
एक लेख इनपुट करें, तीन राउंड के Q&A से गुजरें, और यह सीधे कवर प्रॉम्प्ट्स आउटपुट करता है जिनका उपयोग इमेज जनरेशन के लिए किया जा सकता है। डिज़ाइन समझने की ज़रूरत नहीं, खुद प्रॉम्प्ट लिखने की ज़रूरत नहीं, आस्पेक्ट रेशियो 3:4 पर फिक्स्ड है, और चेहरे की कंसिस्टेंसी (facial consistency) बनाए रखी जा सकती है।👇 👹 पूरा वर्कफ़्लो इस प्रकार है: 1. स्किल इंस्टॉलेशन और पहली बार कॉन्फ़िगरेशन (अपने चेहरे की एक फोटो सेव करें + इमेज जनरेशन मॉडल की पुष्टि करें) 2. लेख की सामग्री एजेंट को दें, जो इसे स्वचालित रूप से पढ़ता और रिफ़ाइन करता है 3. राउंड 1: सामग्री के आधार पर कंपोज़िशन स्टाइल की सिफारिश करें (चुनने के लिए 10 विकल्प) + स्वचालित रूप से संभावित शीर्षक तैयार करें 4. राउंड 2: फेस रेफरेंस इमेज + UI स्क्रीनशॉट/प्रोडक्ट इमेज जैसी सामग्री 5. राउंड 3: एक्सप्रेशन, बैकग्राउंड टोन, फ़ॉन्ट और फ़ॉन्ट का रंग एक साथ चुनें, या यदि आप आलसी हैं तो सब कुछ मॉडल पर छोड़ दें 6. पूर्ण प्रॉम्प्ट्स आउटपुट करें: 3:4 कंपोज़िशन, सेफ़्टी ज़ोन, इमेज 1 (चेहरा) + इमेज 2 (सामग्री) के लिए मल्टी-रेफरेंस इमेज राइटिंग, सब कुछ शामिल है 7. इसे Jimeng / Nano Banana / GPT-Image पर ले जाकर इमेज जनरेट करें (यदि आपके एजेंट के पास इमेज जनरेशन API कॉन्फ़िगर है, तो आप इसे सीधे बातचीत में जनरेट करवा सकते हैं) 8. जांचें कि शीर्षकों में कोई टाइपो तो नहीं है, और किसी भी ऐसे हिस्से को दोबारा जनरेट करें जिससे आप खुश नहीं हैं। 🧐 टिप्स: आपको ऐसा इमेज जनरेशन मॉडल चुनना होगा जो मल्टीपल रेफरेंस इमेज को सपोर्ट करता हो, अन्यथा चेहरे की कंसिस्टेंसी की गारंटी नहीं दी जा सकती। इस स्किल में वास्तविक ट्रेंडिंग कवर से रिवर्स-इंजीनियर किए गए उदाहरण प्रॉम्प्ट्स के 8 इन-बिल्ट सेट हैं, और मॉडल स्वचालित रूप से उनका संदर्भ के रूप में उपयोग करेगा, जिससे इमेज की डिटेल अधिकतम हो जाएगी।
















