Den ucensurerede AI-billedredigering
Ændr, omstil, genbelys, klæd om eller reparer ét eksisterende billede ved at skrive en sætning. Ingen masker, ingen filtre, ingen afvisninger — og én teknik, der betyder mere end alle de andre tilsammen.
Kort fortalt
Shannon redigerer præcis ét eksisterende billede ud fra en instruktion i almindeligt sprog — ingen pensel, ingen maske, ingen markering. Instruktionen skal sige hvad der ændres, OG hvad der bliver, for modellen gengenererer hele billedfladen: alt, du ikke nævner som uforandret, kan frit skride. At nævne de uforandrede dele — »bevar ansigt, positur og tøj identisk« — er det enkeltstående største kvalitetsgreb, du har. Redigeringsvejen accepterer en negativ prompt (det gør tekst-til-billede ikke); læg uønskede artefakter der frem for at skrive »ingen X« i instruktionen. Outputtet arver automatisk kildens billedformat. Der er ingen videogenerering og ingen måde at animere et billede på. Redigering kører på vores egen GPU-klynge i chatappen, uden indholdsfilter og uden afvisningslag.
De fleste, der søger efter en ucensureret AI-billedredigering, har ét billede og ét problem: baggrunden er forkert, lyset er fladt, jakken har den forkerte farve, en fremmed står i billedet, scanningen har en revne igennem sig — eller redigeringen er fuldstændig legitim, og deres nuværende værktøj nægter at røre den. Det her handler om at gøre det godt: ikke om hvilket værktøj der har flest skydere, men om den ene vane, der adskiller en redigering, der rammer, fra en redigering, der stille og roligt genopbygger dit motivs ansigt, mens du kigger den anden vej.
01Hvad instruktionsbaseret redigering egentlig er
Klassisk AI-redigering beder dig om selv at klare den svære del: åbn et lærred, mal en maske hen over det område, du vil ændre, og skriv en frase, der beskriver, hvad der skal være indeni. Præcist, langsomt og ubrugeligt i samme øjeblik din ændring ikke har en ren omrids — et lysskift, et tøjskift der ændrer silhuetten, en gennemgående farvegradering.
Shannon gør det omvendt. Du markerer intet. Du skriver en sætning om billedet, på ethvert sprog, og området udledes af dine ord. Det gør værktøjet til et praktisk ucensureret alternativ til inpainting for alle, der vil have resultatet frem for markeringsarbejdet — med én mekanisk konsekvens, du skal forstå først:
En redigering er en gengengivelse af hele billedfladen, betinget af dit kildebillede — ikke en lap sat på en del af det. Billedmodellen læser din original, læser din instruktion og producerer et nyt billede, der skal være originalen plus ændringen. Intet er mekanisk låst fast. Hver eneste pixel er til forhandling ved hver eneste redigering.
Derfor kommer »en regnvåd gade i Tokyo« — fejlfri i et maskebaseret værktøj — tilbage med en umærkeligt anderledes person stående i den. I et maskebaseret værktøj sagde masken, at personen var uden for rækkevidde; her skal din sætning gøre det. Til gengæld: instruktionsredigering kan det, masker ikke kan — flytte solen og få skyggerne til at følge med, skifte et klædningsstykke og få stoffet til at folde sig over den eksisterende positur, omstille et fotografi til tusch og flade farver uden at miste kompositionen. De redigeringer har ingen kant at male; de er relationer på tværs af hele billedfladen.
02Forankring: det enkeltstående største kvalitetsgreb
Forankring betyder, at du skriver hver eneste redigeringsinstruktion som to sætningsled: ændringsleddet (hvad der skal være anderledes, formuleret positivt og konkret) og bevar-leddet (de dele, der skal overleve urørte, nævnt som konkrete navneord). Begge er bærende — ændringsleddet alene er et ønske. Hvis du tager én ting med fra denne side: dit resultat afgøres af, hvor eksplicit du nævner det, der bliver, ikke af hvor levende du beskriver det, der ændres.
Tre måder uforankrede instruktioner skrider på
- Identitetsskred. Ansigtet kommer tilbage næsten rigtigt — en lidt anden næse, en kæbelinje der stilfærdigt er blevet forskønnet. Den mest skadelige fejl, fordi den er svær at se på en telefon og indlysende for enhver, der kender personen.
- Utilsigtet omstilling. Du bad om en ny baggrund; du fik også en ny farvegradering, et nyt objektiv og en sweater, der plejede at være ribstrikket. Modellen læste instruktionen som en beskrivelse af hele målbilledet frem for som en forskel fra kilden.
- Omfangsskred fra tillægsord. »Mere dramatisk«, »renere«, »mere professionelt« nævner slet intet objekt. Et tillægsord uden et navneord gælder alt, så alt flytter sig.
Forankringsordforrådet
Forankringer virker som konkrete navneord. »Bevar det som det er« er svagt — modellen kan ikke vide, hvilken slags uforandrethed du går op i. Vælg tre til fem ting, der betyder noget for din redigering, og nævn dem direkte.
| Det, du ændrer | Forankringer, det er værd at nævne eksplicit |
|---|---|
| Baggrund / omgivelser | ansigt og ansigtstræk, frisure, positur, hænder, tøj, kameravinkel, beskæring, lyset på motivet |
| Belysning / stemning | ansigt, mimik, hudtekstur, positur, tøj, baggrundens indhold, billedudsnit |
| Tøj / påklædning | ansigt, skæg eller hår, positur, hænder, kropsproportioner, baggrund, lysretning, farvegradering |
| Stil / medie | komposition, positur, hårlængde, tøjets former, antal personer, beskæring |
| Fjernelse af objekt / reparation | alt andet i billedet — motivet, den omgivende arkitektur, kornet, tonaliteten, kontrasten, farven |
| Farven på én ting | alle andre farver i billedet, plus tekstur og materiale på det ændrede objekt |
Bemærk den sidste række. Omfarvning går galt i stilhed, fordi »gør jakken rød« inviterer til en jakke bygget helt forfra — nyt snit, nyt materiale, nye folder. Forankret: »omfarv den eksisterende jakke til dybt karmoisinrød, og bevar dens præcise snit, sømme, stoftekstur og den måde, den falder på.« Ét sætningsleds forskel, et dramatisk bedre resultat.
03Gennemgåede eksempler: svag instruktion, hvorfor den skrider, forankret omskrivning
Hvert par nedenfor er den samme hensigt skrevet to gange. Diagnosen i midten er det, du kan tage med videre.
A. Udskiftning af en baggrund
Hvorfor den skrider: det beskriver et målbillede, ikke en forskel. Intet ved kvinden er beskyttet, og intet holder kameraet i ro, så modellen omkomponerer og gengiver hende, mens den bygger en troværdig scene.
Hvad der ændrede sig: bevar-leddet fastholder identitet, påklædning og billedudsnit, og den sidste sætning siger, hvilken vej sammenføjningen skal løses — baggrunden bøjer sig efter motivets lys, ikke omvendt.
B. Ny belysning
Hvorfor den skrider: »bedre« er et tillægsord uden navneord. Modellen må selv opfinde en definition, og den billigste måde at se bedre ud på i en gengengivelse er glattet hud, hvidere tænder og en smallere kæbe. Du bad om lys og fik en retouchering.
Hvad der ændrede sig: lyset beskrives fysisk — retning, karakter, temperatur, fald. Hudteksturen er forankret eksplicit, for det er netop ved genbelysning, at en model er mest fristet til at glatte den væk.
C. Omklædning af et motiv
Hvorfor den skrider: et jakkesæt ændrer silhuetten, så overkroppen skal gengives på ny — og hovedet ovenpå følger som regel med. Uforankrede tøjredigeringer er den næststørste kilde til identitetsskred efter baggrundsskift.
Hvad der ændrede sig: »tilpasset hans nuværende kropsholdning« gør beklædningen underordnet posituren. Hænderne er forankret separat, for det er ved hænderne, at tøjredigeringer tydeligst falder fra hinanden.
D. Omstilling af et fotografi
Hvorfor den skrider: et stilord alene overdrager alt — komposition, beskæring, hår, tøj, antal personer — og »anime« er tredive års indbyrdes uforenelige traditioner. Du får en kompetent illustration af en anden scene.
Hvad der ændrede sig: stilredigeringer kræver en anden slags forankring. Du kan ikke forankre tekstur — teksturen er det, der bliver udskiftet — så du forankrer struktur: komposition, positur, silhuetter, beskæring, antal motiver. At bede om at bevare »fotorealistisk hud« under celleanimation er en selvmodsigelse.
E. At fjerne noget
Hvorfor den skrider: en negation stiller stadig begrebet frem foran modellen og siger intet om, hvad der skal fylde den tomme plads. Fjernelser kræver en positiv angivelse af både mål og udfyldning.
Hvad der ændrede sig: målet er navngivet ved objekt, farve og placering; udfyldningen er specificeret, så modellen ikke opfinder en plads, hvor der hører et fortov til; og »alt andet« er skrevet ud i konkrete navneord.
F. Reparation af et beskadiget fotografi
Hvorfor den skrider: »fiks« læses som »forbedr«, og at forbedre et gammelt fotografi betyder at modernisere det — renere hud, højere kontrast og et ansigt, der ikke længere helt er din mormors.
Hvad der ændrede sig: skaderne er talt op, så »fiks« har et defineret omfang, og korn og tonalitet er forankret, fordi de får aftrykket til at fremstå tidstypisk. De tre forbud er det sjældne tilfælde, hvor en negation gør nytte — direktiver om proces, ikke om objekter.
Formen på en god instruktion
Sigt efter 25 til 60 ord i hele sætninger frem for kommaseparerede nøgleordstags — billedmodellen læser prompts, som en sprogmodel gør, så prosa slår tagsuppe. Drop skrammel fra SDXL-tiden (masterpiece, best quality, 8k) og vægtsyntaks som (word:1.3); det gør ingenting her. Lav én ændring pr. instruktion — to urelaterede ændringer i én sætning konkurrerer om opmærksomheden, og begge kommer halvfærdige tilbage.
04Den negative prompt — understøttet her, modsat tekst-til-billede
Det her forvirrer mange, så lad os sige det lige ud:
| Vej | Kildebilleder | Negativ prompt | Billedformat | Promptform |
|---|---|---|---|---|
| Tekst-til-billede | 0 | Ikke understøttet | Valgt (kvadrat som standard) | Beskrivende prosa |
| Rediger ét billede | Præcis 1 | Understøttet | Arvet fra kilden | Instruktion: ændr + bevar |
| Kombinér 2+ billeder | 2 eller flere | Understøttet | Nyt lærred kan vælges | Prosa med navngivne roller |
Tekst-til-billede tager slet ingen negativ prompt — når du genererer ud af ingenting, er disciplinen at beskrive udelukkende det, du vil have (se ucensureret AI-billedgenerering). Redigering er noget andet: du har allerede en kilde, og de karakteristiske fejl ved en gengengivelse er kendte og kan navngives, så en negativ prompt har noget konkret at undertrykke.
Hvad der hører hjemme i den
Artefakter, og kun artefakter. Det er en defektliste, ikke en instruktionskanal nummer to:
- extra fingers, fused fingers, malformed hands — enhver redigering, der gengiver et menneske.
- warped text, garbled lettering, misspelled signage — alt med skilte, etiketter eller emballage i billedet.
- duplicated limbs, duplicated railing, repeated windows — fjernelser og udvidelser af baggrunden.
- smeared texture, blurry patch, halo around the subject, visible seam — baggrundsskift og fjernelse af objekter.
- plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — genbelysning, portrætredigeringer, almindelig hygiejne.
Hvad der ikke gør
Indholdsbeslutninger. Vil du af med hatten, så lyder instruktionen »fjern hatten« — ikke en negativ prompt med ordet »hat«. Den negative prompt fjerner ikke pålideligt ting, der findes i din kilde; den modvirker, at defekter dukker op i gengivelsen. Indhold der giver dig det værste fra begge verdener: hatten bliver, og en plads, der kunne have undertrykt forvredne hænder, er væk.
Den anden halvdel af reglen gælder din instruktion: hold op med at skrive »ingen X« i den. »En gade uden biler«, »et portræt uden briller« placerer begge det uønskede begreb i sætningen og beder modellen om at negere det — en opgave, sprog klarer godt, og billedbetingning klarer dårligt. Sig i stedet, hvad der skal være der: »en tom gade med ren asfalt«, »et portræt med frie øjne«. Den ene undtagelse er, som i eksempel F, et direktiv om proces — »skærp ikke«, »omfarv ikke« — som afviser en operation frem for at nævne et objekt.
Arbejdsdelingen, på én linje
Instruktion: hvad der ændres, hvad der bliver — formuleret positivt. Negativ prompt: de måder, en gengivelse kan blive misdannet på. Hold dem adskilt, så bliver begge bedre.
05Ét kildebillede, og hvordan Shannon vælger det
En redigering arbejder på præcis ét kildebillede: enten et billede, der allerede er i samtalen — vedhæftet tidligere eller genereret til dig — eller et, der er vedhæftet den besked, du sender lige nu. Intet hentes ind udefra tråden, og redigeringsvejen fletter aldrig stiltiende to billeder sammen. Kræver din hensigt elementer fra mere end ét billede — tøjet fra foto A på personen i foto B — er det en sammensætning, med en anden promptform, der navngiver hvert billedes rolle i rækkefølge.
Opfølgninger og det senest relevante billede
Når først et billede er i samtalen, virker korte opfølgninger, som man kunne håbe. »Gør det mørkere.« »Prøv nu ved solnedgang.« De løses op mod det senest relevante billede i tråden — normalt det resultat, du lige har fået — så en række små instruktioner opfører sig som en stak redigeringer. Tre konsekvenser:
- Iterér i enkelttrin. Hver opfølgning er endnu en fuld gengengivelse, så »gør det mørkere og skift hendes frakke og flyt kameraet længere ned« er tre redigeringer, der slås om ét gennemløb. Send tre beskeder; stop ved den, du bedst kunne lide.
- Hold øje med generationstab. Små afvigelser hober sig op; ved sjette redigering i træk kan et ansigt være langt fra originalen, selv om intet enkelt trin så forkert ud. Når du opdager skred, så hold op med at lappe — vedhæft originalfilen igen, og skriv én samlet instruktion, der indkoder alt det, du undervejs har fundet ud af, du ville have.
- I en lang tråd skal du være eksplicit. »Ud fra strandbilledet, jeg vedhæftede tidligere, …« fjerner tvetydigheden, når flere billeder er i spil.
Bekræftelseskortet er din sidste chance for at tilføje en forankring
Du spørger i almindeligt sprog, på det sprog du nu taler. Shannon afgør, at der bliver bedt om en billedoperation, skriver selv den endelige instruktion på engelsk og viser dig den på et bekræftelseskort, før noget renderes. Intet produceres, og intet faktureres, før du bekræfter. Læs det kort — det er der, du fanger et manglende bevar-led, før du bruger noget.
To beslægtede adfærd: Shannon genererer aldrig uopfordret — en hilsen, et spørgsmål eller et tilfældigt vedhæftet foto udløser ikke en billedoperation. Og at bede Shannon om blot at kigge på et billede — beskrive det, læse teksten i det, forklare hvorfor kompositionen ikke fungerer — er almindeligt visionsarbejde, ikke en generering, og koster ikke ekstra. »Hvad ville du ændre ved dette foto?« er gratis rådgivning; at handle på det er redigeringen.
06Billedformatet arves automatisk
Et redigeret billede kommer tilbage i samme billedformat som sin kilde. Du vælger ikke et, og du behøver ikke: et 4:5-portræt forbliver 4:5, et 16:9-still forbliver 16:9, et akavet telefonskærmbillede beholder sine proportioner. En redigering, der stiltiende omkomponerede dit billede, ville ikke være en redigering — det ville være en beskæring plus et gæt på, hvad der ligger uden for de oprindelige kanter.
Det er en reel forskel fra de to andre veje. Tekst-til-billede beder dig vælge mellem kvadrat (standard), portræt, landskab, bred (filmisk) og høj (plakater og baggrunde), og en eksplicit anmodning vinder altid; sammensætning lader dig vælge et friskt lærred, da der ikke er én enkelt kilde at arve fra. Så hvis du har brug for en anden form, er det ikke en redigering — at lave et 1:1-produktbillede om til et 16:9-banner betyder at opfinde pixels, der aldrig blev fotograferet. Gør det bevidst, ved at generere eller sammensætte på et nyt lærred.
07Der findes ingen videogenerering
Sagt lige ud, fordi folk spørger
Shannon genererer ikke video og animerer ikke billeder. Der er ingen billede-til-video-vej, intet »få dette foto til at bevæge sig«, ingen loop, ingen cinemagraph. Det er ikke en funktion i preview eller på vej — den findes ikke i produktet, og intet på denne side skal læses som en antydning af noget andet.
Det, Shannon 3 gør med billeder, er præcis tre ting: generere et nyt billede, redigere ét eksisterende billede og kombinere to eller flere billeder til ét. Alt her hører til den anden af dem.
Det er værd at sige to gange, for »AI-billedredigering« og »AI-videogenerator« er rykket tæt sammen i folks hoveder, og et værktøj, der med glæde genbelyser dit fotografi, føles som om det burde være én knap fra at sætte det i bevægelse. Det er det ikke — og det bør du vide i det første minut frem for i det tiende.
08Hvorfor ucensureret betyder mere for redigering end for generering
Filtrerede redigeringsværktøjer fejler anderledes end filtrerede generatorer, og som regel værre. En filtreret generator afviser din prompt; du omskriver og prøver igen. Et filtreret redigeringsværktøj kan afvise selve kildebilledet, før det har læst ét ord af din instruktion. Upload et klinisk sårfotografi til en case-rapport, og det afvises ved input. Upload et historisk krigsfotografi for at reparere en revne, og geværet i billedet afslutter samtalen. Legitimt arbejde, kategorisk afvisning, og ingen omskrivning ville have hjulpet.
Shannon kører billedvejen uden indholdsfilter på outputtet og uden afvisningslag på den model, der skriver instruktionen. Det er det, der gør disse ganske almindelige opgaver mulige:
- Aktkunst og croquisarbejde — retouchering, genbelysning og omstilling for kunstnere og fotografer, der arbejder med samtykkende voksne motiver.
- Medicinsk og retsmedicinsk illustration — klinisk billedmateriale renset op til undervisningsmateriale, case-rapporter og rekonstruktionsarbejde, som mainstream-værktøjer afviser på stedet.
- Billeder til sikkerhedsforskning — skærmbilleder, fysisk sikkerhedsdokumentation og hardwarefotos til phishing-awareness-programmer og red team-rapportering.
- Vold i fiktion — produktionskunst til film, spil og tegneserier, hvor et sår eller et våben er selve emnet.
- Politisk satire og redaktionel illustration — flere århundreders historie bag sig, næsten ingen understøttelse i filtreret værktøj.
- Brand- og portrætarbejde udført af rettighedshaveren — dine egne produktfotos, logoopsætninger og portrætter samt vanskelige familiearkiver, uden at skulle diskutere med en klassifikator om, hvorvidt du har lov.
Ucensureret er ikke det samme som uansvarligt. Shannon drives af Shannon Lab LLC (New Mexico, USA) under en offentliggjort politik for ansvarlig brug, og det er der, de reelle grænser findes — dem om lov og skade frem for en klassifikators ubehag ved et sårfotografi. Fraværet af en refleksiv afvisning er et udsagn om værktøjet, ikke om dit ansvar for det, du laver.
09Hvor API'et passer ind — og hvor det ikke gør
Det her er en almindelig fejlafkørsel for læsere, der kommer fra en API-søgning. Billedgenerering og -redigering foregår i Shannon-chatappen, ikke på API'et. De tre /v1-dialekter — /v1/chat/completions (OpenAI-formet), /v1/messages (Anthropic-formet) og /v1/responses, alle streamende, alle på de samme modeller — leverer tekst og vision. Vision betyder, at modellerne læser de billeder, du sender: beskriver dem, transskriberer tekst, analyserer et diagram. Det betyder ikke, at de producerer eller ændrer billeder.
Der er stadig et nyttigt mønster tilbage: vision plus en ucensureret tekstmodel er en stærk assistent til at skrive instruktioner. Send API'et dit kildebillede, bed det beskrive, hvad der er i billedet, og udarbejde en forankret instruktion, der nævner ændringen og forankringerne, og kør så instruktionen i chatten — den fanger de forankringer, du ville have glemt. Formen på forespørgsler og svar findes i API-dokumentationen.
10Ofte stillede spørgsmål
Hvad er en ucensureret AI-billedredigering?
Det er et redigeringsværktøj, der tager et eksisterende billede plus en instruktion i almindeligt sprog og returnerer det redigerede billede — uden indholdsfilter på outputtet og uden afvisningslag på den model, der skriver instruktionen. Det kører på vores egen GPU-klynge inde i Shannon-chatappen, så arbejde, som filtrerede redigeringsværktøjer afviser — retouchering af croquis- og aktbilleder, medicinsk og retsmedicinsk illustration, billeder til sikkerhedsforskning, vold i fiktion, politisk satire — bliver udført i stedet for afvist.
Hvorfor ændrer ansigtet sig, når jeg kun bad om at skifte baggrunden?
Fordi en instruktionsredigering gengenererer hele billedfladen betinget af dit kildebillede — ikke kun det område, du havde i tankerne. Alt, du ikke nævner som uforandret, kan frit skride. Løsningen er forankring: tilføj en bevar-sætning som »bevar ansigt, frisure, positur og tøj identisk, samme kameravinkel og beskæring«. At nævne de dele, der ikke må ændres, er det enkeltstående største kvalitetsgreb, du har.
Understøtter Shannons billedredigering en negativ prompt?
Ja. Modsat tekst-til-billede, der slet ikke tager en, understøtter både redigering og sammensætning af flere billeder en negativ prompt. Brug den til uønskede artefakter — ekstra fingre, forvrænget tekst, duplikerede gelændere, udtværet tekstur, plastikhud, vandmærker — i stedet for at skrive »ingen X« i instruktionen. Indholdsbeslutninger hører hjemme i instruktionen, formuleret positivt; artefaktbekæmpelse hører hjemme i den negative prompt.
Kan Shannon animere mit billede eller lave det om til video?
Nej. Shannon genererer ikke video og animerer ikke billeder. Der findes ingen billede-til-video-vej, og ingen er på vej. Shannon 3 genererer et nyt billede, redigerer ét eksisterende billede eller kombinerer to eller flere billeder til ét — de tre ting og intet derudover.
Hvor mange kildebilleder bruger en redigering?
Præcis ét: enten et billede, der allerede er i samtalen, eller et, du vedhæfter din nuværende besked. Hvis elementer skal komme fra to eller flere billeder — et sæt tøj fra ét foto på en person fra et andet — er det en sammensætning, ikke en redigering, og så bør du levere de rigtige billeder frem for at beskrive det andet med ord.
Skal jeg tegne en maske eller bruge inpainting?
Nej. Der er ingen pensel, lasso eller maskelag. Du beskriver ændringen i en sætning, og området udledes af dit sprog — derfor betyder præcise navneord noget: »den parkerede sølvgrå bil til højre« rammer langt bedre end »den der ting«. Det gør Shannon til et praktisk ucensureret alternativ til inpainting for folk, der vil have resultatet uden markeringsarbejdet.
Kan jeg redigere billeder via Shannons API?
Nej. Billedgenerering og -redigering findes i Shannon-chatappen. /v1-dialekterne — /v1/chat/completions, /v1/messages og /v1/responses — leverer tekst og vision: de læser og analyserer de billeder, du sender, men producerer og redigerer dem ikke. Et almindeligt arbejdsflow er at lade API'ets vision udarbejde den forankrede instruktion og derefter køre selve redigeringen i chatten.
Rediger et billede uden at skulle diskutere med et filter
Vedhæft et foto, skriv én sætning, nævn hvad der bliver.
Begynd at redigere Læs API-dokumentationenBilleder renderes på vores egen GPU-klynge · intet renderes eller faktureres, før du bekræfter kortet
Shannon AI drives af Shannon Lab LLC, New Mexico, USA. Billedgenerering, -redigering og -sammensætning er chatapp-funktioner i Shannon 3; /v1-API'et leverer kun tekst og vision. Der findes ingen videogenerering i produktet. Redigering accepterer præcis ét kildebillede og arver dets billedformat. Brug af de ucensurerede billedveje er omfattet af politikken for ansvarlig brug.