Ulica pełna szumu, którego AI nie potrafi wyciszyć
Scena miejska to jeden z najbardziej zdradliwych scenariuszy dla generatorów obrazu. Model musi jednocześnie utrzymać spójną postać na pierwszym planie i wygenerować dziesiątki drobnych elementów w tle: witryny sklepów, szyldy, tablice rejestracyjne, twarze przechodniów. Właśnie tam najczęściej pojawia się bełkot — pseudo-litery na neonach, zniekształcone numery rejestracyjne, ludzie z nienaturalną liczbą kończyn gdzieś z boku kadru. Drugi problem to tekstura ubrania. Bawełniana koszulka czy dżinsy bez wyraźnego splotu i cieniowania wyglądają jak wypraskowany plastik, co od razu zdradza sztuczne pochodzenie zdjęcia.
Candid street style photo of a young woman walking on a city sidewalk, casual outfit: oversized cotton t-shirt with visible fabric weave, straight-leg denim jeans with realistic fading and texture, white sneakers, natural daylight, shallow depth of field blurring background storefronts and pedestrians, shot on 50mm lens, photorealistic skin texture, candid pose, urban lifestyle photography
readable text, sharp legible signage, license plate detail, distorted text, extra limbs, deformed hands, plastic skin, glossy fabric, smooth uniform clothing texture, waxy skin, mutated face, blurry main subject, oversaturated colors, cartoonish
Kluczowe frazy w prompcie mają konkretne zadania. "Shallow depth of field blurring background storefronts and pedestrians" to najważniejszy element całego promptu — świadomie rozmywasz tło, żeby model nie musiał renderować ostrych, czytelnych napisów ani twarzy tłumu. To najprostszy sposób na uniknięcie bełkotu na szyldach. "Visible fabric weave" i "realistic fading and texture" przy denimie wymuszają widoczną fakturę materiału zamiast gładkiej, plastikowej powierzchni. Jeśli chcesz wariant wieczorny, zamień "natural daylight" na "golden hour side light" lub "warm street lamps, blue hour" — ale wtedy dopisz do negative promptu "neon glare on skin", bo sztuczne światło łatwo prześwietla twarz. Zmiana lokalizacji (np. "European old town street" zamiast ogólnego "city sidewalk") pomaga uzyskać bardziej charakterystyczną architekturę w tle, wciąż rozmytą.
Najczęstszy błąd: ostre tło, które zdradza fałsz
Najczęściej popełnianym błędem w tej scenerii jest pozostawienie tła w pełnej ostrości — albo dlatego, że model wygenerował je domyślnie ostro, albo dlatego, że użytkownik usunął frazę o głębi ostrości, bo "chciał więcej szczegółów miasta". Efekt jest odwrotny do zamierzonego: widz od razu skupia wzrok na krzywych literach szyldu albo tablicy rejestracyjnej i cała iluzja pęka. Rozwiązaniem nie jest walka o czytelne napisy, tylko konsekwentne wymuszanie rozmycia głębi — jeśli w wygenerowanym zdjęciu tło nadal jest za ostre, dodaj do promptu "bokeh", "background heavily out of focus" albo zwiększ parametr rozmycia w narzędziu, jeśli generator na to pozwala. Alternatywnie kadruj bliżej postaci (np. "close crop, from waist up"), żeby ograniczyć widoczną powierzchnię tła do minimum. To rozwiązuje problem szybciej niż próby "poprawienia" czcionek na szyldach, co w praktyce rzadko się udaje.