انتقال لباس با هوش مصنوعی، بدون سانسور

بیشتر کار تصویری‌ای که مردم واقعاً به آن نیاز دارند «برایم عکسی از یک چیز بساز» نیست. «این کت را تن این شخص کن»، «این صندلی را در این اتاق بگذار»، «این محصول را در آن دست عکاسی کن» است. همه اینها به مصالحی از بیش از یک عکس نیاز دارند و همه به یک شکل شکست می‌خورند: یک تصویر پیوست می‌شود، دیگری با کلمات توصیف می‌شود، و چیزی باورپذیر برمی‌گردد که آن چیزی نیست که شما دارید. راه‌حل کوچک‌تر از آن است که فکر کنید، و همه‌جا کار می‌کند.

01«ترکیب تصاویر» چیست و کجا اتفاق می‌افتد

Shannon 3 سه کار متمایز با تصاویر انجام می‌دهد: از روی یک توصیف تصویر جدیدی تولید می‌کند، یک تصویر موجود را ویرایش می‌کند، و دو تصویر یا بیشتر را در یک تصویر جدید ترکیب می‌کند. قواعدشان فرق دارد، و انتخاب اشتباه میان آنها نخستین جایی است که کیفیت از دست می‌رود.

هر وقت تصویر نهایی به مصالحی از بیش از یک عکس نیاز دارد از ترکیب استفاده کنید: انتقال لباس و پوشش، گذاشتن یک شیء در صحنه، شخص الف در کنار شخص ب، محصول واقعی در دست یک مدل واقعی، سبک یک تصویر اعمال‌شده بر سوژه تصویر دیگر. اگر دیدید آرزو می‌کنید کاش می‌شد هم‌زمان به دو عکس اشاره کنید، همین عملیات همان است.

همه اینها در اپ چت Shannon و در گفت‌وگوی عادی اتفاق می‌افتد. روی API با مسیر /v1 نیست — API متن و بینایی را سرو می‌کند، یعنی تصاویری را که می‌فرستید می‌خواند نه اینکه تصویر جدیدی تولید کند. اگر از جست‌وجوی API به اینجا رسیده‌اید، پاسخ صادقانه همین است؛ برای اینکه ببینید اندپوینت‌ها چه چیزی سرو می‌کنند مستندات API را ببینید. تصاویر روی خوشه GPU خودمان رندر می‌شوند.

شما به زبان ساده درخواست می‌دهید، به هر زبانی که صحبت می‌کنید. Shannon تشخیص می‌دهد که تصویری درخواست شده، دستور تولید را خودش به انگلیسی می‌نویسد، و آن را روی یک کارت تأیید پیش از هر رندری به شما نشان می‌دهد. تا تأیید نکنید چیزی تولید نمی‌شود و چیزی محاسبه نمی‌شود — و برای کار چندتصویری، همان کارت جایی است که بررسی می‌کنید نقش‌ها و ترتیب همان‌طور که منظورتان بوده درآمده باشند. Shannon هرگز بدون دعوت تولید نمی‌کند: یک سلام، یک پرسش یا عکسی که سرسری پیوست شده رندری را فعال نمی‌کند.

02قاعده: نقش هر تصویر را به‌ترتیب نام ببرید

دستور باید بگوید هر تصویر چه چیزی می‌آورد، و باید آن را به همان ترتیبی که تصاویر داده شده‌اند بگوید. کل تکنیک همین است؛ هر چه در ادامه می‌آید همین قاعده است که بر یک کار مشخص اعمال شده.

تصویر اول پایه است — سوژه اصلی، یا صحنه، هرکدام که تصویر نهایی بیشتر از آن ساخته می‌شود. این تصویر هویت، ژست، قاب‌بندی، نور و هر چیزی را که تغییرش را نخواسته‌اید تعیین می‌کند. تصاویر بعدی منبع هستند: بخش‌هایی که وارد می‌شوند. جمله را طوری بنویسید که غریبه‌ای که تصاویر را به‌ترتیب در دست دارد بتواند کار را دستی انجام دهد.

کار می‌کند
زنِ تصویر اول با پلیور بافتنی قرمزِ تصویر دوم، ایستاده در
همان پارک، با همان ژست و همان نور بعدازظهر، چهره و موهایش
بدون تغییر.

شکست می‌خورد
این دو تصویر را ترکیب کن.   عکس‌ها را ادغام کن.   بگذارشان کنار هم.

نسخه‌های ناموفق نه به‌خاطر کوتاهی، بلکه به این دلیل شکست می‌خورند که هرگز نمی‌گویند کدام عکس شخص است و کدام پلیور. سه عادت این قاعده را قابل‌اتکا می‌کند:

• صریح از زبان ترتیبی استفاده کنید. «از تصویر اول»، «از تصویر دوم». چند کلمه، و ابهام از میان می‌رود.
• بگویید چه چیزی همان می‌ماند. «چهره، مو و ژستش را دقیقاً یکسان نگه دار.» نام بردن بخش‌های بدون تغییر بزرگ‌ترین اهرم کیفیت در هر عملیات تصویری Shannon است و اینجا بیشترین اهمیت را دارد، چون یک ترکیب دو چیز یا بیشتر دارد که می‌تواند از آنها فاصله بگیرد.
• نثر بنویسید، نه برچسب. Image Model دستورها را همان‌طور می‌خواند که یک مدل زبانی یک جمله را می‌خواند، پس جملات کامل بر کلیدواژه‌های جداشده با ویرگول می‌چربند. هدف را روی ۳۰ تا ۸۰ کلمه بگذارید و آشغال‌های دوران SDXL («masterpiece, best quality, 8k») و نحو وزن‌دهی مثل (word:1.3) را کنار بگذارید.

وقتی یک تصویر بیش از یک چیز دارد، همان بخشی را که می‌خواهید نام ببرید. اگر تصویر دوم یک عکس کاتالوگ از مدلی است که پلیور را پوشیده، «پلیور بافتنی قرمزی که زنِ تصویر دوم پوشیده» می‌گوید که لباس را می‌خواهید نه مدل را. اگر به «تصویر دوم» بسنده کنید ممکن است چهره او را هم بگیرید.

الگوهای نقش برحسب نوع کار

کار	تصویر اول	تصویر دوم	شکل دستور
انتقال لباس	شخص	لباس	«[شخصِ] تصویر اول با [لباسِ] تصویر دوم، [آنچه می‌ماند]»
شیء در صحنه	صحنه	شیء	«[اتاقِ] تصویر اول با [شیءِ] تصویر دوم که [کجا] گذاشته شده، هماهنگ با [نور]»
شخص + شخص	شخص الف و محیط	شخص ب	«[مردِ] تصویر اول ایستاده کنار [زنِ] تصویر دوم، [موقعیت‌ها، خط نگاه‌ها]»
محصول روی شخص	مدل یا صحنه	محصول	«[مدلِ] تصویر اول که [محصولِ] تصویر دوم را در دست دارد، [نحوه گرفتن، جهت برچسب]»
انتقال سبک	سوژه	مرجع سبک	«[سوژهِ] تصویر اول رندر شده با [محورهای سبکِ] تصویر دوم، [سوژه بدون تغییر]»

03اشتباهی که بیشتر تلاش‌ها را خراب می‌کند: توصیف کردن به‌جای پیوست کردن

این همان خطایی است که ارزش سروصدا کردن دارد، چون به‌مراتب رایج‌ترین است و چون طوری به‌نظر می‌رسد که انگار جواب داده. کاربر دو عکس دارد — مشتری‌اش و محصول مشتری‌اش، یا خودش و کتی که دارد. یکی را پیوست می‌کند و دیگری را تایپ می‌کند.

اشتباه
[یک عکس از یک زن پیوست می‌کند]
«یک پلیور بافتنی قرمز تنش کن، بافت کابلی، یک‌جورهایی کلفت،
با یقه لوله‌ای.»

آنچه برمی‌گردد زنی است با پلیور بافتنی قرمز. پلیور خوبی است. اما آن پلیور نیست. نقش بافت کابلی اختراع شده، رنگ قرمزِ دیگری است، عمق کبریتی‌بافت اشتباه است، یقه به سمت غلط لوله می‌شود، و آن نامتقارنی‌های ریزی که یک لباس واقعی را قابل تشخیص می‌کنند — یک رفو، یک کشیدگی، بازشدگی آرنج — رفته‌اند، چون هیچ‌کدامشان در آن جمله نبودند.

متن یک کانال پرافت است و عکس نیست. یک جمله دقیق شاید دوازده ویژگی از یک شیء را حمل کند؛ عکس هزاران ویژگی را حمل می‌کند، از جمله هر ویژگی‌ای که هرگز به فکرتان نمی‌رسید بنویسید و آنهایی که اصلاً نمی‌توانید نامشان را بگویید. توصیف کردن به‌جای پیوست کردن هر چیزی را که به آن فکر نکرده‌اید دور می‌ریزد، و بیشتر ماجرا همان است. پیوست کردن ظاهر واقعی را حفظ می‌کند چون ظاهر واقعی حاضر است.

آزمونش ساده است. اگر نکته اصلی تصویر این است که همان یکی باشد — همان لباس مشخص، همان شخص، همان محصول دقیق، همان اتاق — پیوستش کنید. اگر می‌توانید آن قلم را از میان چند گزینه تشخیص دهید و مهم است که نتیجه با همانی که انتخاب می‌کردید بخواند، توصیف کار را انجام نمی‌دهد.

یک مورد مشروع برای توصیف کردن هست: وقتی آن چیز هنوز وجود ندارد، یا وقتی نسخه‌ای عمومی همان چیزی است که می‌خواهید. طراحی پلیوری که هیچ‌کس نبافته، طرح‌زدن یک ایده — این کار متن‌به‌تصویر است، و توصیف درست است چون شیء واقعی‌ای وجود ندارد که هویتش را نگه دارید. لحظه‌ای که یک شیء واقعی وارد بریف می‌شود، عکسش هم وارد می‌شود.

یک نیمه‌اشتباه مرتبط: پیوست کردن هر دو تصویر و بعد باز هم توصیف مفصل دومی. صفت‌ها می‌توانند با عکس بجنگند — بنویسید «کلفت» در حالی که لباس واقعی نازک‌بافت است و تناقض ساخته‌اید. تصویر دوم را فقط آن‌قدر توصیف کنید که مشخص شود کدام بخشش را می‌خواهید.

04انتقال لباس و پوشش

کار دوتصویری کلاسیک. اول شخص و دوم لباس را پیوست کنید. تصویر لباس می‌تواند فلت‌لی باشد، عکس روی چوب‌لباسی، عکس کاتالوگ، یا کسی که آن را پوشیده — همه کار می‌کنند، به شرط اینکه بگویید کدام بخشش منظورتان است.

انتقال لباس
زنِ تصویر اول با پلیور بافتنی قرمزِ تصویر دوم. چهره، مو، ژست
و پس‌زمینه پارک را دقیقاً همان‌طور که هستند نگه دار، با همان
نور نرم ابری. پلیور باید به‌طور طبیعی روی اندام او بیفتد، با
نقش بافت کابلی و یقه لباس اصلی دست‌نخورده.

پرامپت منفی: نقش بافت کابلی تابیده، آستین اضافه، دست‌های
تغییرشکل‌یافته، پارچه پلاستیکی‌نما، نور ناهماهنگ

سه چیز کار را پیش می‌برند: نقش‌ها به‌ترتیب نام‌برده شده‌اند، بخش‌های بدون تغییر با صدای بلند فهرست شده‌اند (همان که جلوی انحراف چهره را می‌گیرد)، و بند آخر به مدل می‌گوید که جزئیات خودِ لباس همان نکته اصلی است — بدون آن، ترکیب‌ها تمایل دارند رنگ و خط بیرونی را نگه دارند و در سکوت بافت را صاف کنند.

• اندازه شدن یک ادعای فیزیکی است، پس بیانش کنید. «به‌طور طبیعی روی اندام او می‌افتد»، «در کمر تنگ»، «آستین‌هایی که تا مچ می‌رسند» — وگرنه لباس ممکن است با تناسبات منبع خودش برسد نه با تناسبات کسی که آن را می‌پوشد.
• پوشیدگی حالت سخت ماجراست. اگر دست‌ها روی هم قلاب شده‌اند یا بند کیف از روی سینه رد می‌شود، بگویید چه بر سرش می‌آید. ابهام در این نقطه همان آرتیفکت کلاسیک آستین ذوب‌شده را تولید می‌کند.
• لباس بیشتر یعنی تصویر بیشتر. اول شخص، بعد بالاتنه، بعد شلوار، بعد کفش — و به‌طور یکدست به آنها به‌عنوان تصویر دوم، سوم و چهارم اشاره کنید. وسط کار به «عکس کفش» سوئیچ نکنید.

05گذاشتن یک شیء در صحنه

اینجا نقش‌ها معکوس می‌شوند: اول صحنه می‌آید، چون تصویر نهایی بیشتر از صحنه ساخته می‌شود و شیء بخشی است که وارد می‌شود. ماکت‌های داخلی، چیدن اتاق با مبلمانی که هنوز نخریده‌اید، انداختن یک خودرو روی جاده، گذاشتن یک مجسمه در گالری — هر بار همین شکل.

شیء در صحنه
اتاق نشیمنِ تصویر اول با صندلی راحتی مخملی سبزِ تصویر دوم که
کنار پنجره سمت چپ گذاشته شده، کمی به‌سمت دوربین چرخیده و در
کادر تقریباً تا ارتفاع کمر. با نور گرم اواخر بعدازظهر اتاق
هماهنگ باشد، با سایه‌ای نرم که سمت راست صندلی روی فرش می‌افتد.
بقیه اتاق و زاویه دوربین را بدون تغییر نگه دار.

پرامپت منفی: شیء شناور، لبه‌های بریده‌شده، سایه تکراری،
دمای رنگ ناهماهنگ

حالت شکست اینجا هویت نیست، فیزیک است. شیئی که نور خودش را نگه دارد چسبانده‌شده به‌نظر می‌رسد و بیننده‌ها فوراً تشخیصش می‌دهند، حتی وقتی نمی‌توانند بگویند چرا. کلماتتان را خرج سه چیزی کنید که عکسِ یک شیء ایزوله نمی‌تواند بداند: جای‌گذاری (کجای کادر، نسبت به چه چیزی)، مقیاس بر حسب صحنه و نه سانتی‌متر («تقریباً تا ارتفاع کمر»، «به بلندی دستگیره در»)، و نور و سایه — جهت، کیفیت، و اینکه سایه کجا می‌افتد. همین آخری است که یک مونتاژ را به یک عکس تبدیل می‌کند.

06شخص الف کنار شخص ب

دو نفر که هرگز در یک اتاق نبوده‌اند: عکس‌های خانوادگی میان نسل‌ها، پرتره بنیان‌گذاران وقتی هم‌بنیان‌گذار در سفر بوده، پوستری با دو اجراگر. جواب می‌دهد، و به دو چیزی نیاز دارد که کارهای تک‌سوژه‌ای ندارند.

دو نفر
مردِ تصویر اول ایستاده کنار زنِ تصویر دوم، هر دو روی همان
تراس سنگیِ تصویر اول. او سمت چپ می‌ایستد، زن سمت راست او،
شانه‌ها تقریباً در تماس، هر دو رو به دوربین و هم‌ارتفاع.
هر دو چهره، مدل مو و لباس را دقیقاً مثل عکس‌های خودشان نگه
دار و هر دو را با همان نور نرم عصرگاهی از سمت چپ نورپردازی کن.

بوم: landscape
پرامپت منفی: رنگ پوست ناهماهنگ، اندام تکراری، خط درز
میان سوژه‌ها، نور ناهموار

آن دو مورد اضافه: هندسه نسبی — چه کسی کدام طرف است، چقدر فاصله، خط نگاه هرکدام به کجا، و قد نسبی، چون دو پرتره با کادربندی متفاوت هیچ راهی برای مدل باقی نمی‌گذارند که بفهمد یکی یک سر بلندتر است — و یک نور مشترک واحد که صریح بیان شود، چون شما دارید دو محیط نوری را ادغام می‌کنید و یکی باید برنده شود.

اینجا هم انتخاب ابعاد بوم جدید ارزشش را نشان می‌دهد: دو منبع پرتره‌ای، یک عکس گروهی پرتره‌ای بد می‌سازند، پس landscape یا wide بخواهید. و یک بار هم آن نکته بدیهی را بگوییم — قرار دادن یک شخص واقعی در تصویری که در آن نبوده کاری قدرتمند است و خودبه‌خود بی‌ضرر نیست. حقوق یا رضایت را داشته باشید؛ سیاست استفاده مسئولانه ما نسخه کوتاه ماجراست.

07محصول روی شخص، و عکاسی محصول بدون سانسور

از نظر تجاری، این همان ترکیبی است که خرج خودش را درمی‌آورد. یک عکس محصول روی پس‌زمینه سفید دارید و یک مدل، یک دست، یک آشپزخانه، یک میز کار. ترکیب کردنشان بدون یک روز استودیو به شما یک عکس لایف‌استایل می‌دهد — و با محصول واقعی خودتان در آن، نه یک تقریب تولیدشده، و همین کل تفاوت میان مواد بازاریابی قابل‌استفاده و ماکتی است که باید بابتش عذرخواهی کنید.

محصول روی شخص
زنِ تصویر اول که شیشه سرم شیشه‌ای کهرباییِ تصویر دوم را در
دست راستش گرفته و تا ارتفاع سینه بالا آورده، برچسب رو به
دوربین و کاملاً خوانا، انگشتانش به‌طور طبیعی دور شیشه پیچیده
بدون اینکه برچسب را بپوشانند. چهره، مو و پس‌زمینه آشپزخانه را
بدون تغییر نگه دار. عکاسی‌شده روی Kodak Portra 400، لنز
85mm f/1.4، نور نرم پنجره از سمت چپ.

بوم: portrait
پرامپت منفی: متن برچسب تابیده، انگشت اضافه، شیشه شناور،
بازتاب‌های تکراری، پوست پلاستیکی

دو افزوده مخصوص کار محصول. نحوه گرفتن: دستی که شیئی را نگه می‌دارد همان جایی است که ترکیب بیشتر از همه خراب می‌شود، پس بگویید کدام دست، در چه ارتفاعی، و اینکه انگشت‌ها به‌طور طبیعی دور شیء بپیچند بدون پوشاندن برچسب. پرداخت عکاسانه: نام یک دوربین، یک لنز و یک فیلم یا منبع نور را بیاورید. خروجی باید مثل عکسی خوانده شود که گرفته شده، نه دو عکسی که ترکیب شده‌اند، و نوشتنش به‌شکل یک عکس همان چیزی است که شما را به آنجا می‌رساند.

بدون سانسور بودن اینجا به شکلی عادی‌تر از آنچه به گوش می‌رسد اهمیت دارد. تولیدکننده‌های فیلترشده دسته‌های کاملی از تجارت عادی و قانونی را رد می‌کنند: کاتالوگ لباس زیر و لباس شنا، تنباکو و سخت‌افزار ویپ، مشروبات الکلی، لوازم جانبی سلاح گرم، محصولات سلامت بزرگسالان، شاهدانه در جایی که قانونی است، تجهیزات پزشکی، لوازم تاکتیکی و شکار. همچنین کار روی برند و چهره را که خودِ صاحب حق انجام می‌دهد رد می‌کنند. هیچ‌کدام از اینها حالت حاشیه‌ای نیستند؛ اینها یک سه‌شنبه معمولی در یک آژانس‌اند. Shannon هیچ فیلتر محتوایی روی مسیر تولید و هیچ لایه رد درخواستی روی مدلی که پرامپت را می‌نویسد ندارد، پس کار پیش می‌رود و پرسش حقوقی همان‌جا که باید، پیش شما می‌ماند.

08سبک از یک تصویر، سوژه از تصویر دیگر

اول سوژه، دوم مرجع سبک. چیزی که این کار را متفاوت می‌کند این است که شما یک کیفیت قرض می‌گیرید نه یک شیء، پس باید نام ببرید کدام کیفیت‌ها — و بگویید که سوژه و ترکیب‌بندی خودِ مرجع قرار نیست همراهش بیایند.

مرجع سبک
پرتره مردِ تصویر اول، رندر شده با سبک بصریِ تصویر دوم: همان
پالت کدر آبی‌فیروزه‌ای و اخرایی، بافت قلم‌موی خشکِ دیدنی، و
نورپردازی تخت و یکنواخت. چهره، حالت صورت و ژست او را قابل
تشخیص و بدون تغییر نگه دار. سوژه، پس‌زمینه یا ترکیب‌بندی
تصویر دوم را منتقل نکن.

پرامپت منفی: چهره دوم، پس‌زمینه قرض‌گرفته، بافت عکاسانه

محورهای سبک را صریح نام ببرید، چون «با سبک تصویر دوم» به‌تنهایی کم‌مشخص است: پالت (یا رنگ‌های دقیق، نوشته‌شده به‌شکل color #8B0000 که به یک شیء نام‌برده چسبیده)، قلم‌کاری یا دانه‌بندی، کیفیت نور، ضخامت خط، میزان انتزاع، پرداخت لبه‌ها. دو یا سه موردی را که ظاهر را تعریف می‌کنند انتخاب کنید؛ نام بردن هر شش تا آنها را میانگین می‌گیرد. و جهت‌های متناقض را با هم قاطی نکنید — «فوتورئالیستی» به‌علاوه «آبرنگ» یک آش شله‌قلمکار تولید می‌کند نه یک ترکیب. اگر عکسی می‌خواهید که فقط یک پالت قرض بگیرد، دقیقاً همین را بگویید.

09پرامپت منفی و انتخاب ابعاد بوم جدید

دو قابلیت که برای ترکیب و ویرایش وجود دارند اما برای متن‌به‌تصویر نه، و هر دو کم‌استفاده‌اند.

پرامپت منفی

ترکیب تصاویر از پرامپت منفی پشتیبانی می‌کند. آرتیفکت‌های ناخواسته آنجا می‌روند — و مهم است که آنجا بروند نه داخل دستور، چون نوشتن «بدون انگشت اضافه» در دستور اصلی همان چیزی را که می‌خواهید از آن پرهیز کنید در یک نفس با هر چیزی که می‌خواهید نام می‌برد. استثناها را در کانال خودشان بگذارید. مواردی که به‌طور مداوم جای خودشان را دارند:

• آناتومی — انگشت اضافه، اندام تکراری، دست‌های تغییرشکل‌یافته، چهره دوم.
• نشانه‌های مونتاژ — لبه‌های بریده‌شده، خط درز دیدنی، شیء شناور، سایه تکراری، هاله دور سوژه.
• ناهماهنگی نور — دمای رنگ ناهماهنگ، جهت سایه ناسازگار، نوردهی ناهموار میان سوژه‌ها.
• خطاهای بافت — پوست پلاستیکی، پارچه صاف‌شده، متن برچسب تابیده، لوگوی ناخوانا.

آن را در حد همان چند موردی نگه دارید که برای تصویر شما محتمل‌اند. پرامپت منفی‌ای که سی چیز را فهرست می‌کند دستوری پخش‌شده است، نه دستوری قوی.

ابعاد بوم

ویرایش یک تصویر تکی نسبت ابعاد تصویر مبدأ را به‌طور خودکار به ارث می‌برد — یک مبدأ هست و شکلش همان پاسخ است. ترکیب چنین پیش‌فرضی ندارد، پس می‌توانید ابعاد بوم جدیدی انتخاب کنید، و اغلب هم باید این کار را بکنید، چون شکلی که به یک منبع می‌آمد به‌ندرت به ترکیب می‌آید.

ابعاد	بهترین برای	کاربرد معمول در ترکیب
square	پیش‌فرض، فید شبکه‌های اجتماعی	سوژه تکی با یک عنصر منتقل‌شده
portrait	آدم‌ها، سوژه‌های بلند	انتقال لباس، محصول در دست یک مدل
landscape	مناظر، گروه‌ها	دو نفر کنار هم، شیء گذاشته‌شده در اتاق
wide	قاب‌بندی سینمایی	عکس گروهی، صحنه‌های محیطی محصول، بنر
tall	پوستر، والپیپر موبایل	عکس تمام‌قد لباس، چیدمان پوستر

درخواست صریح همیشه برنده است. چیزی نگویید و square می‌گیرید — شکل نامناسب برای بیشتر کارهای دونفره و لباس تمام‌قد، پس ارزش یک کلمه را دارد.

10Shannon از کدام تصاویر استفاده می‌کند: گفت‌وگو در برابر همین پیام

دو راه وجود دارد که یک تصویر وارد یک ترکیب شود، و دانستن اینکه به کدام‌یک تکیه کرده‌اید جلوی بیشتر قاطی‌شدن‌های ترتیب را می‌گیرد.

پیوست‌شده به پیام فعلی. مسیر مستقیم: همه چیز را به پیامی که دستور را حمل می‌کند پیوست کنید، به همان ترتیبی که قصد دارید به آن اشاره کنید، و آن‌وقت «تصویر اول» و «تصویر دوم» دقیقاً همان معنایی را می‌دهند که به‌نظر می‌رسند. پیش‌فرض را همین بگذارید.

از پیش در گفت‌وگو. تصاویری که پیش‌تر در رشته گفت‌وگو فرستاده شده‌اند در دسترس می‌مانند و می‌توان با زبان عادی به آنها اشاره کرد — «عکسی که قبلاً فرستادم»، «عکس پلیور از قبل»، «نسخه دومی که ساختی». Shannon این ارجاع را در برابر رشته گفت‌وگو حل می‌کند، و این در یک نشست طولانی واقعاً راحت است: می‌توانید روی یک نتیجه تکرار کنید و بعد عنصر جدیدی وارد کنید بدون اینکه همه چیز را دوباره آپلود کنید.

محافظ هر دو یکی است. کارت تأیید دستور را پیش از هر رندری نشان می‌دهد، از جمله ترتیبی را که انتخاب کرده. آن را بخوانید. اگر نقش‌ها برعکس درآمده بودند — پلیور به‌عنوان پایه، شخص به‌عنوان منبع — بگویید و پیش از تولید یا محاسبه حتی یک پیکسل درست می‌شود. با این حال، وقتی رشته گفت‌وگو طولانی و پر از تصویر است، آنهایی را که لازم دارید دوباره پیوست کنید؛ شش عکس عقب‌تر، «تصویر دوم» برای هر خواننده‌ای مبهم است.

اینکه از Shannon بخواهید به تصویری نگاه کند — توصیفش کند، برچسبش را بخواند، بگوید پارچه‌اش چیست — کار عادی بینایی است، نه یک تولید. هزینه اضافه‌ای ندارد و پیش از ترکیب کردن بررسی خوبی است: اگر توصیف Shannon به جزئیاتی که برایتان مهم است اشاره نکند، دستور شما باید نامشان ببرد.

11بدون سانسور، و اینکه واقعاً یعنی چه

هیچ فیلتر محتوایی روی مسیر تولید و هیچ لایه رد درخواستی روی مدلی که پرامپت را می‌نویسد وجود ندارد. ترکیب همان جایی است که ابزارهای فیلترشده آشکارتر از همه‌جا شکست می‌خورند، چون یک سامانه رد درخواست نمی‌تواند تفاوت میان ترکیب تصاویری که مال شماست و ترکیب تصاویری که نباید در اختیارتان باشد را تشخیص دهد — پس هر دو را می‌بندد.

کاری که آن ابزارها به‌طور معمول رد می‌کنند عجیب‌وغریب نیست: برهنه هنری و مطالعه فیگور، تصویرسازی پزشکی و جرم‌شناسی، تصاویر پژوهش امنیتی، خشونت در آثار داستانی برای جلد کتاب و هنر بازی، طنز سیاسی، و همان دسته‌های قانونی محصول که بالاتر فهرست شد. هر کدام کار حرفه‌ای مشروعی است که یک فیلتر کلیدواژه‌ای نمی‌تواند از سوءاستفاده تشخیصش دهد.

بدون سانسور یعنی بدون پاسخگویی نیست. شما عکس‌هایی از اشیای واقعی و اغلب آدم‌های واقعی می‌دهید؛ حقوق و رضایت را باید شما در دست داشته باشید، و مسئولیت نتیجه هم همین‌طور. Shannon Lab LLC شرکتی در نیومکزیکو است که ذیل یک سیاست استفاده مسئولانه منتشرشده فعالیت می‌کند — پیش از شروع کاری که به چهره دیگران مربوط است، ارزش پنج دقیقه وقت را دارد.

12محدودیت‌هایی که پیش از شروع بهتر است بدانید

هیچ تولید ویدیویی وجود ندارد. Shannon تصاویر را متحرک نمی‌کند و ویدیو تولید نمی‌کند، به هیچ شکلی، از هیچ‌کدام از این عملیات‌ها — نه از یک تصویر تکی، نه از یک ترکیب، نه به‌عنوان یک گزینه آزمایشی. اگر بریف شما به حرکت ختم می‌شود، این ابزار برای گام آخر نیست. این همان چیزی است که محصول هست، نه اشاره‌ای به نقشه راه.

مرزهای صادقانه دیگر، همه با راه‌حل جایگزین:

• متن ریز ضعیف‌ترین بخش است. چاپ ریز، متن متراکم بسته‌بندی و شماره‌سریال‌های بلند ممکن است ناقص دربیایند. محصول را طوری قاب کنید که متن مهم بزرگ باشد، متن برچسب تابیده را در پرامپت منفی بگذارید، و در اندازه کامل بررسی کنید.
• ناهماهنگی شدید مقیاس دشوار است. یک عکس محصول ۴۰۰۰ پیکسلی که با تصویر بندانگشتی کوچکی از یک اتاق ترکیب شود چیز زیادی به مدل نمی‌دهد. از بهترین نسخه‌ای که از هر منبع دارید استفاده کنید.
• پوشیدگی زیاد آنچه را قابل انتقال است محدود می‌کند. لباسی که تاشده عکاسی شده و پشتش هرگز دیده نمی‌شود نمی‌تواند پشتش وفادارانه اختراع شود. اگر ترکیب پشت را نشان می‌دهد، پشت را هم بدهید.
• تصویر بیشتر یعنی جای بیشتر برای سردرگمی. چهار منبع با نام‌گذاری ترتیبی منضبط شدنی است، اما جای سرسری‌گرفتن نیست — همان تعدادی را به کار ببرید که کار لازم دارد و نه بیشتر.
• دو تغییر بزرگ هم‌زمان با هم رقابت می‌کنند. اول لباس را منتقل کنید، تأیید کنید، بعد پس‌زمینه را عوض کنید. ویرایش‌های پی‌درپی تقریباً همیشه بر یک دستور پُربار می‌چربند، و بررسی هر گام ارزان است.

13پرسش‌های پرتکرار

---

تولید، ویرایش و ترکیب چند تصویر از قابلیت‌های اپ چت Shannon هستند؛ اندپوینت‌های /v1/chat/completions و /v1/messages و /v1/responses متن و بینایی را سرو می‌کنند، یعنی تصاویر را می‌خوانند نه اینکه تولیدشان کنند. هیچ تولید ویدیویی وجود ندارد. گزینه‌های ابعاد، پشتیبانی از پرامپت منفی و رفتار تأیید تا ۵ سپتامبر ۲۰۲۶ به‌روز هستند. مرتبط: تولید تصویر بدون سانسور با هوش مصنوعی · ویرایش تصویر بدون سانسور با هوش مصنوعی · استفاده مسئولانه · مستندات API · فهرست پژوهش‌ها.