Y Canllaw Anogaethau Delweddau AI
Mae Model Delwedd Shannon yn darllen anogaeth fel model iaith. Mae'r un ffaith honno'n newid popeth am sut y dylech ysgrifennu un — gan ddechrau â gollwng y tagiau wedi'u gwahanu gan atalnodau.
TL;DR
Ysgrifennwch ryddiaith lifeiriol mewn brawddegau llawn, nid tagiau allweddair. Anelwch at 30–80 gair. Trefnwch hi'r ffordd y mae'r model yn ei darllen: pwnc → gweithred → arddull → lleoliad a goleuo → technegol, y pwysicaf yn gyntaf. Byddwch yn bendant am y pwnc. Os ydych chi eisiau ffotograff, ysgrifennwch hi fel ffotograff — enwch gamera, lens, a stoc ffilm neu olau. Atodwch liwiau union at wrthrychau wedi'u henwi fel color #RRGGBB. Dewiswch un o bum cymhareb agwedd. A gollyngwch arferion oes SDXL: dim ‘masterpiece, best quality, 8k’, dim pwysau (word:1.3), a dim anogaeth negyddol mewn testun-i-ddelwedd — disgrifiwch yn unig yr hyn rydych chi ei eisiau. Mae golygu a chyfuno yn cymryd anogaeth negyddol.
Mae'r rhan fwyaf o bobl yn cyrraedd ag arferion anogaeth a ddysgwyd ar SDXL: llinyn o enwau wedi'u gwahanu gan atalnodau, rhagymadrodd o docynnau ansawdd, ychydig o bwysau mewn cromfachau, ac anogaeth negyddol cyn hired â'r un gadarnhaol. Roedd yr arferion hynny'n gywir ar gyfer y modelau hynny ac maent yn wrthgynhyrchiol yma. Dyma'r fersiwn fer o'r hyn sy'n gweithio mewn gwirionedd — ac oherwydd bod Shannon yn ysgrifennu'r anogaeth gynhyrchu i chi ac yn ei dangos cyn i ddim rendro, mae'r un mor gymaint yn ganllaw i ddarllen a chywiro yr hyn y mae Shannon yn ei gynnig.
01Pam mae rhyddiaith yn curo tagiau: mae'r model yn darllen fel model iaith
Roedd y modelau tryledu hŷn yr ysgrifennwyd y rhan fwyaf o gyngor anogaethau ar eu cyfer yn defnyddio amgodiwr testun a ymddygai, yn ymarferol, fel bag o gysyniadau: nid oedd gramadeg o fawr o bwys, a'r strategaeth fuddugol oedd pentyrru enwau perthnasol a'u tueddu â phwysau. Cawl tagiau oedd siâp cywir anogaeth i'r amgodiwr hwnnw.
Nid yw Model Delwedd Shannon yn gweithio felly. Mae'n darllen anogaeth y ffordd y mae model iaith yn darllen testun, felly mae cystrawen yn cario ystyr. Mae ‘holding an umbrella against her shoulder’ yn berthynas rhwng person, gwrthrych a rhan o'r corff; mae ‘umbrella, shoulder’ yn ddau beth sy'n digwydd bod yno. Mae arddodiaid yn gosod pethau. Mae berfau'n creu ystumiau. Mae cymalau'n atodi manylion at yr enw cywir yn lle gadael iddynt arnofio ar draws y ddelwedd gyfan.
Dyma'r un llun wedi'i ofyn amdano y ddwy ffordd.
woman, 30s, tokyo, rain, night, crosswalk, neon signs, umbrella,
wet asphalt, reflections, masterpiece, best quality, 8k, ultra
detailed, (bokeh:1.3), cinematic lighting, photorealisticA woman in her early thirties waits at a rain-soaked Tokyo
crosswalk at night, holding a clear vinyl umbrella against her
shoulder and glancing down the street. Neon storefront signs
bleed red and cyan into the wet asphalt at her feet. Shot on
Kodak Portra 400, 85mm f/1.4, shallow depth of field, the
traffic signal behind her thrown out of focus.Edrychwch ar yr hyn na all y fersiwn tagiau ei fynegi. Nid yw byth yn dweud bod yr ymbarél yn cael ei ddal, felly gallai orwedd ar y llawr yn y pen draw. Nid yw byth yn dweud bod y neon yn cael ei adlewyrchu yn yr asffalt, dim ond bod y ddau'n bodoli, felly rydych chi'n cael arwyddion a stryd wlyb heb unrhyw berthynas optegol rhyngddynt. Nid yw byth yn dweud i ble mae'r fenyw'n edrych, felly mae ei hystum yn hap. Label naws yw ‘cinematic lighting’, nid ffynhonnell golau. Ac mae'r pum tocyn olaf yn sŵn, wedi'u darllen fel geiriau Saesneg am ffotograffiaeth yn hytrach na dolenni rheoli.
Nid yw'r fersiwn rhyddiaith yn hirach am ei bod yn flodeuog. Mae'n hirach am ei bod yn ateb cwestiynau a adawodd y fersiwn tagiau ar agor. Dyna'r tric cyfan.
02Pa mor hir ddylai anogaeth delwedd fod?
Anelwch at 30 i 80 gair. Peidiwch â mynd lawer heibio 100. Dyma'r lifer ansawdd hawsaf sydd ar gael i chi, ac mae'r ddau ben i'r ystod yn bwysig.
O dan tua 30 gair nid yw'r cyfansoddiad, y golau a'r fframio wedi'u nodi, felly mae'r model yn dewis beth bynnag sydd fwyaf cyffredin yn ystadegol. Mae ‘A woman in a coffee shop’ yn anogaeth ddilys sy'n cynhyrchu delwedd anghofiadwy, oherwydd i chi ddirprwyo pob penderfyniad diddorol.
Uwchben tua 100 gair mae methiant gwahanol yn ymddangos: mae cymalau hwyr yn cystadlu â rhai cynnar am yr un rhanbarthau o'r ddelwedd, ac yn lle cronni manylion rydych chi'n cael gwanhau. Mae'r trydydd disgrifiad goleuo'n dadwneud y cyntaf, ac mae'r pwnc a sefydloch yn yr wyth gair cyntaf yn cael llai o sylw cymharol gyda phob brawddeg rydych chi'n ei hychwanegu. Mae anogaethau hir yn darllen yn drylwyr. Nid ydynt yn rendro'n drylwyr.
Y ddisgyblaeth: ysgrifennwch yr anogaeth rydych chi ei heisiau, yna torrwch hi'n ôl at y brawddegau a fyddai'n newid y llun pe caent eu tynnu.
03Y ddisgyblaeth drefnu: y peth pwysicaf yn gyntaf
Am fod y model yn darllen yn ddilyniannol, mae safle'n bwyslais: mae'r hyn sy'n dod gyntaf yn angori'r ddelwedd, mae'r hyn sy'n dod olaf yn ei haddasu. Rhowch bethau yn y drefn y mae'r model eu hangen:
- Pwnc — pwy neu beth yw'r llun hwn ohono, yn bendant.
- Gweithred neu ystum — beth maent yn ei wneud, sut y'u daliwyd.
- Arddull neu naws — ffotograff, paentiad olew, darlun technegol, a'r cywair y mae ynddo.
- Lleoliad a goleuo — ble mae hyn yn digwydd a pha olau sy'n disgyn arno.
- Technegol — fframio, lens, dyfnder maes, manylion lliw.
Y clwyf hunanachosedig mwyaf cyffredin yw dechrau gyda'r cymal technegol. Mae agor gyda ‘Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper’ yn dweud wrth y model mai yr olwg yw'r pwnc ac mai manylyn yw'r dyn. Rydych chi'n cael ffrâm hyfryd, wag gyda ffigwr bach aneglur ynddi.
Cinematic wide shot, anamorphic lens flare, teal and orange
color grade, shallow depth of field, golden hour, of a man
reading a newspaper on a park bench.A man in his sixties in a gray wool overcoat sits on a park
bench reading a folded broadsheet newspaper, one ankle crossed
over his knee. Late golden-hour sun rakes across him from the
left through bare plane trees. Photographed wide on a 35mm
anamorphic lens, shallow depth of field, warm highlights and
cool shadows.Mae pob elfen o'r fersiwn cyntaf yn goroesi yn yr ail; ni ollyngwyd dim. Mae'r model bellach yn syml yn gwybod beth yw'r llun ohono cyn iddo gael gwybod sut i'w saethu — ac mae'r aildrefnu hwnnw ar ei ben ei hun yn symud y pwnc o fod yn ymylol i fod yn ganolog.
04Byddwch yn bendant am y pwnc
Nid pwnc yw ‘A person’, dalfan ydyw — ac mae'r model yn llenwi dalfannau â chyfartaledd popeth y mae wedi'i weld, sef yn union o ble mae'r olwg sgleiniog, ddi-oed, ddi-gymeriad yn dod. Mae bod yn bendant yn costio pum gair ac yn prynu bod dynol penodol i chi:
| Amwys | Pendant |
|---|---|
| a person | a man in his forties with a salt-and-pepper beard and deep smile lines |
| a woman | a woman in her late twenties with a dark undercut and a chipped front tooth |
| an old building | a four-story brick warehouse with painted-over signage and boarded upper windows |
| food | a bowl of ramen with a soft-boiled egg halved on top, steam rising |
Sylwch ar y patrwm: oedran neu gyfnod, un nodwedd strwythurol, un amherffeithrwydd gwahaniaethol. Y trydydd eitem hwnnw sy'n gwneud i ganlyniad deimlo wedi'i ffotograffu yn hytrach na'i gynhyrchu. Dant wedi'i naddu, hem wedi treulio, arwydd wedi'i baentio drosto — mae anghymesureddau bach yn arwydd gwrth-blastig cryfaf sydd ar gael, ac nid ydynt yn costio bron ddim yn eich cyllideb eiriau.
05Ffotorealaeth: ysgrifennwch y cais fel ffotograff
Ffotorealaeth yw'r cywair rhagosodedig oni bai eich bod yn gofyn am gelf, darlun neu anime. Ond nid yw'r gair ‘photorealistic’ yn gwneud fawr o waith. Yr hyn sy'n cynhyrchu ffotograff yw disgrifio'r weithred o ffotograffu: camera go iawn, lens go iawn, a stoc ffilm neu ffynhonnell golau go iawn.
Mae'r rheswm yn syml. Gwnaethpwyd pob delwedd â'r capsiwn ‘Kodak Portra 400’ gan broses benodol gyda strwythur grawn penodol, gostyngiad uchafbwyntiau a rendro croen penodol, ac mae enwi'r stoc yn recriwtio'r cyfan ohono. Nid ymddangosodd ‘8k ultra detailed’ ond ar sbam safleoedd stoc, felly mae'n recriwtio sbam safleoedd stoc. Ychydig o ryseitiau dibynadwy, pob un yn cynhyrchu delwedd nodedig wahanol o'r un pwnc:
| Rysáit | Beth mae'n ei roi i chi |
|---|---|
| Kodak Portra 400, 85mm f/1.4, soft window light | Tonau croen cynnes, maddeugar; gwahaniad hufennog; portread golygyddol |
| Ilford HP5 pushed to 1600, 35mm, available light | Du a gwyn grawnog, cyferbyniol, egni dogfen stryd |
| Digital medium format, 80mm, single softbox at 45° | Golwg stiwdio fasnachol lân, gostyngiad rheoledig, safon cynnyrch |
| 135mm f/2, backlit at golden hour, atmospheric haze | Cefndir cywasgedig, golau ymyl, golwg telephoto ramantus |
Cyfatebwch y seilio i'r rysáit — nid yw gwead croen ar lefel mandwll yn golygu dim mewn ffrâm lydan 24mm lle mae'r wyneb yn wyth deg picsel o daldra — ac yna ychwanegwch ef. Manylion seilio yw'r dystiolaeth gwead fod lens wedi cofnodi hyn mewn gwirionedd. Mandyllau croen gweladwy a blew wyneb mân. Gwehyddiad crys lliain. Llwch mewn pelydryn o olau. Crafiad ar esgid ledr. Blew wedi hedfan yn erbyn cefndir llachar. Mae dau neu dri'n ddigon, a nhw yw'r gwahaniaeth rhwng rendro o berson a ffotograff o un.
06Golygfeydd haenog: blaendir, canoldir, cefndir
Pan fo gan olygfa ddyfnder, disgrifiwch y tri phlân ar wahân ac yn eu trefn. Dyma'r dechneg fwyaf effeithiol ar gyfer delweddau a ddylai deimlo fel lleoedd yn hytrach na chefnlenni, ac nid oes bron neb yn ei gwneud. Hebddi rydych chi'n cael gwastadrwydd: mae popeth y mae'r anogaeth yn ei grybwyll yn glanio tua'r un pellter, gan gystadlu am yr un band canol o'r ffrâm. Mae enwi planau'n rhoi cyllideb ddyfnder i'r model ei gwario.
In the foreground, a cracked concrete ledge with a half-empty
paper coffee cup and a scattering of cigarette ash, slightly out
of focus. In the midground, a bicycle courier in a yellow rain
jacket wheels her bike across a wet plaza, caught mid-stride. In
the background, a glass office tower dissolves into low fog.
Shot on a 50mm lens at f/2.8, flat overcast light.Dau fireiniad. Rhowch rywbeth yn y blaendir sydd yn fwriadol allan o ffocws — mae gan ffotograffau go iawn o olygfeydd dwfn bron bob amser un, ac mae ei absenoldeb yn arwydd cyffredin. A dywedwch pa blân y mae'r pwnc yn ei feddiannu: os mai'r negesydd beic yw pwynt y llun mae hi'n perthyn yn y canoldir, fel arall bydd y tŵr a'r cwpan coffi'n ymladd â hi am y ffrâm.
07Lliwiau union: codau hecs, wedi'u hatodi at wrthrychau
Ar gyfer gwaith brand, parhad gwisgoedd, neu unrhyw le nad yw ‘coch’ yn ddigon penodol, ysgrifennwch y cod hecs fel color #RRGGBB a'i atodi at wrthrych wedi'i enwi:
...wearing a heavy wool peacoat, color #8B0000, over a cream
turtleneck, against a studio backdrop, color #1E3A5F....#8B0000, #1E3A5F, dark red and navy color palette, moody...Tair rheol bawd. Defnyddiwch hecs ar gyfer y ddau neu dri lliw sydd wir yn bwysig a geiriau plaen ar gyfer y gweddill — mae anogaeth â chwe chod hecs yn gwario'r rhan fwyaf o'i chyllideb ar sglodion paent. Rhwymwch y cod at wrthrych ag ymylon, byth at ‘y goleuo’ na ‘'r naws’. A chofiwch ei fod yn nodi lliw'r gwrthrych, nid gwerth terfynol y picsel: mae côt #8B0000 mewn golau ôl awr euraidd yn rendro'n gynhesach na'r sampl, yn union fel y byddai mewn bywyd.
08Dewis y gymhareb agwedd
Mae pum cymhareb ar gael ac mae'r un gywir fel arfer yn cael ei hawgrymu gan y pwnc, ond mae cais penodol gennych chi bob amser yn ennill — gofynnwch am bapur wal ac rydych chi'n cael tall waeth beth y mae'r cynnwys yn ei awgrymu.
| Cymhareb | Gorau ar gyfer | Pam |
|---|---|---|
| square | Rhagosodiad. Gwrthrychau unigol yn y canol, eiconau, cyfansoddiadau cymesur, postiadau cymdeithasol | Dim echelin drech, felly nid oes dim yn cael ei docio gan duedd y ffrâm ei hun |
| portrait | Pobl, corff llawn neu hanner; pynciau tal fel tyrau, coed, poteli | Yn rhoi lle i ffigwr sefyll o'i ben i'w draed heb ei fychanu |
| landscape | Golygfeydd, tu mewn, grwpiau o bobl, lluniau cynnyrch-mewn-cyd-destun | Lle llorweddol i'r lleoliad fod yn lleoliad mewn gwirionedd |
| wide | Fframiau sinematig, llonyddau ffilm, baneri, delweddau pennawd | Yr opsiwn lletaf; gofod negyddol cryf, teimlad anamorffig |
| tall | Posteri, cloriau llyfrau, papurau wal ffôn, fformatau cymdeithasol fertigol | Talach na portrait; yn gadael lle bwriadol i deip neu awyr |
Mae cael hyn yn anghywir yn fwy niweidiol nag y mae'n edrych. Nid yw ffigwr sefyll llawn mewn ffrâm wide yn rhoi ffigwr bach mewn ffrâm fawr i chi — fel arfer mae'n rhoi un wedi'i docio, oherwydd mae'r model yn llenwi'r lled ac mae'r pen neu'r traed yn gadael y ffrâm. Cyfatebwch y ffrâm at echelin drech y pwnc ac mae'r rhan fwyaf o gwynion cyfansoddi'n diflannu.
Dau ymddygiad sy'n werth eu cofio: mae golygu'n cadw cymhareb agwedd y ddelwedd ffynhonnell yn awtomatig, felly ni allwch ail-fframio drwy olygu, tra bod cyfuno'n gadael i chi ddewis cynfas newydd — yn aml y ffordd lanaf o newid siâp rhywbeth sydd gennych eisoes.
09Gwrth-batrymau: beth i roi'r gorau i'w wneud
Tocynnau ansawdd: ‘masterpiece, best quality, 8k, ultra detailed’
Dolenni a ddarganfuwyd gan y gymuned ar gyfer dosraniad hyfforddi hŷn penodol oedd y rhain, lle roedd ymadroddion capsiwn penodol yn cydberthyn â ffynonellau delwedd penodol. Nid ydynt yn trosglwyddo. Yma cânt eu darllen fel geiriau Saesneg cyffredin, nid ydynt yn cyfrannu dim, ac maent yn bwyta rhan o gyllideb eiriau y dywedwyd wrthych eisoes ei bod yn dynn. Yr amnewidiad yw dweud pa fanylyn rydych chi ei eisiau: nid ‘ultra detailed’ ond ‘visible weave in the coat fabric and fine stubble along the jaw’ — yr un bwriad, wedi'i fynegi fel rhywbeth y gall y model ei rendro.
Cystrawen pwysau: (word:1.3), [word], {{word}}
Ddim yn cael ei pharsio. Mae'r cromfachau, y bachau, y colonau a'r rhifau'n glanio fel testun llythrennol ac, os rhywbeth, yn gwneud y cymal o'u cwmpas yn anos ei ddarllen. Os ydych chi eisiau mwy o bwyslais ar rywbeth, defnyddiwch y ddau lifer sydd yn gweithio: symudwch ef yn gynharach yn yr anogaeth, a rhowch fwy o eiriau iddo. Mae ‘A crimson silk scarf, its fringed ends lifting in the wind’ yn gorbwyso ‘(red scarf:1.4)’ ym mhob mesur sy'n bwysig.
Cyfarwyddiadau gwrthgyferbyniol
Nid yw cymysgu cyfarwyddiadau anghydnaws yn eu cyfuno; mae'n cynhyrchu cyfartaledd ansefydlog nad yw fel arfer yn bodloni'r naill na'r llall. Y troseddwyr aml:
- Cyfrwng — ‘photorealistic’ ynghyd â ‘watercolor’; ‘oil painting’ ynghyd â ‘shot on 85mm’. Dewiswch un ac ymrwymwch.
- Fframio — ‘wide establishing shot’ ynghyd ag ‘extreme close-up on her eyes’; ‘full body’ ynghyd â ‘detailed facial pores’.
- Goleuo — ‘harsh midday sun’ ynghyd â ‘soft golden hour glow’; ‘low key, deep shadows’ ynghyd â ‘bright and airy’.
- Cyfnod — ‘1970s film aesthetic’ ynghyd â ‘modern minimalist’ ynghyd â ‘cyberpunk’.
- Pentyrru arddulliau — pedwar artist neu bedwar genre ar unwaith. Gall dau gyfeiriad cysylltiedig weithio; mae pedwar yn canslo i fod yn generig.
- Gwasgariad — mae ‘rustic, weathered, ancient, timeworn wooden door’ yn un syniad wedi'i ysgrifennu bedair gwaith, ac mae pob ailadrodd yn gwanhau gweddill yr anogaeth.
10Nid oes anogaeth negyddol mewn testun-i-ddelwedd
Dyma'r gwrth-batrwm sy'n dal defnyddwyr profiadol galetaf, oherwydd ar bentyrrau hŷn roedd yr anogaeth negyddol yn hanner y grefft.
| Gweithrediad | Anogaeth negyddol | Beth i'w wneud |
|---|---|---|
| Testun-i-ddelwedd (cynhyrchu) | Ddim yn cael ei chefnogi | Disgrifiwch yn unig yr hyn rydych chi ei eisiau. Peidiwch byth ag ysgrifennu ‘dim X’. |
| Golygu un ddelwedd | Yn cael ei chefnogi | Rhowch arteffactau diangen yno, cadwch y cyfarwyddyd yn gadarnhaol. |
| Cyfuno dwy neu fwy | Yn cael ei chefnogi | Yr un peth — arteffactau yn y negyddol, rolau yn y cadarnhaol. |
Ar gyfer cynhyrchu mae'r rheol yn absoliwt ac ychydig yn wrthreddfol: mae ysgrifennu ‘no text, no watermark, no extra fingers’ i mewn i'r anogaeth yn gwneud y pethau hynny'n fwy tebygol, nid yn llai. Mae'r model yn darllen ‘no text’ fel brawddeg sy'n cynnwys y cysyniad text; mae negyddu'n signal gwan ac mae'r enw'n un cryf. Rydych chi wedi gofyn am destun i bob pwrpas. Nodwch y ffurf gadarnhaol bob amser yn lle hynny:
| Yn lle | Ysgrifennwch |
|---|---|
| no background clutter | a clean seamless gray backdrop |
| not blurry | tack sharp on the eyes, f/8 |
| no other people | alone in an empty street at dawn |
| no modern objects | a 1930s kitchen with enamelware and a cast-iron stove |
| no cartoon style | shot on Kodak Portra 400, 85mm, natural skin texture |
Ar gyfer golygu a chyfuno mae'r anogaeth negyddol yn bodoli a dylech ei defnyddio — ond ar gyfer arteffactau, nid cynnwys. Deunydd da: dyfrnod, haen destun, aelodau dyblyg, dwylo ystumiedig, cylchoedd gor-hogi, blocio JPEG, llinellau gwnïad ar hyd ymyl cyfansawdd. Deunydd gwael: unrhyw beth am beth mae'r llun ohono, sy'n perthyn yn y cyfarwyddyd.
11Darllen yr anogaeth y mae Shannon yn ei hysgrifennu i chi
Dyma'r hyn sy'n gwneud y canllaw hwn yn syth ddefnyddiadwy yn hytrach nag yn ddamcaniaethol. Nid oes rhaid i chi ysgrifennu'r anogaeth gynhyrchu eich hun. Rydych chi'n gofyn mewn iaith blaen, mewn unrhyw iaith; mae Shannon yn adnabod bod delwedd yn cael ei gofyn amdani, yn cyfansoddi'r anogaeth gynhyrchu Saesneg, ac yn ei dangos i chi ar gerdyn cadarnhau cyn i ddim rendro. Ni chynhyrchir dim ac ni bilir dim nes i chi gadarnhau.
Felly nid ysgrifennu anogaethau o'r dechrau yw'r sgil sy'n talu fwyaf — darllen yr un ar y cerdyn ydyw. Ewch drwy'r rhestr hon:
- A yw'r pwnc yn bendant? Os yw'r cerdyn yn dweud ‘a person’ neu ‘a woman’, rydych chi wedi dod o hyd i'r gwelliant unigol mwyaf sydd ar gael. Rhowch oedran, corffolaeth, nodwedd iddo.
- A yw'r pwnc yn gyntaf? Os yw'r anogaeth yn agor gydag arddull neu gamera, gofynnwch iddi arwain gyda'r pwnc yn lle hynny.
- A yw hi o fewn yr ystod? O dan 30 gair, gofynnwch am fwy o benodoldeb am olau a lleoliad. Dros 100, gofynnwch iddi gael ei thorri.
- A oes ffynhonnell golau? Nid gair naws — golau go iawn: ffenestr, lamp stryd, fflach, awyr gymylog, softbox.
- Unrhyw wrthdaro? Sganiwch am ddau gyfrwng, dau fframio, neu ddau amod goleuo yn yr un anogaeth.
- Unrhyw negyddion wedi'u smyglo? Os yw'r cerdyn yn cynnwys ‘without’, ‘no’, neu ‘avoid’, mae hynny'n anogaeth testun-i-ddelwedd yn gofyn am y peth y mae'n ei enwi.
- A yw'r gymhareb yn iawn i'r pwnc? Ffigwr hyd llawn mewn
wideyw'r anghyfatebiaeth glasurol.
Mae cywiriadau'n sgyrsiol: mae ‘gwnewch hi'n gynnar yn ei thridegau gyda chraith drwy un ael, saethwch hi ar Portra ar 85mm, a defnyddiwch portrait’ yn gyfarwyddyd berffaith dda. Rydych chi'n cael cerdyn newydd ac yn cadarnhau'r un hwnnw yn lle hynny. Nid oes cosb am iteru, oherwydd nid oes dim wedi rendro eto.
Ac nid yw Shannon yn cynhyrchu heb wahoddiad. Nid yw cyfarchiad, cwestiwn, na llun rydych chi'n ei atodi i'w drafod yn sbarduno rendro. Mae gofyn i Shannon edrych ar ddelwedd — ei disgrifio, ei darllen, ei dadansoddi — yn waith gweledol cyffredin, nid yn gynhyrchu, ac nid yw'n costio dim yn ychwanegol.
12Sut mae'r grefft yn newid ar gyfer golygu a chyfuno
Ysgrifennwyd y rheolau uchod ar gyfer cynhyrchu. Mae dau fodd cyfagos yn newid siâp yr anogaeth.
Golygu un ddelwedd
Mae anogaeth olygu'n gyfarwyddyd, nid yn ddisgrifiad: nodwch beth sy'n newid a beth sy'n aros. Enwi'r rhannau digyfnewid yw'r lifer ansawdd unigol mwyaf yn y cynnyrch — mae ‘Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is’ yn dal at ei gilydd lle mae'r un cais heb y cymal hwnnw'n ailddarlunio ei hwyneb yn dawel. Byddwch yn benodol am yr angor: cadwch yr wyneb, yr ystum, y gwallt a'r dillad yn union yr un fath. Defnyddir un ddelwedd ffynhonnell yn union, ac mae'r allbwn yn cadw ei chymhareb agwedd.
Cyfuno dwy neu fwy o ddelweddau
Pryd bynnag y daw elfennau o fwy nag un llun — trosglwyddo gwisg, gwrthrych i olygfa, dau berson mewn un ffrâm, cynnyrch-ar-berson, arddull o un ddelwedd gyda phwnc o un arall — rhaid i'r anogaeth enwi rôl pob delwedd, yn eu trefn: ‘The woman from the first image wearing the red knitted sweater from the second image, standing in the same park.’ Y ddelwedd gyntaf yw'r prif bwnc neu'r olygfa; mae delweddau diweddarach yn cyflenwi'r rhannau sy'n cael eu dwyn i mewn. Peidiwch â chwympo cais aml-ddelwedd i un ffynhonnell ynghyd â disgrifiad testun — cyfuno'r delweddau go iawn sy'n cadw sut mae'r pethau hynny'n edrych mewn gwirionedd.
13Annog heb sensoriaeth: dywedwch yr hyn a olygwch
Nid oes hidlydd cynnwys ar y llwybr cynhyrchu a dim haen wrthod ar y model sy'n ysgrifennu'r anogaeth. Dyna bwynt cyfan y cynnyrch: mae cynhyrchwyr wedi'u hidlo'n rheolaidd yn gwrthod gwaith dilys — nydau celf, darlunio meddygol a fforensig, delweddau ymchwil diogelwch, trais mewn ffuglen, dychan gwleidyddol, gwaith brand a thebygrwydd gan ddeiliad yr hawliau. Peirianneg ewffemistiaeth yw hanner y grefft anogaethau ar lwyfannau wedi'u hidlo, ac ewffemistiaeth yw gelyn delwedd gywir.
Felly mae un peth arall i'w wirio ar y cerdyn: ei fod yn disgrifio'r pwnc go iawn mewn geiriau plaen yn hytrach na'r eirfa ragofalus y mae pobl yn ei dysgu o offer wedi'u hidlo. Dylai darlun fforensig o glwyf ddweud beth yw'r clwyf. Mae iaith ragofalus yn cynhyrchu delwedd waeth ym mhobman, oherwydd mae'r model yn rendro'r hyn y mae'r geiriau'n ei ddweud.
Mae gallu a barn yn bethau ar wahân. Mae Shannon Lab LLC yn gweithredu hyn o dan Bolisi Defnydd Cyfrifol cyhoeddedig: offeryn proffesiynol yw cynhyrchu heb ei hidlo, ac mae cydsyniad, hawliau a'r gyfraith i gyd yn dal i fod yn berthnasol i'r hyn rydych chi'n ei wneud.
Y rhestr wirio un dudalen
- Rhyddiaith mewn brawddegau llawn, nid tagiau wedi'u gwahanu gan atalnodau.
- 30–80 gair. Torrwch unrhyw beth na fyddai'n newid y llun.
- Pwnc → gweithred → arddull → lleoliad a goleuo → technegol.
- Pwnc pendant: oedran, un nodwedd strwythurol, un amherffeithrwydd.
- Ffotograffau: enwch gamera, lens, a stoc ffilm neu ffynhonnell golau.
- Golygfeydd dwfn: blaendir, canoldir, cefndir, wedi'u henwi ar wahân.
- Lliwiau union fel
color #RRGGBBwedi'u rhwymo at wrthrych wedi'i enwi. - Dewiswch y gymhareb o echelin drech y pwnc.
- Dau neu dri gwead seilio, wedi'u cyfateb i'r fframio.
- Dim tocynnau ansawdd, dim cystrawen pwysau, dim cyfarwyddiadau gwrthgyferbyniol.
- Dim negyddion mewn testun-i-ddelwedd. Mae negyddion ar gyfer golygu a chyfuno, ac ar gyfer arteffactau'n unig.
14Ble mae'r API yn ffitio
Un pwynt o gywirdeb i ddarllenwyr sy'n cyrraedd o chwiliad am API: mae cynhyrchu, golygu a chyfuno delweddau'n byw yn ap sgwrsio Shannon, nid ar yr API /v1. Mae'r API yn gwasanaethu testun a gweledol — gall ddarllen, disgrifio a dadansoddi delweddau rydych chi'n eu hanfon ato ar draws y tair tafodiaith (/v1/chat/completions, /v1/messages, /v1/responses, i gyd yn ffrydio) — ond nid yw'n eu creu. Os ydych chi'n adeiladu piblinell y mae angen iddi ddeall delweddau, y ddogfennaeth API yw'r lle i ddechrau. Os ydych chi eisiau gwneud delweddau, yr ap sgwrsio yw hynny, ac mae popeth yn y canllaw hwn yn berthnasol yno. Mae delweddau'n rendro ar ein clwstwr GPU ein hunain.
15Cwestiynau cyffredin
Pa mor hir ddylai anogaeth delwedd AI fod?
Anelwch at 30 i 80 gair a pheidiwch byth â mynd lawer heibio 100. O dan 30 gair rydych chi'n gadael y cyfansoddiad, y goleuo a'r fframio i siawns. Heibio 100 gair mae'r cymalau diweddarach yn dechrau cystadlu â'r rhai cynharach ac mae manylion yn dechrau gwanhau yn hytrach na chronni.
A ddylwn ysgrifennu tagiau allweddair neu frawddegau llawn?
Brawddegau llawn. Mae Model Delwedd Shannon yn darllen anogaeth y ffordd y mae model iaith yn darllen testun, felly mae gramadeg yn cario gwybodaeth. Mae ‘A woman in her 30s at a rain-soaked Tokyo crosswalk at night’ yn cynhyrchu golygfa gydlynol; mae ‘woman, 30s, Tokyo, rain, night’ yn cynhyrchu pentwr o briodoleddau rhydd heb unrhyw berthynas rhyngddynt.
A allaf ddefnyddio anogaeth negyddol ar gyfer testun-i-ddelwedd?
Na allwch. Nid yw testun-i-ddelwedd ar Shannon yn cymryd anogaeth negyddol, felly disgrifiwch yn unig yr hyn rydych chi ei eisiau a pheidiwch byth ag ysgrifennu ‘dim X’ yn yr anogaeth ei hun — mae enwi peth yn tueddu i'w alw. Mae golygu delweddau a chyfuno delweddau'n cefnogi anogaeth negyddol, a dyna'r lle cywir ar gyfer arteffactau diangen fel dyfrnodau, haenau testun neu aelodau dyblyg.
A yw tocynnau fel ‘masterpiece, best quality, 8k’ yn gwella'r ddelwedd?
Nac ydynt. Dolenni ar gyfer cenhedlaeth hŷn o fodelau oedd y rheini ac nid ydynt yn cario unrhyw wybodaeth yma — cânt eu darllen fel geiriau'n unig, ac maent yn gwario rhan o'ch cyllideb 30–80 gair yn dweud dim. Nid yw cystrawen pwysau fel (word:1.3) yn cael ei pharsio chwaith; mae'n glanio fel testun llythrennol. Disgrifiwch y manylyn go iawn rydych chi ei eisiau yn lle hynny.
Sut mae cael lliw union?
Ysgrifennwch y cod hecs fel color #RRGGBB a'i atodi at wrthrych penodol wedi'i enwi, er enghraifft ‘a wool jacket, color #8B0000’. Nid oes gan god hecs sy'n arnofio'n rhydd oddi wrth wrthrych ddim i rwymo ato. Defnyddiwch ef ar gyfer y ddau neu dri lliw sydd wir yn bwysig a disgrifiwch y gweddill mewn geiriau.
A allaf gynhyrchu delweddau drwy API Shannon?
Na allwch. Mae cynhyrchu, golygu a chyfuno delweddau'n digwydd yn ap sgwrsio Shannon. Mae'r API /v1 yn gwasanaethu testun a gweledol — gall ddarllen a dadansoddi delweddau rydych chi'n eu hanfon ato, ond nid yw'n eu creu. Mae popeth yn y canllaw hwn yn berthnasol i'r ap sgwrsio.
Rhowch gynnig arni ar anogaeth go iawn
Gofynnwch mewn unrhyw iaith. Darllenwch y cerdyn. Addaswch ef. Yna cadarnhewch.
Agor Sgwrs Shannon Rhagor o YmchwilNid oes dim yn rendro, a dim yn cael ei bilio, nes i chi gadarnhau'r anogaeth
Darllen cysylltiedig: Cynhyrchu delweddau AI heb sensoriaeth · Golygu delweddau AI heb sensoriaeth · Polisi Defnydd Cyfrifol · Dogfennaeth API · Holl ymchwil Shannon. Daw'r canllawiau yma o'n profi ein hunain o Fodel Delwedd Shannon; yn gyffredinol nid yw cyngor a ysgrifennwyd ar gyfer pentyrrau tryledu cynharach yn trosglwyddo.