এআই ইমেজ জেনারেটরে শুধু “a woman in a city” বা “cinematic product photo” লিখলে বিষয়টি বোঝানো যায়, কিন্তু ছবির framing তখনও অনেকটাই অনির্দিষ্ট থাকে। Subject কোথায় থাকবে, ক্যামেরা কতটা কাছে থাকবে, কোন দিক থেকে আলো পড়বে বা background কতটা দৃশ্যমান হবে—এসব না বললে ফল আপনার কল্পনার সঙ্গে নাও মিলতে পারে।
একটি কার্যকর AI image prompt guide তাই বেশি photography jargon ব্যবহারের নিয়ম নয়। বরং কোন visual decisionটি prompt-এ স্পষ্ট করতে হবে, সেটি বোঝার পদ্ধতি। Subject, composition, shot size, camera angle ও lighting—এই কয়েকটি বিষয় ঠিকভাবে সাজাতে পারলে সাধারণ prompt-ও অনেক বেশি নিয়ন্ত্রিত হয়।
তবে সব image generator একইভাবে নির্দেশ বোঝে না। Midjourney তুলনামূলক সংক্ষিপ্ত ও পরিষ্কার prompt-এর পরামর্শ দেয়, আর OpenAI-এর GPT Image prompting guidance বিস্তারিত ও structured instruction ব্যবহারের সুযোগ রাখে।
আরেকটি বর্তমান তথ্য গুরুত্বপূর্ণ। OpenAI-এর DALL·E 3 এখন আর বর্তমান API image model নয়। ১৭ আগস্ট ২০২৬ অনুযায়ী OpenAI image generation ও editing-এর জন্য GPT Image 2 ব্যবহারের সুপারিশ করছে।
Prompt লেখার আগে ছবিটিকে Visual Brief হিসেবে ভাবুন
Prompt শুরু করার আগে কয়েকটি সিদ্ধান্ত পরিষ্কার থাকলে অপ্রয়োজনীয় keyword যোগ করার দরকার পড়ে না।
একটি কার্যকর কাঠামো হতে পারে:
Subject → Scene → Framing/Composition → Camera Angle → Lighting → Visual Style → Constraints
এটি কোনো বাধ্যতামূলক syntax নয়। বরং কী কী visual decision নেওয়া দরকার, তার সহজ কাঠামো।
উদাহরণ:
A young street food vendor preparing tea in Old Dhaka, medium shot, eye-level view, subject on the right third of the frame, warm late-afternoon side light, shallow depth of field, natural colors, documentary photography, no text
এখানে medium shot বলছে subject-এর কতটা দেখা যাবে। eye-level ক্যামেরার অবস্থান বোঝাচ্ছে। right third subject placement ঠিক করছে। আর side light আলো কোন দিক থেকে আসবে, সেটি স্পষ্ট করছে।
Midjourney ব্যবহার করলে একই ধারণা আরও সংক্ষিপ্তভাবে লেখা যেতে পারে। এর documentation অনুযায়ী পরিষ্কার phrase দিয়ে শুরু করা এবং প্রয়োজনীয় detail ধীরে ধীরে যোগ করা বেশি কার্যকর। Lighting-এর ক্ষেত্রে soft, ambient, overcast, neon বা studio lights-এর মতো descriptor ব্যবহার করা যায়।
Composition দিয়ে ফ্রেমের ভেতরের বিন্যাস ঠিক করুন
Composition নির্ধারণ করে subject, background, খালি জায়গা ও অন্যান্য visual element ফ্রেমে কীভাবে থাকবে। Prompt-এ composition স্পষ্ট করলে শুধু ছবির সৌন্দর্য নয়, দর্শকের চোখ কোথায় যাবে সেটিও কিছুটা নিয়ন্ত্রণ করা যায়।
Rule of Thirds
Rule of Thirds-এ ফ্রেমকে কল্পনায় ৩×৩ grid-এ ভাগ করা হয়। গুরুত্বপূর্ণ subject-কে grid line বা intersection-এর কাছে রাখলে centered framing-এর তুলনায় আলাদা visual balance তৈরি হয়।
এটি কঠোর নিয়ম নয়। দৃশ্যের প্রয়োজনে symmetry বা centered composition আরও ভালো হতে পারে।
Prompt:
woman positioned on the right third of the frame, city skyline behind her, clean negative space on the left
Social post, banner বা বিজ্ঞাপনে পরে text বসাতে হলে শুধু Rule of Thirds না লিখে negative space on the left বা subject on the right সরাসরি বলা বেশি নির্দিষ্ট।
Centered ও Symmetrical Composition
Product photography, formal portrait বা architecture-এর ক্ষেত্রে centered framing অনেক সময় বেশি উপযোগী।
centered product, symmetrical composition, clean background
যে দৃশ্যের মূল শক্তিই symmetry, সেখানে Rule of Thirds জোর করে ব্যবহার করার প্রয়োজন নেই।
আরও পড়ুনঃ AI দিয়ে বাংলা Script লিখলে স্বাভাবিক সংলাপ রাখবেন কীভাবে
Negative Space
Subject-এর চারপাশে ইচ্ছাকৃত খালি জায়গা রাখাকে negative space বলা হয়। Advertisement, thumbnail বা social creative-এ এটি ব্যবহারিক, কারণ পরে headline বা অন্য design element বসানোর জায়গা পাওয়া যায়।
subject on the lower-right, large clean negative space on the upper-left
Layout গুরুত্বপূর্ণ হলে subject placement ও negative space সরাসরি উল্লেখ করা ভালো।
Leading Lines
রাস্তা, করিডর, সেতু, ছায়া বা অন্য দৃশ্যমান রেখা দর্শকের চোখকে একটি focal point-এর দিকে নিতে পারে।
long corridor, strong leading lines converging toward the person at the far end
Landscape বা architecture-এ এটি বিশেষভাবে কাজে লাগে।
Foreground, Midground ও Background
বড় scene-এ depth বোঝাতে স্তর ধরে বর্ণনা করা যায়।
wildflowers in the foreground, a traveler in the midground, distant snow-covered mountains in the background
এভাবে লিখলে কোন object সামনে, কোনটি মাঝামাঝি এবং কোনটি দূরে থাকবে—তা পরিষ্কার হয়।
Camera Angle এবং Shot Size এক জিনিস নয়
এই দুইটি শব্দ সবচেয়ে বেশি গুলিয়ে ফেলা হয়।
Shot size বলে subject বা scene-এর কতটা ফ্রেমে দেখা যাবে।
Camera angle বলে ক্যামেরা subject-এর তুলনায় কোথায় বা কোন কোণে রয়েছে।
তাই low-angle close-up বা eye-level medium shot—দুটিই যৌক্তিক prompt।
Eye-level
ক্যামেরা subject-এর চোখের কাছাকাছি উচ্চতায় থাকে।
eye-level, medium close-up portrait
Natural portrait, documentary বা everyday scene-এর জন্য এটি নিরাপদ starting point।
Low Angle
ক্যামেরা নিচ থেকে subject-এর দিকে তাকায়।
low-angle full-body shot of an athlete beneath stadium lights
চলচ্চিত্রের visual language-এ low angle কোনো চরিত্রকে dominant বা imposing দেখাতে ব্যবহার করা হয়। তবে AI-generated image-এ সেই psychological effect নিশ্চিত নয়। Prompt-এ term-টির প্রধান কাজ perspective বোঝানো।
High Angle
ক্যামেরা subject-এর ওপর থেকে নিচের দিকে তাকায়।
high-angle shot of a person walking through a crowded railway station
Environment-এর তুলনায় subject-এর অবস্থান দেখাতে এটি কার্যকর। Film language-এ high angle কখনো vulnerability বা smallness বোঝাতে ব্যবহৃত হয়।
Top-down বা Bird’s-eye View
এখানে ক্যামেরা প্রায় সরাসরি ওপর থেকে নিচের দিকে থাকে।
top-down view of a desk with a laptop, notebook and coffee cup
Food arrangement, flat lay, desk setup বা geometric composition-এর জন্য এটি পরিষ্কার নির্দেশনা।
Dutch Angle
Dutch Angle-এ horizon বা camera axis ইচ্ছাকৃতভাবে কাত করা হয়। Film composition-এ tension, unease বা imbalance তৈরি করতে এটি পরিচিত কৌশল।
subtle Dutch angle, tense nighttime alley scene
শুধু “cinematic” দেখানোর জন্য Dutch Angle যোগ করার দরকার নেই। Straightforward product shot বা corporate portrait-এ এটি উদ্দেশ্যের সঙ্গে নাও মিলতে পারে।
Close-up, Medium নাকি Wide Shot?
Camera angle ঠিক করার পর framing-ও নির্দিষ্ট করা দরকার।
- Extreme Close-up: চোখ, গয়না, খাবারের texture বা খুব ছোট detail।
- Close-up: মুখ বা একটি object-কে প্রধান করতে।
- Medium Shot: subject-এর সঙ্গে কিছু surrounding context রাখতে।
- Full Shot: পুরো মানুষ, pose বা পোশাক দেখাতে।
- Wide Shot: environment-কে বেশি গুরুত্ব দিতে।
- Extreme Wide Shot: বিশাল environment-এর তুলনায় subject-এর scale দেখাতে।
উদাহরণ:
wide shot, lone cyclist crossing a vast desert road
একই prompt-এ প্রয়োজন ছাড়া extreme close-up এবং wide establishing shot-এর মতো বিপরীত নির্দেশ রাখলে model কোনটিকে অগ্রাধিকার দেবে, তা অনিশ্চিত হয়ে যায়।
Lighting keyword বাছাইয়ের সময় তিনটি বিষয় দেখুন
শুধু cinematic lighting লিখলে আলো সম্পর্কে খুব বেশি তথ্য দেওয়া হয় না। এর বদলে ভাবুন:
১. আলো নরম না শক্ত?
২. আলো কোন দিক থেকে আসছে?
৩. আলো দিনের কোন সময় বা কী mood বোঝাচ্ছে?
Soft diffuse, golden hour ও high-contrast lighting-এর মতো নির্দিষ্ট cue ব্যবহার করলে উদ্দেশ্য আরও পরিষ্কার হয়।
Soft Diffused Light
Portrait বা lifestyle visual:
soft diffused window light from the left, gentle shadows
এখানে শুধু আলো নরম বলা হয়নি; আলো কোন দিক থেকে আসছে, সেটিও নির্দিষ্ট।
Golden Hour
নিচু সূর্যের উষ্ণ আলো বা backlit look চাইলে:
warm golden-hour backlight, subtle rim light, long shadows
Golden-hour light photography-তে উষ্ণ backlighting, silhouette ও rim-light effect তৈরিতে ব্যবহার করা হয়।
Backlight ও Rim Light
strong backlight, thin rim light around the hair and shoulders
Subject-এর কিনারায় আলোর outline দেখাতে এবং background থেকে আলাদা করার visual intent বোঝাতে এই wording কাজে লাগে।
Hard Side Light
hard directional side light, deep shadows, strong contrast
Noir-inspired portrait, dramatic product visual বা texture-heavy scene-এ এ ধরনের lighting cue মানানসই।
Neon Lighting
শুধু cyberpunk লিখে থেমে না গিয়ে আলো ও reflection নির্দিষ্ট করুন:
magenta and cyan neon signs, reflections on wet pavement, cool blue rim light on the subject
এতে model-এর জন্য scene-এর visual logic অনেক পরিষ্কার হয়।
35mm, 50mm, 85mm ও f/1.8 লিখলে কী বোঝানো হয়?
বাস্তব photography-তে focal length-এর নির্দিষ্ট optical অর্থ রয়েছে। ছোট focal length সাধারণত wider angle of view দেয়, আর বড় focal length angle of view সংকুচিত করে এবং magnification বাড়ায়।
AI prompt-এ এই সংখ্যাগুলো একইভাবে কাজ করে—এমন ধরে নেওয়া ঠিক নয়।
35mm, 50mm বা 85mm-কে photographic look-এর cue হিসেবে ব্যবহার করাই নিরাপদ। Detailed camera specification image model loosely interpret করতে পারে; এগুলো exact physical camera simulation নয়।
ব্যবহারিকভাবে:
- 24–35mm wide-angle look: environment বেশি দেখানোর ইঙ্গিত।
- 35mm look: environmental বা street-style framing।
- 50mm look: তুলনামূলক standard photographic perspective।
- 85mm portrait look: tighter portrait বা subject separation-এর ইঙ্গিত।
- Macro: খুব ছোট detail বা texture বড় করে দেখাতে।
Stability AI-এর official example prompt-এ lens, aperture ও shutter-speed terminology ব্যবহারের নজির আছে। কিন্তু সেখানেও এগুলোকে বাস্তব ক্যামেরার optical physics-এর নিশ্চয়তা হিসেবে ধরা যাবে না।
Aperture-এর ক্ষেত্রেও একই নিয়ম প্রযোজ্য। বাস্তব photography-তে বড় aperture, যেমন f/1.8, shallow depth of field তৈরিতে ব্যবহার করা হতে পারে। AI prompt-এ শুধু:
f/1.8
লেখার চেয়ে:
shallow depth of field, softly blurred background, subject in sharp focus
লিখলে কাঙ্ক্ষিত visual effect আরও সরাসরি বোঝানো যায়।
“Realistic” লিখলেই ছবি বাস্তবসম্মত হয় না
দুর্বল prompt:
realistic, cinematic, 8K, masterpiece
এখানে ছবিটি কীভাবে বাস্তব দেখাবে, সে বিষয়ে কার্যকর নির্দেশ কম।
আরও নির্দিষ্ট prompt:
photorealistic candid photograph of a middle-aged fisherman repairing a net beside a wooden boat, weathered skin, faded cotton shirt, eye-level medium shot, soft overcast daylight, natural skin texture, worn materials, muted colors, subtle background blur
Photorealistic output-এর জন্য lighting ও framing-এর পাশাপাশি skin texture, fabric wear, pores, wrinkles ও imperfections-এর মতো বাস্তব detail উল্লেখ করা বেশি কার্যকর।
তাই 4K, cinematic, ultra detailed বা masterpiece-এর মতো শব্দ যোগ করার আগে scene-এর বাস্তব বৈশিষ্ট্য বর্ণনা করা বেশি গুরুত্বপূর্ণ।
একটি সাধারণ prompt ধাপে ধাপে উন্নত করুন
শুরুর prompt:
a coffee shop in Dhaka
এটি বিষয় জানায়, কিন্তু framing বা lighting সম্পর্কে কিছু বলে না।
Subject ও environment নির্দিষ্ট করুন:
a small independent coffee shop in Dhaka, wooden tables, barista preparing coffee
এরপর composition:
wide interior shot, foreground table, barista positioned on the right third
Camera angle:
eye-level viewpoint
Lighting:
soft morning window light from the left, warm practical lights in the background
Visual treatment:
natural colors, realistic wood texture, subtle depth of field, documentary-style interior photography
সম্পূর্ণ prompt:
A small independent coffee shop in Dhaka, wooden tables, barista preparing coffee, wide interior shot, foreground table, barista positioned on the right third, eye-level viewpoint, soft morning window light from the left, warm practical lights in the background, natural colors, realistic wood texture, subtle depth of field, documentary-style interior photography
প্রথম ফল পছন্দ না হলে পুরো prompt একবারে পাল্টাবেন না। আলো ভুল হলে শুধু lighting বদলান। Framing ঠিক না হলে camera distance বা composition সংশোধন করুন।
Clean base prompt থেকে ছোট single-change refinement করলে কোন পরিবর্তনের কারণে ফল বদলেছে, তা বোঝা সহজ হয়।
Midjourney, GPT Image ও Stable Diffusion-এ একই prompt কি একইভাবে কাজ করবে?
না। Composition ও photography-এর ধারণাগুলো এক হলেও prompt interpretation এবং controls platformভেদে আলাদা।
Midjourney
Midjourney-এর বর্তমান documentation তুলনামূলক ছোট ও স্পষ্ট prompt-এর পরামর্শ দেয়। Aspect ratio text-এর মধ্যে লেখার বদলে –ar বা –aspect parameter দিয়েও নিয়ন্ত্রণ করা যায়।
Image Prompt ব্যবহার করলে reference image content, composition, style ও color-কে প্রভাবিত করতে পারে। ১৭ আগস্ট ২০২৬ অনুযায়ী Midjourney V8.2 default version, তাই পুরোনো tutorial-এর prompt বর্তমান version-এ একই ফল দেবে—এমন ধরে নেওয়া ঠিক নয়।
OpenAI GPT Image
DALL·E 3 এখন আর বর্তমান API model নয়। GPT Image 2-এ natural-language prompt দিয়ে framing, viewpoint, subject placement, lighting, texture এবং constraints বিস্তারিতভাবে বলা যায়।
Stable Diffusion
Stability AI-এর বর্তমান core-model তালিকায় Stable Diffusion 3.5 family রয়েছে। Stable Diffusion models বিভিন্ন interface, checkpoint ও workflow-এর মাধ্যমে ব্যবহার করা যায়। ফলে একটি interface-এর parameter বা syntax অন্যটিতে কাজ করবে ধরে নেওয়া ঠিক নয়।
এ কারণেই Midjourney-specific parameter সরাসরি Stable Diffusion বা অন্য image generator-এ কপি না করে সংশ্লিষ্ট model বা interface-এর documentation দেখা ভালো।
যে ভুলগুলো prompt-কে অকারণে জটিল করে
কয়েকটি ভুল খুব সাধারণ।
বিপরীত নির্দেশ একসঙ্গে দেওয়া: minimal scene লেখার পর অসংখ্য props, মানুষ ও background element চাওয়া।
Shot ও angle গুলিয়ে ফেলা: Close-up হলো framing; low angle হলো viewpoint।
অতিরিক্ত camera metadata: camera body, ISO, shutter speed, aperture ও lens-এর দীর্ঘ তালিকা prompt-কে প্রযুক্তিগত দেখায়, কিন্তু exact camera simulation নিশ্চিত করে না।
Buzzword-এর ওপর নির্ভর করা: 4K, cinematic, ultra detailed বা masterpiece composition, lighting বা subject placement-এর বিকল্প নয়।
Layout না বলা: thumbnail বা advertisement-এ পরে text বসানোর পরিকল্পনা থাকলে শুরুতেই negative space ও subject placement নির্দিষ্ট করুন।
একবারে সব পরিবর্তন করা: framing ঠিক করতে গিয়ে একই সঙ্গে পোশাক, background, lighting ও style পাল্টালে কোন পরিবর্তনটি কার্যকর হয়েছে তা বোঝা কঠিন হয়।
প্রথমে এই পাঁচটি সিদ্ধান্ত নিন
Photography-এর সব technical term মুখস্থ না করেও ভালো prompt লেখা যায়। শুরুতে পাঁচটি প্রশ্নের উত্তর দিন:
১. ছবির মূল subject কী?
২. Subject ফ্রেমে কোথায় থাকবে?
৩. কতটা কাছে বা দূর থেকে দেখা হবে?
৪. ক্যামেরা কোন উচ্চতা বা angle-এ থাকবে?
৫. আলো কোন দিক থেকে আসবে এবং তার প্রকৃতি কী হবে?
এরপর প্রয়োজন অনুযায়ী depth of field, focal-length look, color palette, texture বা aspect ratio যোগ করুন।
একটি কার্যকর AI image prompt guide-এর মূল কথা jargon বাড়ানো নয়; visual সিদ্ধান্ত স্পষ্ট করা। 85mm, f/1.8, cinematic, 8K লিখে থেমে যাওয়ার চেয়ে eye-level close-up, subject on the right third, soft window light, shallow depth of field অনেক বেশি ব্যবহারযোগ্য নির্দেশনা।
আর একটি বিষয় মাথায় রাখা দরকার: composition-এর নীতি তুলনামূলকভাবে স্থায়ী হলেও image-generation model, version, parameter এবং interface দ্রুত বদলায়। তাই গুরুত্বপূর্ণ কাজের আগে ব্যবহৃত platform-এর বর্তমান documentation দেখে নেওয়াই সবচেয়ে নিরাপদ অভ্যাস।
শেষ কথা
ভালো AI image prompt লেখার জন্য অসংখ্য photography term মুখস্থ করার প্রয়োজন নেই। বেশি কাজে দেয় এমন কয়েকটি সিদ্ধান্ত আগে পরিষ্কার করা—subject কোথায় থাকবে, কতটা কাছে দেখা হবে, camera angle কী হবে এবং আলো কোন দিক থেকে আসবে। এরপর প্রয়োজন অনুযায়ী focal length, depth of field বা visual style যোগ করা যায়।
এই AI image prompt guide অনুসরণ করার সময় সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো প্রতিটি keyword-এর উদ্দেশ্য বোঝা। cinematic, 85mm বা f/1.8 লিখলেই কাঙ্ক্ষিত ফল নিশ্চিত হয় না; বরং সরাসরি framing, lighting ও composition বর্ণনা করলে prompt বেশি পরিষ্কার থাকে। একই সঙ্গে model ও platformভেদে prompt interpretation বদলাতে পারে, তাই গুরুত্বপূর্ণ কাজের আগে সংশ্লিষ্ট tool-এর বর্তমান documentation দেখে নেওয়াই বাস্তবসম্মত পদ্ধতি।
প্রায়শই জিজ্ঞাসিত প্রশ্ন
১. AI image prompt-এ camera angle লিখলে কি ছবির ফল বদলায়?
হ্যাঁ, camera angle ছবির perspective ও framing-এ প্রভাব ফেলতে পারে। যেমন eye-level, low angle, high angle বা top-down view লিখলে subject-কে কোন অবস্থান থেকে দেখানো হবে, সে বিষয়ে model স্পষ্ট নির্দেশ পায়। তবে সব image model একইভাবে এসব term ব্যাখ্যা করে না।
২. Realistic AI image তৈরির জন্য 35mm, 50mm বা 85mm লেখা কি জরুরি?
জরুরি নয়। এগুলো photographic look বোঝাতে cue হিসেবে ব্যবহার করা যায়, কিন্তু বাস্তব ক্যামেরার lens setting-এর মতো হুবহু কাজ করবে—এমন নিশ্চয়তা নেই। অনেক ক্ষেত্রে shallow depth of field, wide-angle view বা softly blurred background-এর মতো সরাসরি visual description বেশি কার্যকর।
৩. AI image prompt কতটা বিস্তারিত হওয়া উচিত?
যতটা detail ছবির গুরুত্বপূর্ণ visual decision পরিষ্কার করে, ততটাই যথেষ্ট। Subject, composition, shot size, camera angle, lighting ও প্রয়োজনীয় style আগে নির্দিষ্ট করুন। অতিরিক্ত keyword যোগ করার বদলে প্রথম ফল দেখে একবারে একটি বিষয়—যেমন lighting বা framing—পরিবর্তন করলে prompt উন্নত করা সহজ হয়।
