AI আউটফিট ট্রান্সফার, আনসেন্সরড

মানুষের সত্যিকারের যে ছবির কাজ দরকার, তার বেশিরভাগই "আমাকে একটা জিনিসের ছবি বানিয়ে দাও" নয়। সেটি হলো "এই জ্যাকেটটা এই মানুষটার গায়ে দাও", "এই চেয়ারটা এই ঘরে বসাও", "ওই হাতে এই পণ্যটির ছবি তোলো"। এসবের প্রতিটিতেই একাধিক আলোকচিত্র থেকে উপাদান লাগে, আর প্রতিটিই ব্যর্থ হয় একইভাবে: একটি ছবি যুক্ত হয়, অন্যটি কথায় বর্ণনা করা হয়, আর ফিরে আসে বিশ্বাসযোগ্য কিছু একটা, যা আপনার নিজের জিনিসটি নয়। সমাধানটি আপনি যতটা ভাবছেন তার চেয়ে ছোট, আর তা সব জায়গাতেই খাটে।

01"ছবি মেলানো" কী, আর তা কোথায় হয়

ছবি নিয়ে Shannon 3 তিনটি আলাদা কাজ করে: একটি বর্ণনা থেকে নতুন ছবি তৈরি করে, একটি বিদ্যমান ছবি সম্পাদনা করে, আর দুই বা ততোধিক ছবি মিলিয়ে একটি নতুন ছবি বানায়। এদের নিয়ম আলাদা, আর ভুলটি বেছে নেওয়াই মান নষ্ট হওয়ার প্রথম জায়গা।

যখনই শেষ ছবিটির জন্য একাধিক আলোকচিত্র থেকে উপাদান লাগে, তখনই মেলানো ব্যবহার করুন: পোশাক ও পরিচ্ছদ ট্রান্সফার, দৃশ্যে একটি বস্তু বসানো, ক-এর পাশে খ, আসল মডেলের হাতে আসল পণ্য, একটি ছবির স্টাইল আরেকটির বিষয়ের উপর। যদি মনে হয় ইশ্‌, একসঙ্গে দুটি ছবির দিকে আঙুল তুলতে পারতাম — সেটিই এই কাজ।

এসবই ঘটে Shannon চ্যাট অ্যাপে, সাধারণ কথোপকথনের ভিতরে। এটি /v1 API-তে নেই — API লেখা ও ভিশন পরিবেশন করে, অর্থাৎ আপনার পাঠানো ছবি এটি পড়ে, নতুন ছবি তৈরি করে না। আপনি যদি API খুঁজে এসে থাকেন, এটিই সৎ উত্তর; এন্ডপয়েন্টগুলি কী পরিবেশন করে তা দেখুন API ডকুমেন্টেশনে। ছবি রেন্ডার হয় আমাদের নিজস্ব GPU ক্লাস্টারে।

আপনি যে ভাষায় কথা বলেন, সেই ভাষাতেই সাধারণভাবে চান। Shannon বুঝে নেয় যে একটি ছবি চাওয়া হচ্ছে, জেনারেশনের নির্দেশনাটি নিজেই ইংরেজিতে লেখে, আর কিছু রেন্ডার হওয়ার আগেই একটি নিশ্চিতকরণ কার্ডে সেটি আপনাকে দেখায়। আপনি নিশ্চিত না করা পর্যন্ত কিছুই তৈরি হয় না আর কোনো বিলও হয় না — আর একাধিক ছবির কাজে সেই কার্ডেই আপনি দেখে নেন ভূমিকা ও ক্রম আপনার ইচ্ছেমতো এসেছে কিনা। Shannon কখনও নিজে থেকে ছবি তৈরি করে না: একটি অভিবাদন, একটি প্রশ্ন বা এমনিই যুক্ত করা একটি ছবি কোনো রেন্ডার চালু করে না।

02নিয়মটি: প্রতিটি ছবির ভূমিকা, ক্রম অনুসারে নাম করুন

নির্দেশনায় বলতেই হবে কোন ছবি কী দিচ্ছে, আর তা বলতে হবে যে ক্রমে ছবিগুলি দেওয়া হয়েছে সেই ক্রমে। গোটা কৌশলটাই এইটুকু; নিচের সবকিছু হলো এই নিয়মটিই নির্দিষ্ট কাজে প্রয়োগ করা।

প্রথম ছবিটি ভিত্তি — মূল বিষয়, বা দৃশ্য, শেষ ছবিটি যা দিয়ে বেশিরভাগ তৈরি। এটিই পরিচয়, ভঙ্গি, ফ্রেমিং, আলো আর আপনি যা বদলাতে বলেননি সবকিছু ঠিক করে দেয়। পরের ছবিগুলি সোর্স: ভিতরে আনা অংশগুলি। বাক্যটি এমনভাবে লিখুন যেন ক্রম অনুসারে ছবিগুলি হাতে নিয়ে একজন অচেনা মানুষও কাজটি নিজের হাতে করে ফেলতে পারেন।

কাজ করে
The woman from the first image wearing the red knitted sweater
from the second image, standing in the same park, same pose and
same afternoon light, her face and hair unchanged.

ব্যর্থ হয়
Combine these two images.   Merge the photos.   Put them together.

ব্যর্থ সংস্করণগুলি ব্যর্থ হয় ছোট বলে নয়, বরং সেগুলি কখনও বলে না কোন ছবিটি মানুষ আর কোনটি সোয়েটার। তিনটি অভ্যাস নিয়মটিকে নির্ভরযোগ্য করে:

• ক্রমবাচক ভাষা স্পষ্টভাবে ব্যবহার করুন। "From the first image", "from the second image"। চারটি শব্দ, আর অস্পষ্টতা উধাও।
• কী একই থাকবে তা বলুন। "Keep her face, hair and pose identical." যে অংশগুলি অপরিবর্তিত থাকবে সেগুলির নাম বলা Shannon-এর প্রতিটি ইমেজ অপারেশনেই মানের সবচেয়ে বড় নিয়ন্ত্রক, আর এখানে সবচেয়ে বেশি, কারণ একটি রচনায় সরে যাওয়ার মতো দুটি বা তার বেশি জিনিস থাকে।
• ট্যাগ নয়, গদ্য লিখুন। Image Model নির্দেশনা পড়ে যেভাবে একটি ভাষা মডেল একটি বাক্য পড়ে, তাই কমা দিয়ে আলাদা করা কিওয়ার্ডের চেয়ে পূর্ণ বাক্য ভালো। ৩০ থেকে ৮০ শব্দ লক্ষ্য রাখুন, আর SDXL-যুগের আবর্জনা ("masterpiece, best quality, 8k") ও (word:1.3)-এর মতো ওজনের সিনট্যাক্স বাদ দিন।

একটি ছবিতে একাধিক জিনিস থাকলে তা থেকে আপনি যে অংশটি চান তার নাম করুন। দ্বিতীয় ছবিটি যদি সোয়েটার পরা এক মডেলের ক্যাটালগ শট হয়, তবে "the red knitted sweater worn by the woman in the second image" বলে দেয় যে আপনি পোশাকটি চান, মডেলকে নয়। কেবল "the second image" বলে ছেড়ে দিলে তাঁর মুখটিও পেয়ে যেতে পারেন।

কাজভেদে ভূমিকার ছাঁচ

কাজ	প্রথম ছবি	দ্বিতীয় ছবি	নির্দেশনার আকৃতি
আউটফিট ট্রান্সফার	মানুষটি	পোশাকটি	"The [person] from the first image wearing the [garment] from the second image, [what stays]"
দৃশ্যে বস্তু	দৃশ্যটি	বস্তুটি	"The [room] from the first image with the [object] from the second image placed [where], matching [light]"
মানুষ + মানুষ	মানুষ ক ও পটভূমি	মানুষ খ	"The [man] from the first image standing beside the [woman] from the second image, [positions, eyelines]"
মডেলের হাতে পণ্য	মডেল বা দৃশ্য	পণ্যটি	"The [model] from the first image holding the [product] from the second image, [grip, label facing]"
স্টাইল ট্রান্সফার	বিষয়টি	স্টাইল রেফারেন্স	"The [subject] from the first image rendered in the [style axes] of the second image, [subject unchanged]"

03যে ভুলটি বেশিরভাগ চেষ্টা নষ্ট করে: যুক্ত না করে বর্ণনা করা

এই ভুলটি নিয়ে হইচই করা দরকার, কারণ এটিই সবচেয়ে প্রচলিত আর কারণ দেখে মনে হয় কাজটি হয়ে গেছে। ব্যবহারকারীর কাছে দুটি আলোকচিত্র আছে — তাঁর ক্লায়েন্ট আর ক্লায়েন্টের পণ্য, কিংবা নিজে আর নিজের একটি জ্যাকেট। তিনি একটি যুক্ত করেন, আর অন্যটি টাইপ করেন।

ভুলটি
[attaches one photo of a woman]
"Put a red knitted sweater on her, cable knit, kind of chunky,
with a rolled collar."

যা ফিরে আসে তা হলো লাল বোনা সোয়েটার পরা এক নারী। সোয়েটারটি ভালো। কিন্তু সেটি সেই সোয়েটার নয়। কেব্‌ল প্যাটার্নটি বানানো, রংটি অন্য একটি লাল, রিবিংয়ের গভীরতা ভুল, কলার উল্টো দিকে গোটানো, আর যেসব ছোট ছোট অসমতা একটি আসল পোশাককে চেনায় — একটি মেরামত, একটি টান, কনুইয়ের কাছে ঢিলে হয়ে যাওয়া — সবই উধাও, কারণ বাক্যটির ভিতরে সেগুলির কিছুই ছিল না।

লেখা একটি ক্ষতিসহ মাধ্যম, আলোকচিত্র নয়। একটি যত্নে লেখা বাক্য একটি বস্তুর হয়তো এক ডজন বৈশিষ্ট্য বহন করে; আলোকচিত্র বহন করে হাজার হাজার, যার মধ্যে আছে সেগুলিও যা আপনি কখনও লিখতে ভাবতেন না আর যেগুলির নামই আপনি জানেন না। যুক্ত না করে বর্ণনা করলে আপনি যা ভাবেননি তার সবটুকু ফেলে দেন, আর সেটিই বেশিরভাগ। যুক্ত করলে আসল চেহারাটি থেকে যায়, কারণ আসল চেহারাটি সেখানে উপস্থিত।

পরীক্ষাটি সহজ। ছবিটির মূল কথাই যদি হয় যে এটি সেই একটিই — সেই নির্দিষ্ট পোশাক, সেই মানুষ, ঠিক সেই পণ্য, সেই ঘর — তবে সেটি যুক্ত করুন। একটি সারি থেকে যদি আপনি জিনিসটি বেছে নিতে পারেন আর যদি ফলাফলের সঙ্গে আপনার বাছাইটির মেলা জরুরি হয়, তবে বর্ণনায় কাজ হবে না।

বর্ণনা করার একটি বৈধ ক্ষেত্রও আছে: যখন জিনিসটির এখনও অস্তিত্বই নেই, কিংবা যখন আপনি একটি সাধারণ সংস্করণই চান। কেউ বোনেনি এমন একটি সোয়েটার নকশা করা, একটি ধারণার খসড়া করা — সেটি টেক্সট-টু-ইমেজের কাজ, আর সেখানে বর্ণনাই ঠিক, কারণ পরিচয় ধরে রাখার মতো কোনো আসল বস্তুই নেই। যেই মুহূর্তে একটি আসল বস্তু কাজের মধ্যে ঢোকে, সেই মুহূর্তেই তার আলোকচিত্রও ঢোকে।

সম্পর্কিত একটি আধা-ভুল: দুটি ছবিই যুক্ত করে তারপরও দ্বিতীয়টিকে বিস্তারিত বর্ণনা করা। বিশেষণগুলি আলোকচিত্রের সঙ্গে লড়াই করতে পারে — আসল পোশাকটি সূক্ষ্ম বুননের হলেও "chunky" লিখলে আপনি একটি স্ববিরোধিতা ঢুকিয়ে দিলেন। দ্বিতীয় ছবিটি ঠিক ততটুকুই বর্ণনা করুন যতটুকুতে বোঝা যায় তার কোন অংশটি আপনি চান।

04পোশাক ও পরিচ্ছদ ট্রান্সফার

দুই-ছবির আদর্শ কাজ। মানুষটিকে প্রথমে আর পোশাকটিকে দ্বিতীয় যুক্ত করুন। পোশাকের ছবিটি হতে পারে ফ্ল্যাট লে, হ্যাঙ্গারে তোলা ছবি, ক্যাটালগ ফটো, বা অন্য কারও গায়ে পরা — সবই কাজ করে, যতক্ষণ আপনি বলছেন তার কোন অংশটি আপনি বোঝাচ্ছেন।

আউটফিট ট্রান্সফার
The woman from the first image wearing the red knitted sweater
from the second image. Keep her face, hair, pose and the park
background exactly as they are, with the same soft overcast light.
The sweater should hang naturally on her frame, with the cable
pattern and collar of the original garment intact.

Negative prompt: warped cable pattern, extra sleeves, distorted
hands, plastic-looking fabric, mismatched lighting

তিনটি জিনিস কাজটি করে: ভূমিকাগুলি ক্রম অনুসারে নাম করা, অপরিবর্তিত অংশগুলি স্পষ্ট করে তালিকাভুক্ত (এটিই মুখ সরে যাওয়া থামায়), আর শেষ শর্তটি মডেলকে বলে যে পোশাকটির নিজস্ব খুঁটিনাটিই আসল কথা — ওটি না থাকলে রচনাগুলি রং ও সিলুয়েট রেখে দিয়ে নীরবে বুনটটি মসৃণ করে ফেলার প্রবণতা দেখায়।

• ফিট একটি ভৌত দাবি, তাই সেটি করুন। "Hangs naturally on her frame", "fitted at the waist", "sleeves ending at the wrist" — নইলে পোশাকটি পরিধানকারীর নয়, তার নিজের সোর্সের অনুপাতে হাজির হতে পারে।
• আড়াল হয়ে যাওয়াই কঠিন ক্ষেত্র। হাত আড়াআড়ি করা থাকলে বা ব্যাগের ফিতে বুকের উপর দিয়ে গেলে তার কী হবে সেটি বলুন। ওখানে অস্পষ্টতা থাকলেই সেই চিরপরিচিত গলে-যাওয়া-হাতা আর্টিফ্যাক্ট তৈরি হয়।
• বেশি পোশাক মানে বেশি ছবি। প্রথমে মানুষ, তারপর উপরের পোশাক, তারপর প্যান্ট, তারপর জুতো — আর সেগুলিকে ধারাবাহিকভাবে দ্বিতীয়, তৃতীয় ও চতুর্থ ছবি হিসেবেই উল্লেখ করুন। মাঝপথে "the shoe picture"-এ চলে যাবেন না।

05একটি দৃশ্যে বস্তু বসানো

এখানে ভূমিকা উল্টে যায়: দৃশ্যটি আগে, কারণ শেষ ছবিটি বেশিরভাগই দৃশ্য দিয়েই তৈরি, আর বস্তুটি ভিতরে আনা অংশ। ইন্টেরিয়র মকআপ, না-কেনা আসবাব দিয়ে ঘর সাজানো, রাস্তায় একটি গাড়ি বসানো, গ্যালারিতে একটি ভাস্কর্য রাখা — প্রতিবারই একই আকৃতি।

দৃশ্যে বস্তু
The living room from the first image with the green velvet
armchair from the second image placed beside the window on the
left, angled slightly toward the camera and standing about waist
height in frame. Match the room's warm late-afternoon light, with
a soft shadow falling to the right of the chair onto the rug.
Keep the rest of the room and the camera angle unchanged.

Negative prompt: floating object, cut-out edges, duplicate
shadows, mismatched color temperature

এখানে ব্যর্থতার ধরন পরিচয় নয়, পদার্থবিদ্যা। যে বস্তু নিজের আলো ধরে রাখে তাকে সাঁটা মনে হয়, আর দর্শক তা সঙ্গে সঙ্গেই ধরে ফেলেন, যদিও কেন তা বলতে পারেন না। আলাদা করে তোলা একটি বস্তুর ছবি যে তিনটি জিনিস জানতেই পারে না, আপনার শব্দ সেখানেই খরচ করুন: অবস্থান (ফ্রেমের কোথায়, কীসের সাপেক্ষে), সেন্টিমিটার নয়, দৃশ্যের নিরিখে মাপ ("about waist height", "as tall as the door handle"), আর আলো ও ছায়া — দিক, গুণ, আর ছায়া কোথায় পড়ে। শেষেরটিই একটি কম্পোজিটকে আলোকচিত্রে বদলে দেয়।

06মানুষ ক-এর পাশে মানুষ খ

দুজন মানুষ যাঁরা কখনও একই ঘরে ছিলেন না: প্রজন্ম পেরোনো পারিবারিক ছবি, সহ-প্রতিষ্ঠাতা ভ্রমণে থাকাকালীন প্রতিষ্ঠাতার পোর্ট্রেট, দুজন শিল্পীকে নিয়ে একটি পোস্টার। এটি কাজ করে, আর এর জন্য এমন দুটি জিনিস লাগে যা একক-বিষয়ের কাজে লাগে না।

দুজন মানুষ
The man from the first image standing beside the woman from the
second image, both on the same stone terrace from the first image.
He stands on the left, she stands on his right, shoulders almost
touching, both facing the camera at the same eye level. Keep both
faces, hairstyles and clothing exactly as in their own photographs,
and light both with the same soft evening light from the left.

Canvas: landscape
Negative prompt: mismatched skin tone, duplicated limbs, seam
line between subjects, uneven lighting

বাড়তি দুটি জিনিস: আপেক্ষিক জ্যামিতি — কে কোন দিকে, কতটা দূরে, কার দৃষ্টি কোথায়, আর আপেক্ষিক উচ্চতা, যেহেতু আলাদাভাবে ক্রপ করা দুটি পোর্ট্রেট দেখে মডেলের জানার উপায় নেই যে একজন অন্যজনের চেয়ে এক মাথা লম্বা — আর একটিমাত্র অভিন্ন আলো, স্পষ্ট করে বলা, কারণ আপনি দুটি আলোক-পরিবেশ মেলাচ্ছেন আর একটিকে জিততেই হবে।

এখানেই একটি নতুন ক্যানভাসের আকার বেছে নেওয়া তার দাম তোলে: পোর্ট্রেট অভিমুখের দুটি সোর্স মিলে খারাপ একটি পোর্ট্রেট-অভিমুখের দলগত ছবি হয়, তাই landscape বা wide চান। আর সুস্পষ্ট কথাটি একবার বলে রাখি — একজন আসল মানুষকে এমন একটি ছবিতে বসানো যেখানে তিনি ছিলেন না, তা শক্তিশালী, আর তা আপনাআপনি নিরীহ নয়। অধিকার বা সম্মতি হাতে রাখুন; আমাদের দায়িত্বশীল ব্যবহার নীতি তার সংক্ষিপ্ত রূপ।

07মডেলের হাতে পণ্য, আর আনসেন্সরড প্রোডাক্ট ফটোগ্রাফি

বাণিজ্যিকভাবে এই রচনাটিই নিজের খরচ তুলে আনে। আপনার হাতে সাদা ব্যাকগ্রাউন্ডে একটি পণ্যের ছবি আছে, আর আছে একজন মডেল, একটি হাত, একটি রান্নাঘর, একটি ওয়ার্কবেঞ্চ। এগুলি মিলিয়ে স্টুডিওতে একটি দিন খরচ না করেই আপনি একটি লাইফস্টাইল আলোকচিত্র পান — আর তাতে থাকে আপনার আসল পণ্যটিই, তৈরি করা কোনো আন্দাজ নয়, আর সেটাই ব্যবহারযোগ্য বিপণন উপকরণ আর ক্ষমা চেয়ে দেখাতে হয় এমন মকআপের মধ্যে গোটা পার্থক্য।

মডেলের হাতে পণ্য
The woman from the first image holding the amber glass serum
bottle from the second image in her right hand, raised to chest
height, the label facing the camera and fully legible, her fingers
wrapped naturally around the bottle without covering the label.
Keep her face, hair and the kitchen background unchanged. Shot on
Kodak Portra 400, 85mm f/1.4, soft window light from the left.

Canvas: portrait
Negative prompt: warped label text, extra fingers, floating
bottle, duplicated reflections, plastic skin

পণ্যের কাজের জন্য নির্দিষ্ট দুটি সংযোজন। ধরার ভঙ্গি: হাতে বস্তু ধরাই সেই জায়গা যেখানে রচনা সবচেয়ে বেশি ভুল হয়, তাই বলুন কোন হাত, কতটা উঁচুতে, আর আঙুলগুলি লেবেল না ঢেকে স্বাভাবিকভাবে জড়িয়ে থাকবে। আলোকচিত্রীয় প্রয়োগ: একটি ক্যামেরা, একটি লেন্স আর একটি ফিল্ম বা আলোর উৎসের নাম করুন। আউটপুটকে পড়তে হবে এমন একটি আলোকচিত্র হিসেবে যা তোলা হয়েছে, জোড়া লাগানো দুটি ছবি হিসেবে নয় — আর একে আলোকচিত্র হিসেবে লেখাই আপনাকে সেখানে পৌঁছে দেয়।

এখানে আনসেন্সরড হওয়া শুনতে যতটা নাটকীয় লাগে তার চেয়ে অনেক বেশি সাদামাটাভাবে জরুরি। ফিল্টারযুক্ত জেনারেটররা সাধারণ, বৈধ বাণিজ্যের গোটা গোটা শ্রেণিই প্রত্যাখ্যান করে: অন্তর্বাস ও সাঁতারের পোশাকের ক্যাটালগ, তামাক ও ভেপ হার্ডওয়্যার, মদ, আগ্নেয়াস্ত্রের সরঞ্জাম, প্রাপ্তবয়স্কদের সুস্থতার পণ্য, যেখানে বৈধ সেখানে ক্যানাবিস, চিকিৎসা সরঞ্জাম, ট্যাকটিক্যাল ও শিকারের সরঞ্জাম। স্বত্বাধিকারীর নিজের করা ব্র্যান্ড ও অবয়বের কাজও তারা প্রত্যাখ্যান করে। এর কোনোটিই বিরল ব্যতিক্রম নয়; একটি এজেন্সিতে এটি নিছক একটি মঙ্গলবার। Shannon-এর জেনারেশনের পথে কোনো কনটেন্ট ফিল্টার নেই আর যে মডেল প্রম্পটটি লেখে তার উপর কোনো প্রত্যাখ্যানের স্তর নেই, তাই কাজটি এগোয় আর অধিকারের প্রশ্নটি আপনার কাছেই থাকে, যেখানে তার থাকা উচিত।

08একটি ছবি থেকে স্টাইল, আরেকটি থেকে বিষয়

বিষয় আগে, স্টাইল রেফারেন্স দ্বিতীয়। এই কাজটিকে আলাদা করে তোলে এই যে আপনি একটি বস্তু নয়, একটি গুণ ধার করছেন, তাই আপনাকে বলতে হবে কোন কোন গুণ — আর এ-ও বলতে হবে যে রেফারেন্সের নিজের বিষয় ও রচনা সঙ্গে আসছে না।

স্টাইল রেফারেন্স
The portrait of the man from the first image rendered in the
visual style of the second image: the same muted teal and ochre
palette, visible dry-brush texture, and flat even lighting. Keep
his face, expression and pose recognizable and unchanged. Do not
carry over the subject, background or composition of the second
image.

Negative prompt: second face, borrowed background, photographic
texture

স্টাইলের অক্ষগুলি স্পষ্টভাবে নাম করুন, কারণ কেবল "in the style of the second image" যথেষ্ট নির্দিষ্ট নয়: প্যালেট (বা নির্দিষ্ট রং, একটি নাম-করা বস্তুর সঙ্গে জুড়ে color #8B0000 হিসেবে লেখা), তুলির টান বা গ্রেইন, আলোর গুণ, রেখার পুরুত্ব, বিমূর্ততার মাত্রা, প্রান্তের প্রয়োগ। যে দুই-তিনটি চেহারাটিকে সংজ্ঞায়িত করে সেগুলি বাছুন; ছয়টিরই নাম করলে সেগুলি গড় হয়ে যায়। আর পরস্পরবিরোধী নির্দেশ মেশাবেন না — "photorealistic" প্লাস "watercolor" মিশ্রণ নয়, একটি ঘোঁট তৈরি করে। আপনি যদি এমন একটি আলোকচিত্র চান যা কেবল একটি প্যালেট ধার করে, তবে ঠিক সেটিই বলুন।

09নেগেটিভ প্রম্পট আর নতুন ক্যানভাসের আকার বাছাই

দুটি সক্ষমতা, যা মেলানো ও সম্পাদনার জন্য আছে কিন্তু টেক্সট-টু-ইমেজের জন্য নেই, আর দুটিই কম ব্যবহৃত।

নেগেটিভ প্রম্পট

ছবি মেলানো একটি নেগেটিভ প্রম্পট সমর্থন করে। অবাঞ্ছিত আর্টিফ্যাক্ট সেখানেই যায় — আর নির্দেশনায় না গিয়ে সেখানে যাওয়াটাই গুরুত্বপূর্ণ, কারণ মূল নির্দেশনায় "no extra fingers" লিখলে আপনি যা এড়াতে চাইছেন তার নামই আপনি যা চান তার সঙ্গে এক নিঃশ্বাসে বলে ফেলছেন। বাদ দেওয়ার জিনিসগুলিকে তাদের নিজস্ব চ্যানেলে রাখুন। যে এন্ট্রিগুলি ধারাবাহিকভাবে নিজেদের জায়গা অর্জন করে:

• শারীরস্থান — extra fingers, duplicated limbs, malformed hands, second face।
• জোড়া লাগানোর চিহ্ন — cut-out edges, visible seam line, floating object, duplicate shadows, halo around subject।
• আলোর অমিল — mismatched color temperature, inconsistent shadow direction, uneven exposure between subjects।
• বুনটের ব্যর্থতা — plastic skin, smoothed fabric, warped label text, illegible logo।

আপনার ছবির জন্য যে কয়েকটি সম্ভাব্য, তাতেই সীমিত রাখুন। ত্রিশটি জিনিসের তালিকাওয়ালা নেগেটিভ প্রম্পট শক্তিশালী নয়, ছড়ানো একটি নির্দেশনা।

ক্যানভাসের আকার

একটি একক ছবি সম্পাদনা করলে সোর্স ছবির অ্যাসপেক্ট রেশিও স্বয়ংক্রিয়ভাবে উত্তরাধিকারে আসে — একটিই সোর্স, আর তার আকারই উত্তর। মেলানোর ক্ষেত্রে তেমন কোনো ডিফল্ট নেই, তাই আপনি একটি নতুন ক্যানভাসের আকার বাছতে পারেন, আর প্রায়ই বাছা উচিত, কারণ যে আকার একটি সোর্সের জন্য মানানসই ছিল তা রচনাটির জন্য কদাচিৎ মানানসই হয়।

আকার	কীসের জন্য সেরা	রচনায় প্রচলিত ব্যবহার
square	ডিফল্ট, সোশ্যাল ফিড	একটি বিষয়, সঙ্গে একটি স্থানান্তরিত উপাদান
portrait	মানুষ, লম্বা বিষয়	আউটফিট ট্রান্সফার, এক মডেলের হাতে পণ্য
landscape	প্রাকৃতিক দৃশ্য, দল	পাশাপাশি দুজন মানুষ, ঘরে বসানো বস্তু
wide	সিনেম্যাটিক ফ্রেমিং	দলগত ছবি, পরিবেশসহ পণ্যের দৃশ্য, ব্যানার
tall	পোস্টার, ফোনের ওয়ালপেপার	আপাদমস্তক পোশাকের ছবি, পোস্টারের বিন্যাস

স্পষ্ট অনুরোধ সবসময় জেতে। কিছু না বললে আপনি square পাবেন — বেশিরভাগ দুই-মানুষ ও আপাদমস্তক পোশাকের কাজের জন্য ভুল আকার, তাই একটি শব্দ খরচ করার মতোই।

10Shannon কোন ছবিগুলি ব্যবহার করে: কথোপকথন বনাম এই বার্তা

একটি ছবি দুইভাবে একটি রচনায় ঢোকে, আর আপনি কোনটির উপর নির্ভর করছেন তা জানা থাকলে ক্রম গুলিয়ে যাওয়ার বেশিরভাগ ঘটনা এড়ানো যায়।

বর্তমান বার্তার সঙ্গে যুক্ত। সরাসরি পথ: যে বার্তায় নির্দেশনা আছে তার সঙ্গেই সবকিছু যুক্ত করুন, যে ক্রমে উল্লেখ করবেন সেই ক্রমে, আর তখন "first image" ও "second image" ঠিক যা দেখাচ্ছে তা-ই বোঝায়। এটিই ডিফল্ট হিসেবে নিন।

কথোপকথনে আগে থেকেই আছে। থ্রেডে আগে পাঠানো ছবিগুলি পাওয়া যায় আর সাধারণ ভাষাতেই সেগুলির উল্লেখ করা যায় — "the photo I sent earlier", "the sweater picture from before", "the second version you made"। Shannon উল্লেখটি থ্রেডের সঙ্গে মিলিয়ে নেয়, আর একটি দীর্ঘ সেশনে এটি সত্যিই সুবিধাজনক: আপনি একটি ফলাফলের উপর কাজ চালিয়ে যেতে পারেন, তারপর সবকিছু আবার আপলোড না করেই একটি নতুন উপাদান আনতে পারেন।

দুটির নিরাপত্তা-ব্যবস্থা একই। কিছু রেন্ডার হওয়ার আগেই নিশ্চিতকরণ কার্ড নির্দেশনাটি দেখায়, সে যে ক্রম বেছেছে তা সহ। সেটি পড়ুন। ভূমিকা যদি উল্টে গিয়ে থাকে — সোয়েটার ভিত্তি, মানুষ সোর্স — তবে বলুন, আর একটি পিক্সেল তৈরি বা বিল হওয়ার আগেই তা ঠিক হয়ে যাবে। তবু, থ্রেড যখন দীর্ঘ আর ছবিতে ভর্তি, দরকারিগুলি আবার যুক্ত করুন; ছয় ছবি আগের প্রেক্ষিতে "the second image" যেকোনো পাঠকের কাছেই অস্পষ্ট।

Shannon-কে একটি ছবি দেখতে বলা — বর্ণনা করা, লেবেল পড়া, কাপড়টি কী তা বলা — সাধারণ ভিশনের কাজ, তৈরি নয়। এতে বাড়তি কোনো খরচ নেই আর রচনা শুরুর আগে এটি একটি ভালো পরীক্ষা: Shannon-এর বর্ণনায় যদি আপনার কাঙ্ক্ষিত খুঁটিনাটিটির উল্লেখ না থাকে, তবে আপনার নির্দেশনায় সেটির নাম করা দরকার।

11আনসেন্সরড, আর তার আসল মানে

জেনারেশনের পথে কোনো কনটেন্ট ফিল্টার নেই আর যে মডেল প্রম্পটটি লেখে তার উপর কোনো প্রত্যাখ্যানের স্তর নেই। রচনাই সেই জায়গা যেখানে ফিল্টারযুক্ত টুল সবচেয়ে দৃশ্যমানভাবে ব্যর্থ হয়, কারণ একটি প্রত্যাখ্যান-ব্যবস্থা আপনার নিজের ছবি মেলানো আর যেগুলি আপনার কাছে থাকাই উচিত নয় সেগুলি মেলানোর মধ্যে পার্থক্য করতে পারে না — তাই সে দুটিকেই আটকায়।

সেই টুলগুলি নিয়মিত যে কাজ প্রত্যাখ্যান করে তা অদ্ভুত কিছু নয়: শিল্পসম্মত নগ্নচিত্র ও ফিগার স্টাডি, চিকিৎসা ও ফরেনসিক চিত্রায়ণ, নিরাপত্তা গবেষণার ছবি, বইয়ের প্রচ্ছদ ও গেম আর্টের জন্য কল্পকাহিনিতে সহিংসতা, রাজনৈতিক ব্যঙ্গ, আর উপরে তালিকাভুক্ত বৈধ পণ্য-শ্রেণিগুলি। এর প্রতিটিই বৈধ পেশাদার কাজ, যাকে একটি কিওয়ার্ড ফিল্টার অপব্যবহার থেকে আলাদা করতে পারে না।

আনসেন্সরড মানে জবাবদিহিহীন নয়। আপনি আসল বস্তুর, আর প্রায়ই আসল মানুষের আলোকচিত্র জোগাচ্ছেন; অধিকার ও সম্মতি ধরে রাখার দায় আপনার, আর ফলাফলের দায়িত্বও। Shannon Lab LLC একটি নিউ মেক্সিকো কোম্পানি, যা একটি প্রকাশিত দায়িত্বশীল ব্যবহার নীতির অধীনে চলে — অন্যের অবয়ব নিয়ে কাজ শুরুর আগে পাঁচ মিনিট খরচ করার মতো।

12শুরুর আগে জেনে রাখার মতো সীমা

কোনো ভিডিও তৈরির ব্যবস্থা নেই। Shannon ছবিকে অ্যানিমেট করে না আর এই কাজগুলির কোনোটি থেকেই কোনো রূপে ভিডিও তৈরি করে না — একটি ছবি থেকেও নয়, একটি রচনা থেকেও নয়, পরীক্ষামূলক বিকল্প হিসেবেও নয়। আপনার কাজ যদি গতিতে গিয়ে শেষ হয়, তবে শেষ ধাপের জন্য এটি সেই টুল নয়। পণ্যটি যা, এটি তা-ই — কোনো রোডম্যাপের ইঙ্গিত নয়।

আরও কিছু সৎ সীমারেখা, সবগুলিরই বিকল্প পথ আছে:

• সূক্ষ্ম লেখাই দুর্বলতম জায়গা। ছোট ছাপা, ঘন প্যাকেজিং লেখা আর লম্বা সিরিয়াল নম্বর অসম্পূর্ণ আসতে পারে। পণ্যটি এমনভাবে ফ্রেম করুন যাতে গুরুত্বপূর্ণ লেখা বড় থাকে, নেগেটিভ প্রম্পটে warped label text রাখুন, আর পূর্ণ আকারে দেখে নিন।
• মাপের চরম অমিল কঠিন। ৪০০০-পিক্সেলের একটি পণ্যের ছবির সঙ্গে একটি ঘরের ছোট থাম্বনেইল মেলালে মডেলের হাতে কাজ করার মতো কিছুই থাকে না। প্রতিটি সোর্সের সবচেয়ে ভালো কপিটি ব্যবহার করুন।
• বেশি আড়াল থাকলে কী স্থানান্তর করা যাবে তা সীমিত হয়। ভাঁজ করা অবস্থায় তোলা, পিঠ কখনও দেখা যায়নি এমন পোশাকের পিঠ বিশ্বস্তভাবে বানানো যায় না। রচনায় পিঠ দেখা গেলে পিঠের ছবিটিও দিন।
• বেশি ছবি মানে গুলিয়ে যাওয়ার বেশি জায়গা। শৃঙ্খলাবদ্ধ ক্রমবাচক নামকরণে চারটি সোর্স চালানো যায়, তবে এখানে গা-ছাড়া হওয়ার জায়গা নেই — কাজের জন্য যতগুলি দরকার ততগুলিই ব্যবহার করুন, বেশি নয়।
• একসঙ্গে দুটি বড় পরিবর্তন প্রতিযোগিতা করে। আগে পোশাকটি স্থানান্তর করুন, নিশ্চিত করুন, তারপর ব্যাকগ্রাউন্ড বদলান। ধাপে ধাপে সম্পাদনা প্রায় সবসময়ই একটি ভারাক্রান্ত নির্দেশনাকে হারায়, আর প্রতিটি ধাপ পরীক্ষা করাও সস্তা।

13প্রায়শই জিজ্ঞাসিত প্রশ্ন

---

ছবি তৈরি, সম্পাদনা ও একাধিক-ছবির রচনা Shannon চ্যাট অ্যাপের বৈশিষ্ট্য; /v1/chat/completions, /v1/messages ও /v1/responses এন্ডপয়েন্টগুলি লেখা ও ভিশন পরিবেশন করে, অর্থাৎ সেগুলি ছবি পড়ে, তৈরি করে না। কোনো ভিডিও তৈরির ব্যবস্থা নেই। আকারের বিকল্প, নেগেটিভ-প্রম্পট সমর্থন ও নিশ্চিতকরণের আচরণ ৫ সেপ্টেম্বর ২০২৬ পর্যন্ত হালনাগাদ। সম্পর্কিত: আনসেন্সরড AI ইমেজ জেনারেশন · আনসেন্সরড AI ইমেজ এডিটিং · দায়িত্বশীল ব্যবহার · API ডকুমেন্টেশন · গবেষণা সূচি।