अनसेंसर्ड AI इमेज एडिटर
एक वाक्य लिखकर किसी मौजूदा इमेज को बदलिए, रीस्टाइल कीजिए, दोबारा रोशन कीजिए, कपड़े बदलिए या ठीक कीजिए। कोई मास्क नहीं, कोई फ़िल्टर नहीं, कोई इनकार नहीं — और एक तकनीक जो बाकी सब मिलाकर भी ज़्यादा मायने रखती है।
संक्षेप में
Shannon सादी भाषा के एक निर्देश से ठीक एक मौजूदा इमेज एडिट करता है — कोई ब्रश नहीं, कोई मास्क नहीं, कोई सिलेक्शन नहीं। उस निर्देश में यह बताना ज़रूरी है कि क्या बदलेगा और क्या वैसा ही रहेगा, क्योंकि मॉडल पूरा फ़्रेम दोबारा बनाता है: जिसे आप अपरिवर्तित रहने वाला बताकर नाम नहीं देते, वह भटकने के लिए स्वतंत्र है। अपरिवर्तित रहने वाले हिस्सों को नाम देना — "चेहरा, पोज़ और कपड़े बिल्कुल वैसे ही रखें" — आपके पास मौजूद सबसे बड़ा क्वालिटी लीवर है। एडिटिंग का रास्ता नेगेटिव प्रॉम्प्ट स्वीकार करता है (टेक्स्ट-टू-इमेज नहीं करता); निर्देश में "no X" लिखने के बजाय अनचाहे आर्टिफ़ैक्ट वहाँ डालिए। आउटपुट सोर्स का आस्पेक्ट रेशियो अपने आप अपनाता है। कोई वीडियो जनरेशन नहीं है और इमेज को एनिमेट करने का कोई तरीका नहीं है। एडिटिंग चैट ऐप में हमारे अपने GPU क्लस्टर पर चलती है, बिना किसी कंटेंट फ़िल्टर और बिना किसी रिफ्यूज़ल लेयर के।
जो लोग अनसेंसर्ड AI इमेज एडिटर खोजते हैं, उनमें से ज़्यादातर के पास एक इमेज और एक समस्या होती है: बैकग्राउंड गलत है, रोशनी सपाट है, जैकेट का रंग ठीक नहीं है, फ़्रेम में कोई अजनबी खड़ा है, स्कैन में एक सिलवट पड़ी है — या फिर एडिट पूरी तरह जायज़ है और उनका मौजूदा टूल उसे छूने से मना कर देता है। यह लेख उसी काम को अच्छे से करने के बारे में है: यह नहीं कि किस एडिटर में सबसे ज़्यादा स्लाइडर हैं, बल्कि वह एक आदत जो सही उतरने वाले एडिट को उस एडिट से अलग करती है जो चुपचाप आपके सब्जेक्ट का चेहरा ही दोबारा गढ़ देता है।
01इंस्ट्रक्शन-आधारित एडिटिंग असल में है क्या
पारंपरिक AI एडिटिंग मुश्किल हिस्सा आपसे ही करवाती है: एक कैनवस खोलिए, जिस हिस्से को बदलना है उस पर मास्क पेंट कीजिए, और उसके अंदर क्या होना चाहिए यह बताता हुआ एक वाक्यांश लिखिए। सटीक, धीमा, और उसी पल बेकार जब आपके बदलाव की कोई साफ़ सीमा-रेखा न हो — रोशनी में बदलाव, कपड़ों की ऐसी अदला-बदली जो सिल्हूट ही बदल दे, या पूरी इमेज का कलर ग्रेड।
Shannon ठीक उल्टे तरीके से काम करता है। आप कुछ भी सिलेक्ट नहीं करते। आप इमेज के बारे में किसी भी भाषा में एक वाक्य लिखते हैं, और क्षेत्र आपके शब्दों से अनुमानित होता है। इससे यह उन सबके लिए एक व्यावहारिक अनसेंसर्ड इनपेंटिंग विकल्प बन जाता है जो सिलेक्शन की मेहनत नहीं, नतीजा चाहते हैं — बस इसका एक यांत्रिक नतीजा है जिसे पहले समझना ज़रूरी है:
एडिट आपकी सोर्स इमेज पर आधारित होकर पूरे फ़्रेम का दोबारा रेंडर है — उसके किसी हिस्से पर लगाया गया पैच नहीं। Image Model आपकी मूल इमेज पढ़ता है, आपका निर्देश पढ़ता है, और एक नई इमेज बनाता है जिसे मूल इमेज प्लस वह बदलाव होना चाहिए। यांत्रिक रूप से कुछ भी जमा हुआ नहीं है। हर एडिट पर हर पिक्सेल दोबारा बातचीत के लिए खुला है।
इसीलिए "बारिश में भीगी टोक्यो की सड़क" — जो मास्क वाले टूल में बिल्कुल सही आती है — यहाँ थोड़े अलग दिखने वाले व्यक्ति के साथ लौटती है। मास्क वाले टूल में मास्क ने कह दिया था कि व्यक्ति को छूना मना है; यहाँ यह काम आपके वाक्य को करना है। इसका फ़ायदा: इंस्ट्रक्शन एडिटिंग वह कर देती है जो मास्क नहीं कर सकते — सूरज को हिलाकर परछाइयों से भी सहमति करवाना, कपड़ा बदलकर उसकी सिलवटों को मौजूदा पोज़ पर गिरवाना, किसी फोटोग्राफ़ को स्याही और सपाट रंगों में बदलते हुए कंपोज़िशन बनाए रखना। ऐसे एडिट के पास पेंट करने लायक कोई सीमा-रेखा होती ही नहीं; वे पूरे फ़्रेम में फैले हुए रिश्ते हैं।
02एंकरिंग: सबसे बड़ा अकेला क्वालिटी लीवर
एंकरिंग का मतलब है हर एडिट निर्देश को दो हिस्सों में लिखना: बदलाव वाला हिस्सा (क्या अलग होना चाहिए, सकारात्मक और ठोस रूप में) और कीप क्लॉज़ (वे हिस्से जिन्हें बिना छुए बचना है, ठोस संज्ञाओं के रूप में नामित)। दोनों भार उठाते हैं — अकेला बदलाव वाला हिस्सा महज़ एक ख़्वाहिश है। अगर इस पेज से आप सिर्फ़ एक बात लें तो यह: आपका नतीजा इस बात से तय होता है कि आपने कितने स्पष्ट रूप से बताया कि क्या वैसा ही रहेगा, इससे नहीं कि आपने बदलाव का वर्णन कितने रंगीन ढंग से किया।
बिना एंकर वाले निर्देश तीन तरह से भटकते हैं
- पहचान का भटकाव। चेहरा लगभग सही लौटता है — नाक थोड़ी अलग, जबड़े की रेखा चुपचाप सुंदर बना दी गई। यह सबसे नुकसानदेह नाकामी है, क्योंकि फ़ोन पर इसे पकड़ना मुश्किल है और जो व्यक्ति को जानता है उसके लिए यह साफ़ दिखती है।
- साथ-साथ हुआ रीस्टाइल। आपने नया बैकग्राउंड माँगा; साथ में नया कलर ग्रेड, नया लेंस और एक स्वेटर भी मिल गया जो पहले धारीदार बुनाई वाला था। मॉडल ने निर्देश को सोर्स से हुए अंतर की जगह पूरी लक्ष्य इमेज का वर्णन समझ लिया।
- विशेषणों से फैलता दायरा। "ज़्यादा नाटकीय," "ज़्यादा साफ़," "ज़्यादा प्रोफेशनल" किसी वस्तु का नाम ही नहीं लेते। बिना संज्ञा वाला विशेषण हर चीज़ पर लागू होता है, तो हर चीज़ हिल जाती है।
एंकर की शब्दावली
एंकर ठोस संज्ञाओं के रूप में काम करते हैं। "इसे वैसा ही रखो" कमज़ोर है — मॉडल को पता नहीं कि आपको किस तरह की समानता की परवाह है। अपने एडिट के लिए मायने रखने वाली तीन से पाँच चीज़ें चुनिए और उन्हें साफ़-साफ़ नाम दीजिए।
| आप क्या बदल रहे हैं | जिन एंकरों को साफ़ नाम देना चाहिए |
|---|---|
| बैकग्राउंड / परिवेश | चेहरा और चेहरे के नैन-नक्श, हेयरस्टाइल, पोज़, हाथ, कपड़े, कैमरा एंगल, क्रॉप, सब्जेक्ट पर पड़ती रोशनी |
| रोशनी / मूड | चेहरा, भाव, त्वचा की बनावट, पोज़, कपड़े, बैकग्राउंड में मौजूद चीज़ें, फ़्रेमिंग |
| कपड़े / पहनावा | चेहरा, दाढ़ी या बाल, पोज़, हाथ, शरीर का अनुपात, बैकग्राउंड, रोशनी की दिशा, कलर ग्रेड |
| स्टाइल / माध्यम | कंपोज़िशन, पोज़, बालों की लंबाई, पहनावे के आकार, सब्जेक्ट की संख्या, क्रॉप |
| ऑब्जेक्ट हटाना / मरम्मत | फ़्रेम की बाकी हर चीज़ — सब्जेक्ट, आसपास की इमारतें, ग्रेन, टोनैलिटी, कंट्रास्ट, रंग |
| किसी एक चीज़ का रंग | इमेज के बाकी सारे रंग, साथ ही बदली जा रही वस्तु की बनावट और सामग्री |
आख़िरी पंक्ति पर ग़ौर कीजिए। रंग बदलना चुपचाप बिगड़ता है, क्योंकि "जैकेट को लाल कर दो" कहने पर जैकेट शून्य से दोबारा गढ़ दिया जाता है — नई कटाई, नई सामग्री, नई सिलवटें। एंकर्ड रूप: "मौजूदा जैकेट का रंग गहरा क्रिमसन कर दीजिए, उसकी ठीक वही कटाई, सिलाई, कपड़े की बनावट और गिरने का अंदाज़ बनाए रखते हुए।" फ़र्क़ बस एक वाक्यांश का, नतीजा नाटकीय रूप से बेहतर।
03उदाहरण: कमज़ोर निर्देश, वह क्यों भटकता है, और एंकर्ड रूप
नीचे हर जोड़ी एक ही इरादे को दो बार लिखा गया रूप है। बीच में दिया गया निदान ही वह हिस्सा है जिसे आप अपने कामों में उतार सकते हैं।
A. बैकग्राउंड बदलना
यह क्यों भटकता है: यह एक मंज़िल-इमेज का वर्णन है, अंतर का नहीं। महिला के बारे में कुछ भी सुरक्षित नहीं है और कैमरे को स्थिर रखने वाला कुछ नहीं है, तो मॉडल एक भरोसेमंद दृश्य गढ़ते हुए उसे भी दोबारा फ़्रेम और रेंडर कर देता है।
क्या बदला: कीप क्लॉज़ पहचान, पहनावा और फ़्रेमिंग को पिन कर देता है, और आख़िरी वाक्यांश बताता है कि जोड़ किस तरफ़ झुककर सुलझेगा — बैकग्राउंड सब्जेक्ट की रोशनी के हिसाब से ढलेगा, उलटा नहीं।
B. दोबारा रोशनी देना
यह क्यों भटकता है: "बेहतर" बिना संज्ञा वाला विशेषण है। मॉडल को उसकी परिभाषा खुद गढ़नी पड़ती है, और दोबारा रेंडर में बेहतर दिखने का सबसे सस्ता तरीका है चिकनी त्वचा, ज़्यादा सफ़ेद दाँत और पतला जबड़ा। आपने रोशनी माँगी और आपको रीटच मिल गया।
क्या बदला: रोशनी का वर्णन भौतिक रूप में है — दिशा, गुण, तापमान, ढलान। त्वचा की बनावट को अलग से एंकर किया गया है, क्योंकि दोबारा रोशन करते समय ही मॉडल को उसे चिकना कर देने का सबसे ज़्यादा लालच होता है।
C. सब्जेक्ट के कपड़े बदलना
यह क्यों भटकता है: सूट सिल्हूट बदल देता है, इसलिए धड़ को दोबारा रेंडर करना पड़ता है — और उस पर टिका सिर आमतौर पर उसी के साथ चला जाता है। बिना एंकर वाले कपड़ों के एडिट, बैकग्राउंड बदलने के बाद, पहचान भटकने का दूसरा सबसे बड़ा स्रोत हैं।
क्या बदला: "उसकी मौजूदा मुद्रा के अनुसार सिली हो" कपड़े को पोज़ के अधीन कर देता है। हाथों को अलग से एंकर किया गया है, क्योंकि कपड़ों के एडिट सबसे साफ़ तौर पर हाथों पर ही बिखरते हैं।
D. किसी फोटोग्राफ़ को रीस्टाइल करना
यह क्यों भटकता है: अकेला स्टाइल शब्द सब कुछ सौंप देता है — कंपोज़िशन, क्रॉप, बाल, पहनावा, लोगों की संख्या — और "एनिमे" तीस साल की आपस में न मिलने वाली परंपराओं का नाम है। नतीजा मिलता है: किसी दूसरे ही दृश्य का कुशल चित्रण।
क्या बदला: स्टाइल एडिट को अलग तरह के एंकर चाहिए। आप बनावट को एंकर नहीं कर सकते — बनावट तो वही है जिसे बदला जा रहा है — इसलिए आप संरचना को एंकर करते हैं: कंपोज़िशन, पोज़, सिल्हूट, क्रॉप, सब्जेक्ट की संख्या। सेल एनिमेशन के भीतर "फोटो जैसी असली त्वचा" बनाए रखने को कहना अपने आप में विरोधाभास है।
E. कोई चीज़ हटाना
यह क्यों भटकता है: नकार भी उस अवधारणा को मॉडल के सामने रख ही देता है, और यह कुछ नहीं बताता कि खाली हुई जगह में क्या भरेगा। हटाने के लिए लक्ष्य और भराव, दोनों का सकारात्मक कथन चाहिए।
क्या बदला: लक्ष्य को वस्तु, रंग और स्थिति से नाम दिया गया है; भराव तय कर दिया गया है, ताकि मॉडल फुटपाथ की जगह कोई चौक न गढ़ बैठे; और "बाकी सब कुछ" को असली संज्ञाओं में खोल दिया गया है।
F. ख़राब हो चुकी तस्वीर की मरम्मत
यह क्यों भटकता है: "ठीक करना" को "सुधारना" पढ़ा जाता है, और पुरानी तस्वीर को सुधारने का मतलब उसे आधुनिक बना देना है — साफ़ त्वचा, ज़्यादा कंट्रास्ट, और एक चेहरा जो अब पूरी तरह आपकी दादी का नहीं रहा।
क्या बदला: नुकसान को गिनाकर बता दिया गया है, इसलिए "ठीक करने" का दायरा तय हो गया, और ग्रेन तथा टोनैलिटी को एंकर किया गया है क्योंकि वही प्रिंट को उसके दौर का प्रामाणिक बनाते हैं। तीन निषेध वह दुर्लभ मौका हैं जहाँ नकार अपनी जगह कमाता है — ये प्रक्रिया के बारे में निर्देश हैं, वस्तुओं के बारे में नहीं।
अच्छे निर्देश का ढाँचा
25 से 60 शब्दों का लक्ष्य रखिए, और कॉमा से अलग किए गए कीवर्ड टैग के बजाय पूरे वाक्यों में लिखिए — Image Model प्रॉम्प्ट को वैसे ही पढ़ता है जैसे कोई भाषा मॉडल पढ़ता है, इसलिए गद्य टैग-सूप से बेहतर है। SDXL-युग का कचरा (masterpiece, best quality, 8k) और (word:1.3) जैसी वेट सिंटैक्स छोड़ दीजिए; यहाँ ये कुछ नहीं करतीं। हर निर्देश में एक ही बदलाव कीजिए — एक वाक्य में दो असंबंधित बदलाव ध्यान के लिए आपस में लड़ते हैं और दोनों अधूरे लौटते हैं।
04नेगेटिव प्रॉम्प्ट — यहाँ समर्थित है, टेक्स्ट-टू-इमेज के उलट
यहाँ लोग अक्सर उलझते हैं, इसलिए इसे साफ़-साफ़ कह देते हैं:
| रास्ता | सोर्स इमेज | नेगेटिव प्रॉम्प्ट | आस्पेक्ट रेशियो | प्रॉम्प्ट का रूप |
|---|---|---|---|---|
| टेक्स्ट-टू-इमेज | 0 | समर्थित नहीं | आप चुनते हैं (डिफ़ॉल्ट वर्ग) | वर्णनात्मक गद्य |
| एक इमेज एडिट करना | ठीक 1 | समर्थित | सोर्स से विरासत में | निर्देश: बदलाव + कीप |
| 2+ इमेज जोड़ना | 2 या अधिक | समर्थित | नया कैनवस चुना जा सकता है | भूमिका-नामित गद्य |
टेक्स्ट-टू-इमेज नेगेटिव प्रॉम्प्ट बिल्कुल नहीं लेता — शून्य से बनाते समय सिर्फ़ यह बताना कि आपको क्या चाहिए, यही अनुशासन है (देखिए अनसेंसर्ड AI इमेज जनरेशन)। एडिटिंग अलग है: आपके पास पहले से एक सोर्स है, और दोबारा रेंडर की खास नाकामियाँ जानी-पहचानी और नाम लेने लायक हैं, इसलिए नेगेटिव प्रॉम्प्ट के पास दबाने के लिए कुछ ठोस होता है।
इसमें क्या डालना चाहिए
आर्टिफ़ैक्ट, और सिर्फ़ आर्टिफ़ैक्ट। यह खराबियों की सूची है, दूसरा निर्देश-चैनल नहीं:
- extra fingers, fused fingers, malformed hands — हर वह एडिट जो किसी व्यक्ति को दोबारा रेंडर करता है।
- warped text, garbled lettering, misspelled signage — फ़्रेम में साइन, लेबल या पैकेजिंग वाली कोई भी चीज़।
- duplicated limbs, duplicated railing, repeated windows — हटाने और बैकग्राउंड बढ़ाने वाले काम।
- smeared texture, blurry patch, halo around the subject, visible seam — बैकग्राउंड बदलना और ऑब्जेक्ट हटाना।
- plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — दोबारा रोशन करना, पोर्ट्रेट एडिट, और सामान्य सफ़ाई।
इसमें क्या नहीं डालना चाहिए
कंटेंट से जुड़े फ़ैसले। अगर आपको टोपी हटानी है तो निर्देश है "टोपी हटा दीजिए" — नेगेटिव प्रॉम्प्ट में "टोपी" लिखना नहीं। नेगेटिव प्रॉम्प्ट आपके सोर्स में मौजूद चीज़ों को भरोसेमंद ढंग से नहीं हटाता; वह रेंडर में खराबियों के आने को हतोत्साहित करता है। वहाँ कंटेंट डालने से आपको दोनों तरफ़ का नुकसान मिलता है: टोपी बनी रहती है, और वह जगह भी चली जाती है जो टेढ़े हाथों को दबा सकती थी।
इस नियम का दूसरा आधा हिस्सा आपके निर्देश पर लागू होता है: उसमें "no X" लिखना बंद कीजिए। "बिना गाड़ियों वाली सड़क," "बिना चश्मे वाला पोर्ट्रेट" — दोनों अनचाही अवधारणा को वाक्य में रख देते हैं और मॉडल से उसका नकार करवाना चाहते हैं — यह काम भाषा अच्छे से करती है और इमेज कंडीशनिंग बुरी तरह। बताइए कि उसकी जगह क्या होना चाहिए: "साफ़ डामर वाली खाली सड़क," "बिना किसी रुकावट वाली आँखों का पोर्ट्रेट।" इसका इकलौता अपवाद, जैसा उदाहरण F में है, प्रक्रिया के बारे में दिया गया निर्देश है — "शार्पन मत कीजिए," "रंग मत बदलिए" — जो किसी वस्तु का नाम लेने के बजाय एक क्रिया से इनकार करता है।
काम का बँटवारा, एक पंक्ति में
निर्देश: क्या बदलेगा, क्या वैसा ही रहेगा — सकारात्मक रूप में। नेगेटिव प्रॉम्प्ट: वे तरीके जिनसे कोई रेंडर बिगड़ सकता है। दोनों को अलग रखिए, दोनों बेहतर होंगे।
05एक सोर्स इमेज, और Shannon उसे कैसे चुनता है
एडिट ठीक एक सोर्स इमेज पर काम करता है: या तो कोई ऐसी तस्वीर जो पहले से बातचीत में मौजूद है — पहले अटैच की गई, या आपके लिए बनाई गई — या फिर उस संदेश के साथ अटैच की गई तस्वीर जो आप अभी भेज रहे हैं। थ्रेड के बाहर से कुछ नहीं खींचा जाता, और एडिट का रास्ता कभी चुपचाप दो तस्वीरों को नहीं मिलाता। अगर आपके इरादे को एक से ज़्यादा इमेज से तत्व चाहिए — फोटो A का पहनावा फोटो B के व्यक्ति पर — तो वह कंबाइन है, जिसका प्रॉम्प्ट अलग ढाँचे का होता है और क्रम से हर इमेज की भूमिका बताता है।
फ़ॉलो-अप और सबसे हालिया प्रासंगिक इमेज
एक बार कोई इमेज बातचीत में आ जाए, तो छोटे फ़ॉलो-अप वैसे ही काम करते हैं जैसी आप उम्मीद करेंगे। "इसे और गहरा कर दो।" "अब इसे सूर्यास्त में देखते हैं।" ये थ्रेड की सबसे हालिया प्रासंगिक इमेज के आधार पर हल होते हैं — आमतौर पर वही नतीजा जो आपको अभी-अभी मिला — इसलिए छोटे निर्देशों का सिलसिला एडिट के ढेर की तरह बरतता है। इसके तीन नतीजे हैं:
- एक-एक कदम में आगे बढ़िए। हर फ़ॉलो-अप एक और पूरा दोबारा रेंडर है, इसलिए "इसे गहरा करो और उसका कोट बदलो और कैमरा नीचे ले जाओ" एक ही पास पर लड़ते तीन एडिट हैं। तीन संदेश भेजिए; जो पसंद आए वहीं रुक जाइए।
- पीढ़ी-दर-पीढ़ी होने वाले नुकसान पर नज़र रखिए। छोटे-छोटे विचलन जुड़ते जाते हैं; लगातार छठे एडिट तक कोई चेहरा मूल से काफ़ी दूर जा सकता है, भले ही कोई एक कदम गलत न लगा हो। जब भटकाव दिखे, पैच लगाना बंद कीजिए — मूल फ़ाइल दोबारा अटैच कीजिए और एक संयुक्त निर्देश लिखिए जिसमें वह सब हो जो आपको अब तक समझ आया कि आप चाहते थे।
- लंबे थ्रेड में स्पष्ट रहिए। "मैंने पहले जो बीच वाली फोटो अटैच की थी, उसका इस्तेमाल करते हुए…" — जब कई इमेज चल रही हों तो यह दुविधा हटा देता है।
पुष्टिकरण कार्ड एंकर जोड़ने का आपका आख़िरी मौका है
आप सादी भाषा में, जिस भी भाषा में बोलते हों, माँगते हैं। Shannon तय करता है कि कोई इमेज ऑपरेशन माँगा जा रहा है, अंतिम निर्देश खुद अंग्रेज़ी में लिखता है, और कुछ भी रेंडर होने से पहले उसे एक पुष्टिकरण कार्ड पर आपको दिखाता है। जब तक आप पुष्टि नहीं करते, न कुछ बनता है और न कुछ बिल होता है। उस कार्ड को पढ़िए — यहीं आप कोई भी छूटा हुआ कीप क्लॉज़ पकड़ सकते हैं, कुछ भी खर्च होने से पहले।
दो और जुड़े हुए व्यवहार: Shannon बिना कहे कभी कुछ नहीं बनाता — कोई अभिवादन, कोई सवाल या यूँ ही अटैच की गई फोटो इमेज ऑपरेशन शुरू नहीं करती। और Shannon से सिर्फ़ किसी इमेज को देखने को कहना — उसका वर्णन करना, उसमें लिखा पढ़ना, यह बताना कि कंपोज़िशन क्यों नहीं जम रहा — साधारण विज़न काम है, जनरेशन नहीं, और इसका कोई अतिरिक्त खर्च नहीं। "इस फोटो में आप क्या बदलेंगे?" मुफ़्त सलाह है; उस पर अमल करना एडिट है।
06आस्पेक्ट रेशियो अपने आप विरासत में मिलता है
एडिट की गई इमेज अपने सोर्स के ही आस्पेक्ट रेशियो में लौटती है। आप कोई चुनते नहीं और आपको ज़रूरत भी नहीं: 4:5 का पोर्ट्रेट 4:5 ही रहता है, 16:9 का स्टिल 16:9 ही रहता है, और फ़ोन का बेढंगा स्क्रीनशॉट अपना अनुपात बनाए रखता है। ऐसा एडिट जो चुपचाप आपकी इमेज दोबारा फ़्रेम कर दे, एडिट होता ही नहीं — वह एक क्रॉप होता, साथ में एक अंदाज़ा कि मूल किनारों के बाहर क्या था।
यह बाकी दो रास्तों से असली फ़र्क़ है। टेक्स्ट-टू-इमेज आपसे square (डिफ़ॉल्ट), portrait, landscape, wide (सिनेमाई) और tall (पोस्टर और वॉलपेपर) में से चुनने को कहता है, और स्पष्ट अनुरोध हमेशा जीतता है; जोड़ने में आप नया कैनवस चुन सकते हैं, क्योंकि विरासत लेने के लिए कोई एक सोर्स है ही नहीं। तो अगर आपको अलग आकार चाहिए, तो वह एडिट नहीं है — 1:1 के प्रोडक्ट शॉट को 16:9 बैनर बनाने का मतलब है ऐसे पिक्सेल गढ़ना जो कभी खींचे ही नहीं गए। यह सोच-समझकर कीजिए, किसी नए कैनवस पर जनरेट करके या जोड़कर।
07कोई वीडियो जनरेशन नहीं है
साफ़-साफ़ कहा जा रहा है, क्योंकि लोग पूछते हैं
Shannon वीडियो जनरेट नहीं करता और इमेज को एनिमेट नहीं करता। कोई इमेज-टू-वीडियो रास्ता नहीं है, कोई "इस फोटो को चला दो" नहीं, कोई लूप नहीं, कोई सिनेमाग्राफ़ नहीं। यह प्रीव्यू में या जल्द आने वाली कोई क्षमता नहीं है — यह प्रोडक्ट में मौजूद ही नहीं है, और इस पेज पर लिखी किसी बात को इसका इशारा नहीं समझा जाना चाहिए।
Shannon 3 इमेज के साथ ठीक तीन चीज़ें करता है: नई इमेज बनाना, एक मौजूदा इमेज एडिट करना, और दो या अधिक इमेज को जोड़कर एक बनाना। यहाँ लिखी हर बात इनमें से दूसरी के भीतर आती है।
यह बात दो बार कहने लायक है, क्योंकि लोगों के मन में "AI इमेज एडिटर" और "AI वीडियो जनरेटर" पड़ोसी बन चुके हैं, और जो टूल खुशी-खुशी आपकी तस्वीर दोबारा रोशन कर देता है, उससे लगता है कि उसे चलाने में बस एक बटन का फ़ासला होगा। ऐसा नहीं है — और यह आपको पहले मिनट में पता होना चाहिए, दसवें में नहीं।
08जनरेशन से ज़्यादा एडिटिंग के लिए अनसेंसर्ड होना क्यों मायने रखता है
फ़िल्टर वाले एडिटर, फ़िल्टर वाले जनरेटर से अलग तरह से नाकाम होते हैं, और आमतौर पर ज़्यादा बुरी तरह। फ़िल्टर वाला जनरेटर आपका प्रॉम्प्ट ठुकराता है; आप दोबारा लिखते हैं और फिर कोशिश करते हैं। फ़िल्टर वाला एडिटर सोर्स इमेज को ही ठुकरा सकता है, आपका एक शब्द भी पढ़े बिना। केस रिपोर्ट के लिए किसी घाव की क्लिनिकल तस्वीर अपलोड कीजिए और वह इनपुट पर ही अस्वीकार हो जाती है। सिलवट ठीक करवाने के लिए युद्ध की कोई ऐतिहासिक तस्वीर अपलोड कीजिए और फ़्रेम में दिखती राइफ़ल बातचीत खत्म कर देती है। काम जायज़, इनकार सीधा और वर्गीय, और कोई ऐसा नया शब्दांकन नहीं जो मदद कर पाता।
Shannon इमेज का रास्ता आउटपुट पर बिना किसी कंटेंट फ़िल्टर और निर्देश लिखने वाले मॉडल पर बिना किसी रिफ्यूज़ल लेयर के चलाता है। इसी से ये रोज़मर्रा के काम मुमकिन होते हैं:
- आर्ट न्यूड और फ़िगर वर्क — सहमति देने वाले वयस्क सब्जेक्ट के साथ काम कर रहे कलाकारों और फोटोग्राफ़रों के लिए रीटचिंग, दोबारा रोशनी और रीस्टाइलिंग।
- मेडिकल और फ़ोरेंसिक इलस्ट्रेशन — पढ़ाने की सामग्री, केस रिपोर्ट और पुनर्रचना के काम के लिए साफ़ की गई क्लिनिकल इमेजरी, जिसे मुख्यधारा के एडिटर देखते ही ठुकरा देते हैं।
- सिक्योरिटी रिसर्च इमेजरी — फ़िशिंग-जागरूकता कार्यक्रमों और रेड-टीम रिपोर्टिंग के लिए स्क्रीनशॉट, फ़िज़िकल-सिक्योरिटी तस्वीरें और हार्डवेयर दस्तावेज़ीकरण।
- कथा-साहित्य में हिंसा — फ़िल्म, गेम और कॉमिक्स की प्रोडक्शन आर्ट, जहाँ कोई घाव या हथियार ही विषय-वस्तु है।
- राजनीतिक व्यंग्य और संपादकीय इलस्ट्रेशन — सदियों का इतिहास पीछे, और फ़िल्टर वाले टूल में लगभग शून्य समर्थन।
- अधिकार-धारक द्वारा ब्रांड और लाइकनेस का काम — आपकी अपनी प्रोडक्ट फोटोग्राफी, लोगो लॉकअप और पोर्ट्रेट, और मुश्किल पारिवारिक अभिलेख — बिना किसी क्लासिफ़ायर से यह बहस किए कि आपको इजाज़त है या नहीं।
अनसेंसर्ड होने का मतलब जवाबदेही से मुक्त होना नहीं है। Shannon को Shannon Lab LLC (न्यू मेक्सिको, अमेरिका) एक प्रकाशित ज़िम्मेदार उपयोग नीति के तहत चलाता है, और असली सीमाएँ वहीं रहती हैं — कानून और नुकसान से जुड़ी सीमाएँ, न कि किसी घाव की तस्वीर पर क्लासिफ़ायर की असहजता। सहज इनकार का न होना टूल के बारे में एक बयान है, इस बारे में नहीं कि आप जो बनाते हैं उसकी ज़िम्मेदारी किसकी है।
09API कहाँ फिट होता है — और कहाँ नहीं
API की खोज से आने वाले पाठक यहाँ अक्सर गलत मोड़ ले लेते हैं। इमेज जनरेशन और एडिटिंग Shannon चैट ऐप में होती है, API पर नहीं। तीनों /v1 डायलेक्ट — /v1/chat/completions (OpenAI के आकार का), /v1/messages (Anthropic के आकार का) और /v1/responses, सभी स्ट्रीमिंग, सभी एक ही मॉडलों पर — टेक्स्ट और विज़न देते हैं। विज़न का मतलब है कि मॉडल आपकी भेजी इमेज पढ़ते हैं: उनका वर्णन करते हैं, टेक्स्ट उतारते हैं, किसी चार्ट का विश्लेषण करते हैं। इसका मतलब यह नहीं कि वे इमेज बनाते या बदलते हैं।
फिर भी एक काम का तरीका बचता है: विज़न और एक अनसेंसर्ड टेक्स्ट मॉडल मिलकर निर्देश लिखने में बढ़िया सहायक बनते हैं। API को अपनी सोर्स इमेज भेजिए, उससे कहिए कि फ़्रेम में क्या है यह बताए और एक एंकर्ड निर्देश का ड्राफ़्ट लिखे जिसमें बदलाव और एंकर दोनों नामित हों, फिर वही निर्देश चैट में चलाइए — यह वे एंकर पकड़ लेता है जो आप भूल जाते। रिक्वेस्ट और रिस्पॉन्स के ढाँचे API दस्तावेज़ीकरण में हैं।
10अक्सर पूछे जाने वाले सवाल
अनसेंसर्ड AI इमेज एडिटर क्या है?
ऐसा एडिटर जो एक मौजूदा इमेज और सादी भाषा में लिखा एक निर्देश लेता है और एडिट की गई इमेज लौटाता है — आउटपुट पर कोई कंटेंट फ़िल्टर नहीं और निर्देश लिखने वाले मॉडल पर कोई रिफ्यूज़ल लेयर नहीं। यह Shannon चैट ऐप के भीतर हमारे अपने GPU क्लस्टर पर चलता है, इसलिए जिन कामों को फ़िल्टर वाले एडिटर मना कर देते हैं — आर्ट न्यूड रीटचिंग, मेडिकल और फ़ोरेंसिक इलस्ट्रेशन, सिक्योरिटी रिसर्च इमेजरी, कथा-साहित्य में हिंसा, राजनीतिक व्यंग्य — वे मना होने के बजाय पूरे होते हैं।
मैंने सिर्फ़ बैकग्राउंड बदलने को कहा था, फिर चेहरा क्यों बदल गया?
क्योंकि इंस्ट्रक्शन एडिट आपकी सोर्स इमेज पर आधारित होकर पूरा फ़्रेम दोबारा जनरेट करता है, सिर्फ़ वह हिस्सा नहीं जो आपके मन में था — जिसे आप अपरिवर्तित रहने वाला बताकर नाम नहीं देते, वह भटकने के लिए स्वतंत्र है। इसका इलाज एंकरिंग है: एक कीप क्लॉज़ जोड़िए, जैसे "चेहरा, हेयरस्टाइल, पोज़ और कपड़े बिल्कुल वैसे ही रखें, कैमरा एंगल और क्रॉप भी वही रखें"। जो हिस्से अपरिवर्तित रहने हैं उन्हें नाम देना आपके पास मौजूद सबसे बड़ा क्वालिटी लीवर है।
क्या Shannon की इमेज एडिटिंग नेगेटिव प्रॉम्प्ट सपोर्ट करती है?
हाँ। टेक्स्ट-टू-इमेज, जो इसे बिल्कुल नहीं लेता, उसके उलट एडिटिंग और मल्टी-इमेज कंबाइनिंग दोनों रास्ते इसे सपोर्ट करते हैं। इसे अनचाहे आर्टिफ़ैक्ट के लिए इस्तेमाल कीजिए — अतिरिक्त उँगलियाँ, टेढ़ा-मेढ़ा टेक्स्ट, दोहराई गई रेलिंग, फैली हुई टेक्सचर, प्लास्टिक जैसी त्वचा, वॉटरमार्क — न कि निर्देश में "no X" लिखने के लिए। कंटेंट से जुड़े फ़ैसले निर्देश में, सकारात्मक रूप में लिखे जाते हैं; आर्टिफ़ैक्ट दबाना नेगेटिव प्रॉम्प्ट का काम है।
क्या Shannon मेरी इमेज को एनिमेट कर सकता है या उसे वीडियो में बदल सकता है?
नहीं। Shannon वीडियो जनरेट नहीं करता और इमेज को एनिमेट नहीं करता। कोई इमेज-टू-वीडियो रास्ता नहीं है और न ही ऐसी कोई घोषणा की जा रही है। Shannon 3 एक नई इमेज बनाता है, एक मौजूदा इमेज एडिट करता है, या दो या अधिक इमेज को एक में जोड़ता है — बस यही तीन चीज़ें, इससे आगे कुछ नहीं।
एक एडिट में कितनी सोर्स इमेज इस्तेमाल होती हैं?
ठीक एक: या तो बातचीत में पहले से मौजूद कोई तस्वीर, या आपके मौजूदा संदेश के साथ अटैच की गई एक तस्वीर। अगर तत्व दो या अधिक इमेज से आने ज़रूरी हैं — एक फोटो का पहनावा दूसरी फोटो के व्यक्ति पर — तो वह कंबाइन है, एडिट नहीं, और आपको दूसरी इमेज को शब्दों में बताने के बजाय असली इमेज देनी चाहिए।
क्या मुझे मास्क बनाना होगा या इनपेंटिंग इस्तेमाल करनी होगी?
नहीं। यहाँ कोई ब्रश, लासो या मास्क लेयर नहीं है। आप बदलाव को एक वाक्य में बताते हैं और क्षेत्र आपकी भाषा से अनुमानित होता है, इसीलिए सटीक संज्ञाएँ मायने रखती हैं: "दाईं ओर खड़ी चाँदी रंग की कार" "वह चीज़" से कहीं बेहतर निशाना लगाती है। यही Shannon को उन लोगों के लिए एक व्यावहारिक अनसेंसर्ड इनपेंटिंग विकल्प बनाता है जो सिलेक्शन की मेहनत के बिना नतीजा चाहते हैं।
क्या मैं Shannon API के ज़रिए इमेज एडिट कर सकता हूँ?
नहीं। इमेज जनरेशन और एडिटिंग Shannon चैट ऐप में रहती हैं। /v1 डायलेक्ट — /v1/chat/completions, /v1/messages और /v1/responses — टेक्स्ट और विज़न देते हैं: वे आपकी भेजी इमेज पढ़ते और उनका विश्लेषण करते हैं, लेकिन उन्हें बनाते या एडिट नहीं करते। एक आम वर्कफ़्लो यह है कि API के विज़न से एंकर्ड निर्देश का ड्राफ़्ट लिखवाया जाए, फिर वह एडिट चैट में चलाया जाए।
फ़िल्टर से बहस किए बिना इमेज एडिट कीजिए
एक फोटो अटैच कीजिए, एक वाक्य लिखिए, और बताइए क्या वैसा ही रहेगा।
एडिटिंग शुरू कीजिए API दस्तावेज़ पढ़िएइमेज हमारे अपने GPU क्लस्टर पर रेंडर होती हैं · जब तक आप कार्ड की पुष्टि नहीं करते, न कुछ रेंडर होता है न बिल
Shannon AI का संचालन Shannon Lab LLC, न्यू मेक्सिको, अमेरिका करता है। इमेज जनरेशन, एडिटिंग और कंबाइनिंग Shannon 3 की चैट-ऐप सुविधाएँ हैं; /v1 API सिर्फ़ टेक्स्ट और विज़न देता है। प्रोडक्ट में कोई वीडियो जनरेशन मौजूद नहीं है। एडिटिंग ठीक एक सोर्स इमेज लेती है और उसका आस्पेक्ट रेशियो विरासत में लेती है। अनसेंसर्ड इमेज रास्तों का उपयोग ज़िम्मेदार उपयोग नीति से नियंत्रित होता है।