Saat pertama kali menggunakan AI untuk membuat gambar, hal yang paling sering membuat kita terjebak biasanya bukan tombol, melainkan tiga pertanyaan: apakah harus memulai dari teks atau mengunggah gambar referensi, seberapa rinci kata kunci harus ditulis, dan jika hasil pertama kurang memuaskan, bagian mana yang sebaiknya diperbaiki.

Artikel ini menggunakan PixPix untuk menyusun sebuah proses pembuatan gambar AI yang dapat diulang. Anda akan mulai dari tujuan penggunaan dan ukuran gambar, lalu menulis kata kunci yang mencakup sudut pandang, subjek utama, lingkungan, pencahayaan, serta gaya; selanjutnya, melalui sebuah contoh speaker portabel asli, Anda akan belajar cara menyaring hasil, melakukan koreksi satu variabel, serta meneruskan gambar yang telah jadi untuk diedit atau digunakan dalam pembuatan video.

Contoh dan kata kunci dalam artikel ini dirancang ulang khusus untuk menjelaskan metode, dan tidak mewakili hasil pengujian aktual pada model tertentu.

Kesimpulan singkat: Pertama-tama tentukan di mana gambar tersebut akan digunakan.

Sebuah “gambar AI yang indah” belum tentu merupakan “gambar AI yang dapat digunakan”. Sebelum memulai pembuatan, jawablah terlebih dahulu empat pertanyaan berikut:

1. Apakah gambar tersebut akan digunakan sebagai foto utama produk, konten media sosial, sampul artikel, atau banner?

2. Apa subjek utama yang paling penting dalam gambar tersebut?

3. Informasi visual apa saja yang harus tetap stabil, seperti bentuk produk, identitas tokoh, atau warna merek?

4. Setelah gambar selesai, apakah akan langsung digunakan, atau masih perlu diedit, diperluas, atau diubah menjadi video?

Jawaban atas pertanyaan-pertanyaan ini akan menentukan apakah Anda harus menggunakan generasi gambar dari teks atau dari gambar, memilih format gambar yang sesuai, serta informasi mana dalam kata kunci yang harus ditulis dengan sangat jelas.

Urutan rekomendasi: Tentukan tujuan → Pilih jalur generasi → Tetapkan format gambar → Tulis versi pertama kata kunci → Saring struktur → Perbaiki hanya satu variabel utama setiap kali.

Memilih antara generasi gambar dari teks atau dari gambar

Halaman resmi PixPix saat ini menyediakan dua opsi: generasi gambar dari teks dan generasi gambar dari gambar. Generasi gambar dari teks dimulai dengan deskripsi berbasis teks; sedangkan generasi gambar dari gambar memungkinkan pengunggahan gambar referensi, sketsa, atau tangkapan layar, sehingga hasil yang dihasilkan dapat meneruskan struktur, komposisi, atau gaya dari gambar asli.

Jika tidak ada objek tertentu yang ingin ditampilkan, mulailah dengan generasi gambar dari teks.

Ketika Anda sedang menjelajahi karakter baru, adegan konsep, sampul artikel, atau ide produk fiksi, teks seringkali sudah cukup. Pada tahap ini, fokusnya adalah memecah “ide” menjadi informasi visual yang dapat dipahami oleh model, bukan terlebih dahulu menyiapkan sebuah gambar referensi.

Misalnya, “Buat sebuah gambar iklan dengan suasana musim panas yang kuat” masih terlalu abstrak. Model tidak tahu apa subjek utamanya, di mana letaknya, bagaimana pencahayaannya, atau seberapa jauh jarak lensanya. Ubahlah menjadi objek, lingkungan, dan pencahayaan yang lebih spesifik agar hasilnya lebih mudah dinilai.

Jika diperlukan konsistensi, gunakan gambar referensi terlebih dahulu.

Jika gambar harus mempertahankan suatu produk nyata, penampilan seseorang, pose, struktur sketsa, atau komposisi yang sudah ada, maka sebaiknya pilih generasi gambar dari gambar atau metode yang mendukung penggunaan gambar referensi.

Gambar referensi tidak berarti hasilnya pasti sepenuhnya sama. Setelah proses generasi, tetap perlu dilakukan pengecekan:

• Apakah kontur, warna, dan material produk mengalami perubahan?

• Apakah wajah, pakaian, dan aksesori tetap mempertahankan identitasnya?

• Apakah komposisi tetap meneruskan hubungan dengan gambar referensi?

• Apakah teks dan logo dalam gambar referensi telah diubah?

• Apakah gaya latar belakang justru memengaruhi subjek utama?

Jika konsistensi merupakan persyaratan mutlak, kata kunci harus secara jelas menyebutkan “apa yang harus dipertahankan”, bukan sekadar menggambarkan hal-hal yang ingin ditambahkan.

Menetapkan tujuan generasi melalui sebuah contoh orisinal

Artikel ini menetapkan sebuah konsep visual produk musim panas yang fiktif: sebuah speaker Bluetooth portabel berbentuk bulat dengan sudut membulat, berwarna oranye karang tanpa merek, diletakkan di atas meja batu gamping berwarna putih di tepi kolam renang biru muda. Cahaya matahari senja yang masuk dari sisi kiri, dengan sedikit tetesan air di permukaan meja, latar belakang mempertahankan riak air yang sederhana, keseluruhan memberikan nuansa fotografi komersial yang segar dan modern.

Gambar ini direncanakan untuk pengumuman produk baru di media sosial, sehingga terlebih dahulu menggunakan komposisi vertikal dan menyisakan ruang di bagian atas untuk tata letak lanjutan. Pada gambar tidak boleh muncul logo merek, teks pada kemasan, elemen elektronik tambahan, atau tangan manusia.

Pertama-tama, pecahlah tujuan menjadi dua jenis batasan:

Pemecahan ini dapat mencegah kalimat prompt semakin panjang. Informasi yang harus tetap stabil perlu dinyatakan secara jelas; sedangkan bagian yang dapat dieksplorasi memberikan ruang bagi model untuk bervariasi.

Keterangan gambar: Pada tahap awal, hanya pertimbangkan kolam renang, meja batu gua, posisi kamera, serta cahaya hangat di sisi kiri, guna memberikan batasan lingkungan yang jelas untuk penambahan produk di kemudian hari.

Susun prompt menjadi lima modul yang dapat diperiksa

Daripada menumpuk kata sifat abstrak seperti “mewah, memukau, sempurna”, lebih baik setiap frasa mengemban satu tugas visual. Struktur yang cocok untuk pemula adalah:

Lensa dan komposisi + Subjek dan karakteristik + Lingkungan dan posisi + Cahaya dan suasana + Gaya visual.

Keterangan gambar: 1–5 masing-masing merujuk pada lensa dan komposisi, subjek, lingkungan, cahaya, dan gaya visual; angka penjelasan ditempatkan dalam teks utama, agar tidak menumpuk teks panjang di dalam gambar.

Lensa dan komposisi menentukan cara memotong gambar

“Close-up”, “Medium shot”, “Bird’s-eye view”, “Eye-level shot”, “Subjek di tengah”, “Ruang kosong di atas” semuanya akan langsung memengaruhi penyusunan gambar. Jika gambar perlu menampilkan judul atau tombol, sebaiknya sisihkan ruang pada tahap pembuatan, bukan menunggu hingga akhir lalu memaksakan pemotongan subjek.

Subjek dan karakteristik menjelaskan apa saja yang ada dalam gambar

Tulis dulu kata benda, lalu tambahkan bentuk, material, dan warna yang benar-benar memengaruhi identifikasi. Contoh:

Sebuah speaker bluetooth portabel berwarna oranye karang tanpa merek, dengan bodi persegi panjang berujung bulat, jaring kain halus, dan hanya satu tombol yang terlihat sederhana di bagian atas.

“Tanpa merek” hanya dapat mengurangi kemungkinan munculnya logo acak; setelah proses generasi, tetap perlu dicek apakah muncul tulisan palsu atau bentuk mirip logo.

Lingkungan dan posisi menangani hubungan spasial

Lingkungan bukan sekadar nama latar belakang, melainkan juga menjelaskan bagaimana subjek berinteraksi dengan ruang tersebut. Dalam contoh ini, “diletakkan di atas meja batu gua di tepi kolam renang” jelas lebih rinci daripada “latar belakang kolam renang”, karena sekaligus menentukan permukaan, posisi, serta hubungan kontak.

Cahaya dan suasana bertanggung jawab atas kesatuan tekstur

Jelaskan dari mana cahaya berasal, tingkat kelembutannya, serta apakah keseluruhan nuansa cenderung dingin atau hangat. Misalnya, “cahaya matahari senja yang bersinar miring dari sisi kiri, meninggalkan bayangan pendek yang lembut di arah kanan belakang speaker”. Cara ini lebih mudah diperiksa dibanding hanya menulis “cahaya bergaya film”.

Gaya visual diletakkan pada bagian akhir sebagai penutup ekspresi

Gaya dapat berupa “fotografi produk komersial modern”, “fotografi editorial yang segar”, atau “ilustrasi patung kertas yang lembut”. Hindari dalam satu prompt yang sama meminta secara bersamaan ekspresi yang saling bertentangan, seperti fotografi, lukisan minyak, rendering 3D, dan film retro.

Selesaikan generasi pertama di PixPix

Masuk ke Penghasil Gambar dan Video AI PixPix, mulailah dengan “text-to-image” pada kasus ini. Pengaturan yang disediakan oleh model yang berbeda mungkin berbeda; opsi sebenarnya harus mengacu pada panel generasi saat ini.

Pilih dulu format gambar yang sesuai dengan tempat publikasi

Format gambar harus disesuaikan dengan tujuan akhir, bukan menentukannya setelah gambar selesai dibuat:

• Format vertikal: lebih cocok untuk konten media sosial di perangkat seluler dan poster potret;

• Format persegi: cocok untuk konten yang perlu kompatibel dengan berbagai posisi feed;

• Format horizontal: lebih cocok untuk sampul blog, spanduk web, dan presentasi.

Kasus ini bertujuan untuk pengumuman produk baru di media sosial, sehingga disarankan menggunakan format vertikal. Jika nanti juga akan membuat sampul blog, Anda bisa menghasilkan versi horizontal setelah komposisi stabil, jangan langsung memperluas sisi kanan-kiri gambar vertikal secara mekanis.

Gunakan prompt lengkap versi pertama

Prompt kasus asli

Fotografi produk jarak dekat dan menengah dengan latar vertikal, sisakan ruang kosong yang sederhana di bagian atas. Sebuah speaker bluetooth portabel berwarna oranye karang tanpa merek, dengan bodi persegi panjang sudut bulat, jaring kain halus, serta tombol-tombol di bagian atas yang tampak sederhana, ditempatkan sepenuhnya di atas meja batu gua berwarna putih gading di tepi kolam renang biru muda. Meja tersebut memiliki beberapa tetesan air yang jelas, dengan latar belakang riak air yang sederhana dan lembut. Sinar matahari senja yang hangat menyinari dari sisi kiri, membentuk bayangan pendek yang alami dan lembut di sisi kanan belakang speaker, dengan bodi oranye karang yang memantulkan cahaya secara terkendali. Fotografi produk komersial yang segar dan modern, menampilkan material asli, tampilan bersih, tanpa adanya figur manusia, logo, teks kemasan, atau barang elektronik lainnya.

Ini adalah prompt yang dirancang khusus untuk kasus asli artikel ini, bukan merupakan prompt asli dari artikel referensi, dan tidak berarti bahwa suatu model pasti akan mengeksekusi kata demi kata.

Pada putaran pertama, lihat dulu struktur, jangan terburu-buru mengejar detail

Setelah proses generasi, perbesar dulu untuk melihat keseluruhan, lalu periksa satu per satu:

1. Apakah pada pandangan pertama sudah dapat menemukan speaker?

2. Apakah subjek utama tidak terpotong atau tertutup?

3. Apakah ruang kosong di bagian atas cukup untuk penataan selanjutnya?

4. Apakah hubungan spasial antara meja, kolam, dan speaker masih masuk akal?

5. Apakah arah cahaya dan bayangan yang terbentuk terasa alami?

Jika pada putaran pertama komposisi sudah benar, maka hasil tersebut layak untuk terus diperbaiki. Jangan karena satu tombol yang kurang rinci langsung menyerah pada sebuah hasil dengan komposisi yang baik.

Catatan gambar: Gambar contoh pengajaran ini menjaga agar produk, latar, dan arah cahaya tetap sesuai, namun subjek terlalu kecil dan proporsi latar depan terlalu besar, sehingga cocok digunakan untuk mendemonstrasikan cara memperbaiki jarak lensa dan proporsi subjek saja.

Hanya ubah satu variabel utama setiap kali

Saat hasil generasi menyimpang dari target, jelaskan dulu masalah termasuk dalam kategori apa, lalu perbaiki frasa yang sesuai.

Misalnya, jika subjek terlalu kecil, cukup ubah awalannya menjadi:

Fotografi produk dengan sudut pandang vertikal dekat, speaker menempati sekitar setengah tinggi gambar, dengan ruang kosong di bagian atas.

Sisanya mengenai material, lingkungan, dan pencahayaan tetap dibiarkan seperti semula. Dengan cara ini, lebih mudah menentukan modifikasi mana yang menyebabkan perubahan.

Keterangan gambar: versi revisi memperbesar subjek sambil mempertahankan ruang kosong di bagian atas; casing oranye karang, jaring kain, area gelap yang bersentuhan, serta bayangan di bagian kanan belakang bersama-sama membentuk fokus visual yang jelas.

Jangan masukkan semua kesalahan ke dalam poin negatif

“Jangan buram, jangan terdistorsi, jangan jelek, jangan berkualitas rendah” tidak dapat menggantikan deskripsi positif yang jelas. Pembatasan negatif harus ditujukan pada risiko nyata, misalnya dalam kasus ini: “jangan ada manusia, logo, tulisan pada kemasan, atau elemen elektronik lainnya.”

Jika model terus-menerus salah memahami subjek, pendekatan yang lebih efektif biasanya adalah menyederhanakan deskripsi konflik, menyesuaikan informasi sudut pandang, atau menggunakan gambar referensi, daripada terus menambahkan kata-kata negatif.

Pilih satu gambar dari kumpulan calon yang layak untuk disunting lebih lanjut

Jangan hanya memilih hasil dengan detail paling banyak. Urutan pemilihan yang lebih praktis adalah:

1. Identitas subjek dan komposisi keseluruhan;

2. Hubungan kontak, perspektif, dan cahaya;

3. Material dan warna;

4. Hiasan kecil, tepi, dan cacat lokal.

Kesalahan pada komposisi dan subjek umumnya berarti perlu dibuat ulang; sedangkan masalah kecil seperti teks palsu, bentuk tetesan air, atau cacat tepi lebih cocok untuk penyuntingan lokal selanjutnya.

Halaman resmi PixPix saat ini juga menampilkan kemampuan pengeditan gambar seperti penyuntingan lokal, pembesaran gambar, penggantian latar belakang, dan peningkatan kualitas gambar. Setelah struktur gambar terbentuk, Anda dapat terus memperbaiki bagian tertentu, memperluas ukuran gambar, atau meningkatkan kualitas; jika ingin membuat konten bergerak, Anda juga bisa menjadikan gambar diam sebagai titik awal untuk pembuatan video AI selanjutnya.

Keterangan gambar: tiga gambar berturut-turut dari kiri ke kanan menunjukkan awal adegan, masalah putaran pertama, dan target perbaikan. Fokus perbandingan adalah pada proporsi subjek dan hierarki gambar, bukan menganggap gambar simulasi instruksional sebagai hasil pengukuran langsung model.

Satu set templat kata kunci yang dapat digunakan berulang kali

Template umum

【Bingkai dan lensa】, fokus visual utama dalam gambar adalah 【subjek】, yang memiliki 【warna, bentuk, material, dan gerakan】. Subjek berada di dalam 【lingkungan dan posisi spesifik】, serta membentuk 【kontak atau hubungan spasial】 dengan 【permukaan atau objek lain】. Gunakan pencahayaan dari 【arah】 yang bersifat 【hangat-dingin dan lembut-keras】 untuk menghasilkan 【ciri cahaya sorot dan bayangan】. Keseluruhan memiliki 【gaya visual tunggal】, mempertahankan 【ruang tipografi atau komposisi kunci】, dan jangan munculkan 【elemen pengganggu yang berkaitan langsung dengan tugas】.

Saat mengisi template, prioritaskan mempertahankan kata-kata yang dapat mengubah tampilan gambar. Jika setelah menghapus suatu kata tujuan gambar tetap tidak terpengaruh, maka kata tersebut biasanya bukan informasi yang esensial.

Pertanyaan Umum

Apakah semakin panjang kata kunci semakin baik?

Tidak. Kata kunci harus mencakup keputusan visual penting, namun panjangnya sendiri tidak menjamin kontrol yang lebih baik. Penggunaan kata sifat yang berulang, gaya yang saling bertentangan, atau konsep abstrak yang tidak jelas justru dapat melemahkan fokus pada subjek utama.

Apakah kata kunci dalam bahasa Mandarin bisa langsung digunakan?

Anda dapat memulai dengan bahasa yang paling mudah Anda gunakan untuk menggambarkan secara akurat. Yang terpenting adalah menjelaskan tentang sudut pandang, subjek, lingkungan, pencahayaan, serta gaya, lalu periksa bagaimana model yang dipilih mengeksekusi deskripsi tersebut. Jika hasilnya sering salah memahami satu kata tertentu, cobalah menggantinya dengan ungkapan sinonim yang lebih spesifik.

Apakah bisa menghasilkan gambar produk tanpa referensi gambar?

Dapat menghasilkan gambar konsep produk fiksi; namun jika ingin mereproduksi bentuk, warna, dan detail produk yang benar-benar ada di pasaran, hanya dengan teks saja biasanya sulit untuk menjaga identitas secara stabil. Sebaiknya unggah referensi produk yang jelas dan periksa kesesuaian item demi item.

Mengapa dengan kata kunci yang sama bisa menghasilkan hasil yang berbeda?

Generasi gambar AI bersifat eksploratif, sehingga deskripsi yang sama dapat menghasilkan komposisi dan detail yang berbeda. Lebih baik tuliskan dengan jelas informasi yang harus tetap stabil, gunakan referensi gambar atau pertahankan hasil yang sudah sesuai, lalu lanjutkan dengan penyuntingan lokal, daripada terus-menerus memulai dari nol yang justru kurang terkendali.

Kapan sebaiknya memperbesar gambar?

Pastikan dulu komposisi, subjek, pencahayaan, dan material, baru kemudian tingkatkan kualitas gambar. Memperbesar dapat meningkatkan ukuran output dan beberapa detail, tetapi tidak akan secara otomatis memperbaiki hubungan spasial atau struktur produk yang salah.

Ringkasan

Generasi gambar AI bukan sekadar menulis kata kunci hingga “sempurna” dalam satu kali usaha, melainkan memecah proses kreatif menjadi serangkaian pilihan yang dapat dievaluasi:

Tentukan tujuan dengan jelas → Pilih antara generasi gambar dari teks atau menggunakan referensi gambar → Tetapkan bingkai gambar → Deskripsikan sudut pandang, subjek, lingkungan, pencahayaan, dan gaya → Saring struktur → Lakukan koreksi satu variabel → Lakukan penyuntingan lokal dan hasil akhir.

Saat pertama kali menggunakan PixPix, Anda dapat langsung menerapkan template dalam artikel ini untuk membuat sebuah gambar konsep. Jika tugas melibatkan produk nyata atau tokoh tertentu, siapkan referensi gambar sejak awal, buat daftar persyaratan kesesuaian sebagai poin pemeriksaan, lalu mulailah proses generasi dan penyuntingan.