Y Golygydd Delweddau AI Heb Sensoriaeth
Newidiwch, ailarddulliwch, ailoleuwch, ailwisgwch neu atgyweiriwch un ddelwedd sy'n bodoli drwy ysgrifennu brawddeg. Dim masgiau, dim hidlyddion, dim gwrthod — ac un dechneg sy'n cyfrif yn fwy na'r lleill i gyd gyda'i gilydd.
TL;DR
Mae Shannon yn golygu yn union un ddelwedd sy'n bodoli o gyfarwyddyd mewn iaith blaen — dim brwsh, dim masg, dim dethol. Rhaid i'r cyfarwyddyd hwnnw ddweud beth sy'n newid A beth sy'n aros, am fod y model yn ailgynhyrchu'r ffrâm gyfan: mae unrhyw beth nad ydych yn ei enwi fel rhywbeth digyfnewid yn rhydd i grwydro. Enwi'r rhannau digyfnewid — ‘cadwch yr wyneb, yr ystum a'r dillad yn union yr un fath’ — yw'r lifer ansawdd mwyaf sydd gennych. Mae'r llwybr golygu yn derbyn anogaeth negyddol (nid yw testun-i-ddelwedd yn gwneud hynny); rhowch arteffactau diangen yno yn hytrach nag ysgrifennu ‘dim X’ yn y cyfarwyddyd. Mae'r allbwn yn etifeddu cymhareb agwedd y ffynhonnell yn awtomatig. Nid oes cynhyrchu fideo a dim ffordd o animeiddio delwedd. Mae golygu'n rhedeg ar ein clwstwr GPU ein hunain yn yr ap sgwrsio, heb hidlydd cynnwys a heb haen wrthod.
Mae gan y rhan fwyaf o bobl sy'n chwilio am olygydd delweddau AI heb sensoriaeth un ddelwedd ac un broblem: mae'r cefndir yn anghywir, mae'r golau'n fflat, mae'r siaced yn y lliw anghywir, mae dieithryn yn sefyll yn y ffrâm, mae plyg drwy'r sgan — neu mae'r golygiad yn berffaith ddilys ac mae eu teclyn cyfredol yn gwrthod cyffwrdd ag ef. Mae hyn yn ymwneud â gwneud hynny'n dda: nid pa olygydd sydd â'r mwyaf o lithryddion, ond yr un arfer sy'n gwahanu golygiad sy'n glanio oddi wrth olygiad sy'n ailadeiladu wyneb eich testun yn dawel tra nad oeddech yn edrych.
01Beth yw golygu drwy gyfarwyddyd mewn gwirionedd
Mae golygu AI clasurol yn gofyn i chi wneud y rhan anodd eich hun: agor cynfas, peintio masg dros y rhan rydych chi am ei newid, teipio ymadrodd sy'n disgrifio beth sy'n perthyn y tu mewn iddo. Manwl gywir, araf, a diwerth y foment nad oes gan eich newid amlinell lân — symudiad goleuo, cyfnewid gwisg sy'n newid yr amlinell, graddio lliw byd-eang.
Mae Shannon yn gweithio'r ffordd arall. Nid ydych chi'n dethol dim. Rydych chi'n ysgrifennu brawddeg am y ddelwedd, mewn unrhyw iaith, ac mae'r rhan yn cael ei chasglu o'ch geiriau. Mae hynny'n ei wneud yn ddewis arall ymarferol i inpainting heb sensoriaeth i unrhyw un sydd eisiau'r canlyniad yn hytrach na'r gwaith dethol — gydag un canlyniad mecanyddol y mae'n rhaid i chi ei ddeall yn gyntaf:
Ail-rendro'r ffrâm gyfan yw golygiad, wedi'i gyflyru ar eich delwedd ffynhonnell — nid clwt wedi'i osod ar ran ohoni. Mae'r Model Delwedd yn darllen eich gwreiddiol, yn darllen eich cyfarwyddyd, ac yn cynhyrchu delwedd newydd sydd i fod yn wreiddiol ynghyd â'r newid. Nid oes dim wedi'i rewi'n fecanyddol. Mae pob picsel ar gael i'w ailnegodi ym mhob golygiad.
Dyna pam mae ‘stryd law yn Tokyo’ — di-fai mewn teclyn masg — yn dod yn ôl gyda pherson ychydig yn wahanol yn sefyll ynddi. Mewn teclyn masg roedd y masg yn dweud bod y person y tu hwnt i'r terfynau; yma mae'n rhaid i'ch brawddeg wneud hynny. Y fantais: mae golygu drwy gyfarwyddyd yn gwneud yr hyn na all masgiau ei wneud — symud yr haul a chael y cysgodion i gytuno, newid dilledyn a chael y ffabrig i blygu dros yr ystum sy'n bodoli, ailarddulio ffotograff yn inc a lliw fflat wrth ddal y cyfansoddiad. Nid oes ffin i'w pheintio ar y golygiadau hynny; perthnasoedd ar draws y ffrâm gyfan ydynt.
02Angori: y lifer ansawdd mwyaf oll
Mae angori'n golygu ysgrifennu pob cyfarwyddyd golygu fel dau gymal: y cymal newid (beth ddylai fod yn wahanol, wedi'i nodi'n gadarnhaol ac yn benodol) a'r cymal cadw (y rhannau y mae'n rhaid iddynt oroesi'n ddigyffwrdd, wedi'u henwi fel enwau penodol). Mae'r ddau'n dwyn pwysau — dymuniad yw'r cymal newid ar ei ben ei hun. Os cymerwch chi un peth o'r dudalen hon: mae eich canlyniad yn cael ei bennu gan ba mor benodol rydych chi'n enwi'r hyn sy'n aros, nid gan ba mor fyw rydych chi'n disgrifio'r hyn sy'n newid.
Tair ffordd y mae cyfarwyddiadau heb angor yn crwydro
- Crwydro hunaniaeth. Mae'r wyneb yn dod yn ôl bron yn iawn — trwyn ychydig yn wahanol, llinell gên wedi'i phrydferthu'n dawel. Y methiant mwyaf niweidiol, am ei fod yn anodd ei weld ar ffôn ac yn amlwg i unrhyw un sy'n adnabod y person.
- Ailarddulio cyfochrog. Gofynnoch chi am gefndir newydd; cawsoch hefyd raddiad lliw newydd, lens newydd, a siwmper a arferai fod yn rhesog. Darllenodd y model y cyfarwyddyd fel disgrifiad o'r ddelwedd darged gyfan yn hytrach na delta oddi wrth y ffynhonnell.
- Ymledu cwmpas o ansoddeiriau. Nid yw ‘mwy dramatig’, ‘glanach’, ‘mwy proffesiynol’ yn enwi gwrthrych o gwbl. Mae ansoddair heb enw'n berthnasol i bopeth, felly mae popeth yn symud.
Geirfa'r angor
Mae angorau'n gweithio fel enwau penodol. Mae ‘cadwch ef yr un fath’ yn wan — ni all y model wybod pa undonedd sydd o bwys i chi. Dewiswch dri i bump o eitemau sy'n bwysig i'ch golygiad ac enwch nhw'n blwmp ac yn blaen.
| Beth rydych chi'n ei newid | Angorau gwerth eu henwi'n benodol |
|---|---|
| Cefndir / lleoliad | wyneb a nodweddion wynebol, steil gwallt, ystum, dwylo, dillad, ongl y camera, tocio, goleuo ar y testun |
| Goleuo / naws | wyneb, mynegiant, gweadedd croen, ystum, dillad, cynnwys y cefndir, fframio |
| Dillad / gwisg | wyneb, barf neu wallt, ystum, dwylo, cyfrannau'r corff, cefndir, cyfeiriad y goleuo, graddiad lliw |
| Arddull / cyfrwng | cyfansoddiad, ystum, hyd y gwallt, siapiau'r wisg, nifer y testunau, tocio |
| Tynnu gwrthrych / atgyweirio | popeth arall yn y ffrâm — y testun, y bensaernïaeth o'i gwmpas, y graen, y tonoledd, y cyferbyniad, y lliw |
| Lliw un peth | pob lliw arall yn y ddelwedd, ynghyd â gweadedd a deunydd y gwrthrych a newidiwyd |
Sylwch ar y rhes olaf. Mae ail-liwio'n mynd o chwith yn dawel, am fod ‘gwnewch y siaced yn goch’ yn gwahodd siaced wedi'i hailadeiladu o'r dechrau — toriad newydd, deunydd newydd, plygiadau newydd. Wedi'i angori: ‘ail-liwiwch y siaced sy'n bodoli i goch dwfn, gan gadw ei thoriad, ei gwythiennau, ei gweadedd ffabrig a'r ffordd y mae'n hongian yn union yr un fath.’ Un cymal o wahaniaeth, canlyniad llawer iawn gwell.
03Enghreifftiau gweithiedig: cyfarwyddyd gwan, pam mae'n crwydro, ailysgrifennu wedi'i angori
Mae pob pâr isod yn cynnwys yr un bwriad wedi'i ysgrifennu ddwywaith. Y diagnosis yn y canol yw'r rhan drosglwyddadwy.
A. Newid cefndir
Pam mae'n crwydro: mae hyn yn disgrifio delwedd gyrchfan, nid delta. Nid oes dim am y fenyw wedi'i ddiogelu a dim yn dal y camera'n llonydd, felly mae'r model yn ei hail-fframio a'i hail-rendro wrth adeiladu golygfa gredadwy.
Beth newidiodd: mae'r cymal cadw'n pinio hunaniaeth, gwisg a fframio, ac mae'r ymadrodd olaf yn dweud pa ffordd mae'r wythïen yn cael ei datrys — mae'r cefndir yn plygu i olau'r testun, nid i'r gwrthwyneb.
B. Ailoleuo
Pam mae'n crwydro: ansoddair heb enw yw ‘gwell’. Mae'n rhaid i'r model ddyfeisio diffiniad, a'r ffordd rataf o edrych yn well mewn ail-rendro yw croen wedi'i lyfnhau, dannedd disgleiriach a gên deneuach. Gofynnoch chi am olau a chawsoch ôl-gyffyrddiad.
Beth newidiodd: mae'r golau'n cael ei ddisgrifio'n ffisegol — cyfeiriad, ansawdd, tymheredd, gostyngiad. Mae gweadedd y croen wedi'i angori'n benodol, am mai wrth ailoleuo y mae model fwyaf tueddol o'i lyfnhau i ffwrdd.
C. Ailwisgo testun
Pam mae'n crwydro: mae siwt yn newid yr amlinell, felly mae'n rhaid ail-rendro'r torso — ac mae'r pen ar ei ben fel arfer yn mynd gydag ef. Golygiadau gwisg heb angor yw'r ail ffynhonnell fwyaf o grwydro hunaniaeth ar ôl cyfnewid cefndir.
Beth newidiodd: mae ‘wedi'i theilwra i'w osgo cyfredol’ yn gwneud y dilledyn yn ddarostyngedig i'r ystum. Mae'r dwylo wedi'u hangori ar wahân, am mai'r dwylo yw'r man lle mae golygiadau gwisg yn chwalu fwyaf gweladwy.
D. Ailarddulio ffotograff
Pam mae'n crwydro: mae gair arddull ar ei ben ei hun yn trosglwyddo popeth — cyfansoddiad, tocio, gwallt, gwisg, nifer y bobl — ac mae ‘anime’ yn ddeg mlynedd ar hugain o draddodiadau anghydnaws. Cewch ddarlun cymwys o olygfa wahanol.
Beth newidiodd: mae angen angor gwahanol ar olygiadau arddull. Ni allwch angori gweadedd — y gweadedd yw'r hyn sy'n cael ei ddisodli — felly rydych chi'n angori strwythur: cyfansoddiad, ystum, amlinellau, tocio, nifer y testunau. Mae gofyn am gadw ‘croen ffotorealistig’ o dan animeiddio cel yn wrthddywediad.
E. Tynnu rhywbeth
Pam mae'n crwydro: mae negydd yn dal i osod y cysyniad o flaen y model ac nid yw'n dweud dim am beth sy'n llenwi'r gofod gwag. Mae angen datganiad cadarnhaol o'r targed a'r llenwad ar dynnu pethau.
Beth newidiodd: mae'r targed wedi'i enwi yn ôl gwrthrych, lliw a safle; mae'r llenwad wedi'i bennu, felly nid yw'r model yn dyfeisio plaza lle mae palmant i fod; ac mae ‘popeth arall’ wedi'i sillafu'n enwau gwirioneddol.
F. Atgyweirio ffotograff wedi'i ddifrodi
Pam mae'n crwydro: mae ‘trwsio’ yn cael ei ddarllen fel ‘gwella’, ac mae gwella hen ffotograff yn golygu ei foderneiddio — croen glanach, cyferbyniad uwch, ac wyneb nad yw bellach yn eiddo i'ch mam-gu.
Beth newidiodd: mae'r difrod wedi'i restru, felly mae gan ‘trwsio’ gwmpas diffiniedig, ac mae'r graen a'r tonoledd wedi'u hangori am eu bod yn gwneud i'r print ddarllen yn ddilys i'w gyfnod. Y tri gwaharddiad yw'r achos prin lle mae negyddu'n haeddu ei le — cyfarwyddebau am broses, nid am wrthrychau.
Siâp cyfarwyddyd da
Anelwch at 25 i 60 gair, mewn brawddegau llawn yn hytrach na thagiau allweddair wedi'u gwahanu gan atalnodau — mae'r Model Delwedd yn darllen anogaethau fel y mae model iaith yn eu darllen, felly mae rhyddiaith yn curo cawl tagiau. Hepgorwch sothach cyfnod SDXL (masterpiece, best quality, 8k) a chystrawen pwysau fel (word:1.3); nid ydynt yn gwneud dim yma. Gwnewch un newid fesul cyfarwyddyd — mae dau newid digyswllt mewn un frawddeg yn cystadlu am sylw ac mae'r ddau'n dod yn ôl wedi'u hanner gwneud.
04Yr anogaeth negyddol — a gefnogir yma, yn wahanol i destun-i-ddelwedd
Mae hyn yn baglu pobl, felly dyma'i nodi'n blaen:
| Llwybr | Delweddau ffynhonnell | Anogaeth negyddol | Cymhareb agwedd | Ffurf yr anogaeth |
|---|---|---|---|---|
| Testun-i-ddelwedd | 0 | Heb ei chefnogi | Wedi'i dewis (sgwâr yn ddiofyn) | Rhyddiaith ddisgrifiadol |
| Golygu un ddelwedd | Yn union 1 | Wedi'i chefnogi | Wedi'i hetifeddu o'r ffynhonnell | Cyfarwyddyd: newid + cadw |
| Cyfuno 2+ ddelwedd | 2 neu fwy | Wedi'i chefnogi | Cynfas newydd i'w ddewis | Rhyddiaith ag enwau rolau |
Nid yw testun-i-ddelwedd yn cymryd anogaeth negyddol o gwbl — wrth gynhyrchu o ddim byd, disgrifio dim ond yr hyn rydych chi ei eisiau yw'r ddisgyblaeth (gweler cynhyrchu delweddau AI heb sensoriaeth). Mae golygu'n wahanol: mae gennych chi ffynhonnell yn barod, ac mae methiannau nodweddiadol ail-rendro'n hysbys ac yn enwadwy, felly mae gan anogaeth negyddol rywbeth pendant i'w atal.
Beth sy'n perthyn ynddi
Arteffactau, a dim ond arteffactau. Rhestr ddiffygion ydyw, nid ail sianel gyfarwyddyd:
- extra fingers, fused fingers, malformed hands — unrhyw olygiad sy'n ail-rendro person.
- warped text, garbled lettering, misspelled signage — unrhyw beth ag arwyddion, labeli neu becynnu yn y ffrâm.
- duplicated limbs, duplicated railing, repeated windows — tynnu pethau ac ymestyn cefndir.
- smeared texture, blurry patch, halo around the subject, visible seam — cyfnewid cefndir a thynnu gwrthrychau.
- plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — ailoleuo, golygu portreadau, hylendid cyffredinol.
Beth nad yw'n perthyn
Penderfyniadau cynnwys. Os ydych chi am i'r het fynd, y cyfarwyddyd yw ‘tynnwch yr het’ — nid anogaeth negyddol sy'n darllen ‘het’. Nid yw'r anogaeth negyddol yn tynnu pethau sy'n bodoli yn eich ffynhonnell yn ddibynadwy; mae'n annog diffygion i beidio ag ymddangos yn y rendro. Mae cynnwys yno'n rhoi gwaethaf y ddau fyd i chi: mae'r het yn aros, ac mae slot a allai fod wedi atal dwylo ystumiedig wedi mynd.
Mae hanner arall y rheol yn berthnasol i'ch cyfarwyddyd: rhowch y gorau i ysgrifennu ‘dim X’ ynddo. Mae ‘stryd heb geir’ a ‘phortread heb sbectol’ ill dau'n gosod y cysyniad diangen yn y frawddeg ac yn gofyn i'r model ei negyddu — gwaith y mae iaith yn ei drin yn dda a chyflyru delweddau'n ei drin yn wael. Dywedwch beth ddylai fod yno yn lle hynny: ‘stryd wag ag asffalt clir’, ‘portread â llygaid heb eu rhwystro’. Yr un eithriad, fel yn enghraifft F, yw cyfarwyddeb am broses — ‘peidiwch â miniogi’, ‘peidiwch ag ail-liwio’ — sy'n gwrthod gweithrediad yn hytrach nag enwi gwrthrych.
Y rhaniad llafur, mewn un llinell
Cyfarwyddyd: beth sy'n newid, beth sy'n aros — wedi'i nodi'n gadarnhaol. Anogaeth negyddol: y ffyrdd y gall rendro fod yn gam. Cadwch nhw ar wahân ac mae'r ddau'n gwella.
05Un ddelwedd ffynhonnell, a sut mae Shannon yn ei dewis
Mae golygiad yn gweithredu ar yn union un ddelwedd ffynhonnell: naill ai llun sydd eisoes yn y sgwrs — wedi'i atodi'n gynharach, neu wedi'i gynhyrchu i chi — neu un sydd ynghlwm wrth y neges rydych chi'n ei hanfon nawr. Nid oes dim yn cael ei dynnu i mewn o'r tu allan i'r edefyn, ac nid yw'r llwybr golygu byth yn uno dau lun yn dawel. Os oes angen elfennau o fwy nag un ddelwedd ar eich bwriad — y wisg o lun A ar y person yn llun B — cyfuniad yw hwnnw, gyda siâp anogaeth wahanol sy'n enwi rôl pob delwedd yn eu trefn.
Negeseuon dilynol a'r ddelwedd berthnasol ddiweddaraf
Unwaith y mae delwedd yn y sgwrs, mae negeseuon dilynol byr yn gweithio fel y byddech yn gobeithio. ‘Gwnewch hi'n dywyllach.’ ‘Nawr rhowch gynnig arni ar fachlud haul.’ Mae'r rhain yn datrys yn erbyn y ddelwedd berthnasol ddiweddaraf yn yr edefyn — fel arfer y canlyniad rydych chi newydd ei dderbyn — felly mae cyfres o gyfarwyddiadau bach yn ymddwyn fel pentwr o olygiadau. Tri chanlyniad:
- Iterwch mewn camau unigol. Mae pob neges ddilynol yn ail-rendro llawn arall, felly mae ‘gwnewch hi'n dywyllach a newidiwch ei chot a symudwch y camera'n is’ yn dri golygiad yn ymladd dros un pas. Anfonwch dair neges; stopiwch ar ba bynnag un a hoffech.
- Gwyliwch am golled cenhedlaeth. Mae gwyriadau bach yn cyfansymio; erbyn y chweched golygiad yn olynol gall wyneb fod ymhell oddi wrth y gwreiddiol er nad oedd yr un cam unigol yn edrych yn anghywir. Pan sylwch ar grwydro, rhowch y gorau i glytio — ailatodwch y ffeil wreiddiol ac ysgrifennwch un cyfarwyddyd cyfun sy'n amgodio popeth rydych chi wedi dysgu ers hynny eich bod ei eisiau.
- Mewn edefyn hir, byddwch yn benodol. Mae ‘Gan ddefnyddio'r llun traeth a atodais yn gynharach, …’ yn tynnu amwysedd pan fo sawl delwedd ar waith.
Y cerdyn cadarnhau yw eich cyfle olaf i ychwanegu angor
Rydych chi'n gofyn mewn iaith blaen, yn ba bynnag iaith rydych chi'n ei siarad. Mae Shannon yn penderfynu bod gweithrediad delwedd yn cael ei ofyn amdano, yn ysgrifennu'r cyfarwyddyd terfynol ei hun yn Saesneg, ac yn ei ddangos i chi ar gerdyn cadarnhau cyn i ddim rendro. Nid oes dim yn cael ei gynhyrchu a dim yn cael ei bilio nes i chi gadarnhau. Darllenwch y cerdyn hwnnw — dyna lle rydych chi'n dal cymal cadw coll cyn gwario dim.
Dwy ymddygiad cysylltiedig: nid yw Shannon byth yn cynhyrchu heb wahoddiad — nid yw cyfarchiad, cwestiwn na llun a atodwyd yn achlysurol yn sbarduno gweithrediad delwedd. Ac mae gofyn i Shannon yn syml edrych ar ddelwedd — ei disgrifio, darllen y testun ynddi, dweud pam nad yw'r cyfansoddiad yn gweithio — yn waith gweledol cyffredin, nid yn gynhyrchiad, ac nid yw'n costio dim yn ychwanegol. Mae ‘Beth fyddech chi'n ei newid am y llun hwn?’ yn gyngor am ddim; gweithredu arno yw'r golygiad.
06Mae'r gymhareb agwedd yn cael ei hetifeddu, yn awtomatig
Mae delwedd wedi'i golygu'n dod yn ôl yn yr un gymhareb agwedd â'i ffynhonnell. Nid ydych chi'n dewis un ac nid oes angen i chi: mae portread 4:5 yn aros yn 4:5, mae llonydd 16:9 yn aros yn 16:9, mae sgrinlun ffôn lletchwith yn cadw ei gyfrannau. Ni fyddai golygiad a fyddai'n ailfframio eich delwedd yn dawel yn olygiad — tocio ynghyd â dyfaliad am beth sydd y tu allan i'r ffiniau gwreiddiol fyddai.
Mae hwnnw'n wahaniaeth go iawn oddi wrth y ddau lwybr arall. Mae testun-i-ddelwedd yn gofyn i chi ddewis o square (diofyn), portrait, landscape, wide (sinematig) a tall (posteri a phapurau wal), ac mae cais penodol bob amser yn ennill; mae cyfuno'n gadael i chi ddewis cynfas newydd, gan nad oes un ffynhonnell i etifeddu oddi wrthi. Felly os oes angen siâp gwahanol arnoch, nid golygiad yw hynny — mae troi llun cynnyrch 1:1 yn faner 16:9 yn golygu dyfeisio picseli na chawsant erioed eu ffotograffio. Gwnewch hynny'n fwriadol, drwy gynhyrchu neu gyfuno ar gynfas newydd.
07Nid oes cynhyrchu fideo
Wedi'i nodi'n blaen, am fod pobl yn gofyn
Nid yw Shannon yn cynhyrchu fideo ac nid yw'n animeiddio delweddau. Nid oes llwybr delwedd-i-fideo, dim ‘gwnewch i'r llun hwn symud’, dim dolen, dim sinemagraff. Nid gallu mewn rhagolwg na gallu sydd ar y ffordd yw hwn — nid yw'n bodoli yn y cynnyrch, ac ni ddylid darllen dim ar y dudalen hon fel awgrym i'r gwrthwyneb.
Mae'r hyn y mae Shannon 3 yn ei wneud â delweddau'n union dri pheth: cynhyrchu delwedd newydd, golygu un ddelwedd sy'n bodoli, a chyfuno dwy neu fwy o ddelweddau'n un. Mae popeth yma'n byw y tu mewn i'r ail ohonynt.
Gwerth ei ddweud ddwywaith, am fod ‘golygydd delweddau AI’ a ‘chynhyrchydd fideo AI’ wedi dod yn gyfagos ym meddyliau pobl, ac mae teclyn a fydd yn hapus i ailoleuo eich ffotograff yn teimlo y dylai fod un botwm i ffwrdd o'i symud. Nid yw — a dylech wybod hynny yn y funud gyntaf yn hytrach na'r ddegfed.
08Pam mae heb sensoriaeth yn cyfrif mwy ar gyfer golygu nag ar gyfer cynhyrchu
Mae golygyddion wedi'u hidlo'n methu'n wahanol i gynhyrchwyr wedi'u hidlo, ac fel arfer yn waeth. Mae cynhyrchydd wedi'i hidlo'n gwrthod eich anogaeth; rydych chi'n ailysgrifennu ac yn ceisio eto. Gall golygydd wedi'i hidlo wrthod y ddelwedd ffynhonnell ei hun, cyn darllen gair o'ch cyfarwyddyd. Uwchlwythwch ffotograff clinigol o glwyf ar gyfer adroddiad achos ac mae'n cael ei wrthod ar y mewnbwn. Uwchlwythwch ffotograff rhyfel hanesyddol i atgyweirio plyg ac mae'r reiffl yn y ffrâm yn dod â'r sgwrs i ben. Gwaith dilys, gwrthodiad categorïaidd, dim ailysgrifennu a fyddai wedi helpu.
Mae Shannon yn rhedeg y llwybr delwedd heb hidlydd cynnwys ar yr allbwn a heb haen wrthod ar y model sy'n ysgrifennu'r cyfarwyddyd. Dyna sy'n gwneud y swyddi cyffredin hyn yn bosibl:
- Noethluniau celf a gwaith ffigur — ôl-gyffwrdd, ailoleuo ac ailarddulio ar gyfer artistiaid a ffotograffwyr sy'n gweithio gyda thestunau oedolion cydsyniol.
- Darlunio meddygol a fforensig — delweddau clinigol wedi'u glanhau ar gyfer deunydd addysgu, adroddiadau achos a gwaith ailadeiladu y mae golygyddion prif ffrwd yn eu gwrthod ar unwaith.
- Delweddau ymchwil diogelwch — sgrinluniau, ffotograffau diogelwch ffisegol a dogfennaeth caledwedd ar gyfer rhaglenni ymwybyddiaeth gwe-rwydo ac adrodd tîm coch.
- Trais mewn ffuglen — celf gynhyrchu ffilm, gêm a chomics lle mae clwyf neu arf yn destun y gwaith.
- Dychan gwleidyddol a darlunio golygyddol — sawl canrif o hanes y tu ôl iddo, bron dim cefnogaeth mewn offer wedi'u hidlo.
- Gwaith brand a thebygrwydd gan ddeiliad yr hawliau — eich ffotograffiaeth cynnyrch eich hun, cloeon logo a phortreadau, ac archifau teuluol anodd, heb ddadlau â dosbarthydd ynghylch a ydych chi'n cael.
Nid yw heb sensoriaeth yn golygu heb atebolrwydd. Mae Shannon yn cael ei weithredu gan Shannon Lab LLC (New Mexico, UDA) o dan Bolisi Defnydd Cyfrifol cyhoeddedig, a dyna lle mae'r terfynau go iawn yn byw — y rhai sy'n ymwneud â'r gyfraith a niwed yn hytrach nag anghysur dosbarthydd â ffotograff o glwyf. Datganiad am y teclyn yw absenoldeb gwrthodiad atgyrchol, nid am eich cyfrifoldeb chi am yr hyn rydych chi'n ei greu.
09Ble mae'r API yn ffitio — a ble nad yw
Dyma dro anghywir cyffredin i ddarllenwyr sy'n cyrraedd o chwiliad API. Mae cynhyrchu a golygu delweddau'n digwydd yn ap sgwrsio Shannon, nid ar yr API. Mae'r tair tafodiaith /v1 — /v1/chat/completions (siâp OpenAI), /v1/messages (siâp Anthropic) a /v1/responses, i gyd yn ffrydio, i gyd ar yr un modelau — yn gwasanaethu testun a gweledol. Mae gweledol yn golygu bod y modelau'n darllen delweddau rydych chi'n eu hanfon: eu disgrifio, trawsgrifio testun, dadansoddi siart. Nid yw'n golygu eu bod yn cynhyrchu nac yn addasu delweddau.
Mae hynny'n dal i adael patrwm defnyddiol: mae gweledol ynghyd â model testun heb sensoriaeth yn gynorthwyydd cryf ar gyfer ysgrifennu cyfarwyddiadau. Anfonwch eich delwedd ffynhonnell at yr API, gofynnwch iddo ddisgrifio beth sydd yn y ffrâm a drafftio cyfarwyddyd wedi'i angori sy'n enwi'r newid a'r angorau, yna rhedwch y cyfarwyddyd hwnnw yn y sgwrs — mae'n dal yr angorau y byddech chi wedi'u hanghofio. Mae siapiau'r cais a'r ymateb yn y dogfennau API.
10Cwestiynau cyffredin
Beth yw golygydd delweddau AI heb sensoriaeth?
Golygydd ydyw sy'n cymryd delwedd sy'n bodoli ynghyd â chyfarwyddyd mewn iaith blaen ac yn dychwelyd y ddelwedd wedi'i golygu, heb hidlydd cynnwys ar yr allbwn a heb haen wrthod ar y model sy'n ysgrifennu'r cyfarwyddyd. Mae'n rhedeg ar ein clwstwr GPU ein hunain y tu mewn i ap sgwrsio Shannon, felly mae gwaith y mae golygyddion wedi'u hidlo yn ei wrthod — ôl-gyffwrdd noethlun celf, darlunio meddygol a fforensig, delweddau ymchwil diogelwch, trais mewn ffuglen, dychan gwleidyddol — yn cael ei wneud yn lle ei wrthod.
Pam mae'r wyneb yn newid pan ofynnais i newid y cefndir yn unig?
Am fod golygiad drwy gyfarwyddyd yn ailgynhyrchu'r ffrâm gyfan wedi'i chyflyru ar eich delwedd ffynhonnell, nid dim ond y rhan a oedd gennych mewn golwg — mae unrhyw beth nad ydych yn ei enwi fel rhywbeth digyfnewid yn rhydd i grwydro. Angori yw'r ateb: ychwanegwch gymal cadw fel ‘cadwch yr wyneb, y steil gwallt, yr ystum a'r dillad yn union yr un fath, yr un ongl gamera a'r un tocio’. Enwi'r rhannau digyfnewid yw'r lifer ansawdd mwyaf sydd gennych.
A yw golygu delweddau Shannon yn cefnogi anogaeth negyddol?
Ydy. Yn wahanol i destun-i-ddelwedd, nad yw'n cymryd un o gwbl, mae'r llwybrau golygu a chyfuno aml-ddelwedd ill dau'n cefnogi un. Defnyddiwch hi ar gyfer arteffactau diangen — bysedd ychwanegol, testun wedi'i ystumio, canllawiau wedi'u dyblygu, gweadedd wedi'i faeddu, croen plastig, dyfrnodau — yn hytrach nag ysgrifennu ‘dim X’ yn y cyfarwyddyd. Mae penderfyniadau cynnwys yn perthyn i'r cyfarwyddyd, wedi'u nodi'n gadarnhaol; mae atal arteffactau'n perthyn i'r anogaeth negyddol.
A all Shannon animeiddio fy nelwedd neu ei throi'n fideo?
Na all. Nid yw Shannon yn cynhyrchu fideo ac nid yw'n animeiddio delweddau. Nid oes llwybr delwedd-i-fideo ac nid oes un yn cael ei gyhoeddi. Mae Shannon 3 yn cynhyrchu delwedd newydd, yn golygu un ddelwedd sy'n bodoli, neu'n cyfuno dwy neu fwy o ddelweddau'n un — y tri pheth hynny a dim byd y tu hwnt iddynt.
Faint o ddelweddau ffynhonnell mae golygiad yn eu defnyddio?
Yn union un: naill ai llun sydd eisoes yn y sgwrs, neu un sydd ynghlwm wrth eich neges gyfredol. Os oes rhaid i elfennau ddod o ddwy ddelwedd neu fwy — gwisg o un llun ar berson o un arall — cyfuniad yw hwnnw, nid golygiad, a dylech gyflenwi'r delweddau go iawn yn hytrach na disgrifio'r ail mewn geiriau.
A oes angen i mi dynnu masg neu ddefnyddio inpainting?
Nac oes. Nid oes brwsh, lasŵ na haen fasg. Rydych chi'n disgrifio'r newid mewn brawddeg ac mae'r rhan yn cael ei chasglu o'ch iaith, a dyna pam mae enwau manwl gywir yn bwysig: mae ‘y car arian wedi'i barcio ar y dde’ yn targedu'n llawer gwell na ‘y peth yna’. Mae hynny'n gwneud Shannon yn ddewis arall ymarferol i inpainting heb sensoriaeth i bobl sydd eisiau'r canlyniad heb y gwaith dethol.
A allaf olygu delweddau drwy API Shannon?
Na allwch. Mae cynhyrchu a golygu delweddau'n byw yn ap sgwrsio Shannon. Mae'r tafodieithoedd /v1 — /v1/chat/completions, /v1/messages a /v1/responses — yn gwasanaethu testun a gweledol: maent yn darllen ac yn dadansoddi delweddau rydych chi'n eu hanfon ond nid ydynt yn eu cynhyrchu na'u golygu. Llif gwaith cyffredin yw gadael i weledol yr API ddrafftio'r cyfarwyddyd wedi'i angori, ac yna rhedeg y golygiad yn y sgwrs.
Golygwch ddelwedd heb ddadlau â hidlydd
Atodwch lun, ysgrifennwch un frawddeg, enwch beth sy'n aros.
Dechrau Golygu Darllen y Dogfennau APIMae delweddau'n rendro ar ein clwstwr GPU ein hunain · nid oes dim yn rendro nac yn cael ei bilio nes i chi gadarnhau'r cerdyn
Mae Shannon AI yn cael ei weithredu gan Shannon Lab LLC, New Mexico, UDA. Mae cynhyrchu, golygu a chyfuno delweddau'n nodweddion ap sgwrsio Shannon 3; mae'r API /v1 yn gwasanaethu testun a gweledol yn unig. Nid oes cynhyrchu fideo yn bodoli yn y cynnyrch. Mae golygu'n derbyn yn union un ddelwedd ffynhonnell ac yn etifeddu ei chymhareb agwedd. Mae defnyddio'r llwybrau delwedd heb sensoriaeth yn cael ei lywodraethu gan y Polisi Defnydd Cyfrifol.