Пренасяне на облекло с AI, без цензура

По-голямата част от работата с изображения, от която хората наистина имат нужда, не е „направи ми картинка на нещо“. Тя е „сложи това яке на този човек“, „постави този стол в тази стая“, „снимай този продукт в онази ръка“. Всички те се нуждаят от материал от повече от една фотография и всички се провалят по един и същ начин: едното изображение се прикачва, другото се описва с думи и обратно идва нещо правдоподобно, което не е вещта, която притежавате. Поправката е по-малка, отколкото бихте очаквали, и работи навсякъде.

01Какво е „комбиниране на изображения“ и къде се случва

Shannon 3 прави три отделни неща с изображения: генерира ново изображение по описание, редактира едно съществуващо изображение и комбинира две или повече изображения в едно ново. Те имат различни правила и изборът на грешното е първото място, където се губи качество.

Използвайте комбиниране винаги, когато готовата снимка се нуждае от материал от повече от една фотография: пренасяне на облекло и дрехи, поставяне на обект в сцена, човек A до човек B, реален продукт, държан от реален модел, стилът на едно изображение, приложен върху обекта на друго. Ако установите, че ви се иска да можете да посочите две снимки едновременно, това е операцията.

Всичко това се случва в чат приложението Shannon, в обикновен разговор. Не е в API-то /v1 — API-то обслужва текст и зрение, тоест то чете изображенията, които изпращате, вместо да произвежда нови. Ако сте дошли от търсене за API, това е честният отговор; вижте API документацията за това какво обслужват крайните точки. Изображенията се рендират върху собствен GPU клъстер.

Питате на обикновен език, на какъвто и език да говорите. Shannon разбира, че се иска изображение, сам написва инструкцията за генериране на английски и ви я показва на карта за потвърждение, преди каквото и да е да се рендира. Нищо не се генерира и нищо не се таксува, докато не потвърдите — а при работата с няколко изображения точно тази карта е мястото, където проверявате дали ролите и редът са излезли така, както сте искали. Shannon никога не генерира неканен: поздрав, въпрос или небрежно прикачена снимка не задейства рендиране.

02Правилото: назовете ролята на всяко изображение, по ред

Инструкцията трябва да казва какво допринася всяко изображение и трябва да го казва в реда, в който изображенията са дадени. Това е цялата техника; всичко по-долу е същото правило, приложено към конкретна задача.

Първото изображение е базата — основният обект или сцената, което от двете съставлява по-голямата част от готовата снимка. То задава идентичността, позата, рамкирането, осветлението и всичко, което не сте поискали да се промени. Следващите изображения са източници: частите, които се внасят. Напишете изречението така, че непознат, държащ изображенията по ред, да може да свърши задачата на ръка.

Работи
Жената от първото изображение, облечена в червения плетен пуловер
от второто изображение, застанала в същия парк, в същата поза и
същата следобедна светлина, с непроменени лице и коса.

Проваля се
Комбинирай тези две изображения.   Слей снимките.   Сложи ги заедно.

Провалящите се версии се провалят не защото са кратки, а защото никога не казват коя снимка е човекът и коя — пуловерът. Три навика правят правилото надеждно:

• Използвайте редни означения изрично. „От първото изображение“, „от второто изображение“. Три думи и двусмислието го няма.
• Кажете какво остава същото. „Запази лицето, косата и позата ѝ идентични.“ Назоваването на непроменените части е най-големият лост за качество при всяка операция с изображения, която Shannon прави, и има най-голямо значение тук, защото композицията има две или повече неща, от които може да се отклони.
• Пишете проза, не тагове. Image Model чете инструкции така, както езиков модел чете изречение, затова цели изречения бият разделените със запетаи ключови думи. Целете 30 до 80 думи и пропуснете боклука от епохата на SDXL („masterpiece, best quality, 8k“) и синтаксиса за тегла като (word:1.3).

Когато едно изображение съдържа повече от едно нещо, назовете частта, която искате от него. Ако второто изображение е каталожен кадър на модел, облечен с пуловера, „червеният плетен пуловер, носен от жената във второто изображение“ казва, че искате дрехата, а не модела. Оставете го само на „второто изображение“ и може да получите и нейното лице.

Шаблони за роли по задачи

Задача	Първо изображение	Второ изображение	Форма на инструкцията
Пренасяне на облекло	Човекът	Дрехата	„[Човекът] от първото изображение, облечен с [дрехата] от второто изображение, [какво остава]“
Обект в сцена	Сцената	Обектът	„[Стаята] от първото изображение с [обекта] от второто изображение, поставен [къде], със съгласувана [светлина]“
Човек + човек	Човек A и обстановката	Човек B	„[Мъжът] от първото изображение, застанал до [жената] от второто изображение, [позиции, посоки на погледа]“
Продукт върху човек	Моделът или сцената	Продуктът	„[Моделът] от първото изображение, държащ [продукта] от второто изображение, [хват, посока на етикета]“
Пренасяне на стил	Обектът	Стиловата референция	„[Обектът] от първото изображение, изобразен в [стиловите оси] на второто изображение, [обектът непроменен]“

03Грешката, която проваля повечето опити: описване вместо прикачване

Това е грешката, около която си струва да се вдигне шум, защото е далеч най-честата и защото изглежда като че ли е сработила. Потребителят има две фотографии — своя клиент и продукта на клиента, или себе си и яке, което притежава. Прикачва едната и напечатва другата.

Грешката
[прикачва една снимка на жена]
„Сложи ѝ червен плетен пуловер, с плитки, доста плътен,
с навита яка.“

Това, което се връща, е жена в червен плетен пуловер. Пуловерът е добър. Но не е онзи пуловер. Плетката на плитките е измислена, багрилото е друго червено, дълбочината на ластика е грешна, яката се навива в грешната посока, а малките асиметрии, които правят една истинска дреха разпознаваема — поправка, издърпана нишка, разтегнатото при лактите — ги няма, защото нищо в изречението не ги съдържаше.

Текстът е загубен канал, а фотографията не е. Внимателно написано изречение носи може би дузина характеристики на един обект; фотографията носи хиляди, включително всяка, за която никога не бихте се сетили да запишете, и онези, които не можете да назовете. Описването вместо прикачване изхвърля всичко, за което не сте се сетили, а това е по-голямата част. Прикачването запазва реалния вид, защото реалният вид присъства.

Тестът е прост. Ако смисълът на снимката е, че става дума точно за тази — точно тази дреха, този човек, точно този продукт, тази стая — прикачете я. Ако бихте могли да разпознаете предмета сред други и има значение резултатът да съвпада с онзи, който бихте посочили, описанието няма да свърши работа.

Има легитимен случай за описване: когато нещото още не съществува или когато родовата версия е точно това, което искате. Проектиране на пуловер, който никой не е изплел, скициране на концепция — това е работа тип текст-към-изображение и описанието е правилно, защото няма реален обект, чиято идентичност пазите. В мига, в който реален обект влезе в заданието, влиза и неговата фотография.

Свързана полугрешка: прикачване и на двете изображения и въпреки това подробно описване на второто. Прилагателните могат да се борят с фотографията — напишете „плътен“, когато истинската дреха е с фина плетка, и сте въвели противоречие. Опишете второто изображение само дотолкова, че да се идентифицира коя негова част искате.

04Пренасяне на облекло и дрехи

Каноничната задача с две изображения. Прикачете първо човека и второ дрехата. Изображението на дрехата може да е плосък кадър, снимка на закачалка, каталожна снимка или някой друг, облечен с нея — всичко работи, стига да кажете коя част от него имате предвид.

Пренасяне на облекло
Жената от първото изображение, облечена в червения плетен пуловер
от второто изображение. Запази лицето, косата, позата ѝ и фона на
парка точно такива, каквито са, със същата мека облачна светлина.
Пуловерът трябва да пада естествено по нейната фигура, като
плетката на плитките и яката на оригиналната дреха остават запазени.

Негативен промпт: изкривена плетка на плитките, допълнителни ръкави,
деформирани ръце, плат с пластмасов вид, несъответстващо осветление

Три неща вършат работата: ролите са назовани по ред, непроменените части са изброени на глас (което спира отклоняването на лицето), а последната клауза казва на модела, че собствените детайли на дрехата са същността — без нея композициите обикновено запазват цвета и силуета, като тихо изглаждат текстурата.

• Пасването е физическо твърдение, така че го направете. „Пада естествено по нейната фигура“, „пристегнат в талията“, „ръкави, свършващи на китката“ — иначе дрехата може да пристигне със собствените си пропорции, а не с тези на носещия.
• Закриването е трудният случай. Ако ръцете са скръстени или каишка на чанта пресича гърдите, кажете какво се случва с нея. Двусмислието там произвежда класическия артефакт с „разтопен ръкав“.
• Повече дрехи означава повече изображения. Първо човекът, после горнището, после панталонът, после обувките — и препращайте към тях последователно като второ, трето и четвърто изображение. Не превключвайте на „снимката с обувките“ по средата.

05Поставяне на обект в сцена

Тук ролите се обръщат: сцената е първа, защото сцената е това, от което готовата снимка е съставена в по-голямата си част, а обектът е частта, която се внася. Макети на интериор, обзавеждане на стая с мебели, които още не сте купили, поставяне на превозно средство на път, разполагане на скулптура в галерия — всеки път една и съща форма.

Обект в сцена
Всекидневната от първото изображение с креслото от зелено кадифе
от второто изображение, поставено до прозореца отляво, леко
завъртяно към камерата и високо приблизително до кръста в кадъра.
Съгласувай топлата късна следобедна светлина на стаята, с мека
сянка, падаща вдясно от креслото върху килима. Запази останалата
част от стаята и ъгъла на камерата непроменени.

Негативен промпт: реещ се обект, изрязани ръбове, дублирани
сенки, несъответстваща цветна температура

Режимът на провал тук не е идентичността, а физиката. Обект, който запазва собственото си осветление, изглежда залепен, а зрителите го забелязват мигновено, дори когато не могат да кажат защо. Похарчете думите си за трите неща, които фотография на изолиран обект не може да знае: разположение (къде в кадъра, спрямо какво), мащаб спрямо сцената, а не в сантиметри („приблизително до кръста“, „високо колкото дръжката на вратата“) и светлина и сянка — посока, качество и къде пада сянката. Последното е онова, което превръща фотомонтажа във фотография.

06Човек A до човек B

Двама души, които никога не са били в една и съща стая: семейни фотографии през поколенията, портрет на основател, когато съоснователят е бил на път, плакат с двама изпълнители. Работи и се нуждае от две неща, от които задачите с един обект нямат нужда.

Двама души
Мъжът от първото изображение, застанал до жената от второто
изображение, и двамата на същата каменна тераса от първото изображение.
Той стои отляво, тя стои от дясната му страна, с почти допрени рамене,
и двамата гледат към камерата на едно и също ниво на очите. Запази и
двете лица, прически и облекло точно както в собствените им снимки и
освети и двамата с една и съща мека вечерна светлина отляво.

Платно: landscape
Негативен промпт: несъответстващ тен, дублирани крайници, шев
между обектите, неравномерно осветление

Двете допълнения: относителна геометрия — кой от коя страна е, на какво разстояние, чий поглед накъде отива и относителна височина, тъй като два различно кадрирани портрета не дават на модела начин да разбере, че единият човек е с глава по-висок — и една обща светлина, заявена изрично, защото сливате две осветителни среди и една от тях трябва да победи.

Тук е и мястото, където изборът на ново съотношение на платното си заслужава: два портретно ориентирани източника правят лоша портретно ориентирана групова снимка, затова поискайте landscape или wide. И кажете очевидното веднъж — поставянето на реален човек в изображение, в което не е бил, е мощно и не е автоматично безобидно. Имайте правата или съгласието; нашата политика за отговорно използване е кратката версия.

07Продукт върху човек и нецензурирана продуктова фотография

Търговски погледнато, това е композицията, която се изплаща. Имате продуктов кадър на бял фон и имате модел, ръка, кухня, работен тезгях. Комбинирането им ви дава лайфстайл фотография без студиен ден — и с вашия действителен продукт в нея, а не с генерирано приближение, което е цялата разлика между използваем маркетингов материал и макет, за който трябва да се извинявате.

Продукт върху човек
Жената от първото изображение, държаща кехлибареното стъклено
шишенце със серум от второто изображение в дясната си ръка, вдигнато
до височината на гърдите, с етикет към камерата и напълно четлив, с
пръсти, естествено обхванали шишенцето, без да закриват етикета.
Запази лицето, косата и кухненския фон непроменени. Заснето на
Kodak Portra 400, 85mm f/1.4, мека светлина от прозорец отляво.

Платно: portrait
Негативен промпт: изкривен текст на етикета, допълнителни пръсти,
реещо се шишенце, дублирани отражения, пластмасова кожа

Две допълнения, специфични за работата с продукти. Хватът: ръцете, държащи предмети, са мястото, където композицията най-често се обърква, затова кажете коя ръка, на каква височина и че пръстите обхващат естествено, без да закриват етикета. Фотографска обработка: назовете камера, обектив и филм или източник на светлина. Резултатът трябва да се чете като фотография, която е била направена, а не като две фотографии, които са били комбинирани, и точно писането му като фотография ви отвежда там.

Нецензурираността има значение тук по по-делничен начин, отколкото звучи. Филтрираните генератори отказват цели категории обикновена, законна търговия: каталози за бельо и бански, тютюн и вейп хардуер, алкохол, аксесоари за огнестрелни оръжия, продукти за интимно здраве, канабис там, където е законен, медицински изделия, тактическа и ловна екипировка. Те отказват и работа с марки и лица, извършена от притежателя на правата. Нищо от това не е граничен случай; това е един вторник в агенция. Shannon няма филтър на съдържанието по пътя за генериране и няма слой за откази върху модела, който пише промпта, така че работата минава, а въпросът за правата остава при вас, където му е мястото.

08Стил от едно изображение, обект от друго

Първо обектът, второ стиловата референция. Това, което прави тази задача различна, е, че заемате качество, а не обект, така че трябва да назовете кои качества — и да кажете, че собственият обект и композиция на референцията не идват с него.

Стилова референция
Портретът на мъжа от първото изображение, изобразен във визуалния
стил на второто изображение: същата приглушена палитра от синьозелено
и охра, видима текстура от суха четка и плоско равномерно осветление.
Запази лицето, изражението и позата му разпознаваеми и непроменени. Не
пренасяй обекта, фона или композицията на второто изображение.

Негативен промпт: второ лице, заимстван фон, фотографска
текстура

Назовете стиловите оси изрично, защото само „в стила на второто изображение“ е недостатъчно уточнено: палитра (или точни цветове, изписани като color #8B0000, прикрепени към назован обект), работа с четка или зърно, качество на светлината, дебелина на линията, степен на абстракция, обработка на ръбовете. Изберете двете или трите, които определят вида; назоваването на всичките шест ги осреднява. И не смесвайте противоречиви посоки — „фотореалистично“ плюс „акварел“ произвежда каша, а не смесване. Ако искате фотография, която просто заема палитра, кажете точно това.

09Негативни промптове и избор на ново съотношение на платното

Две възможности, които съществуват за комбинирането и редактирането, но не и за текст-към-изображение, и двете са недостатъчно използвани.

Негативният промпт

Комбинирането на изображения поддържа негативен промпт. Нежеланите артефакти отиват там — и има значение, че отиват там, а не в инструкцията, защото писането на „без допълнителни пръсти“ в основната инструкция назовава нещото, което се опитвате да избегнете, в едно изречение с всичко, което искате. Слагайте изключванията в собствения им канал. Записите, които последователно си заслужават мястото:

• Анатомия — допълнителни пръсти, дублирани крайници, деформирани ръце, второ лице.
• Издайници на фотомонтаж — изрязани ръбове, видим шев, реещ се обект, дублирани сенки, ореол около обекта.
• Несъответствие в осветлението — несъответстваща цветна температура, непоследователна посока на сенките, неравномерна експонация между обектите.
• Провали в текстурата — пластмасова кожа, изгладен плат, изкривен текст на етикет, нечетливо лого.

Ограничете го до шепата неща, които са правдоподобни за вашето изображение. Негативен промпт, изброяващ тридесет неща, е разпръсната инструкция, а не силна.

Съотношението на платното

Редактирането на едно изображение наследява съотношението на страните на изходното изображение автоматично — има един източник и неговата форма е отговорът. Комбинирането няма такава стойност по подразбиране, така че можете да изберете ново съотношение на платното, и често трябва, защото формата, която е подхождала на един източник, рядко подхожда на композицията.

Съотношение	Най-подходящо за	Типична употреба в композиция
square	По подразбиране, социални мрежи	Един обект с един пренесен елемент
portrait	Хора, високи обекти	Пренасяне на облекло, продукт, държан от един модел
landscape	Пейзажи, групи	Двама души един до друг, обект, поставен в стая
wide	Кинематографично рамкиране	Групови кадри, продуктови сцени в среда, банери
tall	Плакати, тапети за телефон	Кадри с облекло в цял ръст, оформления за плакати

Изричната заявка винаги печели. Не кажете нищо и получавате квадрат — грешната форма за повечето задачи с двама души и с облекло в цял ръст, така че си струва да отделите една дума.

10Кои изображения използва Shannon: разговорът срещу това съобщение

Има два начина едно изображение да влезе в композиция и знанието на кой от тях разчитате предотвратява повечето обърквания в реда.

Прикачено към текущото съобщение. Прекият път: прикачете всичко към съобщението, което носи инструкцията, в реда, в който възнамерявате да препращате към него, и „първо изображение“ и „второ изображение“ означават точно това, което изглеждат. Придържайте се към този вариант по подразбиране.

Вече в разговора. Снимките, изпратени по-рано в нишката, остават достъпни и към тях може да се препраща на обикновен език — „снимката, която изпратих по-рано“, „снимката с пуловера отпреди“, „втората версия, която направи“. Shannon разрешава препратката спрямо нишката, което е наистина удобно в дълга сесия: можете да итерирате върху резултат и после да внесете нов елемент, без да качвате всичко отново.

Предпазната мярка и в двата случая е една и съща. Картата за потвърждение показва инструкцията, преди каквото и да е да се рендира, включително избрания ред. Прочетете я. Ако ролите са излезли обърнати — пуловерът като база, човекът като източник — кажете го и се поправя, преди да бъде генериран или таксуван един-единствен пиксел. Все пак, когато нишката е дълга и пълна с изображения, прикачете отново тези, от които се нуждаете; шест снимки назад „второто изображение“ е двусмислено за всеки читател.

Да помолите Shannon да погледне изображение — да го опише, да прочете етикета, да ви каже какъв е платът — е обикновена работа със зрение, а не генериране. Не струва нищо допълнително и е добра проверка преди композиране: ако описанието на Shannon не споменава детайла, който ви интересува, вашата инструкция трябва да го назове.

11Нецензуриран и какво всъщност значи това

Няма филтър на съдържанието по пътя за генериране и няма слой за откази върху модела, който пише промпта. Композицията е мястото, където филтрираните инструменти се провалят най-видимо, защото система за откази не може да различи комбинирането на изображения, които притежавате, от комбинирането на изображения, които не би трябвало да имате — затова блокира и двете.

Работата, която тези инструменти редовно отказват, не е екзотична: художествени голи снимки и етюди на фигурата, медицинска и съдебна илюстрация, изображения за изследване на сигурността, насилие в художествената литература за корици на книги и игрово изкуство, политическа сатира и законните продуктови категории, изброени по-горе. Всяка от тях е легитимна професионална работа, която филтър по ключови думи не може да отличи от злоупотреба.

Нецензуриран не значи безотчетен. Вие предоставяте фотографии на реални обекти и често на реални хора; правата и съгласието са ваши, както и отговорността за резултата. Shannon Lab LLC е компания от Ню Мексико, работеща съгласно публикувана политика за отговорно използване — струва си пет минути, преди да започнете работа, включваща чужди образи.

12Ограничения, които си струва да знаете, преди да започнете

Няма генериране на видео. Shannon не анимира изображения и не произвежда видео, в никаква форма, от нито една от тези операции — нито от едно изображение, нито от композиция, нито като експериментална опция. Ако вашето задание завършва с движение, това не е инструментът за последната стъпка. Това е такъв, какъвто е продуктът, а не намек за пътна карта.

Други честни граници, всички с решения:

• Дребният текст е най-слабата област. Ситен шрифт, гъст текст върху опаковка и дълги серийни номера могат да излязат несъвършени. Кадрирайте продукта така, че важният текст да е едър, сложете изкривен текст на етикет в негативния промпт и проверете в пълен размер.
• Крайното несъответствие в мащаба е трудно. Продуктов кадър от 4000 пиксела, комбиниран с малка миниатюра на стая, дава на модела малко материал. Използвайте най-доброто копие на всеки източник, с което разполагате.
• Силното закриване ограничава какво може да се пренесе. Дреха, снимана сгъната, с никога невидим гръб, не може да получи достоверно измислен гръб. Ако композицията показва гърба, предоставете гърба.
• Повече изображения означава повече място за объркване. Четири източника са изпълними при дисциплинирано редно назоваване, но това не е моментът да сте небрежни — използвайте толкова, колкото задачата изисква, и не повече.
• Две големи промени наведнъж се конкурират. Пренесете облеклото, потвърдете, после сменете фона. Последователните редакции почти винаги бият една претоварена инструкция и всяка стъпка е евтина за проверка.

13Често задавани въпроси

---

Генерирането, редактирането и композицията от няколко изображения са функции на чат приложението Shannon; крайните точки /v1/chat/completions, /v1/messages и /v1/responses обслужват текст и зрение, тоест те четат изображения, вместо да ги генерират. Няма генериране на видео. Опциите за съотношение, поддръжката на негативен промпт и поведението при потвърждение са актуални към 5 септември 2026 г. Свързани: нецензурирано AI генериране на изображения · нецензурирано AI редактиране на изображения · отговорно използване · API документация · индекс на изследванията.