Yapay Zekâ ile Görsel Oluşturma: Tam Rehber

Bugün kullanılan görsel üretme araçlarının neredeyse tamamı difüzyon adı verilen bir yöntemle çalışır. Model, eğitim sırasında milyonlarca görsele adım adım gürültü eklemeyi ve bu işlemi tersine çevirmeyi öğrenir.

Üretim sırasında ise tam tersi olur: model saf gürültüyle başlar ve sizin yazdığınız promptun yönlendirmesiyle bu gürültüyü adım adım temizler. Yirmi otuz adım sonunda ortaya bir görsel çıkar.

Bu yöntemin iki pratik sonucu var. Birincisi, aynı promptu iki kez çalıştırdığınızda iki farklı görsel alırsınız — başlangıçtaki gürültü rastgeledir. İkincisi, model nesneleri anlamaz, yalnızca istatistiksel örüntü öğrenir; "el" kavramını bilir ama elin beş parmaklı olması gerektiğini bir kural olarak bilmez.

Bozuk eller, anlamsız harfler ve mantıksız mimari bu ikinci gerçeğin sonucudur. Son nesil modeller bu konuda belirgin biçimde iyileşti ama sorun tamamen ortadan kalkmış değil.

Tek bir "en iyi araç" yoktur ve bu soruyu böyle sormak yanlış sonuca götürür. Doğru soru şudur: ne üreteceksiniz ve ne kadar kontrol istiyorsunuz?

Hiç para ödemeden başlamak istiyorsanız Bing Image Creator tamamen ücretsizdir ve ödeme bilgisi istemez. Türkçe yazmak istiyorsanız Google Gemini veya DALL·E 3 Türkçe promptu doğrudan anlar. Görselin güzelliği en önemli ölçütse Midjourney belirgin biçimde öndedir. Fotoğraf gibi görünmesi gerekiyorsa ya da görselin içinde okunabilir yazı olacaksa Flux daha iyi sonuç verir.

Belirli bir kompozisyonu, pozu ya da mekân geometrisini korumanız gerekiyorsa hiçbir kolay araç işe yaramaz; Stable Diffusion ve ControlNet gerekir. Logo ya da ikon üretiyorsanız çıktının vektör olması gerekir ve bunu yalnızca Recraft verir.

Prompt yazmanın tek kuralı vardır: modele bir cümle değil, bir tarif verin.

İyi bir prompt dört bileşen içerir. Konu: ne var. Ortam: nerede. Stil: nasıl görünüyor. Teknik ayrıntı: ışık, objektif, kompozisyon. Bu dördü virgülle ayrılmış kısa öbekler hâlinde yazıldığında çoğu araçta en iyi sonucu verir.

Uzun ve şiirsel cümleler beklenenin aksine daha kötü sonuç verir; modeller cümle yapısını değil anahtar kavramları okur. "Bir kadın portresi" zayıf bir prompttur; "portrait of a woman in her fifties, soft window light from the left, neutral grey background, shot on 85mm, natural skin texture" aynı isteği çalışır hâle getirir.

En sık atlanan bileşen tekniktir ve en çok fark yaratan da odur. Objektif odak uzaklığı, ışığın yönü ve kalitesi, alan derinliği — bunları yazmak sonucu stok fotoğraf estetiğinden çıkarır.

Tek bir güzel görsel üretmek kolaydır. Asıl zorluk, on görselin bir arada tek bir marka ya da tek bir yayın gibi görünmesidir.

Yapay zekâ her üretimde biraz farklı sonuç verir; bu, tek görsel için zenginlik, bir seri için sorundur. Çözüm üç katmanlıdır.

Birinci katman prompt disiplinidir: stil bölümünü değişmez bir metin bloğu hâline getirin ve yalnızca konuyu değiştirin. Palet renklerini isimle sayın.

İkinci katman stil referansıdır ve prompt tekrarından belirgin biçimde daha güvenilirdir. Midjourney'de --sref parametresi, Leonardo ve Recraft'ta kaydedilmiş stiller bu işi yapar.

Üçüncü katman, aynı karakter ya da ürün tekrar edecekse gerekir: Midjourney'in karakter referansı ya da Stable Diffusion tarafında o varlık için eğitilmiş bir LoRA.

Burada iki ayrı soru var ve karıştırılmaları en sık yapılan hatadır.

Birinci soru: bu görseli kullanabilir miyim? Cevap aracın kullanım koşullarındadır. Araçların çoğu ücretli katmanda ticari kullanıma izin verir; bazılarında ücretsiz katmanda üretilen görseller kısıtlıdır ve açık ağırlıklı modellerde lisans sürümden sürüme değişir.

İkinci soru: bu görsel bana ait mi? Cevap telif hukukundadır ve genellikle hayırdır. Türkiye dahil birçok ülkede, insan yaratıcılığı içermeyen tamamen yapay zekâ üretimi eserler telif korumasından yararlanamaz. Yani görseli kullanabilirsiniz, ama başkasının aynısını kullanmasını engellemek için dayanacağınız hukuki zemin zayıftır.

Marka tescili ya da kurumsal kullanım söz konusuysa üçüncü bir konu daha var: eğitim verisi. Adobe Firefly lisanslı ve kamuya açık eserlerle eğitildiği için çıktının başkasının telifli işini taklit etme riski en düşük olan seçenektir.

Bu hataların hepsi düzeltilebilir ve hepsi zaman kazandırır.