5 September 2026
Membuat ulang gambar AI yang sama persis: kenapa mustahil dan apa yang harus dilakukan sebagai gantinya
Kenapa prompt yang sama tidak pernah mengembalikan gambar yang sama, seberapa berharga sebenarnya sebuah seed, apa yang disimpan kanvas dari tiap generasi, dan metode penyuntingan yang memungkinkan Anda mengubah satu detail tanpa kehilangan sisanya.
Frank HoubrePendiri Imaginode
Permintaan yang dirumuskan salah oleh semua orang
Menjalankan ulang prompt yang sama tidak pernah mengembalikan gambar yang sama: untuk mengubah satu detail sambil mempertahankan sisanya, gambar yang sudah ada harus disunting, bukan dibuat ulang.
Adegannya berulang di setiap pelatihan yang saya beri. Seseorang mendapat gambar yang sempurna. Cuma satu yang kurang: jaketnya seharusnya biru. Orang itu menjalankan ulang prompt yang sama dengan biru menggantikan merah, dan mendapat gambar yang sama sekali berbeda. Wajah lain, latar lain, cahaya lain.
Lalu menyusul setengah jam menjalankan ulang, dengan keyakinan yang makin kuat bahwa alatnya rusak. Tidak rusak. Permintaannya yang salah dirumuskan, dan merumuskannya dengan benar mengubah segalanya.
Kita akan lihat persisnya kenapa dua generasi yang identik tidak ada, apa yang diselesaikan dan tidak diselesaikan oleh seed yang terkenal itu, apa yang sungguh disimpan kanvas dari tiap generasi Anda, dan terutama metode yang benar: jangan membuat ulang, sunting.
Kenapa dua generasi tidak pernah identik
Tiap generasi berangkat dari derau acak yang berbeda yang diubah model sedikit demi sedikit: dua undian berbeda memberi dua gambar berbeda, bahkan dengan prompt yang benar benar sama.
Model gambar tidak menggambar, ia menghilangkan derau. Ia berangkat dari bubur piksel yang diundi acak dan mengubahnya langkah demi langkah menjadi gambar yang koheren, dengan teks Anda sebagai pemandu. Titik awalnya berubah setiap kali Anda mengeklik.
Dua titik awal yang berbeda menuju dua titik tiba yang berbeda, bahkan dengan instruksi yang persis sama. Ini bukan cacat, ini justru mekanismenya. Model yang selalu mengembalikan gambar yang sama untuk sebuah prompt tidak akan berguna: tidak ada yang bisa menjelajahi varian.
Tambahkan bahwa ia tidak punya ingatan sama sekali. Generasi kedua belas tidak tahu apa apa tentang sebelas sebelumnya. Ia tidak tahu Anda sudah menemukan yang bagus. Setiap klik pada Buat berangkat dari nol, tanpa sejarah bersama dengan apa pun sebelumnya.
Seed: apa sebenarnya itu
Seed adalah angka yang menentukan derau awal: menguncinya secara teori memungkinkan Anda mendarat pada gambar yang sama, asalkan tidak ada hal lain yang berubah dan penyedianya menghormatinya.
Derau awal tidak benar benar acak, ia dihitung dari sebuah angka. Angka itulah seed, benihnya. Benih sama, derau sama, jadi secara teori gambar yang sama.
Secara teori saja, dan di situlah orang berangan angan. Seed hanya membekukan titik awalnya. Ubah satu kata saja dalam prompt, ubah formatnya, ubah resolusinya, dan jalur yang ditempuh dari derau yang sama itu membawa Anda ke tempat lain. Seed tidak mengunci isi gambar, ia mengunci undiannya.
Yang menutup pertanyaan ini untuk kasus Anda: seed yang sama dengan prompt yang diubah tidak akan memberi gambar Anda dengan jaket biru saja. Ia akan memberi gambar lain, mungkin sedikit lebih dekat, tapi tidak pernah gambar Anda. Seed berguna untuk menjelajah secara sistematis, bukan untuk meretouch.
Apa yang benar benar disimpan kanvas dari tiap generasi
Tiap node menyimpan riwayatnya: mesin, prompt persisnya, pengaturan, kamera, masukan yang tersambung, biaya dan tanggal, lengkap dengan tombol untuk menyalin prompt.
Seed tidak bisa diatur di kanvas, dan saya lebih suka mengatakannya terus terang daripada memelihara keraguan. Sebaliknya, semua sisanya tersimpan, dan itulah yang penting sehari hari.
Tiap node Gambar dan tiap node Video menyimpan generasinya dalam bentuk vinyet. Satu klik membawa Anda kembali ke salah satunya. Dan di balik tiap vinyet, layar parameter mengembalikan mesin yang dipakai, prompt kata demi kata, pengaturannya, pengaturan kameranya, masukan yang tersambung saat itu, biaya dalam kredit, dan tanggalnya.
Dalam praktik, itu menyelesaikan separuh situasi nyata. Anda hampir tidak pernah ingin membuat ulang sebuah gambar piksel demi piksel. Anda ingin menemukan kembali resepnya: model apa, prompt apa, framing apa. Itu Anda punya, dan tombol Salin prompt membebaskan Anda dari mengetik ulang.
Pertanyaan yang benar: menggandakan atau mengubah?
Menggandakan sebuah gambar persis sama hampir tidak punya guna nyata, sementara mengubah gambar yang sudah ada adalah kebutuhan terus menerus: dua permintaan itu tidak memanggil alat yang sama.
Ambil tiga puluh detik untuk merumuskan apa yang benar benar Anda inginkan. Hampir selalu, itu bukan gambar yang sama. Itu gambar yang sama dengan satu perbedaan.
Jaketnya biru. Latarnya di luar ruangan. Tanpa mobil di sebelah kanan. Dalam format vertikal. Permintaan permintaan ini punya satu kesamaan: semuanya berangkat dari gambar yang sudah ada dan yang cocok bagi Anda. Mereka tidak meminta generasi, mereka meminta perubahan.
Dan di situ jawabannya ada dan bekerja sangat baik. Namanya penyuntingan gambar, ia mengisi sebagian besar katalog, dan itulah topik separuh sisa artikel ini.
Penyuntingan: berangkat dari gambar Anda, bukan dari derau
Model penyuntingan mengambil gambar Anda sebagai masukan dan hanya mengubah apa yang Anda deskripsikan, sambil mempertahankan seluruh sisa komposisinya.
Model penyuntingan tidak berangkat dari derau acak, ia berangkat dari berkas Anda. Ia menganalisisnya, memahami adegannya, menerapkan instruksi Anda, dan mengembalikan gambar yang sama dengan perubahan yang diminta. Wajahnya tetap wajah itu, latarnya tetap latar itu.
Flux Kontext seharga 6 kredit adalah spesialis jenis ini: ia mewajibkan gambar masukan dan mengubahnya sesuai instruksi, dan justru batasan itulah kekuatannya. Ia mempertahankan apa yang akan disusun ulang secara acak oleh model generasi murni.
Di kanvas, sambungannya begini: node Gambar yang sudah ada disambungkan ke node baru yang modelnya adalah model penyuntingan. Anda hanya menulis apa yang harus berubah. Hasilnya datang dengan vinyetnya sendiri, dan kedua versi Anda hidup berdampingan dalam proyek.
Cara menulis instruksi penyuntingan
Instruksi penyuntingan punya dua paruh: apa yang berubah, dideskripsikan dengan presisi, lalu daftar apa yang tidak boleh bergerak.
Ini aturan paling berguna di seluruh artikel ini, dan berlaku untuk semua model penyuntingan. Paruh pertama: apa yang ingin Anda ubah, dideskripsikan dengan presisi. Ganti jaket jins dengan jas biru tua, potongan lurus, dari wol.
Paruh kedua, yang dilupakan semua orang: daftar apa yang tidak bergerak. Pertahankan persis wajah yang sama, rambut yang sama, pose yang sama, framing yang sama, latar yang sama, cahaya yang sama. Tanpa daftar itu, model merasa berhak meretouch semua yang dilewatinya, dan Anda mendapat orang lain yang berpakaian rapi.
Sesuaikan daftarnya dengan gambar Anda: kalau ada kacamata, anjing, mobil, sebutkan. Model tidak menebak apa yang Anda pedulikan. Struktur ganda ini sama dengan yang dijelaskan di menulis prompt yang berhasil, diterapkan pada penyuntingan.
Model penyuntingan mana untuk anggaran mana
GPT Image Mini menyunting seharga 2 kredit, Seedream 5 Lite 5, Flux Kontext 6, Nano Banana 2 10, dan Nano Banana Pro 19 untuk permintaan yang paling majemuk.
Katalog penyuntingan berkisar dari 2 sampai 19 kredit, dan pilihannya ditentukan oleh kerumitan permintaan lebih daripada oleh kualitas mentah. GPT Image Mini seharga 2 kredit cukup untuk retouch sederhana yang batasnya jelas.
Seedream 5 Lite seharga 5 kredit menerima penyuntingan dan melahap prompt yang sangat panjang, yang sempurna kalau daftar apa yang tidak bergerak milik Anda panjang. Flux Kontext seharga 6 kredit tetap paling konsisten untuk mengganti latar atau menggayakan ulang sebuah adegan sambil menjaga strukturnya.
Di atasnya, Nano Banana 2 seharga 10 kredit mengikuti instruksi majemuk semacam ubah cahayanya, pertahankan tokohnya, geser bendanya, tanpa menyusun ulang semuanya. Dan Nano Banana Pro seharga 19 kredit untuk instruksi bersarang yang mengharuskan adegannya dipahami sebelum diubah. Selalu mulai dari yang termurah, ia cukup lebih sering daripada yang orang kira.
Kalau yang ingin Anda gandakan adalah seorang tokoh
Node Referensi dengan tiga foto dan sebuah @sebutan membuat seorang tokoh dikenali dari satu generasi ke generasi berikutnya, sesuatu yang tidak dilakukan prompt mana pun.
Ada satu kasus di mana penyuntingan tidak cukup: ketika Anda ingin orang yang sama dalam adegan yang sama sekali berbeda. Di situ persoalannya bukan lagi mengubah gambar, melainkan menemukan kembali satu unsur di dalam gambar yang baru.
Jawabannya adalah node Referensi. Anda beri nama, deskripsi, dan beberapa foto, lalu Anda ketik @ di prompt mana pun untuk memanggilnya. Model menerima gambarnya di samping teks dan menyalin proporsi nyata alih alih mengarangnya.
Topik ini layak lebih dari satu paragraf, dan saya membahasnya utuh di tokoh yang konsisten dengan AI. Ingat saja bahwa tiga foto yang bagus lebih berharga daripada empat ratus kata deskripsi, dan bahwa tidak semua model menerima referensi: portnya tidak muncul di node kalau model yang dipilih tidak bisa membacanya.
Kalau yang ingin Anda gandakan adalah sebuah gaya
Node Gaya yang disambungkan ke beberapa node memaksakan arahan artistik yang sama pada semua generasi tanpa Anda harus mengetik ulangnya.
Kasus ketiga: yang ingin Anda gandakan bukan gambarnya, bukan tokohnya, melainkan tampilannya. Palet yang sama, materi yang sama, perlakuan cahaya yang sama pada sepuluh visual berbeda.
Menyalin tiga baris arahan artistik di awal tiap prompt kurang lebih berhasil, sampai hari ketika Anda mengubah salah satunya dan lupa menyalin perubahannya ke sembilan yang lain. Node Gaya ada untuk itu: Anda menuliskannya sekali, menambahkan gambar inspirasi, dan menyambungkannya ke semua node Anda.
Ubah deskripsi di node Gaya, dan sepuluh generasi berikutnya mewarisinya. Itu persis mekanisme yang dijelaskan di membuat moodboard AI, dan itulah yang menjaga sebuah rangkaian visual merek tetap utuh.
Metode produksi: mengunci bertahap
Jelajahi bebas dengan tarif terendah, kunci gambar yang terpilih, lalu maju hanya lewat penyuntingan berurutan pada gambar itu.
Beginilah saya bekerja, dan ini menghindarkan sembilan puluh persen situasi yang dijelaskan di atas. Fase satu, eksplorasi: Flux Schnell seharga 1 kredit, lima belas atau dua puluh percobaan, tanpa batasan. Yang dicari komposisi, tidak lebih.
Fase dua, penguncian: satu gambar terpilih saja, dibuat ulang dengan rapi pada model yang bagus. Sejak itu gambar itulah rujukannya dan prompt awal tidak dijalankan lagi. Ia hidup di nodenya, dengan riwayatnya.
Fase tiga, koreksi: hanya lewat penyuntingan, satu perubahan sekali jalan, masing masing di nodenya sendiri. Anda mendapat rantai yang terbaca di mana tiap tahap terlihat dan bisa dibatalkan. Dan kalau koreksi ketiga meleset, Anda kembali ke yang kedua tanpa kehilangan apa pun.
Yang masih belum bisa kita lakukan
Menemukan kembali gambar yang dibuat di tempat lain, tanpa promptnya dan tanpa berkasnya, tetap mustahil: hanya gambar itu sendiri yang memungkinkan berangkat lagi dari sana.
Dua batas yang jujur untuk menutup. Kalau Anda kehilangan gambar dan promptnya, tidak ada yang bisa menemukannya lagi. Gambar hasil generasi tidak tersimpan di dalam model, ia tidak ada di mana pun selain di berkas Anda. Itu alasan terbaik untuk bekerja dalam proyek yang menyimpan semuanya.
Dan kalau Anda punya gambarnya tapi ia datang dari tempat lain, dari alat lain atau dari tangkapan layar, tidak semuanya hilang: impor ke node Media dan sunting. Anda tidak akan menemukan resepnya lagi, tapi Anda bisa mengubahnya, dan itulah permintaan sesungguhnya sejak awal.
Untuk kelanjutannya, dua arah sesuai kebutuhan Anda: menjaga tokoh yang sama kalau yang menyulitkan Anda adalah sebuah wajah, atau kesalahan pemula kalau Anda merasa membakar kredit tanpa maju.