Μεταφορά ρούχων με AI, χωρίς λογοκρισία
Πώς συνδυάζεις δύο ή περισσότερες εικόνες σε μία στο Shannon — μεταφορά ρούχων, αντικείμενο σε σκηνή, άτομο δίπλα σε άτομο, προϊόν πάνω σε άτομο — και ο ένας κανόνας που τα κάνει όλα να δουλέψουν.
Με λίγα λόγια
Επισύναψε τις εικόνες και περίγραψε το αποτέλεσμα ονομάζοντας τι συνεισφέρει κάθε εικόνα, με τη σειρά. Η πρώτη εικόνα είναι το κύριο θέμα ή η σκηνή· οι επόμενες εικόνες δίνουν τα μέρη που έρχονται μέσα. «Η γυναίκα από την πρώτη εικόνα να φοράει το κόκκινο πλεκτό πουλόβερ από τη δεύτερη εικόνα, όρθια στο ίδιο πάρκο.» Μην συμπτύσσεις μια δουλειά δύο εικόνων σε μία εικόνα συν μια κειμενική περιγραφή της άλλης — ένα περιγραμμένο ρούχο γίνεται γενικό ρούχο· το πραγματικό μένει πραγματικό. Ο συνδυασμός υποστηρίζει αρνητικό prompt και σου επιτρέπει να διαλέξεις νέο λόγο καμβά. Δεν υπάρχει φίλτρο περιεχομένου ούτε επίπεδο άρνησης — και καμία δημιουργία βίντεο.
Η περισσότερη δουλειά με εικόνες που πραγματικά χρειάζεται ο κόσμος δεν είναι «φτιάξε μου μια εικόνα ενός πράγματος». Είναι «βάλε αυτό το μπουφάν σε αυτό το άτομο», «ρίξε αυτή την πολυθρόνα σε αυτό το δωμάτιο», «φωτογράφισε αυτό το προϊόν σε εκείνο το χέρι». Όλα αυτά χρειάζονται υλικό από περισσότερες από μία φωτογραφίες, και όλα αποτυγχάνουν με τον ίδιο τρόπο: η μία εικόνα επισυνάπτεται, η άλλη περιγράφεται με λόγια, και γυρίζει πίσω κάτι εύλογο που δεν είναι το πράγμα που έχεις. Η λύση είναι μικρότερη απ' όσο θα περίμενες και δουλεύει παντού.
01Τι είναι ο «συνδυασμός εικόνων» και πού γίνεται
Το Shannon 3 κάνει τρία διακριτά πράγματα με εικόνες: δημιουργεί μια νέα εικόνα από περιγραφή, επεξεργάζεται μία υπάρχουσα εικόνα και συνδυάζει δύο ή περισσότερες εικόνες σε μία νέα. Έχουν διαφορετικούς κανόνες, και η λάθος επιλογή είναι το πρώτο σημείο όπου χάνεται η ποιότητα.
Χρησιμοποίησε τον συνδυασμό όποτε η τελική εικόνα χρειάζεται υλικό από περισσότερες από μία φωτογραφίες: μεταφορά ρούχων και ενδυμάτων, τοποθέτηση αντικειμένου σε σκηνή, το άτομο Α δίπλα στο άτομο Β, ένα πραγματικό προϊόν στα χέρια ενός πραγματικού μοντέλου, το στυλ μιας εικόνας πάνω στο θέμα μιας άλλης. Αν πιάσεις τον εαυτό σου να εύχεσαι να μπορούσες να δείξεις δύο εικόνες ταυτόχρονα, αυτή είναι η λειτουργία.
Όλα αυτά γίνονται στην εφαρμογή chat του Shannon, μέσα σε συνηθισμένη συνομιλία. Δεν γίνονται στο API /v1 — το API εξυπηρετεί κείμενο και όραση, δηλαδή διαβάζει εικόνες που στέλνεις αντί να παράγει νέες. Αν έφτασες εδώ από αναζήτηση για API, αυτή είναι η ειλικρινής απάντηση· δες την τεκμηρίωση του API για το τι εξυπηρετούν πράγματι τα endpoints. Οι εικόνες αποδίδονται στο δικό μας cluster GPU.
Ζητάς σε απλή γλώσσα, σε όποια γλώσσα μιλάς. Το Shannon καταλαβαίνει ότι ζητείται εικόνα, γράφει το ίδιο την εντολή δημιουργίας στα αγγλικά και σου τη δείχνει σε κάρτα επιβεβαίωσης πριν αποδοθεί οτιδήποτε. Τίποτα δεν δημιουργείται και τίποτα δεν χρεώνεται μέχρι να επιβεβαιώσεις — και στη δουλειά με πολλαπλές εικόνες, εκείνη η κάρτα είναι το σημείο όπου ελέγχεις ότι οι ρόλοι και η σειρά βγήκαν όπως τα εννοούσες. Το Shannon δεν δημιουργεί ποτέ απρόσκλητα: ένας χαιρετισμός, μια ερώτηση ή μια φωτογραφία που επισυνάπτεις χαλαρά δεν πυροδοτούν απόδοση.
02Ο κανόνας: ονόμασε τον ρόλο κάθε εικόνας, με τη σειρά
Η εντολή πρέπει να λέει τι συνεισφέρει κάθε εικόνα και πρέπει να το λέει με τη σειρά που δόθηκαν οι εικόνες. Αυτή είναι όλη η τεχνική· όλα τα παρακάτω είναι ο ίδιος κανόνας εφαρμοσμένος σε μια συγκεκριμένη δουλειά.
Η πρώτη εικόνα είναι η βάση — το κύριο θέμα ή η σκηνή, ό,τι από τα δύο αποτελεί το μεγαλύτερο μέρος της τελικής εικόνας. Ορίζει ταυτότητα, πόζα, πλαισίωση, φωτισμό και ό,τι δεν ζήτησες να αλλάξει. Οι επόμενες εικόνες είναι πηγές: τα μέρη που έρχονται μέσα. Γράψε την πρόταση έτσι ώστε ένας άγνωστος που κρατά τις εικόνες με τη σειρά να μπορούσε να κάνει τη δουλειά με το χέρι.
Λειτουργεί
Η γυναίκα από την πρώτη εικόνα να φοράει το κόκκινο πλεκτό
πουλόβερ από τη δεύτερη εικόνα, όρθια στο ίδιο πάρκο, με την ίδια
πόζα και το ίδιο απογευματινό φως, με το πρόσωπο και τα μαλλιά της
αμετάβλητα.
Αποτυγχάνει
Συνδύασε αυτές τις δύο εικόνες. Ένωσε τις φωτογραφίες. Βάλ' τες μαζί.
Οι αποτυχημένες εκδοχές αποτυγχάνουν όχι επειδή είναι σύντομες αλλά επειδή δεν λένε ποτέ ποια εικόνα είναι το άτομο και ποια το πουλόβερ. Τρεις συνήθειες κάνουν τον κανόνα αξιόπιστο:
- Χρησιμοποίησε ρητά τακτικά αριθμητικά. «Από την πρώτη εικόνα», «από τη δεύτερη εικόνα». Τέσσερις λέξεις, και η ασάφεια εξαφανίζεται.
- Πες τι μένει ίδιο. «Κράτα το πρόσωπο, τα μαλλιά και την πόζα της πανομοιότυπα.» Το να ονομάζεις τα μέρη που μένουν αμετάβλητα είναι ο μεγαλύτερος μοχλός ποιότητας σε κάθε εργασία εικόνας του Shannon, και μετράει περισσότερο εδώ, επειδή μια σύνθεση έχει δύο ή περισσότερα πράγματα από τα οποία μπορεί να ξεφύγει.
- Γράψε προτάσεις, όχι ετικέτες. Το Μοντέλο Εικόνας διαβάζει τις εντολές όπως ένα γλωσσικό μοντέλο διαβάζει μια πρόταση, οπότε οι ολοκληρωμένες προτάσεις κερδίζουν τις λέξεις-κλειδιά με κόμματα. Στόχευσε σε 30 έως 80 λέξεις και παράλειψε τα σκουπίδια της εποχής SDXL («masterpiece, best quality, 8k») και τη σύνταξη βαρών όπως
(word:1.3).
Όταν μια εικόνα περιέχει περισσότερα από ένα πράγματα, ονόμασε το μέρος που θέλεις από αυτήν. Αν η δεύτερη εικόνα είναι φωτογραφία καταλόγου με ένα μοντέλο που φοράει το πουλόβερ, το «το κόκκινο πλεκτό πουλόβερ που φοράει η γυναίκα στη δεύτερη εικόνα» λέει ότι θέλεις το ρούχο, όχι το μοντέλο. Άσ' το στο «η δεύτερη εικόνα» και μπορεί να πάρεις και το πρόσωπό της.
Πρότυπα ρόλων ανά δουλειά
| Δουλειά | Πρώτη εικόνα | Δεύτερη εικόνα | Μορφή εντολής |
|---|---|---|---|
| Μεταφορά ρούχων | Το άτομο | Το ρούχο | «Το [άτομο] από την πρώτη εικόνα να φοράει το [ρούχο] από τη δεύτερη εικόνα, [τι μένει ίδιο]» |
| Αντικείμενο σε σκηνή | Η σκηνή | Το αντικείμενο | «Το [δωμάτιο] από την πρώτη εικόνα με το [αντικείμενο] από τη δεύτερη εικόνα τοποθετημένο [πού], ταιριάζοντας [φως]» |
| Άτομο + άτομο | Άτομο Α και σκηνικό | Άτομο Β | «Ο [άντρας] από την πρώτη εικόνα όρθιος δίπλα στη [γυναίκα] από τη δεύτερη εικόνα, [θέσεις, βλέμματα]» |
| Προϊόν σε άτομο | Το μοντέλο ή η σκηνή | Το προϊόν | «Το [μοντέλο] από την πρώτη εικόνα να κρατά το [προϊόν] από τη δεύτερη εικόνα, [κράτημα, ετικέτα προς την κάμερα]» |
| Μεταφορά στυλ | Το θέμα | Η αναφορά στυλ | «Το [θέμα] από την πρώτη εικόνα αποδοσμένο στους [άξονες στυλ] της δεύτερης εικόνας, [θέμα αμετάβλητο]» |
03Το λάθος που καταστρέφει τις περισσότερες προσπάθειες: περιγράφεις αντί να επισυνάπτεις
Αυτό είναι το λάθος για το οποίο αξίζει να γίνει φασαρία, επειδή είναι μακράν το πιο συχνό και επειδή μοιάζει να πέτυχε. Ο χρήστης έχει δύο φωτογραφίες — τον πελάτη του και το προϊόν του πελάτη του, ή τον εαυτό του και ένα μπουφάν που έχει. Επισυνάπτει τη μία και πληκτρολογεί την άλλη.
Το λάθος
[επισυνάπτει μία φωτογραφία μιας γυναίκας]
«Βάλε της ένα κόκκινο πλεκτό πουλόβερ, με πλέξη κοτσίδα, μάλλον
χοντρό, με γυριστό γιακά.»
Αυτό που γυρίζει πίσω είναι μια γυναίκα με κόκκινο πλεκτό πουλόβερ. Είναι καλό πουλόβερ. Δεν είναι το πουλόβερ. Το σχέδιο της πλέξης είναι εφευρημένο, η βαφή είναι διαφορετικό κόκκινο, το βάθος του ριμπ είναι λάθος, ο γιακάς γυρίζει από την ανάποδη, και οι μικρές ασυμμετρίες που κάνουν ένα πραγματικό ρούχο αναγνωρίσιμο — μια επιδιόρθωση, ένα τράβηγμα, το ξεχείλωμα στους αγκώνες — έχουν χαθεί, επειδή τίποτα στην πρόταση δεν τις περιείχε.
Το κείμενο είναι απωλεστικό κανάλι, η φωτογραφία όχι. Μια προσεκτική πρόταση μεταφέρει ίσως καμιά δεκαριά ιδιότητες ενός αντικειμένου· η φωτογραφία μεταφέρει χιλιάδες, μαζί με όλες όσες δεν θα σκεφτόσουν ποτέ να γράψεις και όσες δεν μπορείς να ονομάσεις. Το να περιγράφεις αντί να επισυνάπτεις πετάει όλα όσα δεν σκέφτηκες, που είναι και τα περισσότερα. Η επισύναψη διατηρεί την πραγματική εμφάνιση επειδή η πραγματική εμφάνιση είναι παρούσα.
Το τεστ είναι απλό. Αν το νόημα της εικόνας είναι ότι πρόκειται για εκείνο το ένα — εκείνο το συγκεκριμένο ρούχο, εκείνο το άτομο, εκείνο ακριβώς το προϊόν, εκείνο το δωμάτιο — επισύναψέ το. Αν θα μπορούσες να ξεχωρίσεις το αντικείμενο μέσα από μια σειρά και έχει σημασία το αποτέλεσμα να ταιριάζει με αυτό που θα διάλεγες, μια περιγραφή δεν αρκεί.
Η εκδοχή μιας γραμμής
Ένα περιγραμμένο ρούχο γίνεται γενικό ρούχο. Το πραγματικό μένει το πραγματικό. Το ίδιο ισχύει για το δεύτερο πρόσωπο, το προϊόν, την πολυθρόνα και το δωμάτιο: η επισύναψη διατηρεί την ταυτότητα, η περιγραφή τη αντικαθιστά με έναν μέσο όρο.
Υπάρχει και θεμιτή περίπτωση για περιγραφή: όταν το πράγμα δεν υπάρχει ακόμη, ή όταν αυτό που θέλεις είναι μια γενική εκδοχή. Ο σχεδιασμός ενός πουλόβερ που δεν έχει πλέξει κανείς, το πρόχειρο στήσιμο μιας ιδέας — αυτό είναι δουλειά κειμένου σε εικόνα, και η περιγραφή είναι σωστή επειδή δεν υπάρχει πραγματικό αντικείμενο του οποίου κρατάς την ταυτότητα. Τη στιγμή που ένα πραγματικό αντικείμενο μπαίνει στο brief, μπαίνει και η φωτογραφία του.
Ένα συγγενικό μισό-λάθος: να επισυνάψεις και τις δύο εικόνες και μετά να περιγράψεις και πάλι λεπτομερώς τη δεύτερη. Τα επίθετα μπορούν να τα βάλουν με τη φωτογραφία — γράψε «χοντρό» ενώ το πραγματικό ρούχο είναι λεπτής πλέξης και έχεις εισαγάγει αντίφαση. Περίγραψε τη δεύτερη εικόνα μόνο όσο χρειάζεται για να ξεχωρίσεις ποιο μέρος της θέλεις.
04Μεταφορά ρούχων και ενδυμάτων
Η κατεξοχήν δουλειά δύο εικόνων. Επισύναψε πρώτα το άτομο και δεύτερο το ρούχο. Η εικόνα του ρούχου μπορεί να είναι flat lay, φωτογραφία σε κρεμάστρα, φωτογραφία καταλόγου ή κάποιος άλλος που το φοράει — όλα δουλεύουν, αρκεί να πεις ποιο μέρος της εννοείς.
Μεταφορά ρούχων
Η γυναίκα από την πρώτη εικόνα να φοράει το κόκκινο πλεκτό
πουλόβερ από τη δεύτερη εικόνα. Κράτα το πρόσωπο, τα μαλλιά, την
πόζα και το φόντο του πάρκου ακριβώς όπως είναι, με το ίδιο απαλό
συννεφιασμένο φως. Το πουλόβερ να πέφτει φυσικά στο σώμα της, με
το σχέδιο της πλέξης και τον γιακά του αρχικού ρούχου ανέπαφα.
Αρνητικό prompt: παραμορφωμένο σχέδιο πλέξης, παραπανίσια μανίκια,
παραμορφωμένα χέρια, ύφασμα που μοιάζει πλαστικό, ασύμβατος φωτισμός
Τρία πράγματα κάνουν τη δουλειά: οι ρόλοι ονομάζονται με τη σειρά, τα μέρη που μένουν ίδια απαριθμούνται φωναχτά (αυτό εμποδίζει το πρόσωπο να ξεφύγει), και η τελευταία πρόταση λέει στο μοντέλο ότι οι λεπτομέρειες του ίδιου του ρούχου είναι το ζητούμενο — χωρίς αυτήν, οι συνθέσεις τείνουν να κρατούν χρώμα και σιλουέτα ενώ λειαίνουν αθόρυβα την υφή.
- Η εφαρμογή είναι φυσικός ισχυρισμός, οπότε κάν' τον. «Πέφτει φυσικά στο σώμα της», «εφαρμοστό στη μέση», «μανίκια που τελειώνουν στον καρπό» — αλλιώς το ρούχο μπορεί να φτάσει με τις αναλογίες της πηγής του και όχι με αυτές του ατόμου που το φοράει.
- Η επικάλυψη είναι η δύσκολη περίπτωση. Αν τα χέρια είναι σταυρωμένα ή ένα λουρί τσάντας περνά από το στήθος, πες τι γίνεται με αυτό. Η ασάφεια εκεί παράγει το κλασικό σφάλμα του λιωμένου μανικιού.
- Περισσότερα ρούχα σημαίνουν περισσότερες εικόνες. Πρώτα το άτομο, μετά το πάνω μέρος, μετά το παντελόνι, μετά τα παπούτσια — και ανάφερέ τα ως δεύτερη, τρίτη και τέταρτη εικόνα με συνέπεια. Μην αλλάξεις στα μισά σε «η φωτογραφία με τα παπούτσια».
05Τοποθέτηση αντικειμένου σε σκηνή
Εδώ οι ρόλοι αντιστρέφονται: η σκηνή πάει πρώτη, επειδή η σκηνή αποτελεί το μεγαλύτερο μέρος της τελικής εικόνας, και το αντικείμενο είναι το μέρος που έρχεται μέσα. Mockup εσωτερικών χώρων, στήσιμο ενός δωματίου με έπιπλα που δεν έχεις αγοράσει, τοποθέτηση ενός οχήματος σε έναν δρόμο, ένα γλυπτό σε μια γκαλερί — ίδια μορφή κάθε φορά.
Αντικείμενο σε σκηνή
Το σαλόνι από την πρώτη εικόνα με την πράσινη βελούδινη πολυθρόνα
από τη δεύτερη εικόνα τοποθετημένη δίπλα στο παράθυρο αριστερά,
ελαφρώς στραμμένη προς την κάμερα και σε ύψος περίπου μέσης μέσα
στο κάδρο. Ταίριαξε το ζεστό απογευματινό φως του δωματίου, με μια
απαλή σκιά να πέφτει δεξιά της πολυθρόνας πάνω στο χαλί. Κράτα το
υπόλοιπο δωμάτιο και τη γωνία κάμερας αμετάβλητα.
Αρνητικό prompt: αντικείμενο που αιωρείται, κομμένα περιγράμματα,
διπλές σκιές, ασύμβατη θερμοκρασία χρώματος
Ο τρόπος αστοχίας εδώ δεν είναι η ταυτότητα, είναι η φυσική. Ένα αντικείμενο που κρατά τον δικό του φωτισμό μοιάζει κολλημένο από πάνω, και οι θεατές το εντοπίζουν αμέσως ακόμη κι όταν δεν μπορούν να πουν γιατί. Ξόδεψε τις λέξεις σου στα τρία πράγματα που η φωτογραφία ενός απομονωμένου αντικειμένου δεν μπορεί να ξέρει: τοποθέτηση (πού μέσα στο κάδρο, σε σχέση με τι), κλίμακα με όρους της σκηνής και όχι σε εκατοστά («περίπου σε ύψος μέσης», «τόσο ψηλό όσο το πόμολο της πόρτας») και φως και σκιά — κατεύθυνση, ποιότητα και πού πέφτει η σκιά. Το τελευταίο είναι που μετατρέπει ένα φωτομοντάζ σε φωτογραφία.
06Το άτομο Α δίπλα στο άτομο Β
Δύο άνθρωποι που δεν βρέθηκαν ποτέ στο ίδιο δωμάτιο: οικογενειακές φωτογραφίες ανάμεσα σε γενιές, ένα πορτρέτο ιδρυτή όταν ο συνιδρυτής ταξίδευε, μια αφίσα με δύο καλλιτέχνες. Δουλεύει, και χρειάζεται δύο πράγματα που οι δουλειές με ένα θέμα δεν χρειάζονται.
Δύο άτομα
Ο άντρας από την πρώτη εικόνα όρθιος δίπλα στη γυναίκα από τη
δεύτερη εικόνα, και οι δύο πάνω στην ίδια πέτρινη βεράντα από την
πρώτη εικόνα. Αυτός στέκεται αριστερά, αυτή στα δεξιά του, με τους
ώμους τους σχεδόν να ακουμπούν, και οι δύο στραμμένοι στην κάμερα
στο ίδιο ύψος ματιών. Κράτα και τα δύο πρόσωπα, τα χτενίσματα και
τα ρούχα ακριβώς όπως στις δικές τους φωτογραφίες, και φώτισε και
τους δύο με το ίδιο απαλό βραδινό φως από τα αριστερά.
Καμβάς: landscape
Αρνητικό prompt: ασύμβατος τόνος δέρματος, διπλασιασμένα μέλη,
γραμμή ραφής ανάμεσα στα θέματα, ανομοιόμορφος φωτισμός
Τα δύο επιπλέον: η σχετική γεωμετρία — ποιος είναι σε ποια πλευρά, πόσο μακριά, πού πάει το βλέμμα του καθενός και το σχετικό ύψος, αφού δύο διαφορετικά καδραρισμένα πορτρέτα δεν δίνουν στο μοντέλο κανέναν τρόπο να ξέρει ότι το ένα άτομο είναι ένα κεφάλι ψηλότερο — και ένα ενιαίο κοινό φως, δηλωμένο ρητά, επειδή συγχωνεύεις δύο περιβάλλοντα φωτισμού και ένα πρέπει να επικρατήσει.
Εδώ είναι επίσης που η επιλογή νέου λόγου καμβά δικαιώνεται: δύο πηγές σε κατακόρυφο προσανατολισμό δίνουν κακή ομαδική λήψη σε κατακόρυφο, οπότε ζήτησε landscape ή wide. Και ας ειπωθεί το αυτονόητο μία φορά — το να βάζεις έναν πραγματικό άνθρωπο σε μια εικόνα στην οποία δεν ήταν είναι ισχυρό και δεν είναι αυτομάτως αβλαβές. Να έχεις τα δικαιώματα ή τη συναίνεση· η πολιτική υπεύθυνης χρήσης μας είναι η σύντομη εκδοχή.
07Προϊόν πάνω σε άτομο, και φωτογραφία προϊόντος χωρίς λογοκρισία
Εμπορικά, αυτή είναι η σύνθεση που αποπληρώνει τον εαυτό της. Έχεις μια λήψη προϊόντος σε λευκό φόντο και έχεις ένα μοντέλο, ένα χέρι, μια κουζίνα, έναν πάγκο εργασίας. Ο συνδυασμός τους σου δίνει μια lifestyle φωτογραφία χωρίς μια μέρα στο στούντιο — και με το πραγματικό σου προϊόν μέσα, όχι μια παραγόμενη προσέγγιση, που είναι όλη η διαφορά ανάμεσα σε χρησιμοποιήσιμο διαφημιστικό υλικό και σε ένα mockup για το οποίο θα πρέπει να απολογηθείς.
Προϊόν σε άτομο
Η γυναίκα από την πρώτη εικόνα να κρατά το κεχριμπαρένιο γυάλινο
μπουκάλι ορού από τη δεύτερη εικόνα στο δεξί της χέρι, ανασηκωμένο
στο ύψος του στήθους, με την ετικέτα στραμμένη στην κάμερα και
πλήρως ευανάγνωστη, και τα δάχτυλά της να τυλίγονται φυσικά γύρω
από το μπουκάλι χωρίς να καλύπτουν την ετικέτα. Κράτα το πρόσωπο,
τα μαλλιά της και το φόντο της κουζίνας αμετάβλητα. Λήψη σε
Kodak Portra 400, 85mm f/1.4, απαλό φως παραθύρου από τα αριστερά.
Καμβάς: portrait
Αρνητικό prompt: παραμορφωμένο κείμενο ετικέτας, παραπανίσια
δάχτυλα, μπουκάλι που αιωρείται, διπλές αντανακλάσεις, πλαστικό δέρμα
Δύο προσθήκες ειδικά για τη δουλειά με προϊόντα. Το κράτημα: τα χέρια που κρατούν αντικείμενα είναι εκεί όπου η σύνθεση πάει στραβά πιο συχνά, οπότε δήλωσε ποιο χέρι, σε τι ύψος, και ότι τα δάχτυλα τυλίγονται φυσικά χωρίς να κρύβουν την ετικέτα. Φωτογραφική επεξεργασία: ονόμασε μια μηχανή, έναν φακό και ένα φιλμ ή μια πηγή φωτός. Το αποτέλεσμα πρέπει να διαβάζεται ως φωτογραφία που τραβήχτηκε, όχι ως δύο φωτογραφίες που συνδυάστηκαν, και το να το γράφεις σαν φωτογραφία είναι που σε πάει εκεί.
Η απουσία λογοκρισίας μετράει εδώ με τρόπο πιο πεζό απ' ό,τι ακούγεται. Οι φιλτραρισμένες γεννήτριες αρνούνται ολόκληρες κατηγορίες συνηθισμένου, νόμιμου εμπορίου: καταλόγους εσωρούχων και μαγιό, προϊόντα καπνού και ατμίσματος, αλκοόλ, αξεσουάρ πυροβόλων όπλων, προϊόντα ευεξίας ενηλίκων, κάνναβη εκεί όπου είναι νόμιμη, ιατρικές συσκευές, τακτικό και κυνηγετικό εξοπλισμό. Αρνούνται επίσης δουλειά με brand και ομοιότητα που γίνεται από τον δικαιούχο. Τίποτα από αυτά δεν είναι ακραία περίπτωση· είναι μια Τρίτη σε ένα διαφημιστικό γραφείο. Το Shannon δεν έχει φίλτρο περιεχομένου στη διαδρομή δημιουργίας ούτε επίπεδο άρνησης στο μοντέλο που γράφει το prompt, οπότε η δουλειά περνά και το ζήτημα των δικαιωμάτων μένει σε σένα, εκεί που ανήκει.
08Στυλ από τη μία εικόνα, θέμα από την άλλη
Πρώτα το θέμα, δεύτερη η αναφορά στυλ. Αυτό που κάνει τη δουλειά διαφορετική είναι ότι δανείζεσαι μια ιδιότητα και όχι ένα αντικείμενο, οπότε πρέπει να ονομάσεις ποιες ιδιότητες — και να πεις ότι το θέμα και η σύνθεση της ίδιας της αναφοράς δεν έρχονται μαζί.
Αναφορά στυλ
Το πορτρέτο του άντρα από την πρώτη εικόνα αποδοσμένο στο οπτικό
στυλ της δεύτερης εικόνας: η ίδια υποτονισμένη παλέτα σε τιρκουάζ
και ώχρα, ορατή υφή στεγνού πινέλου και επίπεδος ομοιόμορφος
φωτισμός. Κράτα το πρόσωπο, την έκφραση και την πόζα του
αναγνωρίσιμα και αμετάβλητα. Μη μεταφέρεις το θέμα, το φόντο ή τη
σύνθεση της δεύτερης εικόνας.
Αρνητικό prompt: δεύτερο πρόσωπο, δανεισμένο φόντο, φωτογραφική υφή
Ονόμασε ρητά τους άξονες του στυλ, επειδή το σκέτο «στο στυλ της δεύτερης εικόνας» είναι ελλιπώς ορισμένο: παλέτα (ή ακριβή χρώματα, γραμμένα ως color #8B0000 συνδεδεμένα με ένα ονομασμένο αντικείμενο), πινελιά ή κόκκος, ποιότητα φωτισμού, πάχος γραμμής, βαθμός αφαίρεσης, χειρισμός των ακμών. Διάλεξε τους δύο ή τρεις που ορίζουν το ύφος· ονομάζοντας και τους έξι τους μετριάζεις. Και μην ανακατεύεις αντικρουόμενες κατευθύνσεις — «φωτορεαλιστικό» συν «ακουαρέλα» παράγει μπέρδεμα, όχι μείξη. Αν θέλεις μια φωτογραφία που απλώς δανείζεται μια παλέτα, πες ακριβώς αυτό.
09Αρνητικά prompt και επιλογή νέου λόγου καμβά
Δύο δυνατότητες που υπάρχουν για τον συνδυασμό και την επεξεργασία αλλά όχι για τη δημιουργία από κείμενο, και οι δύο υποχρησιμοποιούνται.
Το αρνητικό prompt
Ο συνδυασμός εικόνων υποστηρίζει αρνητικό prompt. Τα ανεπιθύμητα σφάλματα απόδοσης πάνε εκεί — και έχει σημασία να πάνε εκεί και όχι μέσα στην εντολή, επειδή το να γράψεις «χωρίς παραπανίσια δάχτυλα» στην κύρια εντολή ονομάζει αυτό που προσπαθείς να αποφύγεις στην ίδια ανάσα με όλα όσα θέλεις. Βάλε τους αποκλεισμούς στο δικό τους κανάλι. Οι καταχωρίσεις που δικαιώνονται σταθερά:
- Ανατομία — παραπανίσια δάχτυλα, διπλασιασμένα μέλη, παραμορφωμένα χέρια, δεύτερο πρόσωπο.
- Ίχνη φωτομοντάζ — κομμένα περιγράμματα, ορατή γραμμή ραφής, αντικείμενο που αιωρείται, διπλές σκιές, φωτοστέφανο γύρω από το θέμα.
- Ασυμβατότητα φωτισμού — ασύμβατη θερμοκρασία χρώματος, ασυνεπής κατεύθυνση σκιάς, ανομοιόμορφη έκθεση ανάμεσα στα θέματα.
- Αστοχίες υφής — πλαστικό δέρμα, λειασμένο ύφασμα, παραμορφωμένο κείμενο ετικέτας, δυσανάγνωστο λογότυπο.
Κράτα το στα λίγα που είναι εύλογα για τη δική σου εικόνα. Ένα αρνητικό prompt με τριάντα καταχωρίσεις είναι διάχυτη εντολή, όχι ισχυρή.
Ο λόγος του καμβά
Η επεξεργασία μίας εικόνας κληρονομεί αυτόματα τον λόγο διαστάσεων της εικόνας πηγής — υπάρχει μία πηγή και το σχήμα της είναι η απάντηση. Ο συνδυασμός δεν έχει τέτοια προεπιλογή, οπότε μπορείς να διαλέξεις νέο λόγο καμβά, και συχνά πρέπει, επειδή το σχήμα που ταίριαζε σε μία πηγή σπάνια ταιριάζει στη σύνθεση.
| Λόγος | Ιδανικός για | Τυπική χρήση στη σύνθεση |
|---|---|---|
| square | Προεπιλογή, ροές κοινωνικών δικτύων | Ένα θέμα με ένα μεταφερόμενο στοιχείο |
| portrait | Άνθρωποι, ψηλά θέματα | Μεταφορά ρούχων, προϊόν στα χέρια ενός μοντέλου |
| landscape | Τοπία, ομάδες | Δύο άτομα δίπλα δίπλα, αντικείμενο τοποθετημένο σε δωμάτιο |
| wide | Κινηματογραφική πλαισίωση | Ομαδικές λήψεις, σκηνές προϊόντος σε περιβάλλον, banner |
| tall | Αφίσες, ταπετσαρίες κινητού | Ολόσωμες λήψεις ρούχων, διατάξεις αφίσας |
Ένα ρητό αίτημα πάντα υπερισχύει. Μην πεις τίποτα και παίρνεις τετράγωνο — λάθος σχήμα για τις περισσότερες δουλειές με δύο άτομα και για ολόσωμα ρούχα, οπότε αξίζει μια λέξη.
10Ποιες εικόνες χρησιμοποιεί το Shannon: η συνομιλία έναντι αυτού του μηνύματος
Υπάρχουν δύο τρόποι για να μπει μια εικόνα σε μια σύνθεση, και το να ξέρεις σε ποιον βασίζεσαι αποτρέπει τα περισσότερα μπερδέματα στη σειρά.
Επισυναπτόμενη στο τρέχον μήνυμα. Η άμεση διαδρομή: επισύναψε τα πάντα στο μήνυμα που μεταφέρει την εντολή, με τη σειρά που σκοπεύεις να αναφερθείς σε αυτά, και το «πρώτη εικόνα» και «δεύτερη εικόνα» σημαίνουν ακριβώς αυτό που δείχνουν. Κάν' το προεπιλογή σου.
Ήδη μέσα στη συνομιλία. Οι εικόνες που στάλθηκαν νωρίτερα στο νήμα παραμένουν διαθέσιμες και μπορείς να αναφερθείς σε αυτές με απλά λόγια — «η φωτογραφία που έστειλα νωρίτερα», «η εικόνα με το πουλόβερ από πριν», «η δεύτερη εκδοχή που έφτιαξες». Το Shannon επιλύει την αναφορά μέσα στο νήμα, κάτι που είναι πραγματικά βολικό σε μια μεγάλη συνεδρία: μπορείς να δουλέψεις επαναληπτικά πάνω σε ένα αποτέλεσμα και μετά να φέρεις ένα νέο στοιχείο χωρίς να ξανανεβάσεις τα πάντα.
Η δικλείδα ασφαλείας είναι η ίδια και στις δύο περιπτώσεις. Η κάρτα επιβεβαίωσης δείχνει την εντολή πριν αποδοθεί οτιδήποτε, μαζί με τη σειρά που επέλεξε. Διάβασέ την. Αν οι ρόλοι βγήκαν αντεστραμμένοι — το πουλόβερ ως βάση, το άτομο ως πηγή — πες το και διορθώνεται πριν παραχθεί ή χρεωθεί ένα και μόνο pixel. Παρ' όλα αυτά, όταν ένα νήμα είναι μεγάλο και γεμάτο εικόνες, ξαναεπισύναψε αυτές που χρειάζεσαι· έξι εικόνες πιο πίσω, το «η δεύτερη εικόνα» είναι ασαφές για οποιονδήποτε αναγνώστη.
Το να ζητήσεις από το Shannon να κοιτάξει μια εικόνα — να την περιγράψει, να διαβάσει την ετικέτα, να σου πει τι ύφασμα είναι — είναι συνηθισμένη δουλειά όρασης, όχι δημιουργία. Δεν κοστίζει τίποτα παραπάνω και είναι καλός έλεγχος πριν συνθέσεις: αν η περιγραφή του Shannon δεν αναφέρει τη λεπτομέρεια που σε νοιάζει, η εντολή σου πρέπει να την ονομάσει.
11Χωρίς λογοκρισία, και τι σημαίνει αυτό στην πράξη
Δεν υπάρχει φίλτρο περιεχομένου στη διαδρομή δημιουργίας ούτε επίπεδο άρνησης στο μοντέλο που γράφει το prompt. Η σύνθεση είναι εκεί όπου τα φιλτραρισμένα εργαλεία αποτυγχάνουν πιο ορατά, επειδή ένα σύστημα άρνησης δεν μπορεί να διακρίνει τη διαφορά ανάμεσα στον συνδυασμό εικόνων που σου ανήκουν και στον συνδυασμό εικόνων που δεν θα έπρεπε να έχεις — οπότε μπλοκάρει και τα δύο.
Η δουλειά που αυτά τα εργαλεία αρνούνται συστηματικά δεν είναι εξωτική: καλλιτεχνικά γυμνά και μελέτη φιγούρας, ιατρική και εγκληματολογική εικονογράφηση, εικόνες για έρευνα ασφάλειας, βία στη μυθοπλασία για εξώφυλλα βιβλίων και game art, πολιτική σάτιρα και οι νόμιμες κατηγορίες προϊόντων που αναφέρθηκαν παραπάνω. Κάθε μία είναι θεμιτή επαγγελματική δουλειά που ένα φίλτρο λέξεων-κλειδιών δεν μπορεί να ξεχωρίσει από την κατάχρηση.
Χωρίς λογοκρισία δεν σημαίνει χωρίς λογοδοσία. Παρέχεις φωτογραφίες πραγματικών αντικειμένων και συχνά πραγματικών ανθρώπων· τα δικαιώματα και η συναίνεση είναι δική σου υπόθεση, όπως και η ευθύνη για το αποτέλεσμα. Η Shannon Lab LLC είναι εταιρεία του Νέου Μεξικού που λειτουργεί υπό δημοσιευμένη πολιτική υπεύθυνης χρήσης — αξίζει πέντε λεπτά πριν ξεκινήσεις δουλειά που αφορά την ομοιότητα άλλων ανθρώπων.
12Όρια που αξίζει να ξέρεις πριν ξεκινήσεις
Δεν υπάρχει δημιουργία βίντεο. Το Shannon δεν κάνει τις εικόνες κινούμενες και δεν παράγει βίντεο, σε καμία μορφή, από καμία από αυτές τις λειτουργίες — ούτε από μία εικόνα, ούτε από μια σύνθεση, ούτε ως πειραματική επιλογή. Αν το brief σου καταλήγει σε κίνηση, αυτό δεν είναι το εργαλείο για το τελευταίο βήμα. Έτσι είναι το προϊόν, δεν πρόκειται για υπαινιγμό roadmap.
Άλλα ειλικρινή όρια, όλα με τρόπους παράκαμψης:
- Το ψιλό κείμενο είναι η πιο αδύναμη περιοχή. Μικρά γράμματα, πυκνά κείμενα συσκευασίας και μεγάλοι σειριακοί αριθμοί μπορεί να βγουν ατελείς. Κάδραρε το προϊόν ώστε το σημαντικό κείμενο να είναι μεγάλο, βάλε το παραμορφωμένο κείμενο ετικέτας στο αρνητικό prompt και έλεγξε σε πλήρες μέγεθος.
- Η ακραία διαφορά κλίμακας είναι δύσκολη. Μια λήψη προϊόντος 4000 pixel συνδυασμένη με μια μικρή μικρογραφία ενός δωματίου δίνει στο μοντέλο ελάχιστο υλικό. Χρησιμοποίησε το καλύτερο αντίγραφο κάθε πηγής που έχεις.
- Η έντονη επικάλυψη περιορίζει το τι μπορεί να μεταφερθεί. Ένα ρούχο φωτογραφημένο διπλωμένο, με την πλάτη ποτέ ορατή, δεν μπορεί να αποκτήσει πιστά εφευρημένη πλάτη. Αν η σύνθεση δείχνει την πλάτη, δώσε την πλάτη.
- Περισσότερες εικόνες σημαίνουν περισσότερο περιθώριο για σύγχυση. Τέσσερις πηγές είναι διαχειρίσιμες με πειθαρχημένη ονομασία με τακτικά αριθμητικά, αλλά δεν είναι το σημείο για προχειρότητα — χρησιμοποίησε τον αριθμό που χρειάζεται η δουλειά και όχι παραπάνω.
- Δύο μεγάλες αλλαγές μαζί ανταγωνίζονται. Μετέφερε το ρούχο, επιβεβαίωσε, μετά άλλαξε το φόντο. Οι διαδοχικές επεξεργασίες κερδίζουν μια υπερφορτωμένη εντολή σχεδόν πάντα, και κάθε βήμα ελέγχεται φθηνά.
13Συχνές ερωτήσεις
Πώς συνδυάζω δύο εικόνες σε μία με AI;
Επισύναψε και τις δύο εικόνες στο chat του Shannon και περίγραψε το αποτέλεσμα ονομάζοντας τι συνεισφέρει κάθε εικόνα, με τη σειρά. Η πρώτη εικόνα είναι το κύριο θέμα ή η σκηνή· οι επόμενες εικόνες δίνουν τα μέρη που έρχονται μέσα. Για παράδειγμα: η γυναίκα από την πρώτη εικόνα να φοράει το κόκκινο πλεκτό πουλόβερ από τη δεύτερη εικόνα, όρθια στο ίδιο πάρκο. Το Shannon γράφει το ίδιο την τελική αγγλική εντολή, σου τη δείχνει σε κάρτα επιβεβαίωσης, και τίποτα δεν αποδίδεται μέχρι να επιβεβαιώσεις.
Γιατί βγαίνει λάθος το ρούχο όταν το περιγράφω αντί να το επισυνάψω;
Επειδή μια πρόταση είναι απωλεστική περιγραφή μιας φωτογραφίας. Γράφοντας «ένα κόκκινο πλεκτό πουλόβερ» παίρνεις ένα εύλογο κόκκινο πλεκτό πουλόβερ, όχι το δικό σου — το σχέδιο της πλέξης, τα ριμπ, η βαφή, η πτώση, η θέση των ραφών και η φθορά είναι όλα εφευρημένα. Η επισύναψη της δεύτερης εικόνας κρατά την πραγματική εμφάνιση του πραγματικού ρούχου. Αν το νόημα της εικόνας είναι ότι πρόκειται για εκείνο το συγκεκριμένο αντικείμενο, άτομο ή προϊόν, επισύναψέ το αντί να το περιγράψεις.
Υποστηρίζει η σύνθεση πολλαπλών εικόνων αρνητικό prompt και νέο λόγο διαστάσεων;
Ναι και στα δύο. Ο συνδυασμός εικόνων υποστηρίζει αρνητικό prompt, οπότε ανεπιθύμητα σφάλματα απόδοσης όπως παραπανίσια δάχτυλα, διπλασιασμένα μέλη, παραμορφωμένο κείμενο λογοτύπου ή ορατές ραφές ανήκουν εκεί και όχι στην εντολή. Μπορείς επίσης να διαλέξεις νέο λόγο καμβά — τετράγωνο, κατακόρυφο, οριζόντιο, πλατύ ή ψηλό. Αυτό διαφέρει από την επεξεργασία μίας εικόνας, που κληρονομεί αυτόματα τον λόγο διαστάσεων της εικόνας πηγής.
Μπορεί το Shannon να χρησιμοποιήσει εικόνες που υπάρχουν ήδη στη συνομιλία ή μόνο όσες επισυνάπτω τώρα;
Και τα δύο. Μπορείς να επισυνάψεις τις εικόνες στο τρέχον μήνυμα ή να αναφερθείς σε εικόνες που βρίσκονται ήδη στο νήμα — «η φωτογραφία που έστειλα νωρίτερα», «η εικόνα με το πουλόβερ από πριν». Το Shannon επιλύει αυτές τις αναφορές και η κάρτα επιβεβαίωσης δείχνει τη σειρά που επέλεξε, ώστε να διορθώσεις τη σειρά πριν αποδοθεί οτιδήποτε. Το να επισυνάπτεις τα πάντα σε ένα μήνυμα, με τη σειρά που θα αναφερθείς σε αυτά, είναι ο πιο αξιόπιστος τρόπος δουλειάς.
Μπορεί το Shannon να μετατρέψει τη συνδυασμένη εικόνα σε βίντεο;
Όχι. Το Shannon δεν δημιουργεί βίντεο και δεν κάνει τις εικόνες κινούμενες. Δημιουργεί νέες εικόνες, επεξεργάζεται μία υπάρχουσα εικόνα και συνδυάζει δύο ή περισσότερες εικόνες σε μία. Η δουλειά με εικόνες γίνεται στην εφαρμογή chat του Shannon· το API /v1 εξυπηρετεί κείμενο και όραση, δηλαδή διαβάζει εικόνες αντί να τις παράγει.
Είναι πράγματι αφιλτράριστη η σύνθεση εικόνων χωρίς λογοκρισία;
Δεν υπάρχει φίλτρο περιεχομένου στη διαδρομή δημιουργίας ούτε επίπεδο άρνησης στο μοντέλο που γράφει το prompt. Οι φιλτραρισμένες γεννήτριες αρνούνται συστηματικά θεμιτή δουλειά σύνθεσης — καταλόγους εσωρούχων και μαγιό, καλλιτεχνικά γυμνά, ιατρική και εγκληματολογική εικονογράφηση, ρυθμιζόμενα καταναλωτικά προϊόντα, εικόνες για έρευνα ασφάλειας, πολιτική σάτιρα και δουλειά με brand ή ομοιότητα που γίνεται από τον δικαιούχο. Το Shannon όχι. Τα δικαιώματα και η ευθύνη για τις εικόνες πηγής είναι δικά σου· δες την πολιτική υπεύθυνης χρήσης.
Σε αυτόν τον οδηγό δεν εμφανίζονται νούμερα benchmark, επειδή δεν υπάρχει ειλικρινές δημόσιο benchmark για το «έμεινε το πουλόβερ το ίδιο πουλόβερ». Όλα τα παραπάνω είναι λειτουργική καθοδήγηση από πραγματική χρήση. Όπου μια δυνατότητα απουσιάζει — βίντεο, δημιουργία εικόνων στο API — το λέμε αντί να το αφήνουμε ανοιχτό.
Συνδύασε τις εικόνες σου
Επισύναψέ τες, ονόμασε κάθε ρόλο με τη σειρά, επιβεβαίωσε την εντολή, απόδωσε. Χωρίς επίπεδο άρνησης.
Άνοιξε το Shannon Chat Διάβασε την τεκμηρίωση του APIShannon Lab LLC · Νέο Μεξικό, ΗΠΑ · οι εικόνες αποδίδονται στο δικό μας cluster GPU
Η δημιουργία, η επεξεργασία και η σύνθεση πολλαπλών εικόνων είναι λειτουργίες της εφαρμογής chat του Shannon· τα endpoints /v1/chat/completions, /v1/messages και /v1/responses εξυπηρετούν κείμενο και όραση, δηλαδή διαβάζουν εικόνες αντί να τις δημιουργούν. Δεν υπάρχει δημιουργία βίντεο. Οι επιλογές λόγου διαστάσεων, η υποστήριξη αρνητικού prompt και η συμπεριφορά επιβεβαίωσης ισχύουν όπως στις 5 Σεπτεμβρίου 2026. Σχετικά: δημιουργία εικόνων AI χωρίς λογοκρισία · επεξεργασία εικόνων AI χωρίς λογοκρισία · υπεύθυνη χρήση · τεκμηρίωση API · ευρετήριο έρευνας.