Yapay zekâ resmi nasıl çizer?

Yazdığınız bir cümleden resim çıkaran araçlar, boş bir kâğıda çizim yapmıyor. Bu derste çoğu görsel üreticinin dayandığı fikri, yani gürültüyü adım adım temizlemeyi sade bir dille öğrenecek ve bunu daha iyi görsel istekleri yazmak için kullanacaksınız.

Aklınıza bir soru mu takıldı?

Sorunuzu ya da aradığınız konuyu yazın Ders bul

Bu derste neler öğreneceksiniz?

• Bir yapay zekâ görselinin rastgele gürültüden nasıl doğduğunu
• Modelin eğitimde tam olarak neyi öğrendiğini
• Neden okunur yazı üretmenin zor olduğunu
• Bu bilgiyle görsel isteklerinizi nasıl düzelteceğinizi

Fikir: Bozulmuş resmi geri toparlamak

Hugging Face’in difüzyon kursuna göre difüzyon modelleri, bir resmi adım adım bozma sürecini tersine çevirmeyi öğrenerek çalışır. Önce temiz bir eğitim resmi alınır. Her adımda üzerine biraz rastgele gürültü eklenir. Birçok adımdan sonra resim tamamen ekran karıncalanmasına, yani saf gürültüye dönüşür.

Eğitim sırasında model, gürültülü bir resmi ve o resme hangi adımda gelindiğini görür. Görevi, eklenen gürültüyü tahmin etmektir. Tahmin gerçek gürültüyle karşılaştırılır ve model buna göre düzeltilir. Bu işlem çok sayıda resim ve adımda tekrarlanır. Kursun vurguladığı nokta şu: model doğrudan resim çizmeyi öğrenmiyor, gürültüyü tahmin etmeyi öğreniyor.

Yeni bir resim üretilirken süreç saf rastgele gürültüyle başlar. Model, her adımda içindeki gürültüyü tahmin eder ve bir zamanlayıcı bunun küçük bir kısmını çıkarır. Bu, en gürültülüden en temize doğru birçok kez tekrarlanır. Sonunda dağınık görüntü anlamlı bir resme dönüşür. Kurs bunu mürekkebin suda yayılmasına benzetiyor: yayılan mürekkebi geri toplamak pratikte imkânsızdır, ama model görüntüler için bunun tersini öğrenir.

Bu anlatımdan pratik bir sonuç çıkar: süreç rastgele bir gürültüyle başladığı için aynı cümleyi iki kez yazdığınızda iki farklı resim görmeniz beklenen bir durumdur. Bu, aracın bozuk olduğu anlamına gelmez. Bir resmi tam olarak yeniden elde etmek istiyorsanız, aracınızda başlangıcı sabitleyen bir ayar olup olmadığını yardım sayfasından öğrenin. Bunu bütün araçların sunduğunu varsaymayın.

Yazdığınız cümle ne işe yarıyor?

Hugging Face’in bilgisayarlı görü kursuna göre metin komutları bu temizleme sürecini yönlendirebilir; böylece ortaya çıkan resim tarife uyar. Kurs, bu sistemlerin çoğunda CLIP gömmeleri denen bir yöntemin kullanıldığını söylüyor. Yani cümleniz her adımda “şu yöne doğru temizle” diyen bir rehber gibi çalışır.

Aynı kurs, bu yöntemin bir zayıflığını da anlatıyor: modeller okunur yazı üretmekte zorlanıyor. Kursa göre nedeni, metin gömmelerinin sözcüklerin harf harf yazılışını taşımamasıdır. Bir senaryo düşünün: Kapadokya’da balon festivali için afiş hazırlıyorsunuz ve üzerine Türkçe başlık yazdırdınız. Resim güzel, ama harfler bozuk. Bunun nedeni sizin komutunuz değil, yöntemin kendisi olabilir. Türkçe karakterlerin ayrıca nasıl etkilendiğini kendiniz sınayın.

Üçüncü nokta hız ve maliyettir. Kurs, bir örneği üretmek için birçok adım gerektiğini, bu yüzden difüzyon modellerinin daha yavaş ve hesaplama bakımından daha yoğun olabildiğini yazıyor. Aynı yöntem yalnızca sıfırdan resim üretmekte değil, çözünürlük artırmada, eksik bölgeyi doldurmada ve resmi düzenlemede de kullanılıyor.

Bu bilgilerin sizin için anlamı şudur: görsel üreticiye “bana güzel bir şey yap” demek, onu rastgele bir yöne bırakmaktır. Ne istediğinizi ne kadar net yazarsanız, temizleme süreci o kadar belirli bir yöne gider. Yine de her sonuç bir deneme sayılmalı; gördüğünüz ilk resim son resim olmak zorunda değil.

Adım adım uygulama

1. Görseli ne için kullanacağınızı yazın: afiş, sosyal medya, sunum gibi.
2. Aşağıdaki komutla bir görsel istek kartı hazırlatın.
3. Kartı görsel üretme aracınıza yapıştırın.
4. Her denemede yalnızca tek bir şeyi değiştirin: ışık, yakınlık ya da renk gibi. Böylece neyin işe yaradığını görürsünüz.
5. Resimde yazı gerekiyorsa görseli yazısız üretin ve yazıyı bir tasarım aracında ekleyin.
6. Gerçek bir yeri ya da ürünü gösteriyorsanız, resimde gerçekte olmayan ayrıntılar olup olmadığına bakın.

Kontrol listesi

• Görselin amacını yazdım.
• Her denemede tek öğeyi değiştirdim.
• Yazıyı resmin dışında ekledim.
• Gerçek bir yeri göstermişse ayrıntıları kontrol ettim.
• Paylaşırken görselin yapay zekâyla üretildiğini belirttim.

Sık yapılan hatalar

• Resimde Türkçe başlık beklemek ve bozulan harfleri komut hatası sanmak.
• Aynı anda beş şeyi değiştirip neyin işe yaradığını anlayamamak.
• Gerçek bir yeri gösteren görseli fotoğraf gibi paylaşmak.
• Üretilen resmi kendi eseri gibi sunmak. Yapay zekâyla üretildiğini belirtmek dürüst bir alışkanlıktır.

Kendinizi deneyin

Kaynaklar

• Hugging Face Difüzyon Kursu: Birinci ünite, difüzyon nasıl çalışır (İngilizce)
• Hugging Face Bilgisayarlı Görü Kursu: Difüzyon modellerine giriş (İngilizce)

Son kontrol: 8 Kasım 2026

Kaynak: yzdersleri.com/ders/yapay-zeka-resim-nasil-cizer/ · Yapay Zeka Dersleri