Přenos oblečení pomocí AI, bez cenzury

Většina práce s obrázky, kterou lidé skutečně potřebují, není „udělej mi obrázek nějaké věci“. Je to „obleč tuhle bundu tomuhle člověku“, „dej tuhle židli do téhle místnosti“, „vyfoť tenhle produkt v té ruce“. Všechno tohle potřebuje materiál z více než jedné fotografie a všechno to selhává stejně: jeden obrázek se přiloží, druhý se popíše slovy, a zpátky přijde něco věrohodného, co ale není ta věc, kterou vlastníte. Náprava je menší, než byste čekali, a funguje všude.

01Co je „spojování obrázků“ a kde se děje

Shannon 3 dělá s obrázky tři odlišné věci: generuje nový obrázek z popisu, upravuje jeden existující obrázek a spojuje dva či více obrázků do jediného nového. Mají různá pravidla a volba té špatné je první místo, kde se kazí kvalita.

Spojování použijte vždy, když hotový obrázek potřebuje materiál z více než jedné fotografie: přenos oblečení a šatníku, vložení objektu do scény, osoba A vedle osoby B, skutečný produkt v rukou skutečné modelky, styl jednoho obrázku aplikovaný na subjekt jiného. Pokud si přejete, abyste mohli ukázat na dva obrázky najednou, je to právě tahle operace.

Všechno tohle se děje v chatovací aplikaci Shannon, v běžné konverzaci. Není to na API /v1 — API obsluhuje text a vidění, což znamená, že obrázky, které pošlete, čte, místo aby vytvářelo nové. Pokud jste sem přišli z hledání API, tohle je poctivá odpověď; co endpointy skutečně obsluhují, najdete v dokumentaci API. Obrázky se vykreslují na našem vlastním GPU clusteru.

Ptáte se běžným jazykem, v jakémkoli jazyce mluvíte. Shannon zjistí, že se žádá obrázek, sám si napíše generovací instrukci v angličtině a ukáže vám ji na potvrzovací kartě dřív, než se cokoli vykreslí. Nic se nevygeneruje a nic se nenaúčtuje, dokud nepotvrdíte — a u práce s více obrázky je právě ta karta místem, kde zkontrolujete, že role a pořadí vyšly tak, jak jste mysleli. Shannon nikdy negeneruje nevyzván: pozdrav, otázka nebo mimochodem přiložená fotka vykreslení nespustí.

02Pravidlo: pojmenujte roli každého obrázku, po pořadě

Instrukce musí říct, čím každý obrázek přispívá, a musí to říct v pořadí, ve kterém byly obrázky zadány. To je celá technika; všechno níže je tohle pravidlo aplikované na konkrétní úkol.

První obrázek je základ — hlavní subjekt, nebo scéna, podle toho, z čeho je hotový obrázek tvořen z větší části. Určuje identitu, pózu, rámování, osvětlení a všechno, o čeho změnu jste nežádali. Další obrázky jsou zdroje: části, které se přinášejí. Napište větu tak, aby cizí člověk držící obrázky v pořadí dokázal ten úkol udělat ručně.

Funguje
Žena z prvního obrázku v červeném pleteném svetru z druhého
obrázku, stojící ve stejném parku, ve stejné póze a ve stejném
odpoledním světle, obličej a vlasy beze změny.

Selže
Spoj tyhle dva obrázky.   Sluč ty fotky.   Dej je dohromady.

Selhávající verze selhávají ne proto, že jsou krátké, ale proto, že nikdy neřeknou, který obrázek je ten člověk a který ten svetr. Pravidlo dělají spolehlivým tři návyky:

• Používejte řadové výrazy explicitně. „Z prvního obrázku“, „z druhého obrázku“. Tři slova, a nejednoznačnost je pryč.
• Řekněte, co zůstává stejné. „Ponech její obličej, vlasy a pózu identické.“ Pojmenování nezměněných částí je největší páka na kvalitu v každé obrazové operaci, kterou Shannon dělá, a nejvíc na něm záleží tady, protože kompozice má dvě a více věcí, od kterých se může odchýlit.
• Pište souvislý text, ne značky. Obrazový model čte instrukce tak, jak jazykový model čte větu, takže celé věty vyhrávají nad klíčovými slovy oddělenými čárkami. Miřte na 30 až 80 slov a vynechte harampádí z éry SDXL („masterpiece, best quality, 8k“) a váhovou syntaxi jako (word:1.3).

Když obrázek obsahuje víc než jednu věc, pojmenujte tu část, kterou z něj chcete. Pokud je druhý obrázek katalogovým snímkem modelky ve svetru, „červený pletený svetr, který má na sobě žena na druhém obrázku“ říká, že chcete ten oděv, ne tu modelku. Nechte to u „druhého obrázku“ a můžete dostat i její obličej.

Šablony rolí podle úkolu

Úkol	První obrázek	Druhý obrázek	Podoba instrukce
Přenos oblečení	Osoba	Oděv	„[Osoba] z prvního obrázku v [oděv] z druhého obrázku, [co zůstává]“
Objekt ve scéně	Scéna	Objekt	„[Místnost] z prvního obrázku s [objekt] z druhého obrázku umístěným [kam], odpovídající [světlo]“
Osoba + osoba	Osoba A a prostředí	Osoba B	„[Muž] z prvního obrázku stojící vedle [žena] z druhého obrázku, [pozice, směry pohledu]“
Produkt na osobě	Modelka nebo scéna	Produkt	„[Modelka] z prvního obrázku držící [produkt] z druhého obrázku, [úchop, natočení etikety]“
Přenos stylu	Subjekt	Stylová reference	„[Subjekt] z prvního obrázku vykreslený v [osy stylu] druhého obrázku, [subjekt beze změny]“

03Chyba, která kazí většinu pokusů: popisovat místo přikládat

Tohle je chyba, o které stojí za to dělat povyk, protože je zdaleka nejčastější a protože vypadá, jako by fungovala. Uživatel má dvě fotografie — svého klienta a jeho produkt, nebo sebe a bundu, kterou vlastní. Jednu přiloží a druhou napíše.

Ta chyba
[přiloží jednu fotku ženy]
„Obleč jí červený pletený svetr, copánkový vzor, docela hrubý,
s ohrnutým límcem.“

Zpátky přijde žena v červeném pleteném svetru. Je to dobrý svetr. Není to ten svetr. Copánkový vzor je vymyšlený, barvivo je jiná červená, hloubka žebrování je špatně, límec se ohrnuje na špatnou stranu a drobné asymetrie, díky nimž je skutečný oděv rozpoznatelný — oprava, zatažené očko, vytahané lokty — jsou pryč, protože nic ve větě je neobsahovalo.

Text je ztrátový kanál, fotografie ne. Pečlivá věta nese možná tucet vlastností objektu; fotografie jich nese tisíce, včetně všech, které by vás nenapadlo zapsat, a těch, které neumíte pojmenovat. Popisovat místo přikládat zahazuje všechno, co vás nenapadlo, což je většina toho. Přiložení skutečný vzhled zachová, protože skutečný vzhled je přítomen.

Test je jednoduchý. Pokud je pointou obrázku to, že jde o ten jeden — ten konkrétní oděv, tu osobu, ten přesný produkt, tu místnost — přiložte to. Pokud byste tu věc dokázali poznat v řadě podobných a záleží na tom, aby výsledek odpovídal té, kterou byste vybrali, popis to nezvládne.

Existuje legitimní důvod pro popisování: když ta věc ještě neexistuje, nebo když chcete právě obecnou verzi. Navrhovat svetr, který nikdo neupletl, načrtnout koncept — to je práce s generováním z textu a popis je správný, protože tu není žádný skutečný objekt, jehož identitu byste zachovávali. Ve chvíli, kdy do zadání vstoupí skutečný objekt, vstupuje s ním i jeho fotografie.

Příbuzná polochyba: přiložit oba obrázky a pak ten druhý přesto podrobně popisovat. Přídavná jména mohou bojovat s fotografií — napište „hrubý“, když je skutečný oděv z jemné příze, a zavedli jste rozpor. Popisujte druhý obrázek jen natolik, aby bylo jasné, kterou jeho část chcete.

04Přenos oblečení a šatníku

Kanonický úkol pro dva obrázky. Přiložte nejprve osobu a oděv jako druhý. Obrázek oděvu může být rozložení na plocho, snímek na ramínku, katalogová fotka nebo někdo jiný, kdo ho má na sobě — všechno funguje, pokud řeknete, kterou jeho část máte na mysli.

Přenos oblečení
Žena z prvního obrázku v červeném pleteném svetru z druhého
obrázku. Ponech její obličej, vlasy, pózu a parkové pozadí přesně
tak, jak jsou, se stejným měkkým zataženým světlem. Svetr má na
její postavě splývat přirozeně, s neporušeným copánkovým vzorem
a límcem původního oděvu.

Negativní prompt: zdeformovaný copánkový vzor, rukávy navíc,
zdeformované ruce, plastově vypadající látka, nesedící osvětlení

Práci dělají tři věci: role jsou pojmenované po pořadě, nezměněné části jsou vyjmenované nahlas (což je to, co zastaví ujíždění obličeje), a poslední věta modelu říká, že pointou jsou vlastní detaily oděvu — bez ní mají kompozice sklon udržet barvu a siluetu a potichu vyhladit texturu.

• Padnutí je fyzické tvrzení, tak ho vyslovte. „Splývá přirozeně na její postavě“, „přiléhavý v pase“, „rukávy končící u zápěstí“ — jinak může oděv dorazit ve svých vlastních proporcích místo v proporcích nositelky.
• Zakrytí je ten těžký případ. Pokud jsou ruce zkřížené nebo hrudník kříží popruh tašky, řekněte, co se s tím stane. Nejednoznačnost tam vyrobí klasický artefakt roztečeného rukávu.
• Víc oděvů znamená víc obrázků. Nejprve osoba, pak vršek, pak kalhoty, pak boty — a odkazujte se na ně důsledně jako na druhý, třetí a čtvrtý obrázek. Nepřepínejte v půlce na „ten obrázek s botou“.

05Vložení objektu do scény

Tady se role obracejí: scéna jde první, protože z ní je hotový obrázek tvořen z větší části, a objekt je ta část, která se přináší. Interiérové vizualizace, zařizování pokoje nábytkem, který jste ještě nekoupili, vložení vozidla na silnici, umístění sochy do galerie — pokaždé stejný tvar.

Objekt ve scéně
Obývací pokoj z prvního obrázku se zeleným sametovým křeslem
z druhého obrázku umístěným vedle okna vlevo, mírně natočeným
ke kameře a sahajícím ve snímku zhruba do výše pasu. Odpovídej
teplému pozdně odpolednímu světlu místnosti, s měkkým stínem
padajícím vpravo od křesla na koberec. Ponech zbytek místnosti
a úhel kamery beze změny.

Negativní prompt: plovoucí objekt, vystřižené okraje, zdvojené
stíny, nesedící teplota barev

Způsob selhání tu není identita, ale fyzika. Objekt, který si nechá své vlastní osvětlení, vypadá nalepeně a diváci to okamžitě poznají, i když nedokážou říct proč. Slova utraťte za tři věci, které fotografie izolovaného objektu nemůže vědět: umístění (kde ve snímku, vůči čemu), velikost vyjádřenou vzhledem ke scéně, ne v centimetrech („zhruba do výše pasu“, „vysoký jako klika dveří“), a světlo a stín — směr, kvalitu a to, kam stín padá. Právě to poslední mění koláž ve fotografii.

06Osoba A vedle osoby B

Dva lidé, kteří spolu nikdy nebyli v jedné místnosti: rodinné fotografie napříč generacemi, portrét zakladatele, když byl spoluzakladatel na cestách, plakát se dvěma účinkujícími. Funguje to a potřebuje to dvě věci, které úkoly s jedním subjektem nepotřebují.

Dva lidé
Muž z prvního obrázku stojící vedle ženy z druhého obrázku, oba
na téže kamenné terase z prvního obrázku. On stojí vlevo, ona po
jeho pravici, rameny se téměř dotýkají, oba čelem ke kameře ve
stejné výšce očí. Ponech oba obličeje, účesy a oblečení přesně
jako na jejich vlastních fotografiích a osvětli oba stejným
měkkým večerním světlem zleva.

Plátno: landscape
Negativní prompt: nesedící odstín pleti, zdvojené končetiny,
linie spoje mezi postavami, nerovnoměrné osvětlení

Ty dvě věci navíc: vzájemná geometrie — kdo je na které straně, jak daleko od sebe, kam míří čí pohled a relativní výška, protože dva různě oříznuté portréty modelu nedávají žádnou možnost poznat, že jeden člověk je o hlavu vyšší — a jediné sdílené světlo, řečené explicitně, protože slučujete dvě světelná prostředí a jedno musí vyhrát.

Tady se také vyplácí volba nového poměru plátna: dva zdroje na výšku dají špatný skupinový snímek na výšku, takže si řekněte o landscape nebo wide. A jednou vyslovme to zjevné — vložit skutečného člověka do obrázku, na kterém nebyl, je mocné a není to automaticky neškodné. Mějte práva nebo souhlas; naše zásady odpovědného užívání jsou krátká verze.

07Produkt na osobě a produktová fotografie bez cenzury

Komerčně je tohle kompozice, která se sama zaplatí. Máte produktový snímek na bílém pozadí a máte modelku, ruku, kuchyň, ponk. Jejich spojením dostanete lifestylovou fotografii bez dne ve studiu — a s vaším skutečným produktem v ní místo vygenerované aproximace, což je celý rozdíl mezi použitelným marketingovým materiálem a mockupem, za který se musíte omlouvat.

Produkt na osobě
Žena z prvního obrázku držící jantarovou skleněnou lahvičku séra
z druhého obrázku v pravé ruce, zvednutou do výše hrudi, etiketou
ke kameře a plně čitelnou, prsty přirozeně obepínající lahvičku,
aniž by zakrývaly etiketu. Ponech její obličej, vlasy a kuchyňské
pozadí beze změny. Fotografováno na Kodak Portra 400, 85mm f/1.4, měkké
okenní světlo zleva.

Plátno: portrait
Negativní prompt: zdeformovaný text etikety, prsty navíc,
plovoucí lahvička, zdvojené odrazy, plastová pleť

Dva doplňky specifické pro produktovou práci. Úchop: ruce držící objekty jsou místem, kde se kompozice kazí nejčastěji, takže řekněte, kterou rukou, v jaké výšce a že prsty obepínají přirozeně, aniž by zakryly etiketu. Fotografické zpracování: pojmenujte fotoaparát, objektiv a film nebo zdroj světla. Výstup se má číst jako fotografie, která byla pořízena, ne jako dvě fotografie, které byly spojeny — a napsat to jako fotografii je to, co vás tam dostane.

Absence cenzury tu hraje roli všednějším způsobem, než to zní. Filtrované generátory odmítají celé kategorie běžného, legálního obchodu: katalogy spodního prádla a plavek, tabákový a vapovací hardware, alkohol, příslušenství ke střelným zbraním, produkty pro dospělé, konopí tam, kde je legální, zdravotnické prostředky, taktické a lovecké vybavení. Odmítají také práci se značkou a podobiznou prováděnou držitelem práv. Nic z toho není okrajový případ; je to úterý v agentuře. Shannon nemá na generovací cestě žádný filtr obsahu a na modelu, který píše prompt, žádnou vrstvu odmítání, takže práce projde a otázka práv zůstává u vás, kam patří.

08Styl z jednoho obrázku, subjekt z druhého

Subjekt první, stylová reference druhá. Tenhle úkol je jiný tím, že si půjčujete vlastnost, ne objekt, takže musíte pojmenovat které — a říct, že vlastní subjekt a kompozice reference s sebou nepřijdou.

Stylová reference
Portrét muže z prvního obrázku vykreslený ve vizuálním stylu
druhého obrázku: stejná tlumená paleta modrozelené a okrové,
viditelná textura suchého štětce a ploché rovnoměrné osvětlení.
Ponech jeho obličej, výraz a pózu rozpoznatelné a beze změny.
Nepřenášej subjekt, pozadí ani kompozici druhého obrázku.

Negativní prompt: druhý obličej, vypůjčené pozadí, fotografická
textura

Pojmenujte osy stylu explicitně, protože samotné „ve stylu druhého obrázku“ je nedostatečně určené: paleta (nebo přesné barvy, zapsané jako color #8B0000 připojené k pojmenovanému objektu), rukopis štětce nebo zrno, kvalita světla, síla linky, míra abstrakce, zpracování hran. Vyberte dvě nebo tři, které ten vzhled definují; pojmenovat všech šest je zprůměruje. A nemíchejte protichůdné směry — „fotorealistický“ plus „akvarel“ dá zmatek, ne splynutí. Pokud chcete fotografii, která si jen půjčí paletu, řekněte přesně to.

09Negativní prompty a volba nového poměru plátna

Dvě schopnosti, které existují pro spojování a úpravy, ale ne pro generování z textu, a obě jsou nevyužité.

Negativní prompt

Spojování obrázků podporuje negativní prompt. Nechtěné artefakty patří tam — a záleží na tom, že patří tam a ne do instrukce, protože napsat „žádné prsty navíc“ do hlavní instrukce pojmenuje věc, které se snažíte vyhnout, jedním dechem se vším, co chcete. Vyloučení dejte do jejich vlastního kanálu. Položky, které si své místo soustavně zaslouží:

• Anatomie — prsty navíc, zdvojené končetiny, zdeformované ruce, druhý obličej.
• Známky koláže — vystřižené okraje, viditelná linie spoje, plovoucí objekt, zdvojené stíny, svatozář kolem postavy.
• Nesouhlasné osvětlení — nesedící teplota barev, nekonzistentní směr stínů, nerovnoměrná expozice mezi postavami.
• Selhání textur — plastová pleť, vyhlazená látka, zdeformovaný text etikety, nečitelné logo.

Držte se hrstky těch, které jsou pro váš obrázek pravděpodobné. Negativní prompt s třiceti položkami je rozostřená instrukce, ne silná.

Poměr plátna

Úprava jednoho obrázku dědí poměr stran zdrojového obrázku automaticky — je tu jeden zdroj a jeho tvar je odpověď. Spojování takové výchozí hodnoty nemá, takže můžete zvolit nový poměr plátna, a často byste měli, protože tvar, který vyhovoval jednomu zdroji, jen zřídka vyhovuje kompozici.

Poměr	Nejlepší pro	Typické kompoziční využití
square	Výchozí, sociální sítě	Jeden subjekt s jedním přeneseným prvkem
portrait	Lidi, vysoké subjekty	Přenos oblečení, produkt držený jednou modelkou
landscape	Krajiny, skupiny	Dva lidé vedle sebe, objekt umístěný do pokoje
wide	Filmové rámování	Skupinové snímky, produktové scény v prostředí, bannery
tall	Plakáty, tapety na telefon	Celopostavové snímky oblečení, rozvržení plakátů

Explicitní požadavek vždy vyhrává. Neřekněte nic a dostanete čtverec — špatný tvar pro většinu prací se dvěma lidmi a s celopostavovým oblečením, takže za to slovo to stojí.

10Které obrázky Shannon použije: konverzace versus tahle zpráva

Obrázek se do kompozice dostane dvěma způsoby a vědět, na který spoléháte, předejde většině zmatků v pořadí.

Přiložený k aktuální zprávě. Přímá cesta: přiložte všechno ke zprávě, která nese instrukci, v pořadí, ve kterém se na to hodláte odkazovat, a „první obrázek“ a „druhý obrázek“ znamenají přesně to, jak vypadají. Tohle mějte jako výchozí.

Už v konverzaci. Obrázky poslané dřív ve vlákně zůstávají dostupné a lze se na ně odkázat běžným jazykem — „ta fotka, co jsem poslal dřív“, „ten obrázek se svetrem z dřívějška“, „druhá verze, kterou jsi udělal“. Shannon odkaz vyhodnotí vůči vláknu, což je při dlouhé relaci opravdu pohodlné: můžete iterovat na výsledku a pak přinést nový prvek, aniž byste všechno nahrávali znovu.

Pojistka je v obou případech stejná. Potvrzovací karta ukáže instrukci dřív, než se cokoli vykreslí, včetně pořadí, které zvolila. Přečtěte si ji. Pokud role vyšly obráceně — svetr jako základ, člověk jako zdroj — řekněte to a je to opravené dřív, než se vygeneruje nebo naúčtuje jediný pixel. Přesto: když je vlákno dlouhé a plné obrázků, přiložte znovu ty, které potřebujete; o šest obrázků zpět je „druhý obrázek“ nejednoznačný pro každého čtenáře.

Požádat Shannona, aby se na obrázek podíval — popsal ho, přečetl etiketu, řekl vám, co je to za látku — je běžná práce s viděním, ne generování. Nestojí to nic navíc a je to dobrá kontrola před skládáním: pokud Shannonův popis nezmiňuje detail, na kterém vám záleží, vaše instrukce ho musí pojmenovat.

11Bez cenzury a co to vlastně znamená

Na generovací cestě není žádný filtr obsahu a na modelu, který píše prompt, není žádná vrstva odmítání. Kompozice je místem, kde filtrované nástroje selhávají nejviditelněji, protože systém odmítání nedokáže rozlišit mezi spojováním obrázků, které vlastníte, a spojováním obrázků, které byste mít neměli — a tak blokuje obojí.

Práce, kterou tyto nástroje rutinně odmítají, není exotická: umělecké akty a figurální studie, lékařská a forenzní ilustrace, obrazový materiál pro bezpečnostní výzkum, násilí ve fikci pro knižní obálky a herní art, politická satira a legální produktové kategorie vyjmenované výše. Každá z nich je legitimní profesionální práce, kterou filtr klíčových slov nedokáže odlišit od zneužití.

Bez cenzury neznamená bez odpovědnosti. Dodáváte fotografie skutečných objektů a často skutečných lidí; práva a souhlas jsou na vás, stejně jako odpovědnost za výsledek. Shannon Lab LLC je společnost z Nového Mexika provozovaná podle zveřejněných zásad odpovědného užívání — stojí za pět minut, než se pustíte do práce s podobiznami jiných lidí.

12Meze, které stojí za to znát, než začnete

Generování videa neexistuje. Shannon obrázky neanimuje a nevytváří video v žádné podobě z žádné z těchto operací — ani z jednoho obrázku, ani z kompozice, ani jako experimentální volbu. Pokud vaše zadání končí pohybem, tohle není nástroj na poslední krok. Takový ten produkt je, není to náznak plánu.

Další poctivé hranice, všechny s obchvatem:

• Drobný text je nejslabší oblast. Drobné písmo, hustý text na obalech a dlouhá sériová čísla mohou vyjít nedokonale. Nakomponujte produkt tak, aby důležitý text byl velký, dejte do negativního promptu zdeformovaný text etikety a zkontrolujte to v plné velikosti.
• Extrémní nepoměr velikostí je těžký. Produktový snímek o 4000 pixelech spojený s malým náhledem místnosti dává modelu málo, s čím pracovat. Použijte nejlepší kopii každého zdroje, jakou máte.
• Silné zakrytí omezuje, co lze přenést. Oděv vyfocený složený, jehož zadní strana nikdy není vidět, nemůže mít záda věrně vymyšlená. Pokud kompozice ukazuje záda, dodejte záda.
• Víc obrázků znamená víc prostoru pro zmatek. Čtyři zdroje jsou zvládnutelné při disciplinovaném řadovém pojmenování, ale není to místo na ledabylost — použijte tolik, kolik úkol potřebuje, a ne víc.
• Dvě velké změny naráz spolu soupeří. Přeneste oblečení, potvrďte, pak změňte pozadí. Postupné úpravy skoro vždy porazí jednu přetíženou instrukci a každý krok se levně zkontroluje.

13Často kladené otázky

---

Generování obrázků, jejich úpravy a kompozice z více obrázků jsou funkce chatovací aplikace Shannon; endpointy /v1/chat/completions, /v1/messages a /v1/responses obsluhují text a vidění, což znamená, že obrázky čtou, místo aby je generovaly. Generování videa neexistuje. Volby poměru stran, podpora negativního promptu a chování potvrzování platí k 5. září 2026. Související: generování obrázků AI bez cenzury · úpravy obrázků AI bez cenzury · odpovědné užívání · dokumentace API · rejstřík výzkumu.