו.
בעבודה מסחרית בודקים גם את תנאי הפלטפורמה, הרישיונות וחובות הגילוי שרלוונטיות לפרויקט.
שקיפות לא מקטינה את התמונה. היא עוזרת להבין את התהליך וללמוד ממנו.
משווים אותה לפרומפט המקורי ונותנים ציון לעמידה בבריף, לקומפוזיציה, לעקביות החזותית, לפרטים החשובים ולהשפעה. מוצאים בעיה אחת משמעותית ומגדירים תיקון ספציפי.
מזהים קודם את הבעיה החשובה ביותר שרואים. שומרים את מה שכבר עובד ומתקנים בפרומפט רק את הבעיה הזאת. לא מוסיפים פרטים שלא קשורים ולא משנים כמה משתנים בלי צורך.
הרבה כלי עריכה ויצירה לפי ייחוס יכולים לעזור לתקן קומפוזיציה, מגע בין חפצים, תאורה ובעיות אחרות. התוצאות משתנות לפי המודל והמשימה, אז בודקים את התמונה המתוקנת ולא מניחים שהתיקון הצליח.
עמידה בפרומפט, קומפוזיציה, עקביות חזותית, פרטים חשובים ומסר. ובנוסף תוכנית תיקון ודרך להשוות בין המקור לגרסה המתוקנת.
כותבים פרומפט סביב מטרה ברורה, נותנים עדיפות לדרישות הקריטיות, מגדירים יחסים מרחביים וחזותיים חשובים ומשתמשים בתמונות ייחוס כשצריך. שומרים פרומפטים ובודקים תוצאות באותה שיטה, כדי ללמוד מכל יצירה.
לא בהכרח. הציון שימושי רק ביחס למטרה ולקריטריונים. תמונה יפה יכולה להיכשל אם היא מפרה דרישה חיונית, כמו דיוק במוצר או קומפוזיציה נדרשת.
בדיקה בוחנת אם התמונה טובה ומתאימה למטרה שלה. זיהוי מנסה לקבוע אם התמונה נוצרה או שונתה ב־AI. אלה שתי שאלות שונות.
היא נותנת דרך קבועה למצוא בעיות, לקבוע סדר עדיפויות לתיקונים, לתעד החלטות ולהראות תהליך. לאורך זמן, תיעוד עקבי עוזר לזהות דפוסים בעבודה שלכם.
יצירת תמונות ב־AI היא לא להקליד פרומפט ולקוות לטוב. זה תהליך של משוב.
מגדירים מטרה. מייצרים. בודקים. מוצאים את הבעיה החשובה. מתקנים בכוונה. רושמים מה למדתם.
בדיקת חמש הדקות הופכת את זה למעשי, בלי להפוך כל ניסוי לחקירה טכנית.
לא צריך תמונה מושלמת כל פעם. צריך להבין מה עבד, מה לא, ומה לנסות עכשיו.
הצעד הבא: בוחרים תמונת AI אחת שמתכוננים לפרסם, עוברים עליה בבדיקה, ממלאים את כרטיס הציונים ומשתמשים בפרומפט לשיפור כדי לכוון את הגרסה הבאה.
עוד פרומפטים, כלים ותהליכי עבודה עם AI ב־Masterphub.