بهترین هوش مصنوعی ساخت عکس؛ معرفی ابزارهای رایگان و حرفه‌ای تولید تصویر

هوش مصنوعی ساخت عکس چیست؟

هوش مصنوعی ساخت عکس یا AI Image Generator ابزاری است که می‌تواند براساس توضیحات متنی، تصویر مرجع یا ترکیبی از متن و تصویر، عکس جدید تولید کند.

برای مثال، کافی است چنین درخواستی بنویسید:

یک کافه مدرن در تهران، هنگام غروب، با طراحی مینیمال،
نور گرم، پنجره‌های بزرگ و سبک عکاسی معماری حرفه‌ای

مدل هوش مصنوعی مفهوم متن را تحلیل و تصویری متناسب با آن تولید می‌کند. این فرایند معمولاً با نام Text-to-Image یا تبدیل متن به تصویر شناخته می‌شود.

مدل‌های جدید فقط به تولید عکس از متن محدود نیستند. بسیاری از آن‌ها می‌توانند:

• عکس واقعی تولید کنند.
• تصویر موجود را ویرایش کنند.
• اشیا را حذف یا اضافه کنند.
• پس‌زمینه را تغییر دهند.
• ابعاد تصویر را گسترش دهند.
• سبک یک عکس را به تصویر جدید منتقل کنند.
• براساس عکس مرجع تصویر بسازند.
• چهره یا شخصیت را در چند تصویر حفظ کنند.
• پوستر، بنر و تصویر تبلیغاتی تولید کنند.
• متن را داخل تصویر قرار دهند.
• اینفوگرافیک و نمودار تصویری بسازند.
• تصاویر محصول و Mockup تولید کنند.
• خروجی شفاف یا Transparent ایجاد کنند.
• تصویر Raster یا Vector بسازند.

به همین دلیل، هوش مصنوعی تولید تصویر به یکی از کاربردی‌ترین شاخه‌های Generative AI یا هوش مصنوعی مولد تبدیل شده است.

بهترین هوش مصنوعی ساخت عکس کدام است؟

هیچ ابزار واحدی برای همه کاربران بهترین نیست. انتخاب بهترین هوش مصنوعی ساخت عکس به نوع خروجی موردنظر شما بستگی دارد.

اگر یک پاسخ سریع بخواهیم:

• برای تولید و ویرایش مکالمه‌ای تصویر: ChatGPT Images
• برای درک تصویر مرجع و ویرایش دقیق: Nano Banana
• برای طراحی حرفه‌ای و خروجی پیچیده: Nano Banana Pro
• برای تصاویر هنری و سینمایی: Midjourney
• برای متن و تایپوگرافی داخل تصویر: Ideogram
• برای تولید محتوای تجاری و کار با Adobe: Adobe Firefly
• برای کنترل‌های پیشرفته و تولید Asset: Leonardo AI
• برای طراحی Vector، آیکون و Mockup: Recraft
• برای طراحی سریع شبکه‌های اجتماعی: Canva
• برای اتصال به نرم‌افزار و تولید انبوه: API مدل‌های تولید تصویر

جدول زیر یک مقایسه کلی ارائه می‌دهد:

شرایط پلن رایگان، محدودیت روزانه و مدل‌های در دسترس ممکن است تغییر کنند؛ بنابراین پیش از انتخاب، صفحه قیمت‌گذاری همان ابزار را بررسی کنید.

مقایسه بهترین ابزارهای هوش مصنوعی ساخت عکس

ChatGPT Images؛ بهترین گزینه برای تولید و ویرایش مکالمه‌ای

ChatGPT Images یکی از ساده‌ترین روش‌ها برای ساخت عکس با هوش مصنوعی است. به‌جای تنظیم ده‌ها پارامتر، می‌توانید با زبان طبیعی توضیح دهید چه تصویری می‌خواهید و سپس نتیجه را مرحله‌به‌مرحله اصلاح کنید.

برای مثال:

یک تصویر تبلیغاتی مینیمال از یک ساعت هوشمند بساز.
محصول در سمت چپ باشد و سمت راست فضای خالی برای عنوان داشته باشد.
پس‌زمینه سرمه‌ای تیره و نورپردازی بنفش باشد.
نسبت تصویر 16:9 باشد.

پس از تولید می‌توانید بگویید:

محصول را کمی کوچک‌تر کن.
نور بنفش را کاهش بده.
فضای خالی سمت راست را بیشتر کن.
هیچ نوشته‌ای روی تصویر قرار نده.

این فرایند مکالمه‌ای برای افرادی مناسب است که می‌خواهند بدون یادگیری تنظیمات پیچیده، تصویر را چند مرحله اصلاح کنند.

مدل GPT Image 2 از تولید و ویرایش تصویر، ورودی تصویری با کیفیت بالا و ابعاد انعطاف‌پذیر پشتیبانی می‌کند. OpenAI در معرفی ChatGPT Images 2.0 نیز روی بهبود تولید متن چندزبانه، واقع‌گرایی، کنترل سبک و خروجی‌های طراحی‌شده تأکید کرده است. اطلاعات بیشتر در معرفی رسمی ChatGPT Images 2.0 و مستندات GPT Image 2 در دسترس است.

مناسب برای:

• ساخت عکس واقعی
• تصویر تبلیغاتی
• پوستر و کاور
• تصویر محصول
• تصویر مقاله
• ویرایش مرحله‌ای
• تولید اینفوگرافیک
• ساخت کمیک و تصاویر چندبخشی
• تولید تصویر دارای متن

مزایا:

• درک مناسب زبان طبیعی
• اصلاح مکالمه‌ای تصویر
• پیروی مناسب از پرامپت
• تولید سبک‌های متنوع
• امکان استفاده از عکس مرجع
• مناسب برای کاربران مبتدی

محدودیت‌ها:

• برخی جزئیات ممکن است در ویرایش‌های متوالی تغییر کنند.
• نتیجه هر تولید الزاماً کاملاً تکرارپذیر نیست.
• تولید متن فارسی داخل تصویر همچنان باید بازبینی شود.
• دسترسی و تعداد تولیدها به پلن کاربر بستگی دارد.

Nano Banana؛ مناسب برای ویرایش سریع و درک تصویر مرجع

Nano Banana نام خانواده قابلیت‌های تولید تصویر بومی Gemini است. این مدل‌ها می‌توانند متن، تصویر یا ترکیبی از هر دو را دریافت و تصاویر را به‌صورت مکالمه‌ای تولید یا ویرایش کنند.

طبق مستندات رسمی Google، خانواده Nano Banana برای تولید، پردازش و ویرایش مکالمه‌ای تصاویر طراحی شده است.

برای مثال، می‌توانید عکس یک محصول را وارد کنید و بنویسید:

بدون تغییر شکل، رنگ، لوگو و نوشته‌های روی محصول،
پس‌زمینه را به یک استودیوی مدرن با نور طبیعی تبدیل کن.
سایه واقعی زیر محصول حفظ شود.

یا از یک تصویر اتاق استفاده کنید:

چیدمان اصلی اتاق را حفظ کن.
مبل را به رنگ کرم تغییر بده.
یک فرش مدرن ایرانی اضافه کن.
نور محیط را به نور عصرگاهی گرم تبدیل کن.

Gemini 2.5 Flash Image که با نام Nano Banana نیز شناخته می‌شود، برای تولید پرحجم، ویرایش مکالمه‌ای و Workflowهای کم‌تأخیر طراحی شده است. جزئیات آن در صفحه رسمی مدل Nano Banana آمده است.

مناسب برای:

• ویرایش عکس با دستور متنی
• تغییر پس‌زمینه
• حفظ ساختار عکس مرجع
• ساخت نسخه‌های مختلف از یک تصویر
• تصویر محصول
• تولید سریع محتوا
• Image-to-Image
• Workflowهای پرحجم

مزایا:

• سرعت مناسب
• درک خوب تصویر ورودی
• ویرایش مکالمه‌ای
• پشتیبانی از ورودی چندوجهی
• مناسب برای اتوماسیون

محدودیت‌ها:

• حفظ کامل چهره در تمام شرایط تضمین‌شده نیست.
• جزئیات برند یا متن ممکن است تغییر کنند.
• نتیجه به نسخه دقیق مدل و نحوه دسترسی بستگی دارد.

Nano Banana Pro؛ مناسب برای طراحی حرفه‌ای و تصاویر پیچیده

Nano Banana Pro نام مدل حرفه‌ای تولید و ویرایش تصویر Google است که برای مسائل پیچیده‌تر طراحی شده است.

طبق توضیحات رسمی Google، Gemini 3 Pro Image یا Nano Banana Pro یک موتور مبتنی بر استدلال برای تولید و ویرایش حرفه‌ای تصویر است و در مواردی مانند طراحی گرافیکی پیچیده، Mockup محصول، متن داخل تصویر و Data Visualization کاربرد دارد. اطلاعات تکمیلی در صفحه رسمی Nano Banana Pro منتشر شده است.

مناسب برای:

• طراحی تبلیغاتی حرفه‌ای
• پوستر و بنر
• تصویر محصول
• اینفوگرافیک
• Mockup
• ویرایش دقیق
• پروژه‌های دارای چند عکس مرجع
• تصویرسازی دارای متن

مزایا:

• درک بهتر درخواست‌های چندمرحله‌ای
• کنترل بالاتر روی ترکیب‌بندی
• مناسب برای طراحی پیچیده
• توانایی بهتر در ساخت خروجی‌های کاربردی

محدودیت‌ها:

• معمولاً هزینه بیشتری از مدل‌های سریع دارد.
• برای درخواست‌های ساده ممکن است استفاده از آن ضروری نباشد.
• متن فارسی باید پس از تولید کنترل شود.

Midjourney؛ بهترین گزینه برای تصاویر هنری و سینمایی

Midjourney یکی از شناخته‌شده‌ترین ابزارهای AI Art و تولید تصویر هنری است. این ابزار به‌خصوص در ایجاد تصاویر سینمایی، Concept Art، طراحی فانتزی، پرتره و تصویرسازی خلاقانه عملکرد قدرتمندی دارد.

در Midjourney معمولاً یک پرامپت وارد می‌کنید و چند خروجی اولیه دریافت می‌کنید. سپس می‌توانید یکی از تصاویر را انتخاب، بزرگ‌تر یا اصلاح کنید. راهنمای رسمی Midjourney نحوه تولید و انتخاب خروجی‌ها را توضیح می‌دهد.

نمونه پرامپت:

A cinematic portrait of an Iranian architect standing inside
a modern concrete building, soft natural light, editorial
photography, realistic skin texture, muted colors, 85mm lens

Midjourney پارامترهایی برای کنترل نسبت تصویر، سبک، میزان تنوع و سایر ویژگی‌ها دارد. فهرست به‌روز آن‌ها در مستندات پارامترهای Midjourney موجود است.

مناسب برای:

• Concept Art
• پرتره سینمایی
• تصویرسازی فانتزی
• طراحی کاراکتر
• تصاویر هنری
• تبلیغات لوکس
• Moodboard
• ایده‌پردازی بصری

مزایا:

• زیبایی بصری چشمگیر
• سبک‌های هنری متنوع
• خروجی سینمایی
• Style Reference
• Image Prompt
• ابزارهای Upscale و Variation

محدودیت‌ها:

• برای رسیدن به نتیجه دقیق نیازمند تجربه در پرامپت‌نویسی است.
• کنترل کاملاً دقیق اجزای صحنه همیشه آسان نیست.
• دسترسی کامل معمولاً به اشتراک نیاز دارد.
• برای تولید انبوه برنامه‌نویسی‌شده همیشه ساده‌ترین گزینه نیست.

Ideogram؛ بهترین گزینه برای پوستر و متن داخل تصویر

یکی از مشکلات قدیمی مدل‌های تولید تصویر، نوشتن متن صحیح داخل عکس بود. Ideogram تمرکز ویژه‌ای روی Typography و تولید متن داخل تصویر دارد.

Ideogram برای موارد زیر مناسب است:

• پوستر
• کاور
• تامبنیل
• کارت دعوت
• بنر تبلیغاتی
• بسته‌بندی
• لوگوتایپ
• تصویر شبکه اجتماعی
• طرح‌های دارای تیتر

Ideogram 4.0 روی بهبود تایپوگرافی، پیروی از پرامپت، ویرایش و کنترل محل عناصر تمرکز دارد. اطلاعات این نسخه در سایت رسمی Ideogram منتشر شده است.

نمونه پرامپت:

Minimal editorial poster with the exact Persian headline
"آینده از راه رسیده است", deep navy background, elegant
purple geometric gateway, premium typography, clean grid,
large safe margins, 4:5 aspect ratio

مزایا:

• تولید بهتر حروف و کلمات داخل تصویر
• مناسب برای پوستر
• کنترل خوب سبک
• امکان استفاده از Style Reference
• مناسب برای طراحی گرافیکی

محدودیت‌ها:

• متن فارسی پیچیده ممکن است همچنان خطا داشته باشد.
• خروجی باید از نظر فاصله حروف و جهت RTL بررسی شود.
• بهتر است متن‌های حقوقی و اطلاعات حساس بعداً در نرم‌افزار طراحی اضافه شوند.

Adobe Firefly؛ مناسب طراحان و استفاده تجاری

Adobe Firefly مجموعه‌ای از قابلیت‌های هوش مصنوعی مولد برای ساخت و ویرایش تصویر، ویدئو، صدا و طرح‌های گرافیکی است.

Firefly برای کسانی جذاب است که از ابزارهایی مانند Photoshop، Illustrator، Adobe Express و Creative Cloud استفاده می‌کنند.

قابلیت‌های رایج آن عبارت‌اند از:

• Text-to-Image
• Generative Fill
• Generative Expand
• حذف و جایگزینی اشیا
• تغییر پس‌زمینه
• ساخت Variation
• طراحی گرافیکی
• ویرایش عکس با پرامپت
• دسترسی به برخی مدل‌های شریک

Adobe اعلام کرده است کاربران می‌توانند Firefly را با اعتبار رایگان محدود امتحان کنند. جزئیات در صفحه رسمی Adobe Firefly و راهنمای Text-to-Image آمده است.

مناسب برای:

• طراحان گرافیک
• عکاسان
• تیم‌های بازاریابی
• محتوای تجاری
• ویرایش عکس
• طراحی تبلیغاتی
• تکمیل Workflow در Photoshop

مزایا:

• اتصال به اکوسیستم Adobe
• ابزارهای ویرایش حرفه‌ای
• رابط بصری مناسب
• کنترل رنگ، نور و ترکیب‌بندی
• Generative Fill و Expand

محدودیت‌ها:

• امکانات حرفه‌ای به اعتبار یا اشتراک نیاز دارند.
• مدل‌های شریک ممکن است شرایط استفاده متفاوتی داشته باشند.
• دسترسی بعضی مدل‌ها به کشور یا پلن وابسته است.

Leonardo AI؛ مناسب ساخت Asset و کنترل حرفه‌ای

Leonardo AI یک مجموعه کامل برای تولید، اصلاح و مدیریت تصاویر هوش مصنوعی است. این ابزار در میان طراحان بازی، تولیدکنندگان محتوا و سازندگان Asset محبوب است.

قابلیت‌های اصلی:

• Text-to-Image
• Image-to-Image
• تولید تصویر واقعی
• طراحی کاراکتر
• AI Canvas
• Inpainting
• Image Guidance
• Style Reference
• حذف و جایگزینی اشیا
• Upscaling
• تولید ویدئو از تصویر

Leonardo امکان امتحان رایگان محدود را ارائه می‌دهد و امکانات پیشرفته‌تر در پلن‌های پولی در دسترس هستند. توضیحات قابلیت‌ها در صفحه رسمی Leonardo AI Image Generator منتشر شده است.

مناسب برای:

• Asset بازی
• کاراکتر
• Concept Art
• تصویرسازی
• محصولات دیجیتال
• تولید چند خروجی هماهنگ
• کنترل پیشرفته عکس مرجع

مزایا:

• ابزارهای متنوع
• قابلیت‌های ویرایش
• مناسب برای Workflow حرفه‌ای
• کنترل با Image Guidance
• مدل‌های مختلف برای کاربردهای متفاوت

محدودیت‌ها:

• رابط آن برای کاربران مبتدی ممکن است شلوغ باشد.
• انتخاب مدل و تنظیمات مناسب نیازمند آزمون است.
• پلن رایگان محدودیت دارد.

Recraft؛ بهترین گزینه برای Vector، لوگو و آیکون

بیشتر مدل‌های تولید تصویر خروجی Raster مانند PNG یا JPEG تولید می‌کنند. Recraft برای طراحی گرافیکی، Vector، آیکون، لوگو، Mockup و Assetهای قابل استفاده در محصول ساخته شده است.

Recraft می‌تواند مستقیماً خروجی SVG تولید کند. طبق توضیحات رسمی، ابزار Vector Generator آن قادر است از یک پرامپت، فایل برداری دارای مسیرهای قابل ویرایش و مقیاس‌پذیر بسازد. اطلاعات بیشتر در صفحه رسمی Vector Generator در دسترس است.

مناسب برای:

• آیکون
• Vector Illustration
• لوگو
• SVG
• Mockup
• طراحی بسته‌بندی
• Asset وب‌سایت
• طرح چاپی

مزایا:

• خروجی Vector
• مناسب برای طراحان
• قابلیت Image Vectorizer
• تولید Mockup
• حذف پس‌زمینه
• ابزارهای ویرایش تصویر

محدودیت‌ها:

• لوگوی تولیدشده همچنان نیازمند بازبینی طراح است.
• منحصربه‌فردبودن علامت تجاری تضمین نمی‌شود.
• پیش از ثبت برند باید جست‌وجوی حقوقی و تشابه انجام شود.

Canva؛ مناسب تولید محتوای سریع شبکه‌های اجتماعی

Canva ابزار مناسبی برای افرادی است که می‌خواهند تصویر تولیدشده را بلافاصله داخل پست اینستاگرام، استوری، ارائه، بروشور یا بنر استفاده کنند.

قابلیت Text-to-Image در Canva امکان ساخت تصویر با پرامپت را فراهم می‌کند و ابزارهای طراحی آن برای اضافه‌کردن متن، لوگو، قالب و عناصر گرافیکی مناسب‌اند. اطلاعات بیشتر در صفحه رسمی Canva AI Image Generator موجود است.

مناسب برای:

• پست شبکه اجتماعی
• استوری
• تامبنیل
• ارائه
• بنر
• محتوای بازاریابی
• کاربران غیرطراح

مزایا:

• کاربری ساده
• قالب‌های آماده
• ترکیب تولید تصویر و طراحی
• مناسب برای تیم محتوا
• خروجی سریع

محدودیت‌ها:

• کنترل مدل در برخی حالت‌ها محدودتر از ابزارهای تخصصی است.
• برخی قابلیت‌ها نیازمند Canva Pro هستند.
• برای Pipelineهای برنامه‌نویسی‌شده انتخاب اصلی نیست.

بهترین هوش مصنوعی ساخت عکس رایگان چیست؟

اگر هدفتان امتحان‌کردن تولید تصویر بدون پرداخت اولیه است، ابزارهای زیر معمولاً نوعی دسترسی رایگان یا اعتبار محدود ارائه می‌کنند:

• Adobe Firefly
• Leonardo AI
• Ideogram
• Canva
• Recraft
• برخی قابلیت‌های ChatGPT
• برخی مدل‌ها در Gemini یا Google AI Studio

اما «رایگان» همیشه به معنی تولید نامحدود نیست. محدودیت‌ها ممکن است شامل موارد زیر باشند:

• تعداد تصویر روزانه
• صف پردازش کندتر
• رزولوشن محدود
• واترمارک
• ممنوعیت استفاده تجاری در برخی پلن‌ها
• محدودیت دسترسی به مدل حرفه‌ای
• عدم دسترسی به Private Generation
• محدودیت دانلود یا Upscale
• نیاز به خرید Credit برای ادامه

شرایط پلن‌ها مرتب تغییر می‌کند. پیش از استفاده تجاری، قوانین و مجوزهای همان سرویس را بررسی کنید.

چگونه با هوش مصنوعی عکس بسازیم؟

فرایند کلی در اکثر ابزارها مشابه است.

انتخاب ابزار مناسب

ابتدا مشخص کنید چه نوع تصویری می‌خواهید:

• عکس واقعی
• تصویر هنری
• پوستر
• تصویر محصول
• لوگو
• کاور مقاله
• اینفوگرافیک
• آیکون Vector
• تصویر دارای متن
• ویرایش عکس موجود

سپس ابزار متناسب با کاربرد را انتخاب کنید.

نوشتن پرامپت

در Prompt یا پرامپت، تصویر موردنظر را با جزئیات توصیف کنید.

یک پرامپت خوب معمولاً شامل این اجزاست:

موضوع اصلی
+ محیط
+ سبک
+ ترکیب‌بندی
+ نورپردازی
+ رنگ
+ زاویه دوربین
+ کیفیت
+ نسبت تصویر
+ محدودیت‌ها

مثال:

یک لپ‌تاپ مدرن روی میز شیشه‌ای در سمت چپ تصویر،
داشبورد API هوش مصنوعی روی نمایشگر، پس‌زمینه سرمه‌ای
با نور بنفش و فیروزه‌ای، سبک سه‌بعدی حرفه‌ای، فضای خالی
زیاد در سمت راست برای عنوان، ترکیب‌بندی مینیمال،
نسبت تصویر 16:9، بدون نوشته و بدون واترمارک

انتخاب نسبت تصویر

نسبت تصویر را براساس محل انتشار مشخص کنید:

تولید نسخه‌های مختلف

به اولین خروجی اکتفا نکنید. چند Variation بسازید و بهترین ترکیب‌بندی را انتخاب کنید.

اصلاح مرحله‌ای

به‌جای بازنویسی کامل پرامپت، تغییرها را مشخص کنید:

ترکیب‌بندی را حفظ کن.
نور را کمی گرم‌تر کن.
محصول را ۱۵ درصد کوچک‌تر کن.
فضای خالی سمت راست را افزایش بده.
رنگ بنفش را کمتر کن.
هیچ نوشته‌ای اضافه نکن.

کنترل نهایی

پیش از انتشار این موارد را بررسی کنید:

• دست‌ها و انگشت‌ها
• چشم و اجزای صورت
• متن‌های داخل تصویر
• لوگوها
• انعکاس‌ها
• سایه‌ها
• تعداد اشیا
• نسبت تصویر
• لبه‌های محصول
• اطلاعات علمی یا آماری
• جزئیات فرهنگی و جغرافیایی

ساخت عکس با پرامپت فارسی بهتر است یا انگلیسی؟

مدل‌های جدید معمولاً زبان فارسی را درک می‌کنند، اما کیفیت نتیجه به مدل بستگی دارد.

برای کاربران فارسی‌زبان سه روش وجود دارد:

پرامپت کاملاً فارسی

یک کتاب‌فروشی دنج در تهران با قفسه‌های چوبی،
نور گرم عصرگاهی، عکاسی واقعی، ترکیب‌بندی سینمایی

این روش ساده و مناسب مدل‌هایی است که زبان فارسی را خوب درک می‌کنند.

پرامپت کاملاً انگلیسی

A cozy independent bookstore in Tehran, warm afternoon
sunlight, wooden shelves, cinematic composition,
photorealistic editorial photography

برخی مدل‌ها ممکن است برای اصطلاحات تخصصی عکاسی و طراحی، نتیجه دقیق‌تری با زبان انگلیسی ارائه دهند.

پرامپت ترکیبی

یک کتاب‌فروشی دنج در تهران،
cinematic editorial photography, warm natural light,
35mm lens, realistic textures, shallow depth of field

روش ترکیبی برای کاربران حرفه‌ای مفید است، زیرا مفهوم اصلی را فارسی و اصطلاحات تخصصی را با نام رایج انگلیسی بیان می‌کند.

بهترین روش این است که هر دو نسخه را با مدل انتخابی آزمایش و نتایج را مقایسه کنید.

فرمول حرفه‌ای پرامپت ساخت عکس

از قالب زیر استفاده کنید:

[نوع تصویر] از [سوژه اصلی] در [محیط]
با [ترکیب‌بندی]، [نورپردازی]، [رنگ‌بندی]،
[زاویه دوربین]، [سبک بصری]، [جزئیات کیفیت]،
[نسبت تصویر] و [محدودیت‌ها]

مثال عکس محصول:

عکاسی تبلیغاتی حرفه‌ای از یک بطری عطر شیشه‌ای مشکی
روی سطح سنگی تیره، محصول در یک‌سوم چپ تصویر،
نورپردازی استودیویی نرم از بالا، انعکاس کنترل‌شده،
رنگ‌بندی مشکی و طلایی، سبک تبلیغات لوکس،
جزئیات بسیار دقیق، نسبت 4:5، بدون متن، بدون لوگوی اضافی

مثال تصویر مقاله:

تصویر مفهومی حرفه‌ای برای مقاله هوش مصنوعی،
یک دروازه دیجیتال سه‌بعدی در سمت چپ متصل به چند مدل AI،
پس‌زمینه سرمه‌ای تیره، نور بنفش و آبی، فضای خالی زیاد
در سمت راست برای عنوان فارسی، طراحی مینیمال و سازمانی،
نسبت 16:9، تمام عناصر مهم داخل محدوده امن مرکزی،
بدون متن و بدون ربات انسان‌نما

مثال تصویر واقعی:

عکس مستند واقعی از یک برنامه‌نویس ایرانی در فضای کار مدرن،
نور طبیعی پنجره، حالت چهره متمرکز، لپ‌تاپ روی میز،
زاویه سه‌ربع، بافت طبیعی پوست، عکاسی 50mm،
رنگ‌بندی خنثی، بدون ظاهر مصنوعی، بدون متن

Negative Prompt چیست؟

Negative Prompt مشخص می‌کند چه چیزهایی نباید در تصویر ظاهر شوند.

نمونه:

blurry, low quality, extra fingers, duplicate objects,
distorted face, unreadable text, watermark, logo,
oversaturated colors, plastic skin

همه مدل‌ها فیلد جداگانه Negative Prompt ندارند. اگر چنین قابلیتی وجود نداشت، محدودیت را در متن اصلی بنویسید:

تصویر بدون واترمارک، بدون نوشته، بدون اشیای تکراری،
بدون اعوجاج چهره و بدون ظاهر کارتونی باشد.

مدل ممکن است تمام محدودیت‌های منفی را دقیق اجرا نکند. توصیف مثبت نتیجه مطلوب معمولاً از فهرست طولانی «نبایدها» مؤثرتر است.

چگونه عکس واقعی با هوش مصنوعی بسازیم؟

برای Photorealism فقط نوشتن کلمه realistic کافی نیست.

این جزئیات را مشخص کنید:

• نوع عکاسی
• فاصله کانونی
• نوع نور
• بافت پوست یا محصول
• عمق میدان
• زاویه دوربین
• شرایط محیط
• رنگ‌بندی
• نقص‌های طبیعی

مثال:

Photorealistic editorial portrait of a 35-year-old Iranian
male architect in a contemporary concrete studio, natural
window light, realistic skin texture, subtle imperfections,
85mm lens, shallow depth of field, neutral color grading,
authentic candid expression, no beauty filter, no plastic skin

عبارت‌های مفید:

• photorealistic
• editorial photography
• documentary photography
• natural skin texture
• soft window light
• shallow depth of field
• 35mm photography
• 85mm portrait lens
• realistic shadows
• subtle film grain
• natural color grading

افراط در عباراتی مانند 8K، masterpiece و ultra detailed الزاماً نتیجه را بهتر نمی‌کند. توصیف دقیق صحنه و نور مهم‌تر است.

چگونه چهره را در چند تصویر ثابت نگه داریم؟

حفظ هویت یا Character Consistency یکی از چالش‌های تولید تصویر است.

روش‌های مؤثر:

• استفاده از Reference Image
• انتخاب عکس مرجع واضح
• استفاده از چند زاویه از چهره
• ثابت نگه‌داشتن ویژگی‌های اصلی
• استفاده از Character Reference
• کاهش شدت تغییر Style
• ویرایش تصویر موجود به‌جای تولید دوباره
• ثابت نگه‌داشتن Seed در مدل‌های پشتیبانی‌شده
• استفاده از مدل یا Workflow تخصصی

در پرامپت بنویسید:

هویت، فرم صورت، رنگ چشم، مدل مو، سن تقریبی و ویژگی‌های
اصلی شخص موجود در عکس مرجع را حفظ کن. فقط لباس و محیط
تغییر کند.

بااین‌حال هیچ مدل عمومی نباید به‌عنوان سیستم تطبیق هویت قطعی استفاده شود. خروجی را حتماً بررسی کنید و برای تصاویر افراد واقعی رضایت و حریم خصوصی را در نظر بگیرید.

چگونه متن فارسی را داخل تصویر ایجاد کنیم؟

برای متن فارسی این نکات را رعایت کنید:

• متن دقیق را داخل گیومه قرار دهید.
• از جمله کوتاه استفاده کنید.
• عنوان و زیرعنوان را جدا تعریف کنید.
• محل متن را مشخص کنید.
• تعداد کلمات را محدود کنید.
• از مدل قوی در Typography استفاده کنید.
• تصویر نهایی را از نظر RTL بررسی کنید.

مثال:

یک پوستر مینیمال فارسی بساز.
عنوان دقیق در سمت راست: «آینده از راه رسیده است»
زیرعنوان دقیق: «هوش مصنوعی برای همه»
تمام متن‌ها راست‌چین و با جهت راست‌به‌چپ باشند.
هیچ نوشته دیگری در تصویر وجود نداشته باشد.

برای پروژه‌های حرفه‌ای بهتر است مدل، پس‌زمینه و ترکیب‌بندی را بسازد و متن نهایی در Figma، Photoshop، Illustrator یا Canva اضافه شود. این روش کنترل دقیق‌تری روی فونت، نیم‌فاصله، جهت RTL و فاصله‌گذاری می‌دهد.

استفاده از هوش مصنوعی ساخت عکس برای کسب‌وکار

کسب‌وکارها می‌توانند از تولید تصویر در بخش‌های مختلف استفاده کنند:

فروشگاه اینترنتی

• پس‌زمینه محصول
• Lifestyle Photography
• تصویر دسته‌بندی
• بنر فروش
• نسخه‌های مختلف تبلیغ
• Mockup محصول
• تغییر رنگ و محیط

بازاریابی و شبکه‌های اجتماعی

• پست اینستاگرام
• کاور LinkedIn
• تامبنیل YouTube
• بنر کمپین
• تصویر مقاله
• استوری
• تصویر تبلیغاتی

طراحی محصول

• Concept Design
• Moodboard
• Prototype بصری
• طراحی رابط
• آیکون
• Illustration
• تصویر Placeholder

آموزش

• تصویر مفهومی
• نمودار آموزشی
• اینفوگرافیک
• تصویر کتاب و جزوه
• کاراکتر آموزشی
• سناریوی تصویری

بازی و سرگرمی

• کاراکتر
• محیط
• Texture
• Asset
• Concept Art
• Storyboard
• آیتم‌های بازی

حقوق استفاده تجاری و کپی‌رایت

تولیدشدن یک تصویر با هوش مصنوعی به معنی نبودن محدودیت حقوقی نیست.

پیش از استفاده تجاری بررسی کنید:

• شرایط استفاده مدل
• شرایط پلن رایگان یا پولی
• مجوز استفاده تجاری
• حق استفاده از تصاویر مرجع
• رضایت افراد حاضر در عکس
• علائم تجاری
• شباهت با آثار موجود
• قوانین مربوط به چهره افراد مشهور
• سیاست پلتفرم انتشار
• قوانین کشور محل فعالیت

از پرامپت‌هایی که تقلید مستقیم از هنرمند زنده، برند یا اثر دارای کپی‌رایت را درخواست می‌کنند با احتیاط استفاده کنید.

برای لوگو، خروجی مدل را بدون بررسی تشابه و قابلیت ثبت علامت تجاری استفاده نکنید.

تشخیص عکس ساخته‌شده با هوش مصنوعی

تشخیص تصاویر AI همیشه آسان نیست، اما این نشانه‌ها می‌توانند کمک کنند:

• انگشت‌های غیرطبیعی
• متن‌های ناخوانا
• بازتاب اشتباه
• سایه‌های ناسازگار
• اشیای ترکیب‌شده
• الگوهای تکراری
• تقارن غیرعادی
• بافت پوست بیش از حد صاف
• جزئیات معماری ناممکن
• لوگوهای جعلی
• اشیای ناقص در پس‌زمینه

مدل‌های جدید بسیاری از این خطاها را کاهش داده‌اند؛ بنابراین مشاهده ظاهری به‌تنهایی روش قطعی تشخیص نیست. برای کاربردهای حساس باید منبع، Metadata و زنجیره تولید محتوا نیز بررسی شوند.

ساخت عکس با API هوش مصنوعی

ابزارهای تحت وب برای استفاده شخصی مناسب‌اند، اما اگر بخواهید تولید تصویر را به سایت، اپلیکیشن یا محصول خود اضافه کنید، به API تولید تصویر نیاز دارید.

کاربردهای API:

• ساخت خودکار کاور مقاله
• تولید تصویر برای فروشگاه
• ایجاد آواتار
• ساخت تصویر تبلیغاتی در پنل SaaS
• تولید Asset بازی
• طراحی خودکار پست شبکه اجتماعی
• ویرایش عکس محصول
• ساخت Mockup
• تولید تصویر براساس داده کاربر
• پردازش گروهی تصاویر

معماری پیشنهادی:

کاربر یا سیستم
    ↓
Backend برنامه
    ↓
اعتبارسنجی پرامپت
    ↓
API هوش مصنوعی درواره
    ↓
مدل تولید تصویر
    ↓
ذخیره خروجی در Object Storage
    ↓
نمایش تصویر به کاربر

کلید API نباید داخل مرورگر یا اپلیکیشن عمومی قرار بگیرد. درخواست را از Backend ارسال کنید.

اتصال Python به API تولید تصویر درواره

ابتدا OpenAI SDK را نصب کنید:

pip install openai

سپس Client را بسازید:

import os

from openai import OpenAI


client = OpenAI(
    api_key=os.environ["DARVAREH_API_KEY"],
    base_url="https://api.darvareh.ir/v1",
)

نمونه عمومی تولید تصویر:

response = client.images.generate(
    model=os.environ["DARVAREH_IMAGE_MODEL"],
    prompt=(
        "A premium product photograph of a modern smartwatch, "
        "dark navy studio background, soft purple rim light, "
        "realistic reflections, clean composition, no text"
    ),
    size="1536x1024",
)

image = response.data[0]
print(image)

نام پارامترها، ابعاد قابل پشتیبانی و ساختار خروجی ممکن است میان مدل‌های مختلف تفاوت داشته باشد. شناسه مدل و Endpoint صحیح را براساس مشخصات همان مدل در درواره انتخاب کنید.

برخی مدل‌های چندوجهی تولید تصویر ممکن است از chat/completions استفاده کنند. نمونه ساختار درخواست:

response = client.chat.completions.create(
    model=os.environ["DARVAREH_IMAGE_MODEL"],
    messages=[
        {
            "role": "user",
            "content": (
                "یک تصویر تبلیغاتی حرفه‌ای از یک هدفون "
                "روی پس‌زمینه مشکی با نور بنفش بساز."
            ),
        }
    ],
)

ساختار دقیق تصویر خروجی به مدل بستگی دارد؛ ممکن است URL، داده Base64، فایل یا محتوای چندبخشی برگردانده شود.

اتصال JavaScript به API تولید تصویر

نصب SDK:

npm install openai

ساخت Client:

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.DARVAREH_API_KEY,
  baseURL: "https://api.darvareh.ir/v1",
});

تولید تصویر:

const response = await client.images.generate({
  model: process.env.DARVAREH_IMAGE_MODEL!,
  prompt: [
    "Professional editorial illustration of an AI gateway,",
    "dark navy background, purple and cyan lighting,",
    "minimal enterprise design, 16:9, no text",
  ].join(" "),
  size: "1536x1024",
});

console.log(response.data[0]);

کلید API را فقط در Server، Route Handler، Server Action یا Backend نگه دارید. هرگز آن را با متغیر NEXT_PUBLIC_ به مرورگر ارسال نکنید.

ذخیره تصویر Base64

برخی مدل‌ها تصویر را به‌صورت Base64 برمی‌گردانند.

نمونه Python:

import base64
from pathlib import Path


image_base64 = response.data[0].b64_json

output_path = Path("generated-image.png")
output_path.write_bytes(
    base64.b64decode(image_base64)
)

در Production بهتر است فایل را در Object Storage ذخیره کنید:

• Amazon S3
• Cloudflare R2
• MinIO
• Supabase Storage
• فضای ذخیره‌سازی سازگار با S3

ذخیره مستقیم داده Base64 در PostgreSQL معمولاً انتخاب مناسبی نیست. بهتر است URL، Metadata و شناسه Object را در دیتابیس نگه دارید.

مدل داده پیشنهادی برای تولید تصویر

CREATE TABLE image_generations (
    id UUID PRIMARY KEY,
    user_id UUID NOT NULL,
    model VARCHAR(255) NOT NULL,
    prompt TEXT NOT NULL,
    revised_prompt TEXT,
    status VARCHAR(30) NOT NULL,
    width INTEGER,
    height INTEGER,
    output_url TEXT,
    storage_key TEXT,
    cost_amount NUMERIC(18, 8),
    metadata JSONB NOT NULL DEFAULT '{}'::jsonb,
    error_code VARCHAR(100),
    created_at TIMESTAMPTZ NOT NULL DEFAULT NOW(),
    completed_at TIMESTAMPTZ
);

وضعیت‌های پیشنهادی:

queued
processing
completed
failed
cancelled
expired

تولید تصویر غیرهم‌زمان

ساخت عکس ممکن است چند ثانیه یا بیشتر زمان ببرد. برای سیستم‌های بزرگ بهتر است از Job Queue استفاده کنید:

POST /image-generations
    ↓
ساخت Job
    ↓
برگرداندن Generation ID
    ↓
پردازش در Worker
    ↓
ذخیره تصویر
    ↓
به‌روزرسانی وضعیت
    ↓
Polling یا Webhook

پاسخ اولیه:

{
  "id": "generation_01",
  "status": "queued"
}

بررسی وضعیت:

GET /image-generations/generation_01

پاسخ نهایی:

{
  "id": "generation_01",
  "status": "completed",
  "image_url": "https://cdn.example.com/images/generation_01.png"
}

امنیت API تولید تصویر

برای جلوگیری از سوءاستفاده این موارد را اجرا کنید:

• احراز هویت
• Rate Limit
• محدودیت تعداد تولید روزانه
• محدودیت اندازه Prompt
• Allowlist مدل‌ها
• محدودیت رزولوشن
• بررسی موجودی کاربر
• Moderation ورودی
• محدودیت تعداد تصاویر هر درخواست
• Timeout
• Idempotency Key
• ثبت مصرف
• عدم نمایش کلید API
• محدودیت فرمت تصویر مرجع
• اسکن فایل آپلودشده
• حذف Metadata حساس
• جلوگیری از SSRF هنگام دریافت URL تصویر

اگر کاربر URL تصویر وارد می‌کند، Backend نباید هر آدرسی را بدون کنترل دانلود کند. دسترسی به شبکه داخلی، Metadata Server و IPهای خصوصی باید مسدود شود.

کاهش هزینه تولید تصویر

هزینه تصویر معمولاً به عواملی مانند مدل، کیفیت، رزولوشن، تعداد خروجی و نوع عملیات بستگی دارد.

راهکارهای کاهش هزینه:

• استفاده از مدل سریع برای Preview
• تولید اولیه با رزولوشن پایین‌تر
• استفاده از مدل حرفه‌ای فقط برای خروجی نهایی
• محدودکردن تعداد Variation
• Cacheکردن درخواست‌های تکراری
• جلوگیری از Double Submit
• استفاده از Idempotency Key
• ذخیره خروجی و استفاده مجدد
• Queueکردن درخواست‌ها
• تعریف سقف بودجه
• نمایش تخمین هزینه قبل از تولید
• جلوگیری از Retry غیرضروری

یک Workflow مناسب:

مدل سریع برای پیش‌نمایش
    ↓
انتخاب کاربر
    ↓
مدل باکیفیت برای خروجی نهایی
    ↓
Upscale در صورت نیاز

خطاهای رایج در ساخت عکس با هوش مصنوعی

پرامپت بیش از حد کوتاه

پرامپت:

یک ماشین بساز

اطلاعات کافی درباره مدل ماشین، محیط، زاویه، نور و سبک ندارد.

نسخه بهتر:

عکاسی تبلیغاتی از یک خودروی سدان برقی سفید در جاده
کوهستانی، زاویه سه‌ربع جلو، نور طلایی غروب، لنز 35mm،
رنگ‌بندی سینمایی، جزئیات واقعی، بدون متن و لوگو

درخواست‌های متناقض

مثال:

تصویر مینیمال با جزئیات بسیار زیاد و صدها عنصر

اولویت‌های بصری را مشخص کنید تا مدل دچار ابهام نشود.

تغییر همه‌چیز در هر مرحله

برای ویرایش بنویسید چه چیزهایی باید ثابت بمانند:

ترکیب‌بندی، محصول، رنگ و زاویه دوربین را حفظ کن.
فقط پس‌زمینه را تغییر بده.

اتکا به متن تولیدشده داخل تصویر

متن‌های مهم را پس از تولید در ابزار طراحی اضافه کنید، مخصوصاً:

• شماره تلفن
• قیمت
• آدرس
• تاریخ
• اطلاعات حقوقی
• نام برند
• متن فارسی طولانی

استفاده مستقیم از خروجی بدون کنترل

تصاویر AI ممکن است دارای خطای بصری، اطلاعات نادرست یا شباهت ناخواسته باشند. همیشه کنترل انسانی انجام دهید.

پرسش‌های متداول

بهترین هوش مصنوعی ساخت عکس رایگان کدام است؟

برای شروع می‌توانید Adobe Firefly، Leonardo AI، Ideogram، Recraft، Canva و دسترسی‌های محدود ChatGPT یا Gemini را امتحان کنید. بهترین انتخاب به نوع تصویر و محدودیت پلن رایگان بستگی دارد.

چگونه با هوش مصنوعی عکس بسازیم؟

یک ابزار AI Image Generator انتخاب کنید، پرامپت خود را بنویسید، نسبت تصویر و سبک را مشخص کنید، خروجی بسازید و آن را مرحله‌به‌مرحله اصلاح کنید.

آیا هوش مصنوعی فارسی می‌تواند عکس بسازد؟

بسیاری از مدل‌های جدید پرامپت فارسی را درک می‌کنند. بااین‌حال برای اصطلاحات تخصصی عکاسی و طراحی، استفاده از کلمات انگلیسی در کنار فارسی ممکن است نتیجه دقیق‌تری ایجاد کند.

بهترین هوش مصنوعی برای ساخت عکس واقعی چیست؟

ChatGPT Images، Nano Banana، Nano Banana Pro، Midjourney و Leonardo AI از گزینه‌های مطرح‌اند. نتیجه نهایی بیش از نام ابزار به مدل دقیق، تصویر مرجع و کیفیت پرامپت بستگی دارد.

بهترین هوش مصنوعی برای نوشتن متن داخل عکس چیست؟

Ideogram، ChatGPT Images و Nano Banana Pro گزینه‌های قابل‌توجهی هستند. متن فارسی باید از نظر املاء، اتصال حروف و جهت RTL بررسی شود.

آیا ساخت عکس با هوش مصنوعی رایگان است؟

برخی ابزارها پلن یا اعتبار رایگان محدود دارند، اما تولید نامحدود، رزولوشن بالا، سرعت بیشتر یا استفاده حرفه‌ای معمولاً نیازمند پرداخت است.

آیا می‌توان عکس خودمان را با هوش مصنوعی ویرایش کرد؟

بله. ابزارهایی مانند ChatGPT Images، Nano Banana، Adobe Firefly، Leonardo AI و Canva قابلیت ویرایش تصویر با دستور متنی را ارائه می‌کنند.

آیا می‌توان با هوش مصنوعی لوگو ساخت؟

بله، اما خروجی باید توسط طراح اصلاح و از نظر تشابه، حقوق مالکیت و قابلیت ثبت علامت تجاری بررسی شود. Recraft، Ideogram، Firefly و Canva برای شروع مناسب‌اند.

آیا تصاویر هوش مصنوعی قابل استفاده تجاری هستند؟

این موضوع به قوانین ابزار، مدل، پلن، تصاویر مرجع و حوزه قضایی بستگی دارد. پیش از استفاده تجاری شرایط سرویس را مطالعه کنید.

API تولید تصویر چیست؟

API تولید تصویر یک رابط برنامه‌نویسی است که به سایت یا نرم‌افزار اجازه می‌دهد به‌صورت خودکار برای مدل پرامپت ارسال و تصویر دریافت کند.

چگونه API تولید تصویر دریافت کنیم؟

با ثبت‌نام در درواره می‌توانید کلید API بسازید، مدل تولید تصویر موردنظر را انتخاب و آن را از طریق آدرس پایه زیر به برنامه متصل کنید:

https://api.darvareh.ir/v1

جمع‌بندی

هوش مصنوعی ساخت عکس دیگر فقط ابزاری برای تولید تصاویر سرگرم‌کننده نیست. مدل‌های جدید می‌توانند در طراحی، تبلیغات، فروشگاه اینترنتی، تولید محتوا، آموزش، بازی، نرم‌افزار و اتوماسیون کسب‌وکار استفاده شوند.

برای انتخاب بهترین ابزار ابتدا کاربرد خود را مشخص کنید:

• ChatGPT Images برای تولید و ویرایش مکالمه‌ای
• Nano Banana برای سرعت و ویرایش تصویر مرجع
• Nano Banana Pro برای طراحی پیچیده
• Midjourney برای تصاویر هنری و سینمایی
• Ideogram برای متن و پوستر
• Adobe Firefly برای Workflow طراحی تجاری
• Leonardo AI برای Asset و کنترل پیشرفته
• Recraft برای Vector و SVG
• Canva برای محتوای سریع شبکه اجتماعی
• API درواره برای اتصال تولید تصویر به سایت و نرم‌افزار

کیفیت خروجی فقط به قدرت مدل وابسته نیست. یک پرامپت دقیق، تصویر مرجع مناسب، انتخاب نسبت تصویر، اصلاح مرحله‌ای و کنترل انسانی می‌تواند تفاوت زیادی در نتیجه ایجاد کند.

دسترسی به مدل‌های تولید تصویر از طریق API درواره

اگر توسعه‌دهنده، استارتاپ یا کسب‌وکار هستید و می‌خواهید تولید تصویر را به محصول خود اضافه کنید، درواره دسترسی API به مدل‌های مختلف هوش مصنوعی را فراهم می‌کند.

با API درواره می‌توانید:

• از یک اتصال برای مدل‌های مختلف استفاده کنید.
• هزینه را به‌صورت ریالی پرداخت کنید.
• مدل مناسب هر کاربرد را انتخاب کنید.
• تولید تصویر را به سایت یا اپلیکیشن اضافه کنید.
• مصرف API را مدیریت و بررسی کنید.
• از ساختار OpenAI-compatible در پروژه استفاده کنید.
• مدل‌ها را بدون بازنویسی کامل معماری تغییر دهید.

آدرس پایه API:

https://api.darvareh.ir/v1

نمونه اتصال:

from openai import OpenAI

client = OpenAI(
    api_key="DARVAREH_API_KEY",
    base_url="https://api.darvareh.ir/v1",
)

برای شروع، در درواره ثبت‌نام کنید، کلید API بسازید و مدل تولید تصویر متناسب با کیفیت، سرعت و هزینه پروژه را انتخاب کنید.

مقالات مرتبط

• راهنمای دریافت API هوش مصنوعی در ایران