วิธีเพิ่มคนเข้าไปในรูปภาพด้วย AI แบบทีละขั้นตอน

การเพิ่มคนเข้าไปในรูปภาพด้วย AI ไม่ใช่การแปะภาพที่ตัดมาลงไปตรง ๆ แต่คือการขอให้โมเดลภาพเรนเดอร์รูปเดิมขึ้นใหม่ให้คนอีกคนอยู่ในภาพนั้นได้อย่างสมจริง โมเดลต้องวางเขาไว้ในตำแหน่งที่สมเหตุสมผล ปรับขนาดให้เข้ากับฉาก จัดแสงใหม่ให้ตรงกับภาพเดิม และวางเงาไว้ใต้เท้า ทำสี่อย่างนี้ให้ถูก ผลลัพธ์จะอ่านออกมาเป็นภาพถ่าย พลาดไปข้อเดียว มันจะอ่านออกมาเป็นสติกเกอร์

บน OmniArt งานนี้เป็นงานของโมเดลภาพ ไม่ใช่งานของโปรแกรมแก้ภาพแบบเลเยอร์ คุณนำภาพต้นทางเข้า นำภาพอ้างอิงของคนที่จะเพิ่มเข้าไป แล้วบรรยายการประกอบภาพลงในพรอมป์ต Seedream 5.0 Pro ทำงานนี้ได้ดีเพราะรองรับการหลอมรวมหลายภาพ คือรวมภาพอ้างอิงได้ถึง 10 ภาพให้ออกมาเป็นผลลัพธ์เดียว บวกกับภาษาระบุพื้นที่และจุดยึดที่คุมได้ว่าการแก้ไขจะลงตรงไหน GPT Image 2 รับคำสั่งแก้ไขแบบภาษาธรรมชาติ ส่วน Nano Banana 2 ทำการแก้ไขที่นำด้วยภาพอ้างอิง เวลาคุณอยากได้ความเห็นที่สองจากวัตถุดิบชุดเดิม

คู่มือนี้พาเดินทั้งกระบวนการตามลำดับ ตั้งแต่เลือกภาพ เลือกโมเดล เขียนพรอมป์ตกำหนดตำแหน่ง แก้จุดที่ยังไม่เข้าที่ แล้วปิดงานด้วยการเรนเดอร์ครั้งสุดท้าย พร้อมพรอมป์ตสามชุดที่คัดลอกไปใช้ได้ทันที

โมเดลกำลังทำอะไรอยู่จริง ๆ

การเข้าใจกลไกก่อนเขียนพรอมป์ตช่วยได้มาก เมื่อคุณป้อนภาพสองใบกับคำสั่งหนึ่งประโยค โมเดลไม่ได้เอาพิกเซลมาแปะทับกัน แต่กำลังสร้างภาพใหม่ที่มีวัตถุดิบทั้งสองเป็นเงื่อนไข ซึ่งมีผลจริงสองข้อ

ข้อแรก ภาพต้นทางเปลี่ยนได้เล็กน้อยแม้ในบริเวณที่คุณไม่ได้พูดถึง ฉากหลังขยับ ขอบโต๊ะเลื่อน ตัวอักษรบนป้ายเพี้ยน คุณลดอาการนี้ได้ด้วยการปกป้องส่วนที่เหลือของเฟรมไว้อย่างชัดเจนในพรอมป์ต ซึ่งเป็นวินัยเดียวกันกับที่ทำให้การแก้ไขเฉพาะพื้นที่ได้ผล

ข้อสอง ตัวตนของคนมาจากภาพอ้างอิงทั้งหมด ถ้าภาพอ้างอิงเล็ก เบลอ ผ่านฟิลเตอร์หนัก หรือถ่ายจากมุมที่ห่างจากมุมที่คุณต้องการในผลลัพธ์ โมเดลจะคิดส่วนต่างขึ้นมาเอง และใบหน้าที่โมเดลคิดขึ้นจะเพี้ยนไปเรื่อย ๆ ในงานนี้ภาพอ้างอิงทำงานหนักกว่าพรอมป์ต

ขั้นที่ 1: เลือกภาพต้นทางและภาพอ้างอิงของคน

วัตถุดิบที่ไม่ดีทำให้เสียรอบมากกว่าพรอมป์ตที่ไม่ดี ฉะนั้นใช้เวลาหนึ่งนาทีกับขั้นนี้

ภาพต้นทาง ควรมีที่ว่างชัดเจนให้คนยืนหรือนั่งได้ มีทิศทางแสงที่อ่านออก และเห็นพื้นหรือผิวรองรับเพื่อให้เงามีที่ลง หลีกเลี่ยงภาพที่ทุกตำแหน่งซึ่งเป็นไปได้ถูกเฟอร์นิเจอร์บังไปหมด และหลีกเลี่ยงภาพเลนส์มุมกว้างจัด เพราะความบิดเบี้ยวของมุมมองนั้นจับคู่ยาก

ภาพอ้างอิงของคน ควรเป็นภาพเดียวที่สะอาดและแสงดี ถ่ายจากมุมและระยะใกล้เคียงกับที่คุณอยากได้ในภาพสุดท้าย ถ้าคนคนนั้นจะเห็นเต็มตัวในผลลัพธ์ ก็ใช้ภาพเต็มตัว แสงกลาง ๆ ดีกว่าแสงดราม่า เพราะแสงแบนจัดแสงใหม่ได้ง่ายกว่าภาพบุคคลที่มีเงาแข็ง ถ้าคนคนนั้นต้องปรากฏในชุดใดชุดหนึ่งเป็นการเฉพาะ ภาพอ้างอิงควรใส่ชุดนั้นอยู่แล้ว

ขั้นที่ 2: เลือกโมเดล

ทั้งสามตัวนี้อยู่ในพื้นที่ทำงานภาพของ OmniArt และทั้งสามตัวรับภาพอ้างอิงที่นำเข้าไปพร้อมกับพรอมป์ต

ค่าตั้งต้นที่สมเหตุสมผลคือเริ่มด้วย Seedream 5.0 Pro สำหรับทุกงานที่ทั้งตำแหน่งและตัวตนสำคัญพอกัน ถ้าการประกอบภาพเป็นเรื่องง่าย คือคนเดียว จุดวางชัดเจน แสงไม่เรื่องมาก GPT Image 2 มักไปถึงเส้นชัยด้วยคำที่น้อยกว่า

ขั้นที่ 3: เขียนพรอมป์ตกำหนดตำแหน่ง

พรอมป์ตที่ใช้ได้กับงานนี้มีสี่ส่วน เรียงตามลำดับนี้

1. คำสั่ง คือเพิ่มคนจากภาพอ้างอิงเข้าไปในภาพต้นทาง
2. ตำแหน่งและขนาด คือเขายืนที่ไหน ทำอะไร ใหญ่เท่าไรเทียบกับวัตถุที่รู้จักในเฟรม
3. การจับคู่แสงและเงา คือทิศทางและลักษณะของแสงในภาพต้นทาง และเงาทอดไปทางไหน
4. การปกป้อง คือทุกอย่างในภาพต้นทางที่ต้องคงเดิมเป๊ะ

นี่คือเวอร์ชันที่ใช้งานได้จริงและคุณดัดแปลงต่อได้

เพิ่มผู้หญิงจากภาพอ้างอิงใบที่สองเข้าไปในภาพใบแรก วางเธอยืนอยู่ด้านซ้ายของเดครไม้ หันหน้าเข้ากล้อง ถ่ายน้ำหนักลงขาขวา ให้ระดับหัวของเธออยู่ราวเดียวกับขอบบนของราวกันตกที่อยู่ด้านหลัง จับคู่แสงของภาพต้นทางให้ตรงเป๊ะ คือแดดบ่ายแก่จากมุมขวาบน โทนอุ่น เงาขอบนุ่ม ทอดเงาของเธอลงและเฉียงไปทางซ้ายพาดแผ่นไม้เดคร ให้เดคร ราวกันตก ต้นไม้ ท้องฟ้า และทุกองค์ประกอบอื่นของภาพต้นทางคงเดิมทุกจุด

สังเกตว่าประโยคระดับหัวของเธออยู่ราวเดียวกับขอบบนของราวกันตกทำเรื่องขนาดได้ดีกว่าคำว่าขนาดกลางอย่างเทียบไม่ติด การผูกตัวคนไว้กับสิ่งที่วัดได้อยู่แล้วในเฟรมคือเคล็ดเรื่องขนาดที่มีประโยชน์ที่สุดในพรอมป์ตแบบนี้

เวอร์ชันท่านั่ง ซึ่งเป็นการประกอบภาพที่เล็กกว่าและมักง่ายกว่า

แทรกผู้ชายจากภาพอ้างอิงเข้าไปในฉากคาเฟ่ ให้นั่งบนเก้าอี้ว่างด้านขวาของโต๊ะ มุมสามส่วนสี่หันเล็กน้อยไปทางหน้าต่าง มือวางบนโต๊ะ ปรับขนาดให้ระดับไหล่ของเขาอยู่ต่ำกว่าขอบบนของพนักเก้าอี้เล็กน้อย จัดแสงจากหน้าต่างด้านซ้ายด้วยแสงธรรมชาติที่กระจายนุ่มให้ตรงกับภาพต้นทาง พร้อมเงาสัมผัสบาง ๆ ตรงจุดที่ท่อนแขนของเขาแตะโต๊ะ ห้ามเปลี่ยนโต๊ะ ถ้วย คนอื่นในภาพ หรือฉากหลัง

ขั้นที่ 4: เกลาต่อด้วยการแก้ไขที่เจาะเฉพาะพื้นที่

ภาพเรนเดอร์ครั้งแรกแทบไม่เคยเป็นภาพสุดท้าย และความผิดพลาดที่คนส่วนใหญ่ทำคือรันพรอมป์ตทั้งชุดใหม่ อย่าทำอย่างนั้น ให้หยิบผลลัพธ์ที่ได้ตำแหน่งถูกแล้วมาแก้ทีละอย่างด้วยคำสั่งที่จำกัดขอบเขตอยู่ในพื้นที่หนึ่ง Seedream 5.0 Pro สร้างมาเพื่อเรื่องนี้ การเรียกชื่อพื้นที่ จุดยึด หรือตำแหน่งแบบที่คนจะพูดออกมาดัง ๆ เช่น ล่างซ้าย หรือ ตัวที่สองจากขวา ช่วยตรึงให้การแก้ไขอยู่เฉพาะจุด

ใช้ภาพนี้ แก้เฉพาะตัวคนที่เพิ่มเข้ามา คือไล่ขอบตามแนวไหล่ขวาของเธอให้นุ่มลงเพื่อกลืนกับผนังฉากหลัง ปรับโทนผิวของเธอให้อุ่นขึ้นเล็กน้อยเพื่อเข้ากับแสงรอบข้าง และยืดเงาของเธอไปทางซ้ายเพิ่มอีกยี่สิบเปอร์เซ็นต์ ห้ามเปลี่ยนอย่างอื่นในเฟรม

การแก้แบบเจาะจงสองหรือสามรอบมักชนะการรันใหม่ทั้งชุดสิบรอบ และเสียค่าใช้จ่ายน้อยกว่า บทความ คู่มือเขียนพรอมป์ต Seedream 5.0 Pro ลงรายละเอียดเรื่องรูปแบบพื้นที่ จุดยึด และรหัสสี HEX ไว้ลึกกว่านี้ถ้าคุณอยากดันต่อ

ขั้นที่ 5: ปิดงานด้วยการเรนเดอร์ครั้งสุดท้าย

เมื่อทั้งตำแหน่ง ตัวตน และแสงอยู่ตัวแล้ว ให้เรนเดอร์รอบสุดท้ายที่ความละเอียดซึ่งคุณต้องใช้จริง แทนที่จะแก้ต่อบนฉบับร่างขนาดเล็กไปเรื่อย ๆ เรนเดอร์ภาพประกอบที่อนุมัติแล้วซ้ำที่ขนาดใหญ่สุดที่โมเดลรองรับ โดย Seedream 5.0 Lite ให้ 4K ในตัวถ้าความละเอียดของผลลัพธ์เป็นตัวตัดสิน แล้วตรวจผลที่ขนาดจริงร้อยเปอร์เซ็นต์ก่อนส่งงาน ขอบที่เรืองเป็นวงและเกรนที่ไม่เข้ากันจะมองไม่เห็นเลยในขนาดภาพย่อ แต่เห็นชัดในขนาดเต็ม

จับคู่แสง มุมมอง ขนาด และเงา

สี่จุดพลาดนี้อธิบายภาพประกอบร่วมส่วนใหญ่ที่ดูผิดที่ผิดทางโดยที่คนดูบอกไม่ถูกว่าผิดเพราะอะไร

• ทิศทางแสง อ่านเงาในภาพต้นทางก่อน แล้วระบุทิศทางลงในพรอมป์ต เช่น จากมุมขวาบน หรือ จากหน้าต่างด้านซ้าย ถ้าภาพอ้างอิงของคนถูกจัดแสงจากฝั่งตรงข้าม ให้บอกออกมาชัด ๆ ว่าจัดแสงตัวคนใหม่จากด้านขวา ไม่ต้องพาแสงฝั่งซ้ายจากภาพอ้างอิงติดมาด้วย
• ลักษณะแสง แดดแข็งให้เงาขอบคม ฟ้าครึ้มและแสงในอาคารให้เงานุ่ม คนที่ถูกจัดแสงนุ่มในฉากแดดแข็งจะดูเหมือนถูกแปะเข้ามา ระบุลักษณะของแสง ไม่ใช่แค่ทิศทาง
• มุมมองและความสูงกล้อง ถ้าภาพต้นทางถ่ายจากระดับเอว คนที่มาจากภาพอ้างอิงซึ่งถือมือถือถ่ายระดับสายตาจะวางตัวผิดในเฟรม เติมคำว่าให้ตรงกับมุมกล้องต่ำของภาพต้นทาง มองจากด้านล่างขึ้นเล็กน้อย แล้วโมเดลจะปรับการหุบสั้นของสัดส่วนตัวคนตาม
• ขนาด ผูกความสูงไว้กับอะไรบางอย่างในเฟรมเสมอ เช่น ช่องประตู ราวกันตก พนักเก้าอี้ หรือไหล่ของคนอีกคน คำบรรยายขนาดแบบลอย ๆ ไม่รอดเมื่อถูกแปลเป็นพิกเซล
• เงาสัมผัส พื้นที่มืดเล็ก ๆ ตรงจุดที่ร่างกายบรรจบกับพื้นผิวคือสิ่งที่ทำให้ความมีตัวตนทางกายภาพน่าเชื่อ ขอมันด้วยชื่อของมันเลย เช่น เงาสัมผัสนุ่ม ๆ ใต้รองเท้าทั้งสองข้างตรงจุดที่แตะพื้นทางเท้า
• เกรนและสี ขอให้โมเดลจับคู่เกรน อุณหภูมิสี และความนุ่มของเลนส์จากภาพต้นทาง ตัวคนที่สะอาดในภาพที่มีเกรนคือจุดที่ทำให้จับได้

แก้ปัญหาที่พบบ่อย

หน้าไม่เหมือนคนคนนั้น ภาพอ้างอิงของคุณทำงานน้อยเกินไป นำมุมอื่นของคนเดียวกันเข้าไปเพิ่ม เลือกความละเอียดที่สูงกว่า และตัดภาพที่ผ่านฟิลเตอร์หนักออกทั้งหมด แล้วสั่งให้เฉพาะเจาะจงว่ารักษาลักษณะใบหน้า แนวไรผม และสีผมจากภาพอ้างอิงไว้โดยไม่ใส่สไตล์ใด ๆ ทับ

ฉากหลังเปลี่ยน ประโยคปกป้องของคุณกำกวมเกินไป ให้ไล่ชื่อองค์ประกอบออกมาเป็นรายการ แทนการพูดว่าคงฉากหลังไว้ แล้วรันรอบแก้ที่จำกัดขอบเขตอยู่ในพื้นที่เดียว แทนการสร้างใหม่ทั้งใบ

คนลอยอยู่ ขาดเงาสัมผัส หรือเท้าถูกตัดขอบไว้อย่างกำกวม ขอเงาสัมผัสตรง ๆ และยืนยันว่าเห็นระนาบพื้นในจุดที่คุณวางเขาไว้

ขนาดผิด แทนคำบรรยายขนาดแบบลอย ๆ ทั้งหมดด้วยการเทียบกับวัตถุที่อยู่ในเฟรมอยู่แล้ว

ขอบดูเหมือนถูกตัดแปะ ขอให้ไล่ขอบตามเส้นรอบตัวคนให้นุ่มลงและจับคู่เกรน แล้วตรวจว่าภาพอ้างอิงมีฉากหลังที่ถูกตัดขอบแข็งหรือไม่ เพราะภาพตัดฉากหลังขาวเป็นตัวกระตุ้นให้ได้ผลลัพธ์ที่ดูเหมือนถูกตัดแปะ

ท่าทางแข็ง บรรยายการถ่ายน้ำหนักและตำแหน่งมือ คำว่าถ่ายน้ำหนักลงขาขวา มือข้างหนึ่งสอดกระเป๋าแจ็กเก็ต ให้ท่ายืนที่เป็นธรรมชาติกว่าคำว่ายืนตามธรรมชาติ

เริ่มต้นใช้งานบน OmniArt

เลือกภาพต้นทางหนึ่งใบที่มีที่ว่างชัดเจน และภาพอ้างอิงของคนหนึ่งใบที่สะอาดและแสงดี เปิด พื้นที่ทำงานภาพของ OmniArt เลือก Seedream 5.0 Pro นำภาพเข้าทั้งสองใบ แล้วรันพรอมป์ตฉากเดครจากขั้นที่ 3 โดยสลับรายละเอียดเป็นของคุณเอง ในการเรนเดอร์ครั้งแรกให้ตัดสินแค่ตำแหน่งและขนาด เพราะตัวตนและแสงเป็นหน้าที่ของรอบเกลาต่อ

หลังจากนั้นให้ทำงานเป็นการแก้เล็ก ๆ แทนการเขียนพรอมป์ตใหม่ การแก้ที่จำกัดขอบเขตในพื้นที่สองรอบบวกการเรนเดอร์ความละเอียดเต็มหนึ่งรอบคือเส้นทางปกติ และมันรักษาภาพต้นทางไว้ครบขณะที่ตัวคนค่อย ๆ เข้าที่