ሳንሱር-አልባው የAI ምስል ማረሚያ
አንድ ነባር ምስል አንድ ዓረፍተ ነገር በመጻፍ ብቻ ቀይሩ፣ ዘይቤውን ለውጡ፣ ብርሃኑን አስተካክሉ፣ ልብሱን ቀይሩ ወይም ጠግኑ። ጭንብል የለም፣ ማጣሪያ የለም፣ እምቢታ የለም — እና ከሁሉም ተደምረው የበለጠ የሚሠራ አንድ ዘዴ አለ።
በአጭሩ
Shannon በትክክል አንድ ነባር ምስልን በተራ ቋንቋ ከተጻፈ መመሪያ ተነስቶ ያርማል — ብሩሽ የለም፣ ጭንብል የለም፣ መምረጥ የለም። ያ መመሪያ ምን እንደሚለወጥ እና ምን እንደሚቀር መናገር አለበት፤ ሞዴሉ መላውን ማዕቀፍ እንደገና ስለሚስል፦ እንዳልተለወጠ ያልሰየማችሁት ሁሉ የመንሸራተት ነጻነት አለው። ያልተለወጡትን ክፍሎች መሰየም — “ፊቱን፣ አቀማመጡንና ልብሱን አንድ ዓይነት አድርገህ አቆይ” — ያላችሁ ትልቁ የጥራት ማንሻ ነው። የማረሚያው መንገድ አሉታዊ ጥያቄን ይቀበላል (ከጽሑፍ-ወደ-ምስል አይቀበልም)፤ በመመሪያው ውስጥ “X የለም” ከመጻፍ ይልቅ ያልተፈለጉ ጉድለቶችን እዚያ አስቀምጡ። ውጤቱ የምንጩን የገጽታ ጥምርታ በራስ-ሰር ይወርሳል። ቪዲዮ መፍጠር የለም፣ ምስልን ማንቀሳቀሻ መንገድም የለም። ማረም በቻት መተግበሪያው ውስጥ በራሳችን GPU ክላስተር ላይ ይሠራል፤ የይዘት ማጣሪያ የለም፣ የእምቢታ ንብርብርም የለም።
ሳንሱር-አልባ የAI ምስል ማረሚያ ብለው የሚፈልጉ አብዛኞቹ ሰዎች አንድ ምስልና አንድ ችግር አላቸው፦ ጀርባው ተሳስቷል፣ ብርሃኑ ጠፍጣፋ ነው፣ ጃኬቱ የተሳሳተ ቀለም አለው፣ የማይታወቅ ሰው በማዕቀፉ ውስጥ ቆሟል፣ ስካኑ ላይ እጥፋት አለ — ወይም ማረሙ ፍጹም ሕጋዊ ሆኖ ሳለ አሁን ያላቸው መሣሪያ ልነካው አልችልም ይላል። ይህ ጽሑፍ ያንን በደንብ ስለ መሥራት ነው፦ የትኛው አራሚ የበለጠ መቆጣጠሪያ አለው ሳይሆን፣ የሚሳካን ማረም ሳታስተውሉ የርዕሰ ጉዳያችሁን ፊት በጸጥታ ከሚያድሰው ማረም የሚለየው አንዱ ልማድ ምንድን ነው የሚለው።
01በመመሪያ ላይ የተመሠረተ ማረም በእውነት ምንድን ነው
ጥንታዊው የAI ማረም ከባዱን ክፍል ራሳችሁ እንድትሠሩ ይጠይቃችኋል፦ ሸራ ክፈቱ፣ እንዲቀየር በምትፈልጉት ክልል ላይ ጭንብል ቀቡ፣ በውስጡ ምን መኖር እንዳለበት የሚገልጽ ሐረግ ጻፉ። ትክክለኛ፣ ዘገምተኛ፣ እና ለውጣችሁ ንጹህ ወሰን በሌለው ቅጽበት ደግሞ ፈጽሞ የማይጠቅም — የብርሃን ለውጥ፣ ቅርጹን የሚቀይር የልብስ ቅያሬ፣ ወይም አጠቃላይ የቀለም አሰጣጥ።
Shannon በተቃራኒው ይሠራል። ምንም አትመርጡም። ስለ ምስሉ በማንኛውም ቋንቋ አንድ ዓረፍተ ነገር ትጽፋላችሁ፣ ክልሉም ከቃላታችሁ ይገመታል። ይህም የመምረጡን ሥራ ሳይሆን ውጤቱን ለሚፈልግ ማንኛውም ሰው ተግባራዊ የሆነ ሳንሱር-አልባ የ inpainting አማራጭ ያደርገዋል — አስቀድማችሁ ልትረዱት የሚገባ አንድ ሜካኒካዊ ውጤት ይዞ፦
ማረም በምንጭ ምስላችሁ ላይ የተመሠረተ የመላው ማዕቀፍ ዳግም ሥዕል ነው — በከፊሉ ላይ የተለጠፈ ጥገና አይደለም። የምስል ሞዴሉ የመጀመሪያውን ያነባል፣ መመሪያችሁን ያነባል፣ ከዚያም መጀመሪያው ሲደመር ለውጡ የሚል አዲስ ምስል ያመርታል። ምንም ነገር በሜካኒካዊ መንገድ አልቀዘቀዘም። እያንዳንዱ ፒክሰል በእያንዳንዱ ማረም ላይ እንደገና ለድርድር ክፍት ነው።
“ዝናባማ የቶኪዮ ጎዳና” — በጭንብል ባለው መሣሪያ ውስጥ እንከን የለሽ የሆነው — በውስጡ በጥቂቱ የተለየ ሰው ይዞ የሚመለሰው ለዚህ ነው። በጭንብል መሣሪያ ውስጥ ጭንብሉ ሰውዬው አይነካም ብሎ ተናግሮ ነበር፤ እዚህ ግን ዓረፍተ ነገራችሁ ያንን ማድረግ አለበት። ጥቅሙ፦ የመመሪያ ማረም ጭንብሎች የማይችሉትን ይሠራል — ፀሐይን አንቀሳቅሱና ጥላዎቹ እንዲስማሙ አድርጉ፣ ልብስ ቀይሩና ጨርቁ በነባሩ አቀማመጥ ላይ እንዲታጠፍ አድርጉ፣ ቅንብሩን እንደያዙ ፎቶግራፍን ወደ ቀለምና መስመር ሥዕል ለውጡ። እነዚያ ማረሞች የሚቀባ ወሰን የላቸውም፤ በመላው ማዕቀፍ ላይ የሚዘረጉ ግንኙነቶች ናቸው።
02መልህቅ ማድረግ፦ ትልቁ የጥራት ማንሻ
መልህቅ ማድረግ ማለት እያንዳንዱን የማረም መመሪያ በሁለት አንቀጾች መጻፍ ነው፦ የለውጥ አንቀጹ (ምን መለየት እንዳለበት፣ በአዎንታዊና በተጨባጭ ተነግሮ) እና የማቆያ አንቀጹ (ሳይነኩ መትረፍ ያለባቸው ክፍሎች፣ በተወሰኑ ስሞች ተሰይመው)። ሁለቱም ክብደት ተሸካሚ ናቸው — የለውጥ አንቀጹ ብቻውን ምኞት ነው። ከዚህ ገጽ አንድ ነገር ብቻ ብትወስዱ፦ ውጤታችሁን የሚወስነው የሚቀረውን ምን ያህል በግልጽ እንደሰየማችሁ ነው እንጂ የሚለወጠውን ምን ያህል በሚያምር ሁኔታ እንደገለጻችሁት አይደለም።
መልህቅ የሌላቸው መመሪያዎች የሚንሸራተቱባቸው ሦስት መንገዶች
- የማንነት መንሸራተት። ፊቱ ከሞላ ጎደል ትክክል ሆኖ ይመለሳል — በጥቂቱ የተለየ አፍንጫ፣ በጸጥታ የተዋበ የመንጋጋ መስመር። በስልክ ላይ ለማየት ስለሚከብድና ሰውየውን ለሚያውቅ ግን ግልጽ ስለሆነ በጣም ጎጂው ውድቀት ነው።
- ተጓዳኝ የዘይቤ ለውጥ። አዲስ ጀርባ ጠይቃችሁ አዲስ የቀለም አሰጣጥ፣ አዲስ ሌንስና ቀደም ሲል ሽንቁራም የነበረ ሹራብ አብረው መጡ። ሞዴሉ መመሪያውን ከምንጩ የሚለይ ልዩነት ሳይሆን የመላው ግብ ምስል መግለጫ አድርጎ አነበበው።
- ከቅጽሎች የሚመጣ የወሰን መስፋፋት። “የበለጠ አስደናቂ”፣ “የጸዳ”፣ “የበለጠ ሙያዊ” ምንም ነገር አይሰይሙም። ስም የሌለው ቅጽል በሁሉም ላይ ይተገበራል፤ ስለዚህ ሁሉም ነገር ይንቀሳቀሳል።
የመልህቅ ቃላት
መልህቆች የሚሠሩት እንደ ተጨባጭ ስሞች ነው። “እንዳለ አቆየው” ደካማ ነው — ሞዴሉ የትኛው አንድ ዓይነትነት እንደሚያሳስባችሁ ሊያውቅ አይችልም። ለማረማችሁ የሚያስፈልጉ ከሦስት እስከ አምስት ነገሮችን ምረጡና በግልጽ ስሙዋቸው።
| የምትቀይሩት | በግልጽ መሰየም የሚገባቸው መልህቆች |
|---|---|
| ጀርባ / ቦታ | ፊትና የፊት ገጽታዎች፣ የፀጉር አሠራር፣ አቀማመጥ፣ እጆች፣ ልብስ፣ የካሜራ አንግል፣ ቁርጠት፣ በርዕሰ ጉዳዩ ላይ ያለ ብርሃን |
| ብርሃን / ስሜት | ፊት፣ የፊት አገላለጽ፣ የቆዳ ገጽታ፣ አቀማመጥ፣ ልብስ፣ የጀርባ ይዘት፣ ማዕቀፍ አሠራር |
| ልብስ / አልባሳት | ፊት፣ ጢም ወይም ፀጉር፣ አቀማመጥ፣ እጆች፣ የሰውነት መጠን፣ ጀርባ፣ የብርሃን አቅጣጫ፣ የቀለም አሰጣጥ |
| ዘይቤ / ሚዲያ | ቅንብር፣ አቀማመጥ፣ የፀጉር ርዝመት፣ የልብስ ቅርጾች፣ የርዕሰ ጉዳዮች ብዛት፣ ቁርጠት |
| ነገር ማጥፋት / መጠገን | በማዕቀፉ ውስጥ ያለው ሌላው ሁሉ — ርዕሰ ጉዳዩ፣ ዙሪያውን ያለው ሕንፃ፣ ግሬን፣ የቃና ደረጃ፣ ንጽጽር፣ ቀለም |
| የአንድ ነገር ቀለም | በምስሉ ውስጥ ያለው እያንዳንዱ ሌላ ቀለም፣ እንዲሁም የተቀየረው ነገር ገጽታና ቁሳቁስ |
የመጨረሻውን ረድፍ አስተውሉ። ቀለም መቀየር በጸጥታ ይበላሻል፤ “ጃኬቱን ቀይ አድርገው” ማለት ከባዶ የተገነባ ጃኬትን ስለሚጋብዝ — አዲስ ቁርጥ፣ አዲስ ቁሳቁስ፣ አዲስ እጥፋቶች። መልህቅ ተደርጎ ደግሞ፦ “ነባሩን ጃኬት ወደ ጥቁር ቀይ ቀለም ቀይረው፣ ትክክለኛውን ቁርጡን፣ ስፌቶቹን፣ የጨርቁን ገጽታና የሚንጠለጠልበትን መንገድ እንደያዘ።” የአንድ አንቀጽ ልዩነት፣ በጣም የተሻለ ውጤት።
03የተሠሩ ምሳሌዎች፦ ደካማ መመሪያ፣ ለምን እንደሚንሸራተት፣ መልህቅ ያለው ዳግም አጻጻፍ
ከዚህ በታች ያለው እያንዳንዱ ጥንድ ሁለት ጊዜ የተጻፈ አንድ ዓላማ ነው። በመሃል ያለው ምርመራ ተላላፊው ክፍል ነው።
ሀ. ጀርባን መተካት
ለምን ይንሸራተታል፦ ይህ ልዩነትን ሳይሆን የመድረሻ ምስልን ይገልጻል። ስለ ሴትየዋ ምንም ነገር አልተጠበቀም፣ ካሜራውንም የሚይዝ ምንም ስለሌለ ሞዴሉ አሳማኝ ትዕይንት እየገነባ እሷንም ዳግም ያስቀምጣታል፣ እንደገናም ይስላታል።
የተቀየረው፦ የማቆያ አንቀጹ ማንነትን፣ ልብስንና ማዕቀፍ አሠራርን ይሰካል፤ የመጨረሻው ሐረግ ደግሞ ስፌቱ በየትኛው አቅጣጫ እንደሚፈታ ይናገራል — ጀርባው ወደ ርዕሰ ጉዳዩ ብርሃን ይጎበጣል እንጂ በተቃራኒው አይደለም።
ለ. ብርሃንን መቀየር
ለምን ይንሸራተታል፦ “የተሻለ” ስም የሌለው ቅጽል ነው። ሞዴሉ ትርጉም መፍጠር አለበት፤ በዳግም ሥዕል ውስጥ የተሻለ ለመምሰል ርካሹ መንገድ ደግሞ የተለሰነ ቆዳ፣ የበለጠ ነጭ ጥርስና ቀጭን መንጋጋ ነው። ብርሃን ጠይቃችሁ ማስተካከያ አገኛችሁ።
የተቀየረው፦ ብርሃኑ በአካላዊ መንገድ ተገልጿል — አቅጣጫ፣ ጥራት፣ ሙቀት፣ መቀነስ። የቆዳ ገጽታ በግልጽ መልህቅ ተደርጓል፤ ብርሃን መቀየር ሞዴል እሱን ለማለስለስ በጣም የሚፈተንበት ጊዜ ስለሆነ።
ሐ. ርዕሰ ጉዳይን እንደገና ማልበስ
ለምን ይንሸራተታል፦ ሙሉ ልብስ ቅርጹን ይቀይራል፤ ስለዚህ ደረቱ እንደገና መሳል አለበት — በላዩ ላይ ያለው ጭንቅላትም አብዛኛውን ጊዜ አብሮት ይሄዳል። መልህቅ የሌላቸው የልብስ ማረሞች ከጀርባ ቅያሬ ቀጥሎ ሁለተኛው ትልቁ የማንነት መንሸራተት ምንጭ ናቸው።
የተቀየረው፦ “ለአሁኑ አቋሙ ተስተካክሎ የተሰፋ” የሚለው ልብሱን ለአቀማመጡ ተገዢ ያደርገዋል። እጆች ለብቻቸው መልህቅ ተደርገዋል፤ የልብስ ማረሞች በጣም በሚታይ ሁኔታ የሚፈርሱት በእጆች ላይ ስለሆነ።
መ. ፎቶግራፍን ወደ ሌላ ዘይቤ መቀየር
ለምን ይንሸራተታል፦ የዘይቤ ቃል ብቻውን ሁሉንም ነገር አሳልፎ ይሰጣል — ቅንብር፣ ቁርጠት፣ ፀጉር፣ ልብስ፣ የሰዎች ብዛት — “አኒሜ” ደግሞ የሠላሳ ዓመታት የማይጣጣሙ ወጎች ስብስብ ነው። የተለየ ትዕይንት ብቁ ሥዕል ታገኛላችሁ።
የተቀየረው፦ የዘይቤ ማረሞች የተለየ መልህቅ ያስፈልጋቸዋል። ገጽታን መልህቅ ማድረግ አትችሉም — ገጽታ ራሱ የሚተካው ነገር ነውና — ስለዚህ መዋቅርን መልህቅ ታደርጋላችሁ፦ ቅንብር፣ አቀማመጥ፣ ቅርጾች፣ ቁርጠት፣ የርዕሰ ጉዳዮች ብዛት። በሴል አኒሜሽን ሥር “ፎቶግራፋዊ ቆዳ” እንዲቆይ መጠየቅ ተቃርኖ ነው።
ሠ. አንድ ነገር ማጥፋት
ለምን ይንሸራተታል፦ አሉታዊ አነጋገር አሁንም ጽንሰ ሐሳቡን በሞዴሉ ፊት ያስቀምጣል፣ ስለተለቀቀው ቦታ ምን እንደሚሞላውም ምንም አይናገርም። ማጥፋቶች ስለ ግቡም ስለ መሙያውም አዎንታዊ መግለጫ ያስፈልጋቸዋል።
የተቀየረው፦ ግቡ በነገር፣ በቀለምና በቦታ ተሰይሟል፤ መሙያውም ተገልጿል፣ ስለዚህ ሞዴሉ የእግረኛ መንገድ በሚገባበት ቦታ አደባባይ አይፈጥርም፤ “ሌላው ሁሉ” የሚለውም ወደ እውነተኛ ስሞች ተተርጉሟል።
ረ. የተበላሸ ፎቶግራፍ መጠገን
ለምን ይንሸራተታል፦ “አስተካክል” እንደ “አሻሽል” ይነበባል፤ አሮጌ ፎቶግራፍን ማሻሻል ደግሞ ማዘመን ማለት ነው — የጸዳ ቆዳ፣ ከፍ ያለ ንጽጽር፣ እና ከአሁን በኋላ ብዙም የአያታችሁ ያልሆነ ፊት።
የተቀየረው፦ ጉዳቱ ተዘርዝሯል፣ ስለዚህ “አስተካክል” የተወሰነ ወሰን አለው፤ ግሬንና የቃና ደረጃ መልህቅ ተደርገዋል፣ ኅትመቱ የዘመኑ ትክክለኛ ሆኖ እንዲነበብ የሚያደርጉት እነሱ ስለሆኑ። ሦስቱ ክልከላዎች አሉታዊ አነጋገር ቦታውን የሚያገኝበት ብርቅ ጉዳይ ናቸው — ስለ ነገሮች ሳይሆን ስለ ሂደት የተሰጡ ትእዛዞች።
የጥሩ መመሪያ ቅርጽ
ከ25 እስከ 60 ቃላት አልሙ፣ በኮማ ከተለያዩ የቁልፍ ቃል መለያዎች ይልቅ በሙሉ ዓረፍተ ነገሮች — የምስል ሞዴሉ ጥያቄዎችን የቋንቋ ሞዴል በሚያነብበት መንገድ ስለሚያነብ ጽሑፍ ከመለያ ክምር ይሻላል። የSDXL ዘመን ቆሻሻን (masterpiece, best quality, 8k) እና እንደ (word:1.3) ያለ የክብደት አገባብን ዝለሉ፤ እዚህ ምንም አያደርጉም። በአንድ መመሪያ አንድ ለውጥ አድርጉ — ሁለት ያልተገናኙ ለውጦች በአንድ ዓረፍተ ነገር ውስጥ ትኩረት ይሻማሉ፣ ሁለቱም ግማሽ ተሠርተው ይመለሳሉ።
04አሉታዊው ጥያቄ — ከጽሑፍ-ወደ-ምስል በተለየ እዚህ ይደገፋል
ይህ ሰዎችን ስለሚያደናግር በግልጽ እንናገረው፦
| መንገድ | የምንጭ ምስሎች | አሉታዊ ጥያቄ | የገጽታ ጥምርታ | የጥያቄ ቅርጽ |
|---|---|---|---|---|
| ከጽሑፍ-ወደ-ምስል | 0 | አይደገፍም | የሚመረጥ (ነባሪው square) | ገላጭ ጽሑፍ |
| አንድ ምስል ማረም | በትክክል 1 | ይደገፋል | ከምንጩ የተወረሰ | መመሪያ፦ ለውጥ + ማቆያ |
| 2+ ምስሎችን ማዋሃድ | 2 ወይም ከዚያ በላይ | ይደገፋል | አዲስ ሸራ የሚመረጥ | ሚና የተሰየመበት ጽሑፍ |
ከጽሑፍ-ወደ-ምስል አሉታዊ ጥያቄ ፈጽሞ አይቀበልም — ከባዶ ሲፈጠር የፈለጋችሁትን ብቻ መግለጽ ራሱ ሥርዓቱ ነው (ሳንሱር-አልባ የAI ምስል መፍጠርን ይመልከቱ)። ማረም ግን የተለየ ነው፦ አስቀድሞ ምንጭ አላችሁ፣ የዳግም ሥዕል ልማዳዊ ውድቀቶችም የታወቁና ሊሰየሙ የሚችሉ ናቸው፤ ስለዚህ አሉታዊ ጥያቄ የሚያፍነው ተጨባጭ ነገር አለው።
በውስጡ የሚገባው
ጉድለቶች፣ ጉድለቶች ብቻ። የጉድለት ዝርዝር እንጂ ሁለተኛ የመመሪያ መስመር አይደለም፦
- extra fingers, fused fingers, malformed hands — ሰውን እንደገና የሚስል ማንኛውም ማረም።
- warped text, garbled lettering, misspelled signage — በማዕቀፉ ውስጥ ምልክቶች፣ መለያዎች ወይም ማሸጊያ ያለው ማንኛውም ነገር።
- duplicated limbs, duplicated railing, repeated windows — ማጥፋቶችና የጀርባ ማስፋፊያዎች።
- smeared texture, blurry patch, halo around the subject, visible seam — የጀርባ ቅያሬዎችና ነገር ማጥፋት።
- plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — ብርሃን መቀየር፣ የፎቶ ማረሞች፣ አጠቃላይ ንጽሕና።
የማይገባው
የይዘት ውሳኔዎች። ኮፍያው እንዲጠፋ ከፈለጋችሁ መመሪያው “ኮፍያውን አጥፋ” ነው — “ኮፍያ” የሚል አሉታዊ ጥያቄ አይደለም። አሉታዊው ጥያቄ በምንጫችሁ ውስጥ ያሉ ነገሮችን በአስተማማኝ ሁኔታ አያጠፋም፤ ጉድለቶች በሥዕሉ ውስጥ እንዳይታዩ ያበረታታል እንጂ። ይዘትን እዚያ ማስቀመጥ ሁለቱንም መጥፎ ጎኖች ይሰጣችኋል፦ ኮፍያው ይቀራል፣ የተጣመሙ እጆችን ማፈን ይችል የነበረውም ቦታ ጠፋ።
የደንቡ ሌላኛው ግማሽ በመመሪያችሁ ላይ ይተገበራል፦ በውስጡ “X የለም” መጻፍ አቁሙ። “መኪኖች የሌሉበት ጎዳና”፣ “መነጽር የሌለበት ምስል” ሁለቱም ያልተፈለገውን ጽንሰ ሐሳብ በዓረፍተ ነገሩ ውስጥ አስቀምጠው ሞዴሉ እንዲያስተባብለው ይጠይቁታል — ቋንቋ በደንብ የሚይዘውን፣ የምስል ሁኔታ አሰጣጥ ግን በደካማ የሚይዘውን ሥራ። በምትኩ መኖር ያለበትን ተናገሩ፦ “ንጹህ አስፋልት ያለው ባዶ ጎዳና”፣ “ዓይኖቹ ያልተጋረዱበት ምስል።” እንደ ምሳሌ ረ ያለው ብቸኛው ተለይቶ የሚታይ ጉዳይ ስለ ሂደት የሚሰጥ ትእዛዝ ነው — “አታሳምር”፣ “ቀለም አትቀይር” — ይህም ነገር ከመሰየም ይልቅ አንድን ተግባር ውድቅ ያደርጋል።
የሥራ ክፍፍሉ፣ በአንድ መስመር
መመሪያ፦ ምን ይለወጣል፣ ምን ይቀራል — በአዎንታዊ ተነግሮ። አሉታዊ ጥያቄ፦ አንድ ሥዕል ሊበላሽባቸው የሚችሉ መንገዶች። ተለያይተው አቆዩዋቸው፤ ሁለቱም ይሻሻላሉ።
05አንድ የምንጭ ምስል፣ Shannon እንዴት እንደሚመርጠው
ማረም የሚሠራው በትክክል በአንድ የምንጭ ምስል ላይ ነው፦ ወይ አስቀድሞ በውይይቱ ውስጥ ባለ ምስል — ቀደም ሲል የተያያዘ ወይም ለእናንተ የተፈጠረ — ወይም አሁን በምትልኩት መልእክት ላይ በተያያዘ ምስል። ከክሩ ውጭ ምንም ነገር አይመጣም፣ የማረሚያው መንገድም ሁለት ምስሎችን በጸጥታ ፈጽሞ አያዋህድም። ዓላማችሁ ከአንድ በላይ ምስል አካላትን የሚፈልግ ከሆነ — ከፎቶ ሀ የመጣ ልብስ በፎቶ ለ ላይ ባለው ሰው ላይ — ያ ማዋሃድ ነው፤ የእያንዳንዱን ምስል ሚና በቅደም ተከተል የሚሰይም የተለየ የጥያቄ ቅርጽ አለው።
ተከታይ ጥያቄዎችና በጣም የቅርብ ጊዜው ተዛማጅ ምስል
አንድ ምስል በውይይቱ ውስጥ ከገባ በኋላ አጫጭር ተከታይ ጥያቄዎች እንደምትጠብቁት ይሠራሉ። “የበለጠ አጨልመው።” “አሁን በፀሐይ መጥለቂያ ሞክረው።” እነዚህ በክሩ ውስጥ ካለው በጣም የቅርብ ጊዜ ተዛማጅ ምስል ጋር ይፈታሉ — በተለምዶ አሁን የተቀበላችሁት ውጤት — ስለዚህ ተከታታይ አጫጭር መመሪያዎች እንደ ተደራራቢ ማረሞች ይሠራሉ። ሦስት ውጤቶች፦
- በአንድ አንድ ደረጃ ድገሙ። እያንዳንዱ ተከታይ ጥያቄ ሌላ ሙሉ ዳግም ሥዕል ነው፤ ስለዚህ “አጨልመው፣ ኮቷንም ቀይር፣ ካሜራውንም ዝቅ አድርግ” ማለት በአንድ ዙር የሚጣሉ ሦስት ማረሞች ናቸው። ሦስት መልእክቶች ላኩ፤ በወደዳችሁት ላይ አቁሙ።
- የትውልድ ብልሽትን ተጠንቀቁ። ትንንሽ ልዩነቶች ይከማቻሉ፤ በስድስተኛው ተከታታይ ማረም አንድም ደረጃ ስህተት ሳይመስል ፊት ከመጀመሪያው በጣም ሊርቅ ይችላል። መንሸራተት ሲታያችሁ መጠገኑን አቁሙ — የመጀመሪያውን ፋይል እንደገና አያይዙና ከዚያ ወዲህ የፈለጋችሁትን ሁሉ የያዘ አንድ የተጣመረ መመሪያ ጻፉ።
- በረዥም ክር ውስጥ ግልጽ ሁኑ። ብዙ ምስሎች በሥራ ላይ ሲሆኑ “ቀደም ሲል ያያያዝኩትን የባህር ዳርቻ ፎቶ በመጠቀም …” ማለት አሻሚነትን ያስወግዳል።
የማረጋገጫ ካርዱ መልህቅ ለመጨመር የመጨረሻው ዕድላችሁ ነው
በምትናገሩት ማንኛውም ቋንቋ በተራ ቋንቋ ትጠይቃላችሁ። Shannon የምስል ተግባር እየተጠየቀ መሆኑን ይወስናል፣ የመጨረሻውን መመሪያ ራሱ በእንግሊዝኛ ይጽፋል፣ ምንም ከመሳሉ በፊትም በማረጋገጫ ካርድ ላይ ያሳያችኋል። እናንተ እስክታረጋግጡ ድረስ ምንም አይመረትም፣ ምንም አይከፈልም። ያንን ካርድ አንብቡ — ምንም ከማውጣታችሁ በፊት የጎደለ የማቆያ አንቀጽ የምትይዙበት ቦታ ነውና።
ሁለት ተዛማጅ ባህርያት፦ Shannon ሳይጠየቅ ፈጽሞ አይፈጥርም — ሰላምታ፣ ጥያቄ ወይም በዘፈቀደ የተያያዘ ፎቶ የምስል ተግባር አያስነሳም። እንዲሁም Shannon አንድን ምስል በቀላሉ እንዲመለከት መጠየቅ — እንዲገልጸው፣ በውስጡ ያለውን ጽሑፍ እንዲያነብ፣ ቅንብሩ ለምን እንደማይሠራ እንዲናገር — ተራ የምስል ንባብ ሥራ እንጂ መፍጠር አይደለም፣ ተጨማሪም ምንም አያስከፍልም። “በዚህ ፎቶ ላይ ምን ትቀይራለህ?” ነጻ ምክር ነው፤ በእሱ ላይ መተግበር ግን ማረሙ ነው።
06የገጽታ ጥምርታ በራስ-ሰር ይወረሳል
የተስተካከለ ምስል ልክ እንደ ምንጩ በተመሳሳይ የገጽታ ጥምርታ ይመለሳል። አትመርጡም፣ ማንም አያስፈልጋችሁም፦ 4:5 ቁም ምስል 4:5 ሆኖ ይቀራል፣ 16:9 ምስል 16:9 ሆኖ ይቀራል፣ ያልተመቻቸ የስልክ ስክሪን ቀረጻም መጠኑን ይይዛል። ምስላችሁን በጸጥታ ዳግም የሚያስቀምጥ ማረም ማረም አይሆንም — ቁርጠት ሲደመር ከመጀመሪያዎቹ ወሰኖች ውጭ ስላለው ነገር የሚሰጥ ግምት ይሆናል።
ያ ከሌሎቹ ሁለት መንገዶች እውነተኛ ልዩነት ነው። ከጽሑፍ-ወደ-ምስል ከsquare (ነባሪ)፣ portrait፣ landscape፣ wide (ፊልማዊ) እና tall (ማስታወቂያዎችና ልጣፎች) እንድትመርጡ ይጠይቃችኋል፤ ግልጽ ጥያቄም ሁልጊዜ ያሸንፋል፤ ማዋሃድ ደግሞ የሚወረስበት አንድ ምንጭ ስለሌለ አዲስ ሸራ እንድትመርጡ ይፈቅዳል። ስለዚህ የተለየ ቅርጽ ካስፈለጋችሁ ያ ማረም አይደለም — 1:1 የምርት ፎቶን ወደ 16:9 ባነር መለወጥ ማለት ፈጽሞ ያልተነሱ ፒክሰሎችን መፍጠር ማለት ነው። ሆን ብላችሁ አድርጉት፣ በአዲስ ሸራ ላይ በመፍጠር ወይም በማዋሃድ።
07ቪዲዮ መፍጠር የለም
ሰዎች ስለሚጠይቁ በግልጽ ተነግሯል
Shannon ቪዲዮ አይፈጥርም፣ ምስሎችንም አያንቀሳቅስም። ከምስል-ወደ-ቪዲዮ መንገድ የለም፣ “ይህን ፎቶ አንቀሳቅሰው” የለም፣ ሉፕ የለም፣ ሲኒማግራፍ የለም። ይህ በቅድመ ዕይታ ላይ ያለ ወይም በቅርቡ የሚመጣ ችሎታ አይደለም — በምርቱ ውስጥ የለም፣ በዚህ ገጽ ላይ ያለም ምንም ነገር ሌላ ነገር እንደሚጠቁም መነበብ የለበትም።
Shannon 3 ከምስሎች ጋር የሚያደርገው በትክክል ሦስት ነገር ነው፦ አዲስ ምስል መፍጠር፣ አንድ ነባር ምስል ማረም፣ እና ሁለት ወይም ከዚያ በላይ ምስሎችን ማዋሃድ። እዚህ ያለው ሁሉ ከእነዚህ በሁለተኛው ውስጥ ይኖራል።
“የAI ምስል ማረሚያ” እና “የAI ቪዲዮ መፍጠሪያ” በሰዎች አእምሮ ውስጥ ጎን ለጎን ስለሆኑ፣ ፎቶግራፋችሁን በደስታ ብርሃኑን የሚቀይር መሣሪያም እሱን ከማንቀሳቀስ አንድ ቁልፍ ብቻ የሚርቅ ስለሚመስል ሁለት ጊዜ መባል ይገባዋል። አይደለም — ይህንም በአሥረኛው ሳይሆን በመጀመሪያው ደቂቃ ማወቅ አለባችሁ።
08ሳንሱር-አልባነት ለማረም ከመፍጠር የበለጠ የሚያስፈልገው ለምንድን ነው
የተጣሩ አራሚዎች ከተጣሩ መፍጠሪያዎች በተለየ መንገድ ይወድቃሉ፣ አብዛኛውን ጊዜም በባሰ ሁኔታ። የተጣራ መፍጠሪያ ጥያቄያችሁን ይከለክላል፤ እናንተም እንደገና ጽፋችሁ ትሞክራላችሁ። የተጣራ አራሚ ግን ከመመሪያችሁ አንዲት ቃል ሳያነብ የምንጭ ምስሉን ራሱ ሊከለክል ይችላል። ለጉዳይ ሪፖርት የሕክምና ቁስል ፎቶግራፍ ስቀሉና በግብዓት ደረጃ ውድቅ ይሆናል። እጥፋት ለመጠገን ታሪካዊ የጦርነት ፎቶግራፍ ስቀሉና በማዕቀፉ ውስጥ ያለው ጠመንጃ ውይይቱን ይዘጋዋል። ሕጋዊ ሥራ፣ ምድባዊ እምቢታ፣ ሊረዳ የሚችል ምንም ዳግም አጻጻፍም የለም።
Shannon የምስሉን መንገድ በውጤቱ ላይ የይዘት ማጣሪያ ሳይኖር እና መመሪያውን በሚጽፈው ሞዴል ላይ የእምቢታ ንብርብር ሳይኖር ያካሂዳል። እነዚህን ተራ ሥራዎች የሚያስችለው ያ ነው፦
- የሥነ ጥበብ ራቁትና የአካል ሥዕል — ከተስማሙ አዋቂ ርዕሰ ጉዳዮች ጋር ለሚሠሩ ሠዓሊዎችና ፎቶግራፍ አንሺዎች ማስተካከያ፣ ብርሃን መቀየርና ዘይቤ መቀየር።
- የሕክምናና የፎረንሲክ ሥዕል — ዋና ዋና አራሚዎች ባዩት ቅጽበት የሚከለክሉት ለማስተማሪያ ቁሳቁስ፣ ለጉዳይ ሪፖርቶችና ለዳግም ግንባታ ሥራ የሚጸዳ ሕክምናዊ ምስል።
- የደህንነት ምርምር ምስሎች — ለማጭበርበር ግንዛቤ ፕሮግራሞችና ለቀይ-ቡድን ሪፖርት የስክሪን ቀረጻዎች፣ የአካላዊ ደህንነት ፎቶግራፎችና የሃርድዌር ሰነዶች።
- በልቦለድ ውስጥ ያለ ጥቃት — ቁስል ወይም መሣሪያ ራሱ ርዕሰ ጉዳይ የሆነበት የፊልም፣ የጨዋታና የኮሚክስ ምርት ሥዕል።
- የፖለቲካ ሽሙጥና የአርታዒ ሥዕል — ከኋላው በርካታ ምዕተ ዓመታት ታሪክ ያለው፣ በተጣሩ መሣሪያዎች ውስጥ ግን ከዜሮ ጋር የሚቀራረብ ድጋፍ ያለው።
- በመብቱ ባለቤት የሚሠራ የምርት ስምና የመልክ ሥራ — የራሳችሁ የምርት ፎቶግራፍ፣ የአርማ ውህዶችና ምስሎች፣ እንዲሁም አስቸጋሪ የቤተሰብ መዛግብት — ተፈቅዶልናል ወይ በሚል ከመደብ ሰጪ ጋር ሳትከራከሩ።
ሳንሱር-አልባ ማለት ተጠያቂነት የለሽ ማለት አይደለም። Shannon የሚንቀሳቀሰው በShannon Lab LLC (ኒው ሜክሲኮ፣ አሜሪካ) ሲሆን በታተመ የኃላፊነት ሙሉ አጠቃቀም ፖሊሲ ሥር ነው፤ እውነተኛዎቹ ገደቦችም የሚኖሩት እዚያ ነው — መደብ ሰጪ በቁስል ፎቶግራፍ ስለመረበሹ ሳይሆን ስለ ሕግና ስለ ጉዳት የሚናገሩት። ደመ ነፍሳዊ እምቢታ አለመኖሩ ስለ መሣሪያው የሚነገር መግለጫ ነው እንጂ ስለ ሠራችሁት ነገር ስላላችሁ ኃላፊነት አይደለም።
09APIው የሚገባበት — እና የማይገባበት
ይህ ከAPI ፍለጋ ለሚመጡ አንባቢዎች የተለመደ የተሳሳተ መታጠፊያ ነው። ምስል መፍጠርና ማረም የሚከናወነው በ Shannon የቻት መተግበሪያ ውስጥ እንጂ በAPI ላይ አይደለም። ሦስቱ የ/v1 ዘይቤዎች — /v1/chat/completions (የOpenAI ቅርጽ)፣ /v1/messages (የAnthropic ቅርጽ) እና /v1/responses፣ ሁሉም ስትሪሚንግ ያላቸው፣ ሁሉም በተመሳሳዮቹ ሞዴሎች ላይ — ጽሑፍንና ምስል ንባብን ያገለግላሉ። ምስል ንባብ ማለት ሞዴሎቹ የምትልኩላቸውን ምስሎች ያነባሉ ማለት ነው፦ ይገልጿቸዋል፣ ጽሑፍ ይገለብጣሉ፣ ገበታ ይተነትናሉ። ምስሎችን ያመርታሉ ወይም ይለውጣሉ ማለት አይደለም።
ያ አሁንም ጠቃሚ ንድፍ ይተዋል፦ ምስል ንባብ ከሳንሱር-አልባ የጽሑፍ ሞዴል ጋር ተደምሮ ጠንካራ የመመሪያ አጻጻፍ ረዳት ነው። የምንጭ ምስላችሁን ወደ APIው ላኩ፣ በማዕቀፉ ውስጥ ያለውን እንዲገልጽና ለውጡንና መልህቆቹን የሚሰይም መልህቅ ያለው መመሪያ እንዲያረቅቅ ጠይቁት፣ ከዚያም ያንን መመሪያ በቻት ውስጥ አካሂዱ — ትረሱት የነበሩትን መልህቆች ይይዝላችኋል። የጥያቄና የምላሽ ቅርጾች በየAPI ሰነዶች ውስጥ አሉ።
10በተደጋጋሚ የሚጠየቁ ጥያቄዎች
ሳንሱር-አልባ የAI ምስል ማረሚያ ምንድን ነው?
ነባር ምስልንና በተራ ቋንቋ የተጻፈ መመሪያን ወስዶ የተስተካከለውን ምስል የሚመልስ አራሚ ነው፤ በውጤቱ ላይ የይዘት ማጣሪያ የለም፣ መመሪያውን በሚጽፈው ሞዴል ላይም የእምቢታ ንብርብር የለም። በ Shannon የቻት መተግበሪያ ውስጥ በራሳችን GPU ክላስተር ላይ ይሠራል፤ ስለዚህ የተጣሩ አራሚዎች የሚከለክሉት ሥራ — የሥነ ጥበብ ራቁት ማስተካከያ፣ የሕክምናና የፎረንሲክ ሥዕል፣ የደህንነት ምርምር ምስሎች፣ በልቦለድ ውስጥ ያለ ጥቃት፣ የፖለቲካ ሽሙጥ — ከመከልከል ይልቅ ይከናወናል።
ጀርባውን ብቻ እንዲቀየር ስጠይቅ ፊቱ ለምን ይለወጣል?
የመመሪያ ማረም በአእምሮአችሁ የነበረውን ክፍል ብቻ ሳይሆን መላውን ማዕቀፍ በምንጭ ምስላችሁ ላይ ተመሥርቶ እንደገና ስለሚስል ነው — እንዳልተለወጠ ያልሰየማችሁት ሁሉ የመንሸራተት ነጻነት አለው። መፍትሔው መልህቅ ማድረግ ነው፦ እንደ “ፊቱን፣ የፀጉር አሠራሩን፣ አቀማመጡንና ልብሱን አንድ ዓይነት አድርገህ አቆይ፣ ተመሳሳይ የካሜራ አንግልና ቁርጠት” ያለ የማቆያ አንቀጽ ጨምሩ። ያልተለወጡትን ክፍሎች መሰየም ያላችሁ ትልቁ የጥራት ማንሻ ነው።
የ Shannon ምስል ማረም አሉታዊ ጥያቄ ይደግፋል?
አዎ። ፈጽሞ የማይቀበለው ከጽሑፍ-ወደ-ምስል በተለየ፣ የማረምና የብዙ-ምስል ማዋሃድ መንገዶች ሁለቱም ይደግፋሉ። በመመሪያው ውስጥ “X የለም” ከመጻፍ ይልቅ ላልተፈለጉ ጉድለቶች ተጠቀሙበት — ተጨማሪ ጣቶች፣ የተጣመመ ጽሑፍ፣ የተባዙ ችካሎች፣ የተለቀለቀ ገጽታ፣ የፕላስቲክ ቆዳ፣ የውኃ ምልክቶች። የይዘት ውሳኔዎች በአዎንታዊ ተነግረው በመመሪያው ውስጥ ናቸው፤ የጉድለት ማፈኛ ደግሞ በአሉታዊው ጥያቄ ውስጥ ነው።
Shannon ምስሌን ማንቀሳቀስ ወይም ወደ ቪዲዮ መለወጥ ይችላል?
አይችልም። Shannon ቪዲዮ አይፈጥርም፣ ምስሎችንም አያንቀሳቅስም። ከምስል-ወደ-ቪዲዮ መንገድ የለም፣ የሚበሰርም የለም። Shannon 3 አዲስ ምስል ይፈጥራል፣ አንድ ነባር ምስል ያርማል፣ ወይም ሁለት ወይም ከዚያ በላይ ምስሎችን ወደ አንድ ያዋህዳል — እነዚህ ሦስት ነገሮች እንጂ ከዚያ ያለፈ የለም።
አንድ ማረም ስንት የምንጭ ምስሎችን ይጠቀማል?
በትክክል አንድ፦ ወይ አስቀድሞ በውይይቱ ውስጥ ያለ ምስል፣ ወይም አሁን ከምትልኩት መልእክት ጋር የተያያዘ አንድ ምስል። አካላት ከሁለት ወይም ከዚያ በላይ ምስሎች መምጣት ካለባቸው — ከአንድ ፎቶ የመጣ ልብስ በሌላ ፎቶ ላይ ወዳለ ሰው — ያ ማዋሃድ እንጂ ማረም አይደለም፤ ሁለተኛውን በቃላት ከመግለጽ ይልቅ እውነተኛዎቹን ምስሎች ማቅረብ አለባችሁ።
ጭንብል መሳል ወይም inpainting መጠቀም ያስፈልገኛል?
አያስፈልግም። ብሩሽ፣ ላሶ ወይም የጭንብል ንብርብር የለም። ለውጡን በአንድ ዓረፍተ ነገር ትገልጻላችሁ፣ ክልሉም ከቋንቋችሁ ይገመታል፤ ትክክለኛ ስሞች የሚያስፈልጉትም ለዚህ ነው፦ “በቀኝ በኩል የቆመው የብር ቀለም መኪና” ከ“ያ ነገር” በእጅጉ በተሻለ ይመታል። ይህም Shannon የመምረጡን ሥራ ሳይሠሩ ውጤቱን ለሚፈልጉ ሰዎች ተግባራዊ የሆነ ሳንሱር-አልባ የ inpainting አማራጭ ያደርገዋል።
በ Shannon API በኩል ምስሎችን ማረም እችላለሁ?
አትችሉም። ምስል መፍጠርና ማረም በ Shannon የቻት መተግበሪያ ውስጥ ናቸው። የ /v1 ዘይቤዎች — /v1/chat/completions፣ /v1/messages እና /v1/responses — ጽሑፍንና ምስል ንባብን ያገለግላሉ፦ የምትልኩላቸውን ምስሎች ያነባሉ፣ ይተነትናሉ እንጂ አያመርቱም ወይም አያርሙም። የተለመደ የሥራ ፍሰት የAPIውን ምስል ንባብ መልህቅ ያለውን መመሪያ እንዲያረቅቅ ማድረግና ከዚያ ማረሙን በቻት ውስጥ ማካሄድ ነው።
ከማጣሪያ ጋር ሳትከራከሩ ምስል አርሙ
ፎቶ አያይዙ፣ አንድ ዓረፍተ ነገር ጻፉ፣ የሚቀረውንም ስሙ።
ማረም ጀምሩ የAPI ሰነዶችን አንብቡምስሎች የሚሳሉት በራሳችን GPU ክላስተር ላይ ነው · ካርዱን እስክታረጋግጡ ድረስ ምንም አይሳልም፣ ምንም አይከፈልም
Shannon AI የሚንቀሳቀሰው በ Shannon Lab LLC፣ ኒው ሜክሲኮ፣ አሜሪካ ነው። ምስል መፍጠር፣ ማረምና ማዋሃድ የ Shannon 3 የቻት መተግበሪያ ባህርያት ናቸው፤ የ/v1 API ጽሑፍንና ምስል ንባብን ብቻ ያገለግላል። በምርቱ ውስጥ ቪዲዮ መፍጠር የለም። ማረም በትክክል አንድ የምንጭ ምስል ይቀበላል፣ የገጽታ ጥምርታውንም ይወርሳል። የሳንሱር-አልባ የምስል መንገዶች አጠቃቀም በየኃላፊነት ሙሉ አጠቃቀም ፖሊሲ ይመራል።