اگر این روزها سری به پلتفرم X (توییتر سابق) یا اینستاگرام زده باشید، موجی از تصاویر خیرهکنندهی مدلهای Flux و Midjourney v6.1 را دیدهاید. اما سؤالی که ذهن کاربران دقیقتر را به خود مشغول کرده، یک مسئلهی تکنیکال ساده نیست؛ یک مسئلهی هویتی است: «چرا خروجیها بوی ایران نمیدهند؟» بسیاری از ما وقتی میخواهیم تصویری از یک زن یا مرد ایرانی تولید کنیم، با موجوداتی مواجه میشویم که گویی از دلِ کاتالوگهای مدِ میلان یا پاریس بیرون آمدهاند و تنها یک روسری یا المان سنتی به آنها «سنجاق» شده است. در این درس، میخواهیم یاد بگیریم که چگونه با استفاده از پرامپتنویسیِ لایهمند، از این «غربزدگیِ الگوریتمیک» عبور کنیم.
مشکل در لایهی «بایاس دادهها» نهفته است. مدلهای بزرگی مثل Midjourney یا مدل ویدیوساز گوگل (Veo3)، بر اساس استانداردهای زیباییشناسیِ غالب در وب (که عمدتاً غربی است) آموزش دیدهاند. برای این مدلها، مفهوم «زیبایی» به طور پیشفرض با چهرههای Caucasian (قفقازی)، پوستهای بسیار روشن و ویژگیهای آناتومیک اروپایی گره خورده است. ما برای رسیدن به «اصالت»، نباید فقط سفارش دهیم؛ ما باید «مهندسی معکوس» کنیم.
یعنی باید ویژگیهایی را که مدل به طور پیشفرض اعمال میکند، با دقتِ یک جراح، جراحی کرده و با ویژگیهای بومی جایگزین کنیم.
در بررسیهایی که روی پربازدیدترین پستهای تخصصی بهمن ۱۴۰۴ تا امروز داشتهام، به چهار الگوی کلیدی رسیدم که میتوانند نتایج شما را از یک «تصویر فانتزی غربی» به یک «تصویر اصیل ایرانی» تغییر دهند.
۱. پرترهی قومی (تأکید بر ریشهها) اگر میخواهید مدلی مثل Flux را مجبور کنید که از کلیشهها فاصله بگیرد، باید به سراغ ریشههای قومی بروید. به عنوان مثال، برای بازسازی چهرهی یک زن کُرد یا ایرانی با ویژگیهای واقعی، این ترکیب معجزه میکند:
highly detailed oil painting portrait of a beautiful young Kurdish Iranian woman, authentic Persian features, almond-shaped dark brown eyes, olive skin, long wavy black hair, warm genuine smile, wearing light blue sequined floral dress with traditional Iranian patterns, black velvet shawl, wide ornate gold belt, gold coin necklace, soft natural window lighting, textured brush strokes, masterpiece, photorealistic details --v 6 --stylize 150
۲. فضای شهری و رئالیسمِ تهرانی
بسیاری از کاربران از اینکه محیطها شبیه به مراکش یا دبی میشود شکایت دارند. برای حل این مشکل، باید از «لنگرهای محیطی» مثل کوه البرز یا ترافیک خاص تهران استفاده کنید:
realistic photo of a 28-year-old Iranian girl walking in Tehran street, authentic Persian beauty, dark hair under modern Iranian hijab, long black manteau, jeans, natural makeup, busy Tehran traffic and mountains in background, winter sunlight, shot on Sony A7R IV, 50mm lens, depth of field, no western features --v 6 --q 2
۳. مدیریتِ «حجاب و چادر» در هوش مصنوعی
برای اینکه چادر تبدیل به «عبا» یا «برقع» نشود، استفاده از کلمات جادویی مثل Persian scarf و لوکیشنهای معماری مثل Isfahan حیاتی است:
photorealistic portrait of a young Iranian woman with authentic Persian face, high cheekbones, dark almond eyes, subtle Persian nose, olive skin tone, elegant black chador and colorful Persian scarf, modest traditional Iranian clothing, standing in Isfahan Naqsh-e Jahan square at golden hour, cinematic lighting --ar 2:3 --v 6
یکی از مهمترین درسهایی که در توییتر فارسی ۲۰۲۶ تکرار میشود، استفاده از «نه» به جای «آری» است. برای اینکه هوش مصنوعی چهره را «باربیگونه» نکند، باید از پارامتر --no به صورت هوشمندانه استفاده کنید.
کلمات ممنوعه (Negative Keywords):
--no western face, blonde hair, blue eyes, european features, barbie, plastic skin, makeup overload, heavy lashes
این دستورات به هوش مصنوعی میگویند که حق ندارد برای پر کردن خلاءهای دادهای خود، به سراغ دیتابیسهای زیبایی غربی برود.
در سال ۲۰۲۶، مرورگرها و موتورهای جستجوی مبتنی بر AI، محتوا را بر اساس «عمقِ بافت» (Contextual Depth) رتبهبندی میکنند. اگر عکسی تولید میکنید، در توضیحات متنی آن (Alt-text) یا پرامپتهای متصل به ویدیو در Veo3، از اصطلاحات تخصصی معماری و پوشاک استفاده کنید:
به جای کلمهی عمومی روسری، بگویید: Gol-e-Goli (flower patterned) Persian Scarf
به جای کلمهی خانه قدیمی، بگویید: House with Panj-dari and central pool
این کار باعث میشود الگوریتمهای گوگل و گروک (Grok) تصویر شما را نه به عنوان یک تصویر تصادفی، بلکه به عنوان یک مرجع برای «فرهنگ ایرانی» شناسایی کنند.
