تصور کنید یک طراح گرافیک هستید که برای یک بنر عریض، تصویری مربع تولید کرده و حالا سعی دارد با بریدن لبه‌ها، آن را به فرم مورد نظر درآورد؛ نتیجه چیزی جز یک ترکیب‌بندی ناقص و سرِ بریده‌شده نیست. یک تصمیم ساده و نادیده گرفته‌شده درباره نسبت ابعاد، ریشه تقریباً تمام اشتباهات بصری در تصاویر تولیدشده توسط هوش مصنوعی است. وقتی شما حالت پیش‌فرض مربع را می‌پذیرید و بعداً آن را برای هدر یک وبلاگ یا والپیپر گوشی می‌برید، فقط شکل تصویر را تغییر نمی‌دهید، بلکه کل ترکیب‌بندی را تخریب می‌کنید.
مدل‌های تبدیل متن به تصویر (Text-to-Image) — شبیه نقاشی که ابتدا اندازه بوم را تعیین می‌کند و سپس اشیا را بر اساس آن فضای موجود می‌چیند — دقیقاً برای همان قابی که به آن‌ها داده شده، صحنه را می‌سازند. یک پرتره که با نسبت ۱:۱ تولید شده است، سوژه، پس‌زمینه و فضای تنفس اطراف را دقیقاً بر اساس یک بوم مربعی جایگذاری می‌کند. حالا اگر این مربع را به یک نوار عریض ۱۶:۹ ببرید، احتمالاً بخش بالایی سر یا قسمت پایینی یک محصول حذف می‌شود. در اینجا مدل اشتباه نکرده است؛ بلکه شما ابتدا یک ترکیب‌بندی خواستید و سپس ترکیب‌بندی دیگری را مطالبه کردید.
به نقل از راهنمای منتشرشده در dev.to در ۱۹ اوت ۲۰۲۶، تولید مجدد تصویر با نسبت ابعاد هدف، بسیار کارآمدتر از برش دادن است؛ زیرا مدل در این حالت صحنه را از نو می‌سازد، خط افق را جابه‌جا کرده و سوژه را کامل نگه می‌دارد. همان‌طور که در تحلیل‌های قبلی ما درباره بهینه‌سازی خروجی‌های بصری اشاره کردیم، پنج ثانیه زمان برای انتخاب نسبت ابعاد در ابتدا، ارزان‌تر از سه دور اصلاحات پس از تولید است.
برای پروژه‌های حرفه‌ای، چند نسبت ابعاد استاندارد وجود دارد که اکثر نیازها را پوشش می‌دهند. نسبت ۱۶:۹ ابزار اصلی و کاربردی‌ترین فرمت برای تامنیل‌های یوتیوب (که به صورت استاندارد ۱۲۸۰ در ۷۲۰ پیکسل است)، کاور وبلاگ‌ها، اسلایدهای ارائه و تصاویر قهرمان (Hero Images) در دسکتاپ است. در شبکه‌های اجتماعی، نسبت ۱:۱ برای عکس‌های پروفایل و پست‌های مربعی به کار می‌رود، در حالی که نسبت ۹:۱۶ الزام اصلی برای استوری‌ها، شورتس (Shorts) و ریلزها است. این دقت در انتخاب ابعاد، مشابه رویکردی است که در انتخاب مدل‌های ویدئویی تخصصی برای کاربردهای مختلف دنبال می‌شود تا خروجی نهایی با هدف پروژه همسو باشد.
سایر فرمت‌های تخصصی عبارت‌اند از:
- ۴:۵: این نسبت برای فیدهای موبایل بهینه‌شده است تا فضای بیشتری از صفحه را نسبت به یک مربع اشغال کند؛ به همین دلیل است که پست‌های پرتره معمولاً در گوشی‌ها عملکرد بهتری دارند.
- ۳:۲ یا ۴:۳: از این نسبت‌ها برای دستیابی به حس عکاسی سنتی و کلاسیک استفاده می‌شود تا تصویر به‌جای ظاهر گرافیکی، شبیه به یک عکس واقعی به نظر برسد.
- ۲۱:۹: این نسبت مخصوص بنرهای بسیار عریض است. توصیه می‌شود از این فرمت به‌ندرت استفاده کنید، زیرا قاب‌های بسیار عریض می‌توانند مدل را به سمت ترکیب‌بندی‌های تخت و نواری سوق دهند و باعث کشیدگی لبه‌های تصویر شوند.
وقتی یک پروژه به یک تصویر در چندین اندازه نیاز دارد — مثلاً یک کاور ۱۶:۹ برای مقاله، یک پست ۱:۱ برای شبکه‌های اجتماعی و یک برش ۹:۱۶ برای یک ویدیو کوتاه — شما باید با آن‌ها به‌عنوان تولیدات مجزا از یک پرامپت مشترک برخورد کنید. با نوشتن پرامپت به‌گونه‌ای که سوژه مهم در نزدیکی مرکز قرار بگیرد، می‌توانید هر اندازه را به‌طور مستقل تولید کنید. تفاوت‌های جزئی بین این نسخه‌ها کاملاً پذیرفتنی است، زیرا مخاطبان به‌ندرت این تصاویر را در کنار یکدیگر می‌بینند و این تغییرات کوچک هیچ هزینه‌ای از نظر کیفیت تحمیل نمی‌کند.
در مورد متن‌های داخل تصویر باید بسیار محتاط بود. هر کلمه‌ای که در مرحله تولید اولیه در تصویر تثبیت شود، با هرگونه برش دادن، اضافه کردن حاشیه (Padding) یا رندر مجدد در یک نسبت ابعاد جدید، دچار اعوجاج و تغییر شکل می‌شود. برای حفظ شفافیت و دقت متن، شما باید تصویر را دقیقاً در نسبت ابعاد نهایی تولید کنید یا اینکه متن را پس از اتمام تولید تصویر، با استفاده از یک ویرایشگر خارجی اضافه نمایید.
تلاش‌های رایج برای اصلاح تصاویر پس از تولید، معمولاً نتیجه عکس می‌دهند:
- کشیدن (Stretching): این کار همه چیز را دفرمه می‌کند و ابتدا چهره‌ها آسیب می‌بینند؛ در این حالت یک دایره تبدیل به تخم‌مرغ می‌شود و هیچ‌کس نمی‌تواند این نقص بصری را نادیده بگیرد.
- پدینگ (Padding): این روش نوارهای رنگی خالی و تخت را به لبه‌ها اضافه می‌کند تا یک مربع تظاهر به عریض بودن کند، که در نهایت بیشتر شبیه به یک اشتباه فنی است تا یک انتخاب آگاهانه در طراحی. این نوع نقص‌های بصری یادآور اهمیت طراحی سیستم‌هایی است که در صورت بروز خطا، به‌صورت نرم و منطقی تخریب شوند تا تجربه کاربر به‌طور کامل مختل نشود.
اگرچه قابلیت گسترش تصویر (Outpainting) می‌تواند صحنه را کمی فراتر از لبه‌های اصلی گسترش دهد، اما طبق گزارش منبع مذکور، برای هر تغییر اساسی، تولید مجدد سریع‌تر و تمیزتر است. مدل‌های فعلی بسیار سریع هستند و معمولاً تلاش اول شما آنقدر ارزشمند نیست که بخواهید ساعت‌ها وقت صرف اصلاح آن کنید.
در نهایت، تنظیمات خروجی برای نمایشگرهای با تراکم پیکسلی بالا (High-Density) حیاتی است. چون نمایشگرهای مدرن اغلب تصاویر را با دو برابر اندازه CSS نشان می‌دهند، یک جایگاه ۸۰۰ پیکسلی در وب‌سایت، به خروجی ۱۶۰۰ پیکسلی نیاز دارد تا شفاف و بدون تاری بماند. بهتر است تصویر را در ابعاد بزرگ تولید کرده و سپس آن را کوچک کنید؛ زیرا کوچک‌سازی جزئیات را حفظ می‌کند، اما بزرگ‌نمایی (Upscaling) — شبیه زوم کردن روی یک عکس قدیمی که پیکسل‌هایش بیرون می‌زند — جزئیات ساختگی و مصنوعی ایجاد می‌کند. ابزارهایی مثل bestaiimagegenerator.org اجازه می‌دهند ابتدا نسبت ابعاد و ابعاد را قفل کنید و سپس پرامپت بنویسید. این رویکرد از ترتیب ایده‌آل پیروی می‌کند: ابتدا شکل، سپس اندازه و در نهایت پرامپت.
این تغییر در گردش کار، نسبت ابعاد را از یک موضوع فنی ثانویه به یک تصمیم محتوایی اولیه تبدیل می‌کند. با تعیین مقصد نهایی در ابتدا، تضمین می‌کنید که تصویر در قاب خود جای می‌گیرد، به‌جای آنکه با قاب بجنگد.
گام بعدی شما
- پیش از هر تولید، مقصد نهایی تصویر (موبایل، دسکتاپ یا چاپ) را مشخص کنید.
- برای سوژه‌های متمرکز، از نسبت‌های ۴:۵ یا ۹:۱۶ به‌جای مربع استفاده کنید تا نرخ تعامل در موبایل افزایش یابد.
- متن‌های حساس را هرگز در مرحله تولید AI نگذارید و آن‌ها را در لایه گرافیکی جداگانه اضافه کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell مراجعه کنید.
گفتگو