خرابی اینجا یک تصویر غلط نیست، تصویری است که درست به نظر می‌رسد. یک عکس غلط را همان لحظه می‌بینید و دور می‌اندازید؛ چیزی که هزینه دارد پوستری است که خوب افتاده و یک چیزش قابل استفاده نیست، و آن یک چیز در فارسی تقریباً همیشه نوشته‌هاست.
مینا افشار برای یک کارگاه عکاسی سه‌روزه در کاشان پوستر می‌خواست. اولین چیزی که تعیین کرد اندازه بود، نه سبک. نسبت را اول تعیین کنید، چون تنها چیزی است که با بازقاب‌بندی اضافه نمی‌شود: از یک تصویر مربع می‌شود یک تصویر باریک برید، ولی از یک مربع نمی‌شود آسمان بالای کادر بیرون کشید. کارگاه هم اینستاگرام می‌خواست و هم چاپ، پس دو تولید جدا شد نه یک تصویر و دو برش.
یک درخواست تصویر، بند به بند
درخواستی که کار کرد پنج بند داشت و هیچ‌کدامشان صفت‌های تزئینی نبودند. صحنه: حیاط یک خانه قدیمی کاشانی، بادگیر در قاب، اواخر بعدازظهر. دوربین: از پایین، لنز واید، عمق میدان کم. نور: آفتاب مایل از سمت راست، سایه‌های بلند. رنگ: خاک و آجر و یک لکه فیروزه‌ای. و آخری، بند خالی: یک سوم بالای کادر تقریباً بی‌جزئیات بماند.
بند آخر همانی است که آماتور نمی‌نویسد و طراح همیشه می‌نویسد. جای متن باید در خود تصویر ساخته شود، وگرنه بعداً یا متن روی جزئیات می‌افتد و خوانده نمی‌شود، یا باید یک نوار تیره روی عکس بگذارید که کار را شبیه بنر تخفیف می‌کند.
چرا در فارسی حروف همیشه لایه جداست
مدل شکل حرف را می‌کشد نه حرف را، و در فارسی هیچ‌وقت به کلمه نمی‌رسد. در انگلیسی گاهی از این قمار یک کلمه درست بیرون می‌آید و همان گاهی، آدم را امیدوار می‌کند. در فارسی حتی آن هم اتفاق نمی‌افتد، چون هر حرف بسته به جایش در کلمه چهار شکل دارد و مدل شکل‌ها را از هم مستقل یاد گرفته: چیزی که می‌کشد نوشته‌ای است که از فاصله فارسی به نظر می‌رسد و از نزدیک هیچ کلمه‌ای نیست.
پس این یک تصمیم یک‌باره است و بحثی ندارد: حروف را در یک لایه جدا بچینید. تصویر را بدون هیچ متنی تولید کنید، و «کارگاه عکاسی کاشان» را خودتان با یک قلم فارسی که اجازه استفاده‌اش را دارید بچینید. حق استفاده از قلم را همان اول روشن کنید؛ برای یک پوستر تجاری این تنها بند پرونده است که هزینه واقعی دارد.
سه چیزی که فقط با هم معنی دارند
مینا نسخه چهارم را پسندید و نسخه پنجم را هم زد و نسخه چهارم دیگر پیدا نشد. دانه را نگه دارید، وگرنه نسخه‌ای که پسندیدید دیگر پیدا نمی‌شود: دانه همان عدد شروع نویز است و بدون آن، همان کلمه‌ها یک حیاط دیگر می‌سازند.
و سه چیز باید با هم نوشته شوند، چون هرکدام به تنهایی هیچ‌چیز را بازنمی‌گرداند: متن درخواست با تمام بندهایش، دانه، و شماره نسخه مدل. همان کلمه‌ها و همان دانه روی یک نسخه دیگرِ مدل، تصویر دیگری می‌دهد. روش کار هم از همین درمی‌آید: هر بار یک اصطلاح را عوض کنید و دانه را ثابت نگه دارید، آن‌وقت چیزی که روی صفحه فرق کرده همان کاری است که آن اصطلاح می‌کند. پنج چیز را با هم عوض کنید و یک تصویر بهتر دارید و هیچ دانشی ندارید.
دو خطی که نباید از آن رد شد
نام یک هنرمند زنده را که بیاورید، اسم یک آدم را آورده‌اید نه یک تنظیم سبک. فرقش با «نقاشی آبرنگ» یا «عکاسی دهه پنجاه» در همین است: دومی یک توصیف است و اولی یک نفر که کارش را کرده و امضایش را دارد. برای کار تجاری این را ننویسید؛ همان چیزی را که در کارش دوست دارید توصیف کنید، که سخت‌تر است و نتیجه‌اش هم مال خودتان است.
و تصویر تولیدشده از یک جای واقعی، نقاشی آن جاست و زیرنویس باید همین را بگوید. پوستر کاشان یک حیاط کاشانی نشان می‌دهد که وجود ندارد. تا وقتی پوستر است اشکالی ندارد؛ همان تصویر در یک گزارش خبری یا صفحه فروش یک اقامتگاه، ادعای دروغ درباره یک مکان واقعی است.
ترتیب
هدایت کردن را جایی یاد بگیرید که هر تلاش چهار ثانیه است
هرچه درباره هدایت یک خروجی قابل انتقال است، روی تصویر ثابت ارزان‌ترین است و بعد همه‌جا خرج می‌شود.
- از اینجا شروع کنیدتصویریک تغییر و اثرش، کنار هم، در چند ثانیه۰۱
- ۰۲نوشتنچیزی که بیشتر آدم‌ها لازم دارند، و بیشتر مسئله بازنویسی است تا درخواست
- ویدیوجایی که کمک تولیدشده به فیلم واقعی از فیلم تولیدشده جلوتر است۰۳
- ۰۴گفتار و صداجایی که آدمِ پشت خروجی دیگر یک مفهوم انتزاعی نیست
- کدتنها خروجی‌ای که یک ماشین بررسی‌اش می‌کند، و به همین دلیل زود به آن اعتماد می‌شود۰۵
روی این هیچ تاریخی نیست و هیچ هفته‌ای هم در آن فرض نشده. فقط یک ترتیب است، و ممکن است دوتایشان اصلاً به کار کسی نیایند.
ایست: تلاش برای اینکه مدل تایپوگرافی را هم انجام بدهد
کار اینجا می‌ایستد و ایستادنش هفته‌ها طول می‌کشد. کسی می‌بیند نوشته فارسی روی تصویر خراب است، درخواست را عوض می‌کند، بعد املا را داخل درخواست جور دیگری می‌نویسد، بعد مدل دیگری را امتحان می‌کند، و آخرش نتیجه می‌گیرد که این مدل‌ها فارسی بلد نیستند.
نتیجه‌گیری درست است و بی‌فایده. کاری که هیچ‌وقت انجام نمی‌شود این است که تصویر بدون متن تولید شود و متن جای دیگری چیده شود، یعنی همان کاری که یک طراح با یک عکس معمولی هم می‌کند. ایست از این می‌آید که تولید تصویر به نظر می‌رسد جای کل کار طراحی را می‌گیرد، در حالی که جای یک تکه‌اش را گرفته، و دقیقاً همان تکه‌ای را که در فارسی گران‌تر است دست‌نخورده گذاشته.
سه چیزی که با آن‌ها کار می‌شود
ComfyUI از ۲۰۲۶ جای یک کادر متن را گرفته که با بستنش تنظیمات دور ریخته می‌شود: کل دستور کار را داخل خود فایل تصویر می‌نویسد، پس دانه و نسخه مدل و متن درخواست با تصویر می‌مانند و لازم نیست جای دیگری یادداشت شوند. رایگان و متن‌باز است و روی دستگاه خودتان اجرا می‌شود، که برای ایران یعنی نه حساب لازم است نه کارت خارجی؛ آنچه لازم است کارت گرافیک است.
Content Credentials، همان استاندارد C2PA، از ۲۰۲۶ جای حدس زدن اینکه یک تصویر از کجا آمده را گرفته و شناسنامه ساخت را داخل خود فایل نگه می‌دارد؛ رایگان است و اشکالش این است که با یک بار برش خوردن در بیشتر ابزارها پاک می‌شود، پس تکیه‌کردنی نیست و نوشتن آن زیرنویس هنوز کار شماست. Inkscape هم از ۲۰۲۶ جای چیدن حروف داخل خود مولد تصویر را گرفته؛ رایگان و متن‌باز است، فارسی و راست‌به‌چپ را درست می‌چیند، و خروجی برداری می‌دهد که برای چاپ لازم است.
از تصویر شروع کنید، چون هر تلاش چهار ثانیه است
هرچه درباره هدایت کردن یک خروجی یاد گرفتنی است، روی درخواست دادن، هدایت کردن و ویرایش یک تصویر ارزان‌ترین است، چون یک تغییر و اثرش را در چند ثانیه کنار هم می‌بینید. بعد پیش‌نویس نوشتن بی‌آنکه شبیه بقیه شود، که بیشتر آدم‌ها همین را لازم دارند و بیشتر از آنکه مسئله درخواست باشد مسئله بازنویسی است.
بعد ویدیوی تولیدشده، و کمک تولیدشده به فیلم واقعی، جایی که تکه دوم امروز بیشتر از تکه اول می‌ارزد، و گفتار و صدا از روی یک توصیف، جایی که آدمِ پشت خروجی دیگر یک مفهوم انتزاعی نیست و صدای یک نفر مشخص است. آخر کد تولیدشده، و بازبینی درست آن، تنها خروجی‌ای که یک ماشین می‌تواند بررسی‌اش کند و به همین دلیل هم زودتر از بقیه به آن اعتماد می‌شود.
این پله همان‌جایی از کار کردن با مدل‌ها، فهمیدنشان، و ساختن با آن‌ها است که هر کلمه و هر پیکسل را خودتان می‌بینید، و برای همین ارزان‌ترین جای اشتباه کردن است. بندهای درخواست همان چیزی‌اند که در گرفتن جواب به‌دردبخور، به جای جوابی که فقط قانع‌کننده به نظر می‌رسد ساخته می‌شوند. و آنچه بعد از تولید تصویر باقی می‌ماند، یعنی چیدن حروف و شبکه و سلسله‌مراتب، همان کاری است که طراحی گرافیک نام دارد و مدل هیچ تکه‌ای از آن را برنداشته.
یک تصمیم اینجا نگرفته می‌ماند: آن پوستر را چه کسی امضا می‌کند. اگر تصویری که وجود ندارد جایی برود که خواننده‌اش آن را عکس بداند، تصمیمش تصمیم شماست نه تصمیم مدل، و در هیچ فایلی ثبت نمی‌شود.