Ucensureret AI-tøjskift

Det meste billedarbejde, folk reelt har brug for, er ikke »lav et billede af en ting«. Det er »sæt denne jakke på denne person«, »stil denne stol ind i dette rum«, »fotografér dette produkt i den hånd«. Alt det kræver materiale fra mere end ét fotografi, og det går galt på samme måde hver gang: det ene billede bliver vedhæftet, det andet bliver beskrevet med ord, og tilbage kommer noget troværdigt, som ikke er den ting, du ejer. Løsningen er mindre, end du skulle tro, og den virker overalt.

01Hvad »at kombinere billeder« er, og hvor det foregår

Shannon 3 gør tre forskellige ting med billeder: den genererer et nyt billede ud fra en beskrivelse, den redigerer ét eksisterende billede, og den kombinerer to eller flere billeder til ét nyt. De har hver deres regler, og at vælge den forkerte er det første sted, kvaliteten ryger.

Brug sammensætning, når det færdige billede kræver materiale fra mere end ét fotografi: tøjskift og overførsel af beklædning, at sætte et objekt ind i en scene, person A ved siden af person B, et rigtigt produkt holdt af en rigtig model, den ene billedes stil lagt på det andets motiv. Hvis du sidder og ønsker, du kunne pege på to billeder på én gang, er det den operation, du er ude efter.

Det hele foregår i Shannon-chatappen, i almindelig samtale. Det ligger ikke på /v1-API'et — API'et leverer tekst og vision, hvilket vil sige, at det læser de billeder, du sender, frem for at producere nye. Er du kommet hertil fra en API-søgning, er det det ærlige svar; se API-dokumentationen for, hvad endpointene rent faktisk leverer. Billeder renderes på vores egen GPU-klynge.

Du spørger i almindeligt sprog, på det sprog du nu taler. Shannon regner ud, at der bliver bedt om et billede, skriver selv genereringsinstruktionen på engelsk og viser dig den på et bekræftelseskort, før noget renderes. Intet genereres, og intet faktureres, før du bekræfter — og ved arbejde med flere billeder er det kortet, hvor du kontrollerer, at roller og rækkefølge er kommet ud, som du mente. Shannon genererer aldrig uopfordret: en hilsen, et spørgsmål eller et tilfældigt vedhæftet foto udløser ikke en rendering.

02Reglen: navngiv hvert billedes rolle, i rækkefølge

Instruktionen skal sige, hvad hvert billede bidrager med, og den skal sige det i den rækkefølge, billederne blev givet. Det er hele teknikken; alt nedenfor er den regel anvendt på en konkret opgave.

Det første billede er basen — hovedmotivet eller scenen, alt efter hvad det færdige billede mest består af. Det fastlægger identitet, positur, billedudsnit, belysning og alt det, du ikke har bedt om at ændre. Senere billeder er kilder: de dele, der bliver hentet ind. Skriv sætningen, så en fremmed med billederne i hånden i rækkefølge kunne udføre opgaven manuelt.

Virker
Kvinden fra det første billede iført den røde strikbluse fra det
andet billede, stående i den samme park, samme positur og samme
eftermiddagslys, med ansigt og hår uforandret.

Fejler
Kombinér de to billeder.   Flet fotoerne.   Sæt dem sammen.

De fejlende udgaver fejler ikke, fordi de er korte, men fordi de aldrig siger, hvilket billede der er personen, og hvilket der er blusen. Tre vaner gør reglen pålidelig:

• Brug ordenstal eksplicit. »Fra det første billede«, »fra det andet billede«. Fire ord, og tvetydigheden er væk.
• Sig, hvad der forbliver det samme. »Bevar hendes ansigt, hår og positur identiske.« At nævne de uforandrede dele er det største kvalitetsgreb i hver eneste billedoperation, Shannon udfører, og det betyder mest her, fordi en sammensætning har to eller flere ting, den kan drive væk fra.
• Skriv prosa, ikke tags. Billedmodellen læser instruktioner, som en sprogmodel læser en sætning, så hele sætninger slår kommaseparerede nøgleord. Sigt efter 30 til 80 ord, og drop skrammel fra SDXL-tiden (»masterpiece, best quality, 8k«) og vægtsyntaks som (word:1.3).

Når et billede indeholder mere end én ting, så navngiv den del, du vil have ud af det. Er det andet billede et katalogfoto af en model iført blusen, siger »den røde strikbluse båret af kvinden på det andet billede«, at du vil have beklædningen, ikke modellen. Nøjes du med »det andet billede«, får du måske hendes ansigt med.

Rolleskabeloner efter opgave

Opgave	Første billede	Andet billede	Instruktionens form
Tøjskift	Personen	Beklædningen	»[Personen] fra det første billede iført [beklædningen] fra det andet billede, [hvad der bliver]«
Objekt i scene	Scenen	Objektet	»[Rummet] fra det første billede med [objektet] fra det andet billede placeret [hvor], tilpasset [lyset]«
Person + person	Person A og omgivelser	Person B	»[Manden] fra det første billede stående ved siden af [kvinden] fra det andet billede, [placeringer, blikretninger]«
Produkt på person	Modellen eller scenen	Produktet	»[Modellen] fra det første billede holdende [produktet] fra det andet billede, [greb, etiket mod kamera]«
Stiloverførsel	Motivet	Stilreferencen	»[Motivet] fra det første billede gengivet i [stilakserne] fra det andet billede, [motivet uforandret]«

03Fejlen, der ødelægger de fleste forsøg: at beskrive i stedet for at vedhæfte

Det er den fejl, der er værd at gøre et nummer ud af, fordi den er langt den mest udbredte, og fordi det ser ud, som om det virkede. Brugeren har to fotografier — deres kunde og kundens produkt, eller sig selv og en jakke, de ejer. De vedhæfter det ene og skriver det andet.

Fejlen
[vedhæfter ét foto af en kvinde]
»Sæt en rød strikbluse på hende, snoningsstrik, lidt grov, med
rullekrave.«

Det, der kommer tilbage, er en kvinde i en rød strikbluse. Det er en god bluse. Det er ikke den bluse. Snoningsmønsteret er opfundet, farvningen er en anden rød, ribbens dybde er forkert, kraven ruller den forkerte vej, og de små asymmetrier, der gør en rigtig beklædning genkendelig — en reparation, en trukket maske, udposningen ved albuerne — er væk, fordi intet i sætningen indeholdt dem.

Tekst er en tabsgivende kanal, og et fotografi er ikke. En omhyggelig sætning bærer måske et dusin egenskaber ved et objekt; fotografiet bærer tusinder, inklusive alle dem, du aldrig ville tænke på at skrive ned, og dem du ikke kan sætte ord på. At beskrive i stedet for at vedhæfte smider alt det væk, du ikke tænkte på — hvilket er det meste. At vedhæfte bevarer det rigtige udseende, fordi det rigtige udseende er til stede.

Testen er enkel. Er pointen med billedet, at det er netop det — den specifikke beklædning, den person, det præcise produkt, det rum — så vedhæft det. Kunne du udpege genstanden i en række af ens genstande, og betyder det noget, at resultatet svarer til den, du ville pege på, så gør en beskrivelse det ikke.

Der er ét legitimt tilfælde for at beskrive: når tingen ikke findes endnu, eller når en generisk udgave er præcis det, du vil have. At designe en bluse, ingen har strikket, eller at skitsere et koncept — det er tekst-til-billede-arbejde, og en beskrivelse er det rigtige, fordi der ikke er noget virkeligt objekt, hvis identitet du bevarer. I samme øjeblik et virkeligt objekt træder ind i opgaven, gør dets fotografi det også.

En beslægtet halv fejl: at vedhæfte begge billeder og så alligevel beskrive det andet i detaljer. Tillægsordene kan komme på kant med fotografiet — skriv »grov«, når den rigtige beklædning er fint strikket, og du har indført en selvmodsigelse. Beskriv kun det andet billede så meget, at det fremgår, hvilken del af det du vil have.

04Tøjskift og overførsel af beklædning

Den klassiske opgave med to billeder. Vedhæft personen først og beklædningen som nummer to. Billedet af beklædningen kan være et flat lay, et bøjlebillede, et katalogfoto eller en anden person iført den — alt virker, så længe du siger, hvilken del af det du mener.

Tøjskift
Kvinden fra det første billede iført den røde strikbluse fra det
andet billede. Bevar hendes ansigt, hår, positur og parkbaggrunden
præcis som de er, med det samme bløde overskyede lys. Blusen skal
falde naturligt om hendes krop, med den oprindelige beklædnings
snoningsmønster og krave intakt.

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

Tre ting gør arbejdet: rollerne er navngivet i rækkefølge, de uforandrede dele er listet højt (det er det, der stopper ansigtet i at skride), og det sidste sætningsled fortæller modellen, at beklædningens egne detaljer er hele pointen — uden det har sammensætninger en tendens til at bevare farve og silhuet, mens de stille glatter teksturen ud.

• Pasform er en fysisk påstand, så fremsæt den. »Falder naturligt om hendes krop«, »taljeret«, »ærmer der slutter ved håndleddet« — ellers kan beklædningen ankomme i sine kildeproportioner frem for bærerens.
• Overlapning er det svære tilfælde. Er armene krydset, eller går en tasketrem over brystet, så sig, hvad der sker med den. Tvetydighed dér producerer det klassiske smeltede-ærme-artefakt.
• Flere klædningsstykker betyder flere billeder. Person først, så overdel, så bukser, så sko — og henvis konsekvent til dem som det andet, tredje og fjerde billede. Skift ikke halvvejs til »skobilledet«.

05At sætte et objekt ind i en scene

Her byttes rollerne om: scenen kommer først, fordi scenen er det, det færdige billede mest består af, og objektet er den del, der hentes ind. Interiørmockups, at møblere et rum med møbler, du ikke har købt, at sætte et køretøj ind på en vej, at placere en skulptur i et galleri — samme form hver gang.

Objekt i scene
Stuen fra det første billede med den grønne velourlænestol fra det
andet billede placeret ved vinduet til venstre, drejet en anelse
mod kameraet og i omtrent hoftehøjde i billedet. Tilpas rummets
varme sene eftermiddagslys, med en blød skygge, der falder til
højre for stolen ned på tæppet. Bevar resten af rummet og
kameravinklen uforandret.

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

Fejlkilden her er ikke identitet, det er fysik. Et objekt, der beholder sin egen belysning, ser påklistret ud, og betragtere opdager det øjeblikkeligt, selv når de ikke kan sige hvorfor. Brug dine ord på de tre ting, et fotografi af et isoleret objekt ikke kan vide: placering (hvor i billedet, i forhold til hvad), størrelse udtrykt i scenens termer frem for i centimeter (»omtrent i hoftehøjde«, »så høj som dørhåndtaget«), og lys og skygge — retning, karakter og hvor skyggen falder. Det sidste er det, der forvandler en montage til et fotografi.

06Person A ved siden af person B

To mennesker, der aldrig var i samme rum: familiefotografier på tværs af generationer, et stifterportræt da medstifteren var på rejse, en plakat med to optrædende. Det virker, og det kræver to ting, som opgaverne med ét motiv ikke gør.

To personer
Manden fra det første billede stående ved siden af kvinden fra det
andet billede, begge på den samme stenterrasse fra det første
billede. Han står til venstre, hun står til højre for ham, med
skuldrene næsten rørende, begge vendt mod kameraet i samme
øjenhøjde. Bevar begge ansigter, frisurer og tøj præcis som på
deres egne fotografier, og belys begge med det samme bløde
aftenlys fra venstre.

Lærred: landskab
Negativ prompt: mismatched skin tone, duplicated limbs, seam
line between subjects, uneven lighting

De to ekstra ting: relativ geometri — hvem der står i hvilken side, hvor langt fra hinanden, hvis blik der går hvorhen, og indbyrdes højde, for to forskelligt beskårne portrætter giver modellen ingen mulighed for at vide, at den ene person er et hoved højere — og ét fælles lys, formuleret eksplicit, fordi du fletter to belysningsmiljøer, og det ene må vinde.

Det er også her, valget af et nyt lærredsformat gør sig fortjent: to kilder i portrætformat giver et dårligt gruppebillede i portrætformat, så bed om landscape eller wide. Og lad os sige det indlysende én gang — at sætte en virkelig person ind i et billede, de ikke var med i, er stærkt og ikke automatisk harmløst. Sørg for at have rettighederne eller samtykket; vores politik for ansvarlig brug er den korte version.

07Produkt på person, og ucensureret produktfotografi

Kommercielt er det den sammensætning, der tjener sig selv ind. Du har et produktfoto på hvid baggrund, og du har en model, en hånd, et køkken, et værkstedsbord. At kombinere dem giver dig et livsstilsfotografi uden en dag i studiet — og med dit faktiske produkt i det frem for en genereret tilnærmelse, hvilket er hele forskellen mellem brugbart markedsmateriale og en mockup, du skal undskylde for.

Produkt på person
Kvinden fra det første billede holdende den ravgule glasflaske med
serum fra det andet billede i sin højre hånd, løftet til brysthøjde,
med etiketten vendt mod kameraet og fuldt læselig, og hendes fingre
naturligt om flasken uden at dække etiketten. Bevar hendes ansigt,
hår og køkkenbaggrunden uforandret. Optaget på Kodak Portra 400,
85mm f/1.4, blødt vindueslys fra venstre.

Lærred: portræt
Negativ prompt: warped label text, extra fingers, floating
bottle, duplicated reflections, plastic skin

To ting er særlige for produktarbejde. Grebet: hænder, der holder objekter, er der, hvor sammensætning oftest går galt, så sig hvilken hånd, i hvilken højde, og at fingrene ligger naturligt om uden at dække etiketten. Fotografisk behandling: navngiv et kamera, et objektiv og en film eller en lyskilde. Outputtet skal læses som et fotografi, der blev taget, ikke som to fotografier, der blev sat sammen, og det er ved at skrive det som et fotografi, du kommer derhen.

Ucensureret betyder her noget mere hverdagsagtigt, end det lyder. Filtrerede generatorer afviser hele kategorier af helt almindelig, lovlig handel: lingeri- og badetøjskataloger, tobaks- og vapehardware, alkohol, våbentilbehør, produkter til voksenvelvære, cannabis hvor det er lovligt, medicinsk udstyr samt taktisk udstyr og jagtgrej. De afviser også brand- og portrætarbejde udført af rettighedshaveren. Intet af det er randtilfælde; det er en ganske almindelig tirsdag på et bureau. Shannon har intet indholdsfilter på genereringsvejen og intet afvisningslag på den model, der skriver prompten, så arbejdet går igennem, og rettighedsspørgsmålet bliver hos dig, hvor det hører hjemme.

08Stil fra ét billede, motiv fra et andet

Motivet først, stilreferencen som nummer to. Det, der gør denne opgave anderledes, er, at du låner en egenskab frem for et objekt, så du er nødt til at navngive hvilke egenskaber — og at sige, at referencens eget motiv og komposition ikke kommer med.

Stilreference
Portrættet af manden fra det første billede gengivet i det andet
billedes visuelle stil: den samme dæmpede palet i turkisgrøn og
okker, synlig tørpensel-tekstur og fladt, jævnt lys. Bevar hans
ansigt, mimik og positur genkendelige og uforandrede. Overfør ikke
det andet billedes motiv, baggrund eller komposition.

Negativ prompt: second face, borrowed background, photographic
texture

Navngiv stilakserne eksplicit, for »i det andet billedes stil« alene er underspecificeret: palet (eller præcise farver, skrevet som color #8B0000 knyttet til et navngivet objekt), penselføring eller korn, lysets karakter, stregtykkelse, abstraktionsniveau, kantbehandling. Vælg de to eller tre, der definerer looket; at navngive alle seks udjævner dem. Og bland ikke modstridende retninger — »fotorealistisk« plus »akvarel« giver en grød, ikke en blanding. Vil du have et fotografi, der blot låner en palet, så sig præcis det.

09Negative prompts og valg af nyt lærredsformat

To muligheder, der findes for sammensætning og redigering, men ikke for tekst-til-billede, og begge bliver brugt for lidt.

Den negative prompt

Sammensætning af billeder understøtter en negativ prompt. Uønskede artefakter hører til der — og det betyder noget, at de kommer der frem for ind i instruktionen, for skriver du »ingen ekstra fingre« i hovedinstruktionen, nævner du det, du prøver at undgå, i samme åndedrag som alt det, du vil have. Læg udelukkelser i deres egen kanal. De poster, der konsekvent gør sig fortjent:

• Anatomi — ekstra fingre, duplikerede lemmer, misdannede hænder, et ansigt nummer to.
• Montageafslørere — udklippede kanter, synlig sammenføjningslinje, svævende objekt, dobbelte skygger, glorie om motivet.
• Lysuoverensstemmelse — uens farvetemperatur, inkonsistent skyggeretning, ujævn eksponering mellem motiverne.
• Teksturfejl — plastikhud, udglattet stof, forvrænget etikettekst, ulæseligt logo.

Hold det til den håndfuld, der er sandsynlige for dit billede. En negativ prompt med tredive punkter er en diffus instruktion, ikke en stærk.

Lærredsformatet

Redigering af ét enkelt billede arver automatisk kildebilledets billedformat — der er én kilde, og dens form er svaret. Sammensætning har ingen sådan standard, så du kan vælge et nyt lærredsformat, og det bør du ofte, for den form, der passede til den ene kilde, passer sjældent til sammensætningen.

Format	Bedst til	Typisk brug i sammensætning
square	Standard, sociale feeds	Ét motiv med ét overført element
portrait	Personer, høje motiver	Tøjskift, produkt holdt af én model
landscape	Landskaber, grupper	To personer side om side, objekt placeret i et rum
wide	Filmisk billedudsnit	Gruppebilleder, produkter i omgivelser, bannere
tall	Plakater, telefonbaggrunde	Helfigursbilleder af tøj, plakatlayouts

En eksplicit anmodning vinder altid. Siger du intet, får du kvadrat — den forkerte form til det meste arbejde med to personer og helfigurstøj, så det er et ord værd.

10Hvilke billeder Shannon bruger: samtalen kontra denne besked

Der er to måder, et billede kommer ind i en sammensætning på, og at vide hvilken du læner dig op ad, forebygger de fleste rækkefølgeforvekslinger.

Vedhæftet den aktuelle besked. Den direkte vej: vedhæft alt til den besked, der bærer instruktionen, i den rækkefølge du agter at henvise til det, og så betyder »første billede« og »andet billede« præcis det, de ser ud til. Gør det til din standard.

Allerede i samtalen. Billeder, der er sendt tidligere i tråden, er stadig tilgængelige og kan omtales i almindeligt sprog — »det foto, jeg sendte tidligere«, »billedet af blusen fra før«, »den anden version, du lavede«. Shannon opløser henvisningen mod tråden, hvilket er reelt praktisk hen over en lang session: du kan iterere på et resultat og derefter hente et nyt element ind uden at uploade alting igen.

Sikkerhedsnettet er det samme i begge tilfælde. Bekræftelseskortet viser instruktionen, før noget renderes, inklusive den rækkefølge, den valgte. Læs det. Er rollerne kommet omvendt ud — blusen som base, personen som kilde — så sig til, og det bliver rettet, før en eneste pixel bliver genereret eller faktureret. Men når en tråd er lang og fuld af billeder, så vedhæft dem, du skal bruge, igen; seks billeder tilbage er »det andet billede« tvetydigt for enhver læser.

At bede Shannon om at se på et billede — beskrive det, læse etiketten, fortælle dig hvad stoffet er — er almindeligt visionsarbejde, ikke en generering. Det koster ikke ekstra, og det er et godt tjek, før du sammensætter: nævner Shannons beskrivelse ikke den detalje, du går op i, skal din instruktion navngive den.

11Ucensureret, og hvad det egentlig betyder

Der er intet indholdsfilter på genereringsvejen og intet afvisningslag på den model, der skriver prompten. Sammensætning er der, hvor filtrerede værktøjer fejler mest synligt, for et afvisningssystem kan ikke se forskel på at kombinere billeder, du ejer, og at kombinere billeder, du ikke burde have — så det blokerer begge dele.

Det arbejde, de værktøjer rutinemæssigt afviser, er ikke eksotisk: aktkunst og croquisstudier, medicinsk og retsmedicinsk illustration, billeder til sikkerhedsforskning, vold i fiktion til bogomslag og spilgrafik, politisk satire og de lovlige produktkategorier nævnt ovenfor. Hver eneste er legitimt professionelt arbejde, som et nøgleordsfilter ikke kan skelne fra misbrug.

Ucensureret betyder ikke uansvarligt. Du leverer fotografier af virkelige objekter og ofte virkelige mennesker; rettighederne og samtykket er dine at holde styr på, og det er ansvaret for resultatet også. Shannon Lab LLC er et New Mexico-selskab, der opererer under en offentliggjort politik for ansvarlig brug — fem minutter værd, før du går i gang med arbejde, der involverer andre menneskers udseende.

12Begrænsninger, det er værd at kende, før du går i gang

Der findes ingen videogenerering. Shannon animerer ikke billeder og producerer ikke video, i nogen form, ud fra nogen af disse operationer — ikke ud fra ét billede, ikke ud fra en sammensætning, ikke som eksperimentel mulighed. Slutter din opgave i bevægelse, er det ikke værktøjet til det sidste trin. Sådan er produktet, ikke et hint om en køreplan.

Andre ærlige grænser, alle med løsninger:

• Fin tekst er det svageste område. Småt tryk, tæt emballagetekst og lange serienumre kan komme ud ufuldkomment. Komponér produktet, så den vigtige tekst er stor, læg warped label text i den negative prompt, og tjek i fuld størrelse.
• Ekstreme størrelsesforskelle er svære. Et produktfoto på 4000 pixels kombineret med et lille miniaturebillede af et rum giver modellen lidt at arbejde med. Brug den bedste kopi, du har, af hver kilde.
• Kraftig overlapning begrænser, hvad der kan overføres. En beklædning fotograferet foldet sammen, hvor bagsiden aldrig er synlig, kan ikke få sin bagside opfundet troværdigt. Viser sammensætningen bagsiden, så lever bagsiden.
• Flere billeder betyder mere plads til forvirring. Fire kilder er til at arbejde med, hvis ordenstalsnavngivningen er disciplineret, men det er ikke stedet at være løssluppen — brug det antal, opgaven kræver, og ikke flere.
• To store ændringer på én gang konkurrerer. Overfør tøjet, bekræft, og skift så baggrunden. Sekventielle redigeringer slår næsten altid én overlæsset instruktion, og hvert trin er billigt at kontrollere.

13Ofte stillede spørgsmål

---

Billedgenerering, -redigering og sammensætning af flere billeder er funktioner i Shannon-chatappen; endpointene /v1/chat/completions, /v1/messages og /v1/responses leverer tekst og vision, hvilket vil sige, at de læser billeder frem for at generere dem. Der findes ingen videogenerering. Formatmuligheder, understøttelse af negativ prompt og bekræftelsesadfærd er gældende pr. 5. september 2026. Relateret: ucensureret AI-billedgenerering · ucensureret AI-billedredigering · ansvarlig brug · API-dokumentation · forskningsoversigt.