تصویر و صدا: ساختن، خواندن، شنیدن

چرا تصویرهایت شبیه چیزی که در ذهنت بود نیستند

در قسمت دوم دیدیم که مدل ذهنت را نمی‌خواند. برای تصویر، این مسئله دو برابر می‌شود — چون یک تصویر ده‌ها تصمیم دارد و تو معمولاً فقط یکی‌شان را می‌نویسی.

بنویسی «یک زن در حال قدم‌زدن»، مدل باید خودش تصمیم بگیرد: کجا؟ چه ساعتی از روز؟ از چه فاصله‌ای می‌بینیمش؟ دوربین کجاست؟ رنگ‌ها گرم‌اند یا سرد؟ نقاشی است یا عکس؟ هر کدام از این‌ها را ننویسی، یکی از هزاران حالتِ ممکن را می‌گیری — و بعد فکر می‌کنی مدل ضعیف است.

پنج تکه‌ی یک پرامپت تصویر

در قسمت دوم شش تکه برای متن داشتیم. برای تصویر پنج تکه است، و ترتیبشان هم مهم است — مدل به اولِ جمله بیشتر وزن می‌دهد.

تصویرساز

مثل قسمت قبل، خودت پرش کن. متن انگلیسی پایین همان لحظه ساخته می‌شود — انگلیسی، چون مدل‌های تصویر با انگلیسی به‌مراتب بهتر کار می‌کنند.

آن خط آخر، پرامپت منفی است: فهرست چیزهایی که نمی‌خواهی. خیلی از ابزارها کادر جداگانه‌ای برایش دارند؛ اگر نداشت، همان‌جا در انتهای پرامپت بگذارش. برای هر سبک، فهرست مخصوص خودش در کتابخانه هست.

جهت دیگر: عکس بده، جواب بگیر

این نیمه‌ی فراموش‌شده است. بیشتر مردم فقط تصویر می‌سازند، در حالی که خواندنِ تصویر همان چیزی است که در کار روزمره وقت آزاد می‌کند.

هر سه ابزاری که در قسمت اول معرفی کردم عکس می‌خوانند. چند کارِ واقعی که همین امروز می‌توانی بکنی:

همان قاعده‌ی قسمت دوم اینجا هم برقرار است: عکس را بده و بگو دقیقاً چه می‌خواهی. «این چیه؟» جواب کلی می‌گیرد؛ «متن این تخته را به فهرست تبدیل کن» جواب قابل‌استفاده.

صدا: از یک ساعت حرف تا نیم صفحه‌ی مفید

صوت کم‌استفاده‌ترین و شاید پرارزش‌ترین بخش برای کسی است که جلسه دارد، کلاس می‌رود، یا مصاحبه می‌گیرد.

کار در دو مرحله انجام می‌شود و اشتباه رایج این است که مردم فقط مرحله‌ی اول را انجام می‌دهند:

• مرحله‌ی اول — پیاده‌سازی. فایل صوتی را به متن تبدیل کن. خروجی معمولاً بلند و خام است و به‌تنهایی خیلی به درد نمی‌خورد.
• مرحله‌ی دوم — استخراج. همان متن را بده و بخواه چیزی از دلش بیرون بکشد. اینجاست که ارزش ساخته می‌شود.

این متنِ پیاده‌شده‌ی یک [جلسه / کلاس / مصاحبه] است.

سه چیز از آن بیرون بکش:
۱. تصمیم‌هایی که گرفته شد — فقط تصمیم‌ها، نه بحث‌ها.
۲. کارهایی که به کسی سپرده شد، با اسم آن شخص.
۳. سوال‌هایی که بی‌جواب ماند.

هر چیزی که در متن نیست را ننویس. اگر جایی نامفهوم بود، بگو نامفهوم است.

و اگر با ویدیو کار می‌کنی: همین کار برای زیرنویس هم جواب می‌دهد. متن پیاده‌شده را بده و بخواه به قطعه‌های کوتاهِ زمان‌دار تقسیمش کند — یک کار چند ساعته که به چند دقیقه می‌رسد.

مرزها — این بار جدی‌تر

در قسمت دوم دربارهٔ مرزهای متن حرف زدیم. تصویر و صدا مرزهای سخت‌تری دارند، چون به آدم‌های واقعی مربوط می‌شوند.

یک قاعده‌ی ساده که همه‌ی این‌ها را پوشش می‌دهد: اگر آدمی که در تصویر یا صداست می‌دید چه کرده‌ای و ناراحت می‌شد، نکن.

شش کار. تیک‌ها روی همین مرورگر می‌مانند.

• با تصویرساز یک پرامپت کامل ساختم و اجرایش کردم.
• همان پرامپت را با یک نورِ متفاوت دوباره زدم و فرقش را دیدم.
• یک سبک از کتابخانه‌ی پرامپت برداشتم و روی سوژه‌ی خودم گذاشتم.
• یک عکس واقعی از کار یا درسم دادم و ازش چیزی استخراج کردم.
• یک فایل صوتی را پیاده کردم و بعد ازش تصمیم‌ها را بیرون کشیدم.
• یک کار پیدا کردم که به‌خاطر مرزهای این درس تصمیم گرفتم انجامش ندهم.

در قسمت چهارم

سه قسمت اول، مهارتِ تک‌کار بود: یک سوال، یک جواب. قسمت چهارم دربارهٔ چیزی است که این را به یک سیستم تبدیل می‌کند.

• پیدا کردن کارِ تکراری خودت — آن چیزی که هر هفته انجامش می‌دهی و حوصله‌ات را می‌برد.
• تبدیلش به یک رویه‌ی ثابت — که هر بار همان کیفیت را بدهد، نه گاهی خوب گاهی بد.
• زنجیره‌ی چند مرحله‌ای — خروجی یک مرحله، ورودی مرحله‌ی بعد.
• کجا باید دست نگه داری — نقطه‌ای که آدم باید تصمیم بگیرد، نه ماشین.

تا آن موقع تمرین این هفته را انجام بده. قسمت چهارم روی چیزی ساخته می‌شود که خودت ساخته باشی.