Prompt hebat jarang lahir dari percobaan pertama. Berikut simulasi tiga putaran revisi untuk ilustrasi seekor rubah di hutan, dengan fokus pada apa yang diubah dan alasannya.
Versi 1: terlalu polos
Gambar rubah di hutan
Hasilnya biasanya generik: gaya acak, komposisi tengah, warna datar. Tidak ada cerita yang terbaca.
Versi 2: gaya dan suasana
Ilustrasi rubah oranye duduk di hutan berkabut, gaya cat air dengan garis pensil, palet oranye, hijau lumut, dan abu kebiruan, suasana pagi tenang
Sekarang ada medium, palet, dan mood. Namun penataan gambar masih dibiarkan acak.
Versi 3: komposisi dan detail
Ilustrasi rubah oranye duduk di sepertiga kanan, hutan pinus berkabut di background, daun paku di foreground, gaya cat air dengan garis pensil tipis, palet oranye, hijau lumut, dan abu kebiruan, cahaya pagi menembus kabut, ruang kosong di kiri atas, tanpa teks, rasio 4:5
Pelajaran dari ketiga revisi
- Tambahkan gaya dan medium lebih dulu.
- Atur palet dan suasana pada putaran kedua.
- Kunci komposisi dan batasan di putaran akhir.
- Ubah satu hal per revisi agar kamu tahu penyebab perbedaan.
Mengapa revisi bertahap bekerja
Model AI sangat sensitif terhadap perubahan kecil, sehingga mengubah banyak hal sekaligus membuat sebab dan akibat sulit dilacak. Dengan revisi bertahap, setiap perubahan punya dampak yang bisa diamati. Setelah beberapa proyek, kamu akan hafal elemen mana yang paling berpengaruh pada gaya tertentu dan bisa melompati beberapa putaran revisi sejak awal.
Perhatikan pula bahwa setiap putaran sebaiknya diberi catatan singkat: apa yang diubah, apa yang membaik, dan apa yang justru memburuk. Dari catatan itu kamu bisa menyusun aturan pribadi, seperti selalu menyebut palet sebelum suasana, atau selalu menutup prompt dengan batasan. Aturan kecil semacam ini yang pelan-pelan membuat promptmu semakin matang.
Catat setiap versi beserta hasilnya. Kebiasaan sederhana ini membuatmu lebih cepat menemukan pola yang cocok dengan selera dan kebutuhan proyek.
2 Komentar
Template maskotnya sangat membantu, brand kopi saya akhirnya punya karakter yang cocok.
Studi kasus revisinya bagus. Ternyata mengubah satu elemen per putaran memang lebih efektif.