Prompt do obrazu od dwóch słów do plakatu - co naprawdę zmienia wynik

Generator obrazów nie zostawia pustych miejsc. Czego nie opiszesz, to dopowie sam - i prawie zawsze wybierze najbardziej przeciętną wersję. Skuteczny opis wypełnia więc sześć rubryk: główny motyw, miejsce, oświetlenie, punkt widzenia kamery, estetykę oraz proporcje obrazu.

Pokażę to na własnym ćwiczeniu: jedna latarnia morska, jeden seed, pięć coraz dłuższych opisów i obraz po każdym kroku. Dalej formaty, litery na obrazie i rola seeda. Wszystko liczyłem na Z-Image Turbo, którego stawka w Kadrarisie to 0,09 zł za obraz - tańszego sposobu na naukę promptów nie znam.

Sześć pytań przed pierwszym słowem

Kolejność ma znaczenie, bo modele zwykle mocniej trzymają się początku opisu.

Format zawsze wybieram parametrem aspect_ratio albo przyciskiem w Studio. Słowo "vertical" w opisie model może przeoczyć, parametru nie przeoczy.

Ćwiczenie z latarnią: pięć kroków

Stałe w każdym kroku: seed 20261002, rozdzielczość 1344x768, 9 kroków próbkowania. Zmieniał się tylko opis. Obrazy liczyłem lokalnie na tym samym modelu, który w katalogu Kadrarisa nazywa się Z-Image Turbo. Opisy są po angielsku.

1. Dwa słowa

a lighthouse

Wyszła pocztówka: biała wieża, czarna kopuła, bezchmurne południe, stokrotki przy dolnej krawędzi. Żadnej z tych rzeczy nie zamawiałem. Tak wygląda "przeciętna latarnia" w wyobraźni modelu i tak kończy się każdy prompt ograniczony do samego obiektu.

2. Kolor i konkretne miejsce

a red and white lighthouse on a rocky Baltic coast

Wieża przybrała czerwono-białe barwy, zamiast kwiatów są omszałe granitowe bloki, niebo zrobiło się szare, a przy kamieniach stoi łódka. Uwagę zwraca jednak to, co się nie zmieniło: latarnia wciąż zajmuje prawą trzecią część kadru, a horyzont nie drgnął. Identyczny seed plus zbliżony opis to zwykle zachowany szkielet kompozycji.

3. Pora dnia i ruch

a red and white lighthouse on a rocky Baltic coast at blue hour, waves crashing on the rocks, the light beam visible in the sea mist

Trzy słowa "at blue hour" zmieniły więcej niż cokolwiek innego w całej serii. Kolory poszły w granat, lampa się zapaliła, promień biegnie w lewo, przy brzegu pojawiła się piana. Mgły za to prawie nie ma - snop leży na czystym niebie. Typowe zachowanie: model realizuje najmocniejsze elementy, a drobniejsze potrafi pominąć.

4. Obiektyw i obróbka

a red and white lighthouse on a rocky Baltic coast at blue hour, waves crashing on the rocks, the light beam visible in the sea mist, low angle, 24mm wide lens, long exposure, cinematic colour grading

Język fotografa działa. "24mm wide lens" poszerzył widok na wodę, "long exposure" wygładził fale w mleczną mgiełkę, "cinematic colour grading" przesunął barwy w stronę zimnego turkusu. "Low angle" widać za to słabo. I druga lekcja: tym razem kompozycja się przestawiła. Latarnia przeszła na lewo, na osobną wysepkę, a promień świeci w prawo. Seed nie utrzyma układu, gdy dopisujesz dużo nowych słów.

5. Inny styl

vintage 1950s travel poster of a red and white lighthouse on a rocky Baltic coast at blue hour, the light beam cutting through sea mist, flat screen-printed colours, bold simple shapes, no text

Styl wszedł w całości: płaskie barwy, kremowe obramowanie, snop światła w formie ostrego trójkąta, gładka tafla wody. Zajrzyj jednak na dolny margines. Po obu stronach stoją drobne, nieczytelne znaki, jakby podpis drukarni, a pośrodku małe kółko. Oryginalne afisze z tej epoki miały sygnatury, więc model dołożył je z rozpędu, nie zważając na "no text". Zakaz to marny hamulec - przecież nazywa dokładnie ten element, którego się boisz.

Co wynika z tej serii

• Nowy element opisu (pora, miejsce) zmienia obraz bardziej niż kolejny przymiotnik. Pora dnia przebiła "cinematic".
• Dopisuj jedną grupę słów naraz i patrz, co się stało. Przy pięciu zmianach naraz masz pięciu podejrzanych.
• Estetyka mocno kojarzona z drukiem (afisz, okładka, czasopismo) ciągnie za sobą dodatki, np. udawane litery.
• Seed trzyma układ tylko przy drobnych zmianach. Po kilkunastu nowych słowach kompozycja potrafi się przestawić.

Proporcje to inny kadr, nie przycięcie

Jeden opis, jeden seed, trzy formaty:

macro product photo of a raw Baltic amber pendant with a tiny insect inclusion, lying on dark wet slate, a single warm backlight making the amber glow, shallow depth of field, high detail

To trzy różne obrazy, a nie jeden przycięty na trzy sposoby. Zatopione stworzenie w kwadracie wygląda na pajączka, w pionie na chrząszcza, w poziomie - skrzydlaty owad z gałązką, a wisior dodatkowo dostał czarny rzemyk. Pion zostawił nad bursztynem sporo rozmytego łupka, co w rolce przydaje się pod tekst. Dlatego proporcje ustalam na samym początku, a seed z kwadratu nie daje mi żadnej gwarancji w pionie.

Napisy: cudzysłów i słowo "exactly"

photo of a small coffee shop window at night, a hand-lettered chalkboard sign in the window reading exactly "FRESH BREW", warm interior light, rain drops on the glass

Tekst do umieszczenia na obrazie wpisuję w cudzysłowie, z dopiskiem "reading exactly". "FRESH BREW" wyszedł bezbłędnie, z cieniem i krojem jak od szyldziarza, krople też są. Jedno poszło po swojemu: zamiast tablicy kredowej za szybą litery trafiły bezpośrednio na szkło. Litery w cudzysłowie okazały się dla modelu ważniejsze niż tablica, która miała je nieść.

Moje reguły przy napisach:

• maksymalnie 1-3 słowa na jeden napis,
• cudzysłów i ta sama wielkość liter co w oczekiwanym wyniku,
• kontrola każdej litery w powiększeniu 100%,
• polskie znaki wyłącznie w modelach, które je obsługują. Z-Image Turbo w mojej próbie na promptowy.com zrobił z "ŻÓŁĆ" coś w rodzaju "ŽÓŁČ". Lista modeli, które przeszły polski szyld, jest w teście trzech generatorów obrazów.

Rola seeda

Seed ustala punkt wyjścia losowania, od którego model zaczyna rysować. Poniżej identyczny opis przy trzech różnych wartościach:

portrait of a fisherman in a yellow raincoat on a pier, overcast light, 85mm lens, realistic skin texture

Każda wartość dała osobną fotografię: raz czapka pod kapturem i pomost w perspektywie, raz naciągnięty kaptur i łódź za plecami, raz odkryta głowa i poręcz. Opis jest spełniony za każdym razem, zmienia się to, czego opis nie przesądza. Stała była jedna rzecz: we wszystkich trzech kadrach pojawił się mężczyzna w średnim wieku, o azjatyckiej urodzie. O wieku i typie urody nie napisałem nic, więc model sięgnął po swoje ustawienie domyślne. Zależy ci na konkretnym wyglądzie - opisz go.

Gdzie seed się przydaje:

• Poprawka jednego słowa. Zapisujesz seed udanego kadru i zmieniasz np. kolor płaszcza. Drobna korekta zwykle nie rusza układu (krok 2), większa potrafi go przestawić (krok 4).
• Powtarzalne porównania. Komplet: opis, seed, model, rozdzielczość - i dostajesz identyczny plik.
• Wybór z wariantów. Kilka seedów, wybór najlepszego, dalsze poprawki od niego.
• Sprawdzenie słowa. Ten sam seed z "long exposure" i bez pokazuje, co to wyrażenie robi w danym modelu.

Seed obsługują w Kadrarisie np. Z-Image Pro, FLUX.2 [max] oraz FLUX.1 Kontext [pro]. Turbo takiego pola nie ma ani w Studio, ani w API, więc tam każda generacja jest losowa. W opisanym ćwiczeniu seed ustawiałem na własnym komputerze.

Słowniczek do kopiowania

Te wyrażenia działają w większości modeli. Zostawiam je po angielsku, bo w tej postaci modele widziały je najczęściej.

Światło

Obiektyw i ujęcie

Styl

Uważaj na nazwy marek, tytuły pism i nazwiska współczesnych twórców. Kiedy testowałem Turbo u siebie (relacja na promptowy.com), poprosiłem o grafikę "jak z" pewnego magazynu i dostałem obraz z dorobioną winietą tego tytułu. Bezpieczniej opisać styl słowami: kreska, paleta, faktura.

Błędy, które widzę najczęściej

Pole negative_prompt obsługuje w Kadrarisie wybrana grupa modeli, m.in. Wan 2.7 Image i Qwen Image 3.0. Pola konkretnego modelu zwraca GET /v1/models/{id}.

Polski czy angielski w opisie

Ćwiczenie z latarnią w całości pisałem po angielsku, więc o tym, jak Turbo radzi sobie z polskim opisem, nie mam danych. Pewne są natomiast te rzeczy:

• Terminy fotograficzne zostawiam po angielsku w każdym modelu - w tej formie modele je znają.
• Polski napis wymaga modelu z obsługą polskich znaków. Szyld piekarni z "ŻÓŁĆ" zrobiły czysto Nano Banana Pro oraz GPT Image 2.5, a Turbo poległ.
• Duże modele, np. Nano Banana Pro, rozumieją opis po polsku. Zebrane prompty są w poradniku Nano Banana Pro po polsku.
• Łatwiej ci układać zdania po polsku? Zrób to, potem daj tekst do przetłumaczenia modelowi czatu, a gotową wersję angielską wklej do generatora.

Trening w Studio i przez API

W Kadraris Studio wybierasz model, wklejasz opis, ustawiasz format i widzisz cenę przed wysłaniem. Turbo obsługuje pięć formatów (1:1, 4:3, 3:4, 16:9, 9:16) i oddaje po jednym pliku, co przy nauce małymi krokami jest wygodne i niedrogie. Dopracowany opis przenoszę następnie do mocniejszego modelu i zestawiam wyniki. Za błędy generacji nie płacisz, minimalna wpłata BLIK-iem to 40 zł, a fakturę VAT zaznaczasz przy wpłacie.

Przez API, z obrazem w odpowiedzi dzięki ?wait=60:

curl "https://kadraris.com/v1/generate?wait=60" \
  -H "Authorization: Bearer $KADRARIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "z-image",
    "input": {
      "prompt": "a red and white lighthouse on a rocky Baltic coast at blue hour, waves crashing on the rocks",
      "aspect_ratio": "16:9"
    }
  }'

Serię opisów z pliku, zapis i obsługę błędów w Pythonie pokazuję w poradniku generowanie obrazów przez API. Charakterystykę modelu i jego słabe strony opisuję w tekście Z-Image Turbo. Ożywienie gotowej grafiki pokazuje przewodnik film AI ze zdjęcia, a opisy ruchu kamery znajdziesz w poradniku prompty do wideo AI.

Pytania

Ile słów powinien mieć dobry prompt do obrazu?

Tyle, żeby odpowiedzieć na sześć pytań. Najlepszą fotografię w moim ćwiczeniu przyniósł krok 4, mniej więcej 35 słów. Limit Z-Image Turbo to 1000 znaków, a Z-Image Pro najlepiej reaguje na jeden akapit 90-170 słów.

Dlaczego dopisanie "8k, masterpiece" nic nie zmienia?

Bo to oceny, a nie opis. Model nie wie, jak wygląda "arcydzieło", za to wie, co robi "85mm lens" albo "golden hour". Zamień watę na konkretne światło, obiektyw i materiał.

Zmieniłem format i obraz wygląda zupełnie inaczej. To błąd?

Nie. Inny format to inna kompozycja od zera, nawet przy tym samym seedzie - w moim teście z bursztynem w każdym formacie powstał inny owad. Format ustal przed generowaniem.

Na jakim modelu najtaniej ćwiczyć prompty?

Ja ćwiczę na Z-Image Turbo (0,09 zł za obraz), a gotowy opis sprawdzam w droższym modelu. Planu bezpłatnego w Kadrarisie nie ma, za to generacja zakończona błędem nic nie kosztuje. Stawki modeli obrazu: cennik.