AI-uitrustingoordrag, Ongesensureerd
Hoe om twee of meer beelde in een te kombineer op Shannon — klere-oordrag, voorwerp-in-toneel, persoon langs persoon, produk-op-persoon — en die een reël wat dit alles laat werk.
Kortliks
Heg die beelde aan en beskryf die resultaat terwyl jy noem wat elke beeld bydra, in volgorde. Die eerste beeld is die hoofonderwerp of die toneel; latere beelde verskaf die dele wat ingebring word. "Die vrou uit die eerste beeld wat die rooi gebreide trui uit die tweede beeld dra, staande in dieselfde park." Moet nie 'n tweebeeldtaak inkrimp tot een beeld plus 'n teksbeskrywing van die ander nie — 'n beskrewe kledingstuk word 'n generiese kledingstuk; die werklike een bly die werklike een. Kombinering ondersteun 'n negatiewe opdrag en laat jou 'n nuwe doekaspek kies. Daar is geen inhoudsfilter en geen weieringslaag nie — en geen videogenerering nie.
Die meeste beeldwerk wat mense werklik nodig het, is nie "maak vir my 'n prentjie van 'n ding" nie. Dit is "sit hierdie baadjie op hierdie persoon," "laat val hierdie stoel in hierdie kamer," "fotografeer hierdie produk in daardie hand." Al daardie take het materiaal uit meer as een foto nodig, en almal misluk op dieselfde manier: een beeld word aangeheg, die ander word in woorde beskryf, en terug kom iets geloofwaardigs wat nie die ding is wat jy besit nie. Die oplossing is kleiner as wat jy sou verwag, en dit werk oral.
01Wat "beelde kombineer" is, en waar dit gebeur
Shannon 3 doen drie afsonderlike dinge met beelde: dit genereer 'n nuwe beeld uit 'n beskrywing, dit redigeer een bestaande beeld, en dit kombineer twee of meer beelde in 'n enkele nuwe een. Hulle het verskillende reëls, en om die verkeerde een te kies, is die eerste plek waar kwaliteit verlore gaan.
Gebruik kombinering wanneer die voltooide prent materiaal uit meer as een foto nodig het: uitrusting- en klere-oordrag, om 'n voorwerp in 'n toneel te plaas, persoon A langs persoon B, 'n werklike produk wat deur 'n werklike model vasgehou word, die styl van een beeld toegepas op die onderwerp van 'n ander. As jy jouself betrap dat jy wens jy kon na twee prente tegelyk wys, is dit die bewerking.
Dit alles gebeur in die Shannon-kletsprogram, in gewone gesprek. Dit is nie op die /v1 API nie — die API bedien teks en visie, wat beteken dit lees beelde wat jy stuur eerder as om nuwes te produseer. As jy vanaf 'n API-soektog aangekom het, is dit die eerlike antwoord; sien die API-dokumentasie vir wat die eindpunte wel bedien. Beelde word op ons eie GPU-tros uitgebeeld.
Jy vra in gewone taal, in watter taal jy ook al praat. Shannon werk uit dat 'n beeld gevra word, skryf die genereringsinstruksie self in Engels, en wys dit aan jou op 'n bevestigingskaart voordat iets uitgebeeld word. Niks word gegenereer en niks word gefaktureer voordat jy bevestig nie — en vir multi-beeldwerk is daardie kaart waar jy nagaan dat die rolle en die volgorde uitgekom het soos jy bedoel het. Shannon genereer nooit ongenooid nie: 'n groet, 'n vraag, of 'n terloops geheg foto sneller nie 'n uitbeelding nie.
02Die reël: noem elke beeld se rol, in volgorde
Die instruksie moet sê wat elke beeld bydra, en dit moet dit sê in die volgorde waarin die beelde gegee is. Dit is die hele tegniek; alles hieronder is daardie reël toegepas op 'n spesifieke taak.
Die eerste beeld is die basis — die hoofonderwerp, of die toneel, watter een ook al die grootste deel van die voltooide prent uitmaak. Dit stel identiteit, postuur, inraming, beligting en alles wat jy nie gevra het om te verander nie. Latere beelde is bronne: die dele wat ingebring word. Skryf die sin so dat 'n vreemdeling wat die beelde in volgorde vashou, die taak met die hand sou kon uitvoer.
Werk
Die vrou uit die eerste beeld wat die rooi gebreide trui uit die
tweede beeld dra, staande in dieselfde park, dieselfde postuur en
dieselfde middaglig, haar gesig en hare onveranderd.
Misluk
Kombineer hierdie twee beelde. Voeg die foto's saam. Sit hulle bymekaar.
Die weergawes wat misluk, misluk nie omdat hulle kort is nie, maar omdat hulle nooit sê watter prent die persoon is en watter die trui nie. Drie gewoontes maak die reël betroubaar:
- Gebruik rangtaal uitdruklik. "Uit die eerste beeld", "uit die tweede beeld". Vier woorde, en die dubbelsinnigheid is weg.
- Sê wat dieselfde bly. "Hou haar gesig, hare en postuur identies." Om die onveranderde dele te noem, is die grootste kwaliteitshefboom in elke beeldbewerking wat Shannon doen, en dit maak hier die meeste saak, want 'n samestelling het twee of meer dinge waarvan dit kan afdwaal.
- Skryf prosa, nie etikette nie. Die Beeldmodel lees instruksies soos 'n taalmodel 'n sin lees, so volledige sinne klop komma-geskeide sleutelwoorde. Mik vir 30 tot 80 woorde, en slaan SDXL-era-gemors oor ("masterpiece, best quality, 8k") en gewigsintaks soos
(word:1.3).
Wanneer 'n beeld meer as een ding bevat, noem die deel wat jy daaruit wil hê. As die tweede beeld 'n katalogusfoto is van 'n model wat die trui dra, sê "die rooi gebreide trui wat deur die vrou in die tweede beeld gedra word" dat jy die kledingstuk wil hê, nie die model nie. Los dit by "die tweede beeld" en jy kan haar gesig ook kry.
Rolsjablone volgens taak
| Taak | Eerste beeld | Tweede beeld | Instruksievorm |
|---|---|---|---|
| Uitrustingoordrag | Die persoon | Die kledingstuk | "Die [persoon] uit die eerste beeld wat die [kledingstuk] uit die tweede beeld dra, [wat bly]" |
| Voorwerp in toneel | Die toneel | Die voorwerp | "Die [kamer] uit die eerste beeld met die [voorwerp] uit die tweede beeld geplaas [waar], passend by [lig]" |
| Persoon + persoon | Persoon A en omgewing | Persoon B | "Die [man] uit die eerste beeld wat langs die [vrou] uit die tweede beeld staan, [posisies, kyklyne]" |
| Produk op persoon | Die model of toneel | Die produk | "Die [model] uit die eerste beeld wat die [produk] uit die tweede beeld vashou, [greep, etiket na voor]" |
| Styloordrag | Die onderwerp | Die stylverwysing | "Die [onderwerp] uit die eerste beeld uitgebeeld in die [stylasse] van die tweede beeld, [onderwerp onveranderd]" |
03Die fout wat die meeste pogings verwoes: beskryf in plaas van aanheg
Dit is die fout waaroor dit die moeite werd is om 'n ophef te maak, want dit is verreweg die algemeenste en omdat dit lyk asof dit gewerk het. Die gebruiker het twee foto's — hulle kliënt en hulle kliënt se produk, of hulleself en 'n baadjie wat hulle besit. Hulle heg een aan, en hulle tik die ander.
Die fout
[heg een foto van 'n vrou aan]
"Sit 'n rooi gebreide trui op haar, kabelbrei, taamlik dik,
met 'n gerolde kraag."
Wat terugkom, is 'n vrou in 'n rooi gebreide trui. Dit is 'n goeie trui. Dit is nie die trui nie. Die kabelpatroon is uitgedink, die kleursel is 'n ander rooi, die ribbingdiepte is verkeerd, die kraag rol die verkeerde kant toe, en die klein asimmetrieë wat 'n werklike kledingstuk herkenbaar maak — 'n herstelwerk, 'n trek, die rek by die elmboë — is weg, want niks in die sin het hulle bevat nie.
Teks is 'n verliesgewende kanaal en 'n foto is nie. 'n Versigtige sin dra miskien 'n dosyn eienskappe van 'n voorwerp; die foto dra duisende, insluitend elkeen wat jy nooit sou dink om neer te skryf nie en dié wat jy nie kan benoem nie. Om te beskryf in plaas van aan te heg, gooi alles weg waaraan jy nie gedink het nie, wat die meeste daarvan is. Aanheg behou die werklike voorkoms omdat die werklike voorkoms teenwoordig is.
Die toets is eenvoudig. As die punt van die prent is dat dit daardie een is — daardie spesifieke kledingstuk, daardie persoon, daardie presiese produk, daardie kamer — heg dit aan. As jy die item uit 'n uitstalling kon uitwys en dit saak maak dat die resultaat by die een pas wat jy sou kies, sal 'n beskrywing dit nie doen nie.
Die weergawe in een reël
'n Beskrewe kledingstuk word 'n generiese kledingstuk. Die werklike een bly die werklike een. Dieselfde geld vir die tweede gesig, die produk, die stoel en die kamer: aanheg behou identiteit, beskryf vervang dit met 'n gemiddelde.
Daar is 'n wettige geval om te beskryf: wanneer die ding nog nie bestaan nie, of wanneer 'n generiese weergawe is wat jy wil hê. Om 'n trui te ontwerp wat niemand gebrei het nie, om 'n konsep grof uit te lê — dit is teks-na-beeld-werk, en 'n beskrywing is reg omdat daar geen werklike voorwerp is wie se identiteit jy behou nie. Die oomblik wanneer 'n werklike voorwerp die opdrag betree, doen sy foto dit ook.
'n Verwante halwe fout: om albei beelde aan te heg en dan steeds die tweede een in detail te beskryf. Die byvoeglike naamwoorde kan met die foto baklei — skryf "dik" wanneer die werklike kledingstuk fyn geweef is en jy het 'n weerspreking ingebring. Beskryf die tweede beeld net genoeg om te identifiseer watter deel daarvan jy wil hê.
04Uitrusting- en klere-oordrag
Die kanonieke tweebeeldtaak. Heg die persoon eerste aan en die kledingstuk tweede. Die kledingstukbeeld kan 'n platuitleg wees, 'n hangerfoto, 'n katalogusfoto, of iemand anders wat dit dra — almal werk, solank jy sê watter deel daarvan jy bedoel.
Uitrustingoordrag
Die vrou uit die eerste beeld wat die rooi gebreide trui uit die
tweede beeld dra. Hou haar gesig, hare, postuur en die park-
agtergrond presies soos hulle is, met dieselfde sagte bewolkte lig.
Die trui moet natuurlik op haar bou hang, met die kabelpatroon
en kraag van die oorspronklike kledingstuk ongeskonde.
Negatiewe opdrag: verwronge kabelpatroon, ekstra moue, verwronge
hande, plastiese stof, wanpassende beligting
Drie dinge doen die werk: die rolle word in volgorde genoem, die onveranderde dele word hardop gelys (wat is wat die gesig keer om af te dryf), en die laaste klousule sê vir die model dat die kledingstuk se eie besonderhede die punt is — daarsonder is samestellings geneig om kleur en silhoeët te behou terwyl hulle die tekstuur stilweg gladstryk.
- Pas is 'n fisiese bewering, so maak dit. "Hang natuurlik op haar bou", "gepas by die middel", "moue wat by die pols eindig" — anders kan die kledingstuk in sy bronverhoudings aankom eerder as die draer s'n.
- Oorvleueling is die moeilike geval. As arms gekruis is of 'n sakband oor die bors loop, sê wat daarmee gebeur. Dubbelsinnigheid daar produseer die klassieke gesmelte-mou-artefak.
- Meer kledingstukke beteken meer beelde. Persoon eerste, dan bostuk, dan broek, dan skoene — en verwys konsekwent na hulle as die tweede, derde en vierde beeld. Moenie halfpad na "die skoenprent" oorskakel nie.
05Om 'n voorwerp in 'n toneel te plaas
Hier draai die rolle om: die toneel gaan eerste, want die toneel is waarvan die voltooide prent hoofsaaklik gemaak is, en die voorwerp is die deel wat ingebring word. Binnehuismodelle, om 'n kamer te toneel met meubels wat jy nie gekoop het nie, om 'n voertuig op 'n pad te laat val, om 'n beeldhouwerk in 'n galery te plaas — elke keer dieselfde vorm.
Voorwerp in toneel
Die sitkamer uit die eerste beeld met die groen fluweelleunstoel
uit die tweede beeld langs die venster aan die linkerkant geplaas,
effens na die kamera gedraai en omtrent middellyfhoogte in die
raam. Pas by die kamer se warm laatmiddaglig, met 'n sagte
skaduwee wat regs van die stoel op die mat val. Hou die res van
die kamer en die kamerahoek onveranderd.
Negatiewe opdrag: swewende voorwerp, uitgeknipte rande,
dubbele skaduwees, wanpassende kleurtemperatuur
Die mislukkingswyse hier is nie identiteit nie, dit is fisika. 'n Voorwerp wat sy eie beligting behou, lyk vasgeplak, en kykers merk dit onmiddellik op selfs wanneer hulle nie kan sê hoekom nie. Bestee jou woorde aan die drie dinge wat 'n foto van 'n geïsoleerde voorwerp nie kan weet nie: plasing (waar in die raam, relatief tot wat), skaal in terme van die toneel eerder as sentimeters ("omtrent middellyfhoogte", "so hoog soos die deurhandvatsel"), en lig en skaduwee — rigting, gehalte, en waar die skaduwee val. Daardie laaste een is wat 'n saamstelling in 'n foto omskep.
06Persoon A langs persoon B
Twee mense wat nooit in dieselfde vertrek was nie: familiefoto's oor geslagte heen, 'n stigterportret terwyl die medestigter op reis was, 'n plakkaat met twee kunstenaars. Dit werk, en dit het twee dinge nodig wat die enkelonderwerptake nie het nie.
Twee mense
Die man uit die eerste beeld wat langs die vrou uit die tweede
beeld staan, albei op dieselfde klipterras uit die eerste beeld.
Hy staan links, sy staan aan sy regterkant, skouers wat amper
raak, albei na die kamera gerig op dieselfde ooghoogte. Hou albei
gesigte, haarstyle en klere presies soos in hulle eie foto's, en
belig albei met dieselfde sagte aandlig van links.
Doek: landscape
Negatiewe opdrag: wanpassende veltoon, gedupliseerde ledemate,
naatlyn tussen onderwerpe, ongelyke beligting
Die twee ekstras: relatiewe meetkunde — wie aan watter kant is, hoe ver uitmekaar, wie se kyklyn waarheen gaan, en relatiewe hoogte, aangesien twee verskillend gesnyde portrette die model geen manier gee om te weet dat een persoon 'n kop langer is nie — en 'n enkele gedeelde lig, uitdruklik gestel, want jy voeg twee beligtingsomgewings saam en een moet wen.
Dit is ook waar die keuse van 'n nuwe doekaspek sy plek verdien: twee bronne in portretoriëntasie maak 'n swak groepfoto in portretoriëntasie, so vra vir landscape of wide. En stel die vanselfsprekende een keer: om 'n werklike persoon in 'n beeld te plaas waarin hulle nie was nie, is kragtig en is nie outomaties skadeloos nie. Hê die regte of die toestemming; ons beleid vir verantwoordelike gebruik is die kort weergawe.
07Produk-op-persoon, en ongesensureerde produkfotografie
Kommersieel is dit die samestelling wat vir homself betaal. Jy het 'n produkfoto op wit en jy het 'n model, 'n hand, 'n kombuis, 'n werkbank. Om hulle te kombineer, gee jou 'n leefstylfoto sonder 'n dag in die ateljee — en met jou werklike produk daarin eerder as 'n gegenereerde benadering, wat die hele verskil is tussen bruikbare bemarkingsmateriaal en 'n model waaroor jy verskoning moet vra.
Produk op persoon
Die vrou uit die eerste beeld wat die amberglas-serumbottel uit
die tweede beeld in haar regterhand vashou, tot borshoogte
opgelig, die etiket na die kamera gerig en volledig leesbaar,
haar vingers natuurlik om die bottel gevou sonder om die etiket
te bedek. Hou haar gesig, hare en die kombuisagtergrond
onveranderd. Geskiet op Kodak Portra 400, 85mm f/1.4, sagte
vensterlig van links.
Doek: portrait
Negatiewe opdrag: verwronge etiketteks, ekstra vingers, swewende
bottel, gedupliseerde weerkaatsings, plastiese vel
Twee toevoegings wat spesifiek is aan produkwerk. Die greep: hande wat voorwerpe vashou, is waar samestelling die dikwelste verkeerd loop, so sê watter hand, op watter hoogte, en dat die vingers natuurlik vou sonder om die etiket te bedek. Fotografiese behandeling: noem 'n kamera, 'n lens en 'n film of ligbron. Die uitvoer behoort te lees soos 'n foto wat geneem is, nie twee foto's wat gekombineer is nie, en om dit as 'n foto te skryf, is wat jou daar kry.
Ongesensureerd maak hier saak op 'n meer alledaagse manier as wat dit klink. Gefiltreerde generators weier hele kategorieë van gewone, wettige handel: onderklere- en swemklerekatalogusse, tabak- en dampapparatuur, alkohol, vuurwapentoebehore, volwasse welstandsprodukte, cannabis waar dit wettig is, mediese toestelle, taktiese en jagtoerusting. Hulle weier ook handelsmerk- en gelykeniswerk wat deur die reghebbende gedoen word. Niks daarvan is 'n randgeval nie; dit is 'n Dinsdag by 'n agentskap. Shannon het geen inhoudsfilter op die genereringspad nie en geen weieringslaag op die model wat die opdrag skryf nie, so die werk gaan deur en die regtevraag bly by jou, waar dit hoort.
08Styl uit een beeld, onderwerp uit 'n ander
Onderwerp eerste, stylverwysing tweede. Wat hierdie taak anders maak, is dat jy 'n eienskap leen eerder as 'n voorwerp, so jy moet noem watter eienskappe — en sê dat die verwysing se eie onderwerp en komposisie nie saamkom nie.
Stylverwysing
Die portret van die man uit die eerste beeld, uitgebeeld in die
visuele styl van die tweede beeld: dieselfde gedempte blougroen
en oker palet, sigbare droëkwas-tekstuur, en plat gelyke
beligting. Hou sy gesig, uitdrukking en postuur herkenbaar en
onveranderd. Moenie die onderwerp, agtergrond of komposisie van
die tweede beeld oordra nie.
Negatiewe opdrag: tweede gesig, geleende agtergrond, fotografiese
tekstuur
Noem die stylasse uitdruklik, want "in die styl van die tweede beeld" alleen is onderbepaald: palet (of presiese kleure, geskryf as color #8B0000 geheg aan 'n benoemde voorwerp), kwaswerk of korrel, ligkwaliteit, lyndikte, vlak van abstraksie, randbehandeling. Kies die twee of drie wat die voorkoms definieer; om al ses te noem, middel hulle uit. En moenie botsende aanwysings meng nie — "fotorealisties" plus "waterverf" produseer 'n gemors, nie 'n vermenging nie. As jy 'n foto wil hê wat bloot 'n palet leen, sê presies dit.
09Negatiewe opdragte en die keuse van 'n nuwe doekaspek
Twee vermoëns wat vir kombinering en redigering bestaan, maar nie vir teks-na-beeld nie, en albei word onderbenut.
Die negatiewe opdrag
Om beelde te kombineer ondersteun 'n negatiewe opdrag. Ongewenste artefakte gaan daarheen — en dit maak saak dat hulle daarheen gaan eerder as in die instruksie in, want om "geen ekstra vingers" in die hoofinstruksie te skryf, noem die ding wat jy probeer vermy in dieselfde asem as alles wat jy wel wil hê. Sit uitsluitings in hulle eie kanaal. Die inskrywings wat konsekwent hulle plek verdien:
- Anatomie — ekstra vingers, gedupliseerde ledemate, misvormde hande, tweede gesig.
- Saamstellingstekens — uitgeknipte rande, sigbare naatlyn, swewende voorwerp, dubbele skaduwees, stralekrans om die onderwerp.
- Ligwanpassing — wanpassende kleurtemperatuur, teenstrydige skaduweerigting, ongelyke beligting tussen onderwerpe.
- Tekstuurmislukkings — plastiese vel, gladgestreke stof, verwronge etiketteks, onleesbare logo.
Hou dit by die handjievol wat vir jou beeld geloofwaardig is. 'n Negatiewe opdrag wat dertig dinge lys, is 'n diffuse instruksie, nie 'n sterk een nie.
Die doekaspek
Om 'n enkele beeld te redigeer, erf outomaties die bronbeeld se aspekverhouding — daar is een bron, en sy vorm is die antwoord. Kombinering het geen sodanige verstek nie, so jy kan 'n nuwe doekaspek kies, en jy behoort dikwels te, want die vorm wat een bron gepas het, pas selde die samestelling.
| Aspek | Die beste vir | Tipiese samestellingsgebruik |
|---|---|---|
| square | Verstek, sosiale strome | Enkele onderwerp met een oorgedraagde element |
| portrait | Mense, lang onderwerpe | Uitrustingoordrag, produk vasgehou deur een model |
| landscape | Landskappe, groepe | Twee mense langs mekaar, voorwerp in 'n kamer geplaas |
| wide | Rolprentagtige inraming | Groepfoto's, omgewingsproduktonele, baniere |
| tall | Plakkate, foonmuurpapier | Volledige uitrustingfoto's, plakkaatuitlegte |
'n Uitdruklike versoek wen altyd. Sê niks en jy kry square — die verkeerde vorm vir die meeste tweepersoon- en volledige uitrustingwerk, so dit is 'n woord werd.
10Watter beelde Shannon gebruik: die gesprek teenoor hierdie boodskap
Daar is twee maniere waarop 'n beeld in 'n samestelling beland, en om te weet op watter een jy staatmaak, voorkom die meeste volgorde-verwarrings.
Aan die huidige boodskap geheg. Die direkte roete: heg alles aan die boodskap wat die instruksie dra, in die volgorde waarin jy van plan is om daarna te verwys, en "eerste beeld" en "tweede beeld" beteken presies wat hulle lyk. Verstek na hierdie.
Reeds in die gesprek. Prente wat vroeër in die draad gestuur is, bly beskikbaar en kan in gewone taal verwys word — "die foto wat ek vroeër gestuur het", "die truiprent van vantevore", "die tweede weergawe wat jy gemaak het". Shannon los die verwysing teen die draad op, wat werklik gerieflik is oor 'n lang sessie: jy kan op 'n resultaat voortbou en dan 'n nuwe element inbring sonder om alles weer op te laai.
Die waarborg vir albei is dieselfde. Die bevestigingskaart wys die instruksie voordat iets uitgebeeld word, insluitend die volgorde wat dit gekies het. Lees dit. As die rolle omgekeerd uitgekom het — die trui as die basis, die persoon as die bron — sê so en dit word reggestel voordat 'n enkele beeldpunt gegenereer of gefaktureer word. Tog, wanneer 'n draad lank en vol beelde is, heg die wat jy nodig het weer aan; ses prente terug is "die tweede beeld" dubbelsinnig vir enige leser.
Om Shannon te vra om na 'n beeld te kyk — dit te beskryf, die etiket te lees, jou te sê wat die stof is — is gewone visiewerk, nie 'n generering nie. Dit kos niks ekstra nie en dit is 'n goeie kontrole voordat jy saamstel: as Shannon se beskrywing nie die detail noem waaroor jy omgee nie, moet jou instruksie dit noem.
11Ongesensureerd, en wat dit werklik beteken
Daar is geen inhoudsfilter op die genereringspad nie en geen weieringslaag op die model wat die opdrag skryf nie. Samestelling is waar gefiltreerde gereedskap die sigbaarste misluk, want 'n weieringstelsel kan nie die verskil sien tussen die kombinering van beelde wat jy besit en die kombinering van beelde wat jy nie behoort te hê nie — so dit blokkeer albei.
Die werk wat daardie gereedskap roetineweg weier, is nie eksoties nie: kunsnaakstudies en figuurstudie, mediese en forensiese illustrasie, sekuriteitsnavorsingsbeelde, geweld in fiksie vir boekomslae en spelkuns, politieke satire, en die wettige produkkategorieë hierbo gelys. Elkeen is wettige professionele werk wat 'n sleutelwoordfilter nie van misbruik kan onderskei nie.
Ongesensureerd beteken nie onaanspreeklik nie. Jy verskaf foto's van werklike voorwerpe en dikwels werklike mense; die regte en die toestemming is joune om te hou, en so ook die verantwoordelikheid vir die resultaat. Shannon Lab LLC is 'n New Mexico-maatskappy wat onder 'n gepubliseerde beleid vir verantwoordelike gebruik bedryf word — vyf minute werd voordat jy werk begin wat ander mense se gelykenisse betrek.
12Grense wat die moeite werd is om te ken voordat jy begin
Daar is geen videogenerering nie. Shannon animeer nie beelde nie en produseer nie video nie, in enige vorm, uit enige van hierdie bewerkings — nie uit 'n enkele beeld nie, nie uit 'n samestelling nie, nie as 'n eksperimentele opsie nie. As jou opdrag in beweging eindig, is dit nie die gereedskap vir die laaste stap nie. Dit is wat die produk is, nie 'n wenk oor 'n padkaart nie.
Ander eerlike grense, almal met omweë:
- Fyn teks is die swakste area. Klein drukwerk, digte verpakkingsteks en lang reeksnommers kan onvolmaak uitkom. Raam die produk so dat die belangrike teks groot is, sit verwronge etiketteks in die negatiewe opdrag, en kyk op volle grootte na.
- Uiterste skaalwanpassing is moeilik. 'n Produkfoto van 4000 beeldpunte gekombineer met 'n klein duimnaelskets van 'n kamer gee die model min om mee te werk. Gebruik die beste kopie van elke bron wat jy het.
- Swaar oorvleueling beperk wat oorgedra kan word. 'n Kledingstuk wat opgevou gefotografeer is, met die agterkant nooit sigbaar nie, kan nie sy agterkant getrou laat uitdink nie. As die samestelling die agterkant wys, verskaf die agterkant.
- Meer beelde beteken meer ruimte vir verwarring. Vier bronne is hanteerbaar met gedissiplineerde rangbenoeming, maar dit is nie die plek om terloops te wees nie — gebruik die getal wat die taak nodig het en nie meer nie.
- Twee groot veranderings tegelyk ding mee. Dra die uitrusting oor, bevestig, verander dan die agtergrond. Opeenvolgende wysigings klop byna elke keer een oorlaaide instruksie, en elke stap is goedkoop om na te gaan.
13Gereelde vrae
Hoe kombineer ek twee beelde in een met AI?
Heg albei beelde in die Shannon-klets aan en beskryf die resultaat terwyl jy noem wat elke beeld bydra, in volgorde. Die eerste beeld is die hoofonderwerp of die toneel; latere beelde verskaf die dele wat ingebring word. Byvoorbeeld: die vrou uit die eerste beeld wat die rooi gebreide trui uit die tweede beeld dra, staande in dieselfde park. Shannon skryf die finale Engelse instruksie self, wys dit aan jou op 'n bevestigingskaart, en niks word uitgebeeld voordat jy bevestig nie.
Waarom lyk die uitrusting verkeerd wanneer ek die kledingstuk beskryf in plaas van dit aan te heg?
Omdat 'n sin 'n verliesgewende beskrywing van 'n foto is. As jy "'n rooi gebreide trui" skryf, kry jy 'n geloofwaardige rooi gebreide trui, nie joune nie — die kabelpatroon, ribbing, kleursel, val, naatplasing en slytasie is alles uitgedink. Om die tweede beeld aan te heg, behou die werklike kledingstuk se werklike voorkoms. As die hele punt van die prent is dat dit daardie spesifieke item, persoon of produk is, heg dit aan eerder as om dit te beskryf.
Ondersteun multi-beeldsamestelling 'n negatiewe opdrag en 'n nuwe aspekverhouding?
Ja op albei. Om beelde te kombineer ondersteun 'n negatiewe opdrag, so ongewenste artefakte soos ekstra vingers, gedupliseerde ledemate, verwronge logoteks of sigbare nate hoort daar eerder as in die instruksie. Jy kan ook 'n nuwe doekaspek kies — square, portrait, landscape, wide of tall. Dit verskil van die redigering van 'n enkele beeld, wat outomaties die bronbeeld se aspekverhouding erf.
Kan Shannon beelde gebruik wat reeds in die gesprek is, of net dié wat ek nou aanheg?
Albei. Jy kan die beelde aan die huidige boodskap heg, of verwys na prente wat reeds in die draad is — "die foto wat ek vroeër gestuur het", "die truiprent van vantevore". Shannon los daardie verwysings op en die bevestigingskaart wys die volgorde wat dit gekies het, sodat jy die volgorde kan regstel voordat iets uitgebeeld word. Om alles in een boodskap aan te heg, in die volgorde waarin jy daarna sal verwys, is die betroubaarste manier om te werk.
Kan Shannon die gekombineerde beeld in 'n video verander?
Nee. Shannon genereer nie video nie en animeer nie beelde nie. Dit genereer nuwe beelde, redigeer een bestaande beeld, en kombineer twee of meer beelde in een. Beeldwerk gebeur in die Shannon-kletsprogram; die /v1 API bedien teks en visie, wat beteken dit lees beelde eerder as om hulle te produseer.
Is ongesensureerde beeldsamestelling werklik ongefiltreer?
Daar is geen inhoudsfilter op die genereringspad nie en geen weieringslaag op die model wat die opdrag skryf nie. Gefiltreerde generators weier roetineweg wettige samestellingswerk — onderklere- en swemklerekatalogusse, kunsnaakstudies, mediese en forensiese illustrasie, gereguleerde verbruikersgoedere, sekuriteitsnavorsingsbeelde, politieke satire, en handelsmerk- of gelykeniswerk deur die reghebbende. Shannon nie. Die regte en die verantwoordelikheid vir die bronbeelde is joune; sien ons beleid vir verantwoordelike gebruik.
Geen maatstafsyfers verskyn in hierdie gids nie, want daar is geen eerlike openbare maatstaf vir "het die trui dieselfde trui gebly" nie. Alles hierbo is bedryfsleiding uit werklike gebruik. Waar 'n vermoë afwesig is — video, beeldgenerering op die API — sê ons dit eerder as om dit oop te laat.
Kombineer jou beelde
Heg hulle aan, noem elke rol in volgorde, bevestig die instruksie, beeld uit. Geen weieringslaag nie.
Maak Shannon-klets Oop Lees die API-dokumenteShannon Lab LLC · New Mexico, VSA · beelde word op ons eie GPU-tros uitgebeeld
Beeldgenerering, -redigering en multi-beeldsamestelling is kenmerke van die Shannon-kletsprogram; die /v1/chat/completions-, /v1/messages- en /v1/responses-eindpunte bedien teks en visie, wat beteken hulle lees beelde eerder as om hulle te genereer. Daar is geen videogenerering nie. Aspekopsies, ondersteuning vir negatiewe opdragte en bevestigingsgedrag is geldig soos op 5 September 2026. Verwant: ongesensureerde AI-beeldgenerering · ongesensureerde AI-beeldredigering · verantwoordelike gebruik · API-dokumentasie · navorsingsindeks.