ब्लैक-एंड-व्हाइट पोर्ट्रेट एडिटिंग प्रॉम्प्ट: 2 टोनल स्टाइल

ब्लैक-एंड-व्हाइट पोर्ट्रेट एडिटिंग प्रॉम्प्ट को “रंग हटा दें” से अधिक निर्देशों की जरूरत होती है। सॉफ्ट मिडटोन और हार्ड कॉन्ट्रास्ट अलग विज़ुअल कहानियां बता सकते हैं, लेकिन दोनों में व्यक्ति पहचानने योग्य रहना चाहिए। ये दो एडिट एक ही रंगीन पोर्ट्रेट से शुरू होते हैं और उन टोनल इरादों को अलग-अलग परखते हैं।

मूल संदर्भ	सॉफ्ट टोनल ब्लैक-एंड-व्हाइट पोर्ट्रेट

पढ़ने योग्य रोशनी और चेहरे के विवरण वाला पोर्ट्रेट चुनें

स्रोत में बाईं ओर से आने वाली खिड़की की रोशनी, छोटी दाढ़ी, काली शर्ट और सादा बैक��्रॉप है। स्पष्ट प्रकाश दिशा से यह आकलन करने में मदद मिलती है कि हाई-कॉन्ट्रास्ट संस्करण फोटो का अनुसरण करता है या अलग लाइटिंग सेटअप गढ़ता है। स्रोत सिंथेटिक है और कोई भी आउटपुट किसी विशेष कैमरे, फिल्म स्टॉक या डार्करूम प्रक्रिया का प्रमाण नहीं है।

यहां दिखाया गया मूल इस डेमोंस्ट्रेशन के लिए AI से जनरेट किया गया है। दोनों एडिट में वास्तव में उसी स्रोत को अटैच्ड संदर्भ के रूप में इस्तेमाल किया गया। अपनी फोटो या ऐसी किसी अन्य इमेज का उपयोग करें जिसे एडिट करने के लिए आप अधिकृत हों।

एक केंद्रित संरक्षण ब्रीफ बनाएं

सॉफ्टर ट्रीटमेंट के लिए मिडटोन की रेंज और कोमल हाइलाइट रोल-ऑफ का अनुरोध करें। अधिक मजबूत कॉन्ट्रास्ट के लिए चुनिंदा शैडो को गहरा करें, लेकिन आंखों और दाढ़ी, बाल व शर्ट के बीच की अलग पहचान बनाए रखें। मोनोक्रोम अनुरोध फिर भी चेहरे को दोबारा बना सकता है, इसलिए इच्छित एडिट टोनल होने पर भी पहचान जांचना आवश्यक है।

एक उपयोगी संरचना है: लक्षित बदलाव → दिखाई देने वाला विषय या ऑब्जेक्ट → बनाए रखने वाले विवरण → लाइटिंग और परिप्रेक्ष्य → अवांछित जोड़ → आउटपुट फॉर्मेट। संज्ञाओं को अपने सामने की इमेज के अनुसार ढालें। संरक्षण निर्देश बाद में सत्यापित करने की चीज है, यह गारंटी नहीं कि स्रोत का हर पिक्सेल बचा रहेगा।

प्रॉम्प्ट 1: सॉफ्ट टोनल ब्लैक-एंड-व्हाइट पोर्ट्रेट

शुरुआती तुलना में यह परिणाम दिखाया गया है।

इमेज 1 को एक सॉफ्ट ब्लैक-एंड-व्हाइट पोर्ट्रेट में एडिट करें। वही व्यक्ति, पहचानने योग्य चेहरा, उम्र, भाव, दाढ़ी, बाल, त्वचा की बनावट, काली शर्ट, बैकग्राउंड और क्रॉप बनाए रखें। ग्रे मिडटोन की समृद्ध रेंज, कोमल हाइलाइट रोल-ऑफ और हल्का फाइन फिल्म ग्रेन इस्तेमाल करें, दोनों आंखों और दाढ़ी का विवरण पढ़ने योग्य रखें। सेपिया या नीले टिंट के बिना रंग पूरी तरह हटाएं। चेहरे का आकार बदलना, झुर्रियां जोड़ना, ब्यूटी स्मूदिंग, टेक्स्ट या लोगो नहीं।

रंग हटा दिया गया है और चेहरा, दाढ़ी, गहरी शर्ट तथा परिचित भाव ग्रे टोनल रेंज में पहचानने योग्य बने रहते हैं। त्वचा और दाढ़ी की बनावट दिखती रहती है, हालांकि चेहरे को साधारण ग्रेस्केल फिल्टर से बदलने के बजाय फिर से रेंडर किया गया है।

लौटाई गई फाइल: 880 × 1184 पिक्सेल। चुने गए इंटरैक्टिव उदाहरण में इसका मूल संदर्भ और यही सटीक प्रॉम्प्ट शामिल है। आप इसे दाईं ओर के टूल से सीधे आजमा सकते हैं।

प्रॉम्प्ट 2: हाई-कॉन्ट्रास्ट मोनोक्रोम पोर्ट्रेट

मौजूदा बाईं ओर की प्रकाश दिशा का उपयोग करके इमेज 1 को हाई-कॉन्ट्रास्ट ब्लैक-एंड-व्हाइट पोर्ट्रेट में एडिट करें। वही पहचान, उम्र, भाव, दाढ़ी, बाल, त्वचा की बनावट, काली शर्ट, पोज़ और क्रॉप रखें। आंखों का विवरण और बाल, दाढ़ी व शर्ट के बीच अलग पहचान बनाए रखते हुए बैकग्राउंड और शैडो वाली तरफ को गहरा करें। चेहरे पर हाइलाइट टेक्सचर सुरक्षित रखें। बिना किसी विवरण वाले पूरी तरह काले चेहरे के शैडो, सेपिया टिंट, चेहरे का आकार बदलना, अतिरिक्त लोग, टेक्स्ट या लोगो नहीं।

बैकग्राउंड और शैडो वाली तरफ गहरी हो जाती है, जिससे रोशन चेहरे में अधिक अलगाव बनता है। दोनों आंखें और दाढ़ी पढ़ने योग्य रहती हैं। चेहरे की बनावट और कॉन्ट्रास्ट बदलते हैं, इसलिए गहरा परिणाम स्रोत की सटीक कॉपी के बजाय एक टोनल व्याख्या है।

लौटाई गई फाइल: 880 × 1184 पिक्सेल।

WeShop में इन दो एडिट को दोहराएं

1. WeShop पर GPT Image 2.5 Sunburst खोलें।
2. रेफरेंस-इमेज अपलोड कंट्रोल के जरिए मूल इमेज अटैच करें और थंबनेल की पुष्टि करें। इमेज के बिना लिखित विवरण एक अलग कार्य होगा।
3. नीचे दिए गए परीक्षण किए गए मॉडल और सेटिंग्स चुनें, फिर एक प्रॉम्प्ट कॉपी करें। एक इमेज जनरेट करें और उसे पूरे आकार में जांचें।
4. दूसरे लुक के लिए, उसी मूल पर लौटें और प्रॉम्प्ट बदलें। जब तक आप जानबूझकर क्रमिक एडिट नहीं चाहते, पहले आउटपुट को दूसरे इनपुट के रूप में उपयोग न करें।

सेटिंग	परीक्षण किया गया मान
मॉडल	gpt-image-2.5-sunburst
इनपुट	एक अटैच्ड रेफरेंस इमेज
अनुरोधित आस्पेक्ट रेशियो	3:4
अनुरोधित इमेज आकार	1K
क्वालिटी	medium
मात्रा	प्रत्येक प्रॉम्प्ट पर एक परिणाम

ये उदाहरण October 29, 2026 को जनरेट किए गए थे। ये दो चुने हुए परिणाम हैं, न कि बार-बार चलाने की विश्वसनीयता का अध्ययन या अन्य मॉडलों के साथ तुलना। अनुरोधित सेटिंग्स और लौटाई गई इमेज डाइमेंशन अलग-अलग रिपोर्ट किए गए हैं।

परिणाम चुनने से पहले विवरण जांचें

• स्रोत के साथ आंखों, नाक, मुंह और उम्र के संकेतों की तुलना करें।
• दाढ़ी, शर्ट और शैडो वाली तरफ बिना विवरण वाले काले क्षेत्रों को देखें।
• जांचें कि आउटपुट में कोई अनपेक्षित सेपिया या नीला टिंट न हो।

जनरेटिव मोनोक्रोम आउटपुट चेहरे को फिर से बना सकता है। जब अपरिवर्तित स्रोत पिक्सेल या सटीक समानता आवश्यक हो, तो पारंपरिक टोनल एडजस्टमेंट इस्तेमाल करें।

यदि कोई महत्वपूर्ण विशेषता बदलती है, तो मूल पर लौटें और अनुरोध को सीमित करें। जब कार्य में पहचानने योग्य लोग, ऑब्जेक्ट विवरण या दृश्य ज्यामिति आवश्यक हो, तो अधिक नाटकीय लुक अपने-आप बेहतर परिणाम नहीं होता।

प्रॉम्प्ट को अपनी इमेज के अनुसार ढालें

अपने मूल में प्रकाश की दिशा बताएं और प्रत्येक जनरेशन के लिए एक टोनल लक्ष्य चुनें। यदि आपको अपरिवर्तित स्रोत पिक्सेल के साथ केवल सटीक रंग-से-ग्रेस्केल रूपांतरण चाहिए, तो पारंपरिक टोनल-एडजस्टमेंट वर्कफ्लो का उपयोग करें। यहां दिखाए गए जनरेटिव उदाहरण रचनात्मक व्याख्याएं हैं और चेहरे की सूक्ष्म बनावट बदल सकते हैं।

क्या जनरेटेड मोनोक्रोम एडिट, ग्रेस्केल फिल्टर जैसा ही होता है?

नहीं। एक फिल्टर मौजूदा पिक्सेल मानों को बदल सकता है, जबकि एक जनरेटिव मॉडल सामग्री को फिर से बना सकता है। यह मानने के बजाय कि रंग हटाने से एडिट पहचान-न्यूट्रल हो जाता है, चेहरे की संरचना और बनावट की तुलना करें।

एडिटिंग कार्यों की अधिक विस्तृत रेंज के लिए, वास्तव में काम करने वाले फोटो एडिटिंग के टॉप 10 प्रॉम्प्ट देखें। लोड किए गए उदाहरण से शुरू करें, उसके संदर्भ को अपनी इमेज से बदलें और परिणाम उपयोग करने से पहले अनुरोधित बदलाव व बनाए रखे गए विवरणों की तुलना करें।