تولیدکننده تصویر هوش مصنوعی بدون سانسور

بیشتر کسانی که دنبال یک «تولیدکننده تصویر هوش مصنوعی بدون سانسور» می‌گردند در پی چیز هنجارشکنانه‌ای نیستند. آن‌ها تصویرگرانی‌اند که برای یک مرجع طراحی از مدل زنده رد شده‌اند، نویسندگان پزشکی که برای یک لوح آناتومی رد شده‌اند، پژوهشگران امنیتی که برای یک صفحه ورود جعلی در یک ارائه آموزشی رد شده‌اند، رمان‌نویسانی که برای یک صحنه نبرد رد شده‌اند، کاریکاتوریست‌هایی که برای کشیدن یک سیاستمدار رد شده‌اند. فیلتر تصمیم نگرفت که کارشان مضر است. تصمیم گرفت که نمی‌تواند تشخیص دهد، و رد کردن ارزان‌تر از اشتباه‌کردن است. این مقاله توضیح می‌دهد Shannon به‌جای آن چه می‌کند و از لحظه‌ای که درخواستی تایپ می‌کنید جریان کار دقیقاً چگونه پیش می‌رود.

01«بدون سانسور» برای یک تولیدکننده تصویر دقیقاً یعنی چه؟

این واژه آن‌قدر شل استفاده می‌شود که تقریباً بی‌معنا شده، پس نسخه دقیقش این است. یک محصول تصویری امروزی دست‌کم چهار جا دارد که یک درخواست می‌تواند در آن بمیرد:

1. طبقه‌بندی ورودی — متن شما پیش از هر چیز در برابر دسته‌های موضوعی امتیازدهی می‌شود و امتیاز بالا درخواست را می‌کشد.
2. بازنویسی پرامپت — یک دستیار بی‌سروصدا پرامپت شما را «بهبود» می‌دهد، که در عمل یعنی سوهان‌زدن همان چیز مشخصی که خواسته بودید.
3. یک لایه رد درخواست روی دستیار — مدلی که با شما حرف می‌زند از انتقال درخواست سر باز می‌زند، معمولاً با یک بند درباره این‌که چرا نمی‌تواند کمک کند.
4. طبقه‌بندی خروجی — تصویر تمام‌شده پس از رندر امتیازدهی و نگه داشته می‌شود، پس تولید را می‌سوزانید و چیزی نمی‌گیرید.

در Shannon، هیچ فیلتر محتوایی روی مسیر تولید و هیچ لایه رد درخواستی روی مدلی که پرامپت را می‌نویسد وجود ندارد. درخواست شما در برابر فهرست موضوعات ممنوع امتیازدهی نمی‌شود، بی‌سروصدا به چیز امن‌تری بازنویسی نمی‌شود و به این دلیل که واژه‌ای در آن با یک دسته خطر تطبیق الگو داشته رد نمی‌شود. مدلی که پیام شما را می‌خواند پرامپت تولیدی می‌نویسد که بازتاب همان چیزی است که واقعاً خواسته‌اید، و سپس آن را برای بررسی به شما می‌دهد.

آنچه «بدون سانسور» نیست: این ادعا نیست که هر رندر یک شاهکار است، یا این‌که آناتومی و فیزیک همیشه درست از آب درمی‌آیند — این‌ها پرسش‌های توانمندی‌اند و در راهنمای پرامپت صادقانه پوشش داده شده‌اند. همچنین این ادعا نیست که هر کاری مجاز است. Shannon Lab LLC یک سیاست استفاده مسئولانه دارد و نبود یک فیلتر خودکار دقیقاً همان دلیلی است که وزن را روی آن سیاست می‌گذارد. برداشتن یک ابزار کند، معیار را برای انسانی که ابزار را در دست دارد بالا می‌برد؛ حذفش نمی‌کند.

02مسئله رد درخواست: کار مشروعی که تولیدکننده‌های فیلترشده مسدود می‌کنند

فیلترهای محتوا بر پایه ویژگی‌های سطحی طبقه‌بندی می‌کنند، چون تنها کاری است که در مقیاس بزرگ ارزان از دستشان برمی‌آید. آن‌ها واژه‌ها و پیکسل‌ها را می‌بینند. هدف، بافت حرفه‌ای یا این‌که چه کسی می‌پرسد را نمی‌بینند. آسیب در همین شکاف رخ می‌دهد و در محصولات مختلف به‌طرز چشمگیری یکسان است: همان چند دسته همه‌جا و به همان دلیل ساختاری رد می‌شوند.

دسته کار	چرا فیلتر رد می‌کند	واقعاً چه چیزی خواسته شده بود
برهنه هنری و طراحی از پیکر	طبقه‌بندی‌کننده‌های برهنگی نمی‌توانند سنت هنر زیبا را از پورنوگرافی جدا کنند، پس خود بدن به نشانه خطر بدل می‌شود.	یک مرجع طراحی از مدل زنده، یک مطالعه آناتومی، یک ایده مجسمه پیکره‌ای — بنیان آموزش هنر در پنج قرن گذشته.
تصویرسازی پزشکی	میدان‌های جراحی، زخم‌ها و آناتومی درونی برای طبقه‌بندی‌کننده‌ای که با تصاویر خشن آموزش دیده مثل خون‌ریزی خوانده می‌شوند.	یک لوح کتاب درسی، یک نمودار آموزش بیمار، یک نمای پوستی، یک شکل مقاله علمی.
تصویرسازی جرم‌شناسی	الگوهای جراحت و بازسازی صحنه از نظر آمار پیکسلی از محتوای خشن قابل تفکیک نیستند.	یک مدرک دادگاهی، یک بازسازی تحلیل سانحه، یک تصویر آموزشی برای بازپرسان.
تصاویر پژوهش امنیتی	یک صفحه ورود جعلی متقاعدکننده دقیقاً شبیه همان سوءاستفاده‌ای است که قرار بوده به مردم یاد بدهد تشخیصش دهند.	مواد آموزشی آگاهی از فیشینگ، شکل یک گزارش تیم قرمز، یک اسلاید ارائه در کنفرانس.
خشونت در داستان	هر بازنمایی آسیب به‌عنوان آسیب امتیاز می‌گیرد؛ فیلتر مفهومی از قاب روایی ندارد.	جلد یک رمان جنگی، یک قاب رمان مصور، یک استوری‌بورد، یک ایده بازی، یک صحنه نبرد تاریخی.
طنز سیاسی	یک چهره عمومی قابل‌تشخیص به‌علاوه بافتی نامطلوب، هم‌زمان قواعد چهره و تحقیر را فعال می‌کند.	یک کاریکاتور سرمقاله‌ای — شکلی از بیان که پیش از عکاسی هم حفاظت‌شده بوده است.
کار روی برند و چهره	فهرست‌های ممنوع علامت تجاری و چهره برای همه یکسان اعمال می‌شوند، از جمله برای صاحب حق.	یک آژانس که بسته‌بندی مشتری خودش را ماکت می‌کند؛ نوازنده‌ای که پوستر تور خودش را می‌سازد.

به سطر آخر با دقت نگاه کنید، چون کل طراحی را برملا می‌کند. یک مسدودسازی فراگیر چهره، صاحب حق را دقیقاً مانند یک متجاوز به حق رفتار می‌کند: کسی که قوی‌ترین ادعای ممکن را نسبت به یک برند یا یک چهره دارد با همان پیامی رد می‌شود که یک غریبه. هیچ فیلتری نمی‌تواند این را درست کند، چون اطلاعات گمشده در پرامپت نیست — در این است که چه کسی می‌پرسد، و یک طبقه‌بندی‌کننده هرگز این را نمی‌داند. همین عدم‌تقارن در همه سطرها جاری است. هیچ‌چیز در پیکسل‌ها یک لوح آناتومی را از پورنوگرافی یا یک بازسازی جرم‌شناسانه را از خون‌ریزی جدا نمی‌کند. هیچ‌چیز یک ماکت فیشینگِ ساخته‌شده برای آموزش کارکنان را از ماکتی که برای کلاهبرداری از آن‌ها ساخته شده متمایز نمی‌کند: بنا بر طراحی، هر دو یک تصویرند. دروازه را برای گرفتن دومی بسازید، همیشه اولی را هم می‌گیرید.

هزینه دومی هم هست که به‌ندرت شمرده می‌شود: اثر بازدارنده بر شیوه نوشتن مردم. پس از سه بار رد شدن، شروع می‌کنید تدافعی نوشتن — محتاط‌شدن، به‌کارگیری حسن‌تعبیر، کنارگذاشتن جزئیاتی که مهم بود، افزودن واژه «باسلیقه» به‌عنوان طلسم. خروجی بدتر می‌شود، نه چون مدل بدتر شده بلکه چون شما دست از توصیف آنچه می‌خواستید برداشتید. یک تولیدکننده بدون سانسور تا حدی دقیقاً به همین دلیل یک قابلیت کیفی است: می‌توانید توصیف واقعی را بنویسید، پس تصویر واقعی را می‌گیرید.

03جریان «تأیید پیش از رندر» در Shannon چگونه کار می‌کند

برداشتن فیلتر یک پرسش بدیهی پیش می‌آورد: اگر هیچ‌چیز درخواست را بررسی نمی‌کند، چه چیزی جلوی این را می‌گیرد که یک سوءتفاهم به رندری بدل شود که نمی‌خواستید و انتظار پرداختش را نداشتید؟ پاسخ Shannon یک دروازه خودکار دیگر نیست. نشان‌دادن پرامپت و پرسیدن از شماست.

چهار گام

1. شما به زبان ساده و به هر زبانی می‌پرسید. نه نحو ویژه‌ای هست، نه فرمان /imagineای و نه رشته پارامتری. آنچه می‌خواهید را همان‌طور توصیف می‌کنید که برای یک آدم توصیفش می‌کردید. Shannon به همان زبانی که می‌نویسید کار می‌کند.
2. Shannon تشخیص می‌دهد که تصویری درخواست شده است. این یک قضاوت درباره قصد است، نه تطبیق کلیدواژه. صحبت درباره یک عکس، درخواست عکس نیست.
3. Shannon خودش پرامپت تولید را به انگلیسی می‌نویسد. به هر زبانی که پرسیده باشید، پرامپت به انگلیسی نوشته می‌شود — توصیف شما گسترش‌یافته به شکل نثری و موضوع‌محوری که Image Model بهترین پاسخ را به آن می‌دهد، با انتخاب یک نسبت ابعاد و پرکردن جزئیات مشخصی که یک درخواست کوتاه جا می‌اندازد.
4. کارت تأیید ظاهر می‌شود — و متوقف می‌شود. پرامپت کاملی را که Shannon نوشته پیش از هر رندری می‌بینید. تا تأیید نکنید چیزی تولید نمی‌شود و هزینه‌ای محاسبه نمی‌شود. می‌توانید آن را تأیید کنید، رد کنید، یا به Shannon بگویید چه چیزی را عوض کند و کارت بازبینی‌شده بگیرید.

چرا این از یک فیلتر بهتر است

فیلتر تصمیمی است که درباره شما، به‌شکل نامرئی و با اطلاعاتی که ندارد گرفته می‌شود. کارت تأیید تصمیمی است که توسط شما، آشکارا و با همه اطلاعات موجود گرفته می‌شود. پیامدها روی هم انباشته می‌شوند:

• بدون هزینه غافلگیرکننده. رندر گام گران است و کارت اول می‌آید — پس یک درخواست بدفهمیده‌شده یک نگاه برایتان خرج برمی‌دارد، نه یک تولید.
• انحراف را پیش از رندر می‌گیرید. اگر به ژاپنی نوعی نور خاص خواسته باشید و پرامپت انگلیسی به‌شکل ظریفی متفاوت درآمده باشد، آن را در متن می‌بینید، نه سی ثانیه بعد در یک تصویر.
• پرامپت آموزش می‌دهد. خواندن این‌که Shannon چگونه «یک پرتره مالیخولیایی از یک ویولن‌نواز» را به یک بند کامل با دوربین، لنز، نور و صحنه گسترش می‌دهد، سریع‌ترین راه یادگیری چیزی است که Image Model به آن پاسخ می‌دهد.
• ابهام به نفع شما حل می‌شود. جایی که یک محصول فیلترشده محافظه‌کارانه حدس می‌زند و اغلب رد می‌کند، Shannon بهترین تفسیرش را می‌نویسد و می‌گذارد شما اصلاحش کنید.

یک مثال عملی. به پرتغالی تایپ می‌کنید، تقریباً به این مضمون: «یک پوستر برای اجرای گروهم در تئاتر قدیمی بساز، خشن، یک‌جورهایی دهه ۷۰.» Shannon یک درخواست تصویری را تشخیص می‌دهد، چون گفتید پوستر tall را انتخاب می‌کند و می‌نویسد:

A four-piece rock band standing in the lobby of a decaying 1920s theater,
lit by a single bare bulb overhead, three of them facing camera and one
turned away. Shot on expired Kodak Portra 400, 35mm, heavy grain and
slight color shift toward magenta. Peeling gilt plasterwork and torn red
velvet drapes behind them, dust visible in the light. Shallow depth of
field, harsh top light, deep shadows under the eyes.

همان کارت جایی است که متوجه می‌شوید پنج عضو گروه می‌خواستید، نه چهار تا. می‌گویید، کارت به‌روز می‌شود و تنها آن‌وقت چیزی رندر می‌شود. در یک محصول فیلترشده اول پول تصویر اشتباه را داده بودید.

04Shannon هرگز بدون دعوت تولید نمی‌کند

حالت خرابی معکوس هم به همان اندازه مهم است. محصولی که مشتاق تولید است خسته‌کننده است: یک اسکرین‌شات می‌چسبانید تا درباره‌اش بپرسید و نسخه «بهبودیافته»ای تحویل می‌گیرید؛ به‌شکل تشبیهی می‌گویید «تصور کن» و یک تصویر می‌گیرید. Shannon چنین نمی‌کند.

• یک سلام درخواست نیست. سلام‌کردن یک پاسخ تولید می‌کند، نه یک رندر.
• یک پرسش درخواست نیست. پرسیدن این‌که چه چیزی یک جلد آلبوم را خوب می‌کند پاسخی درباره جلد آلبوم به شما می‌دهد.
• یک عکس ضمیمه‌شده به‌طور گذری درخواست نیست. انداختن یک تصویر در گفت‌وگو برای بحث درباره‌اش، ویرایشی را شروع نمی‌کند.
• حرف‌زدن درباره تصاویر، درخواست تصویر نیست. بحث درباره یک نقاشی، تکنیک یک عکاس یا یک بریف طراحی همچنان یک گفت‌وگو می‌ماند.

و نتیجه فرعی، که همان بخشی است که مردم در کار روزمره مفیدترش می‌یابند: خواستن از Shannon برای نگاه‌کردن به یک تصویر، کار بینایی معمولی است، نه تولید. این عکس را توصیف کن، متن این اسکرین‌شات را بخوان، بگو این چیدمان چه ایرادی دارد، این یادداشت دست‌نویس را رونویسی کن، این گیاه را شناسایی کن — همه این‌ها خواندن است، نه ساختن. کارت تأییدی تولید نمی‌کند و هیچ هزینه اضافه‌ای فراتر از گفت‌وگوی معمولی ندارد. تولید یک کنش مجزا و عامدانه با یک دروازه قابل مشاهده جلوی آن است و بقیه چیزها فقط حرف‌زدن است.

05نسبت ابعاد: پنج شکل، و انتخاب شما برنده است

قاب‌بندی تزئین نیست. ترکیب‌بندی، شیوه توزیع جزئیات توسط مدل و این‌که نتیجه به جایی که می‌خواهید بگذاریدش می‌خورد یا نه را تغییر می‌دهد. Shannon پنج نسبت ارائه می‌دهد، نسبت معقولی را از توصیف شما استنباط می‌کند و به‌محض این‌که ترجیحی بیان کنید تسلیم شما می‌شود.

نسبت	برای چه استفاده کنید	یادداشت‌ها
square	کاربرد عمومی، عکس محصول، آیکون، پست شبکه‌های اجتماعی، اشیای منفرد.	پیش‌فرض. وقتی انتخاب می‌شود که هیچ‌چیز در درخواست شکلی را ایجاب نکند.
portrait	افراد، پیکره‌های منفرد، سوژه‌های بلند، جلد کتاب، هنر شخصیت.	به یک پیکره ایستاده جا می‌دهد بدون این‌که سر یا پاها بریده شوند.
landscape	مناظر، فضاهای داخلی، گروه‌های آدم، نماهای معرف.	شکل طبیعی هر چیزی که پهن‌تر از بلندی‌اش است.
wide	قاب‌بندی سینمایی، بنر، سربرگ، چشم‌اندازهای پانوراما.	پهن‌تر از landscape. مدل را به سمت ترکیب‌بندی فیلمی هل می‌دهد.
tall	پوستر، تصویر زمینه گوشی، چیدمان عمودی، تراکت رویداد.	بلندتر از portrait. بالای کادر را جایی که معمولاً تیتر پوستر می‌نشیند خالی می‌گذارد.

دو نکته عملی. درخواست صریح شما همیشه برنده است — بگویید wide و wide می‌گیرید، حتی برای یک پیکره ایستاده منفرد. و نسبت با محتوا تعامل دارد: یک قاب پهن مدل را دعوت می‌کند که دو طرف را پر کند، پس یک پرتره پهن از یک نفر معمولاً محیطی دور او می‌رویاند؛ اگر چهره‌ای بسته در قابی پهن می‌خواهید، بگویید («قاب‌بندی تنگ سر و شانه، پس‌زمینه محو‌شونده»). ویرایش عمداً رفتار متفاوتی دارد — یک ویرایش به‌طور خودکار نسبت ابعاد تصویر منبع را نگه می‌دارد، چون تغییر شکل تصویری که خواسته‌اید اصلاحش کند تقریباً هرگز منظور شما نیست. ترکیب تصاویر اما به شما اجازه انتخاب بوم تازه‌ای را می‌دهد، چون خروجی یک ترکیب واقعاً تازه است.

06واقعاً چه چیزهایی می‌توانید بسازید

سه عملیات. مرز میان آن‌ها ارزش دقیق‌بودن دارد، چون انتخاب عملیات نادرست رایج‌ترین علت یک نتیجه ناامیدکننده است.

تولید یک تصویر تازه

متن به داخل، تصویر به بیرون. عکس‌واقع‌گرایی پیش‌فرض است مگر این‌که هنر، تصویرسازی یا انیمه بخواهید — پس اگر نقاشی می‌خواهید، بگویید نقاشی. متن‌به‌تصویر در Shannon پرامپت منفی نمی‌پذیرد: فقط آنچه را می‌خواهید توصیف کنید. نوشتن «بدون ماشین، بدون آدم» معمولاً دقیقاً همان چیزی را که کنار گذاشته بودید احضار می‌کند، چون مدل اسم را می‌خواند و نه نفی را.

ویرایش یک تصویر موجود

دقیقاً یک تصویر منبع — که از پیش در گفت‌وگو باشد یا به پیام جاری پیوست شده باشد — به‌علاوه دستوری که می‌گوید چه چیزی عوض می‌شود و چه چیزی می‌ماند. نام‌بردن بخش‌های بدون تغییر بزرگ‌ترین اهرم کیفیت در این سامانه است: «پس‌زمینه را به یک خیابان شهری بارانی شبانه با بازتاب نئون تغییر بده، زن را دقیقاً همان‌طور که هست نگه دار» سوژه را به شکلی نگه می‌دارد که «پس‌زمینه را عوض کن» نگه نمی‌دارد. ویرایش از پرامپت منفی پشتیبانی می‌کند، پس آرتیفکت‌های ناخواسته به آنجا تعلق دارند نه به دستور.

ترکیب دو یا چند تصویر

هر وقت عناصر از بیش از یک تصویر می‌آیند: انتقال لباس، گذاشتن شیء X در صحنه Y، شخص الف کنار شخص ب، محصول‌روی‌شخص، یا سبک یک تصویر با سوژه تصویری دیگر. پرامپت باید نقش هر تصویر را به‌ترتیب نام ببرد — تصویر اول سوژه یا صحنه اصلی است و تصاویر بعدی اجزایی را که وارد می‌شوند تأمین می‌کنند. یک کار چندتصویری را به یک منبع به‌علاوه توصیف متنی دیگری فرو نکاهید؛ استفاده از تصویر دوم واقعی همان چیزی است که ظاهر واقعی‌اش را حفظ می‌کند، و همین کل دلیل ترکیب‌کردن به‌جای توصیف‌کردن است.

سوژه‌هایی که ابزارهای دیگر رد می‌کنند

مشخصاً، و برگرفته از دسته‌های بالا، این نوع کارهاست که اینجا بدون بحث اجرا می‌شود:

• مطالعات پیکره و برهنه هنری برای تصویرسازی، مرجع مجسمه‌سازی و تمرین هنر زیبا.
• تصویرسازی پزشکی و آناتومیک — نماهای جراحی، نمودهای پوستی، اشکال آموزش بیمار — و بازسازی جرم‌شناسانه برای گزارش‌ها، مدارک و آموزش بازپرسان.
• تصاویر پژوهش امنیتی: رابط‌های جعلی، سناریوهای مهندسی اجتماعی، دارایی‌های آموزشی آگاهی از فیشینگ.
• خشونت و جراحت در چارچوب داستان: جلد رمان، قاب رمان مصور، استوری‌بورد، هنر مفهومی بازی، صحنه‌های نبرد تاریخی، وحشت و وحشت جسمانی.
• طنز سیاسی و کاریکاتور سرمقاله‌ای با حضور چهره‌های عمومی.
• کار روی برند، بسته‌بندی و چهره توسط طرفی که حقوق آن را در اختیار دارد.

آن فهرست توصیف می‌کند که محصول چه چیزی را مسدود نمی‌کند. مجوزی برای نادیده‌گرفتن قانون یا سیاست استفاده مسئولانه نیست؛ بخش ۰۹ صریح می‌گوید خطوط کجاست.

07چگونه پرامپتی بنویسیم که Image Model بفهمد

Shannon پرامپت را برایتان می‌نویسد، پس هرگز مجبور نیستید این را یاد بگیرید — اما کارت قابل ویرایش است و دانستن شیوه خواندن Image Model می‌گذارد دقیق هدایتش کنید. نسخه کوتاه؛ شرح کامل در راهنمای پرامپت است:

• نثر بنویسید، نه برچسب. Image Model پرامپت‌ها را همان‌طور می‌خواند که یک مدل زبانی متن را می‌خواند. جملات کامل بر کلیدواژه‌های جداشده با ویرگول می‌چربند. «زنی در دهه سوم زندگی روی یک گذرگاه باران‌خورده در توکیو، شب» از «زن، ۳۰ ساله، توکیو، باران، شب» بهتر عمل می‌کند.
• هدفتان ۳۰ تا ۸۰ کلمه باشد، و هرگز خیلی از ۱۰۰ کلمه فراتر نروید. پس از آن، عبارت‌های بعدی نفوذشان را از دست می‌دهند.
• به همان ترتیبی مرتب کنید که مدل می‌خواند: سوژه ← کنش یا ژست ← سبک و حال‌وهوا ← صحنه و نورپردازی ← جزئیات فنی مانند قاب‌بندی، عمق میدان و رنگ. مهم‌ترین چیز اول.
• سوژه را مشخص کنید. «مردی در دهه پنجم زندگی با ریش جوگندمی» یک سوژه است. «یک شخص» جای خالی‌ای است که مدل با یک میانگین پرش می‌کند.
• برای عکس، آن را مثل یک عکس بنویسید. یک دوربین، لنز و فیلم یا نور واقعی نام ببرید — «shot on Kodak Portra 400, 85mm f/1.4, soft window light» — و جزئیات زمینی بیفزایید: منافذ پوست، بافت پارچه، ناکاملی‌های طبیعی. برای صحنه‌های لایه‌لایه، پیش‌زمینه، میان‌زمینه و پس‌زمینه را به‌عنوان عبارت‌های مجزا توصیف کنید و رنگ‌های دقیق را با یک مقدار hex به اشیا سنجاق کنید: «a jacket, color #8B0000».
• از آشغال‌های دوره SDXL بگذرید. «masterpiece, best quality, 8k» اینجا هیچ کاری نمی‌کند و نحو وزن‌دهی مانند (word:1.3) تجزیه نمی‌شود. هرگز دستورهای متناقض را قاطی نکنید — «photorealistic» و «watercolor» در یک پرامپت هیچ‌کدام را به شما نمی‌دهد.

در عمل: به‌جای elderly fisherman, portrait, weathered face, harbor, morning, photorealistic, masterpiece, best quality, 8k، آن را همان‌طور بنویسید که مدل واقعاً می‌خواند:

An elderly fisherman in his 70s with a deeply weathered face and white
stubble, mending a net across his knees, looking down at his hands. Quiet,
unposed documentary mood. A small working harbor at first light, wooden
hulls and coiled rope behind him, mist over the water. Shot on Kodak Portra
400, 85mm f/1.4, soft overcast light, shallow depth of field, visible skin
texture and pores.

این برای بلندبودن به‌خودی‌خود بلندتر نیست. هر عبارت، تصمیمی را که مدل در غیر این صورت تصادفی می‌گرفت با تصمیمی که شما عامدانه گرفته‌اید جایگزین می‌کند.

08این کجا زندگی می‌کند: اپ چت، نه API — و بدون ویدیو

دو چیز اینجا هست که ترجیح می‌دهیم پیش از ثبت‌نامتان بگوییم، نه بعد از آن.

کار تصویری در اپ چت است

تولید، ویرایش و ترکیب چندتصویری همگی در اپ چت Shannon رخ می‌دهند. این‌ها روی API با مسیر /v1 در دسترس نیستند. API شانون — /v1/chat/completions، /v1/messages و /v1/responses، همه با استریم و همه مستندشده در shannon-ai.com/docs/api — متن و بینایی را سرویس می‌دهد. بینایی یعنی مدل‌ها تصاویری را که برایشان می‌فرستید می‌خوانند: توصیف، تحلیل، رونویسی، استدلال درباره یک نمودار یا یک اسکرین‌شات. یعنی ساختنشان نیست. اگر این صفحه را با جست‌وجوی «API تولید تصویر بدون سانسور» پیدا کرده‌اید، پاسخ صادقانه همین است و ترجیح می‌دهیم همین حالا رک باشیم تا این‌که پس از یکپارچه‌سازی کشفش کنید. آنچه API واقعاً برایش خوب است نیمه دیگر همین مسئله است: متن و بینایی بدون سانسور، بدون لایه رد درخواست، سه گویش API، روی خوشه GPU خودمان. نمایه پژوهش برای هر مدل یک کارت مدل دارد.

این را صریح می‌گوییم چون «تولیدکننده تصویر بدون سانسور» و «تولیدکننده ویدیوی بدون سانسور» در نتایج جست‌وجو نزدیک هم می‌نشینند و صفحه‌ای که درباره یک قابلیت غایب مبهم می‌ماند امیدوار است پیش از این‌که متوجه شوید ثبت‌نام کنید. تصاویر روی خوشه GPU خودمان رندر می‌شوند. ویدیو هیچ‌جا رندر نمی‌شود، چون این کار را انجام نمی‌دهیم.

09استفاده مسئولانه، به‌زبان صریح

Shannon Lab LLC یک شرکت نیومکزیکویی است که تحت قانون ایالات متحده فعالیت می‌کند. برداشتن یک فیلتر خودکار نه قانون را برمی‌دارد و نه سیاست ما را. کاری که می‌کند این است که قضاوت را از یک طبقه‌بندی‌کننده که بافت را نمی‌بیند به یک حرفه‌ای که می‌بیند منتقل می‌کند — و پاسخگوی نتیجه است.

محتوای جنسی با حضور کودکان به‌طور مطلق ممنوع است و از هیچ زاویه‌ای منطقه خاکستری نیست. همین‌طور محتوایی که برای آزار، افترا، کلاهبرداری یا جعل هویت یک شخص واقعی تولید شود — از جمله تصاویر جنسی از یک فرد واقعی و قابل‌شناسایی که بدون رضایت او ساخته شده باشد — و استفاده از برند یا چهره طرف دیگر برای فریب. این‌ها دسته‌های فیلتری نیستند که اتفاقاً خاموش شده‌اند؛ این‌ها استفاده‌های ممنوع از محصول‌اند که در سطح حساب‌ها اعمال می‌شوند و نه در سطح کلیدواژه‌ها، یعنی همان سطحی که قصد واقعاً در آن قابل مشاهده است. شرایط کامل در سیاست استفاده مسئولانه است. معامله ساده است: ابزاری که در حرفه شما تردید نمی‌کند، در ازای این‌که شما همان حرفه‌ای‌ای باشید که فرض می‌گیرد هستید.

10پرسش‌های پرتکرار

11بقیه این مجموعه

چهار مقاله همراه، بخش‌هایی را که واقعاً وقتتان را در آن‌ها می‌گذرانید عمیق بررسی می‌کنند:

• ویرایش تصویر بدون سانسور با هوش مصنوعی — پرامپت‌های دستوری، تثبیت آنچه می‌ماند، پرامپت منفی، نسبت ابعاد به‌ارث‌رسیده.
• ترکیب چندتصویری بدون سانسور — ترتیب نقش‌ها، انتقال لباس، محصول‌روی‌شخص، سوژه‌در‌صحنه.
• راهنمای پرامپت تصویر بدون سانسور — نثر به‌جای برچسب، ترتیب سوژه‌محور، زبان دوربین و فیلم، رنگ‌های hex، توکن‌های مرده.
• تصویر بدون سانسور در برابر تصویر فیلترشده — همان درخواست‌ها از میان هر دو طراحی، دسته به دسته.

برای سمت متن و بینایی این پلتفرم — مدل‌های بدون سانسور پشت API — از نمایه پژوهش شروع کنید.

---

Shannon Lab LLC، نیومکزیکو، ایالات متحده. تولید، ویرایش و ترکیب چندتصویری قابلیت‌های اپ چت Shannon هستند و روی API با مسیر /v1 که متن و بینایی را سرویس می‌دهد در دسترس نیستند. تولید ویدیو وجود ندارد. نسبت‌های ابعاد، جریان تأیید و عملیات توصیف‌شده در اینجا بازتاب محصول در تاریخ ۵ سپتامبر ۲۰۲۶ هستند.