AI आउटफिट ट्रांसफर, अनसेंसर्ड

लोगों को असल में जिस इमेज काम की ज़रूरत होती है, वह ज़्यादातर "मुझे किसी चीज़ की तस्वीर बना दो" नहीं होती। वह होती है "इस जैकेट को इस व्यक्ति पर डालो," "इस कुर्सी को इस कमरे में रखो," "इस प्रोडक्ट की तस्वीर उस हाथ में खींचो।" इन सबको एक से ज़्यादा तस्वीर से सामग्री चाहिए, और ये सब एक ही तरह से नाकाम होते हैं: एक इमेज अटैच होती है, दूसरी शब्दों में बता दी जाती है, और लौटकर कुछ ऐसा आता है जो भरोसेमंद तो है पर वह चीज़ नहीं जो आपके पास है। इसका इलाज आपकी उम्मीद से छोटा है, और हर जगह काम करता है।

01"इमेज जोड़ना" है क्या, और यह होता कहाँ है

Shannon 3 इमेज के साथ तीन अलग-अलग काम करता है: वह किसी वर्णन से नई इमेज बनाता है, एक मौजूदा इमेज एडिट करता है, और दो या अधिक इमेज को जोड़कर एक नई इमेज बनाता है। इनके नियम अलग हैं, और गलत वाला चुनना ही वह पहली जगह है जहाँ क्वालिटी गिरती है।

जोड़ने का इस्तेमाल तब कीजिए जब तैयार तस्वीर को एक से ज़्यादा फोटोग्राफ़ से सामग्री चाहिए: पहनावे और कपड़ों का ट्रांसफर, किसी वस्तु को दृश्य में रखना, व्यक्ति A के बगल में व्यक्ति B, असली मॉडल के हाथ में असली प्रोडक्ट, एक इमेज की स्टाइल दूसरी इमेज के सब्जेक्ट पर। अगर आपका मन कर रहा है कि काश आप एक साथ दो तस्वीरों की ओर इशारा कर पाते, तो यही वह ऑपरेशन है।

यह सब Shannon चैट ऐप में, आम बातचीत में होता है। यह /v1 API पर नहीं है — API टेक्स्ट और विज़न देता है, यानी वह आपकी भेजी इमेज पढ़ता है, नई नहीं बनाता। अगर आप API की खोज से यहाँ आए हैं, तो ईमानदार जवाब यही है; एंडपॉइंट क्या देते हैं यह जानने के लिए API दस्तावेज़ीकरण देखिए। इमेज हमारे अपने GPU क्लस्टर पर रेंडर होती हैं।

आप सादी भाषा में, जिस भी भाषा में बोलते हों, माँगते हैं। Shannon समझ लेता है कि इमेज माँगी जा रही है, जनरेशन का निर्देश खुद अंग्रेज़ी में लिखता है, और कुछ भी रेंडर होने से पहले उसे पुष्टिकरण कार्ड पर आपको दिखाता है। जब तक आप पुष्टि नहीं करते, न कुछ बनता है और न कुछ बिल होता है — और मल्टी-इमेज काम में वही कार्ड वह जगह है जहाँ आप जाँचते हैं कि भूमिकाएँ और क्रम आपके इरादे के मुताबिक आए हैं। Shannon बिना कहे कभी कुछ नहीं बनाता: कोई अभिवादन, कोई सवाल या यूँ ही अटैच की गई फोटो रेंडर शुरू नहीं करती।

02नियम: क्रम से हर इमेज की भूमिका बताइए

निर्देश में यह बताना ज़रूरी है कि हर इमेज क्या दे रही है, और यह उसी क्रम में बताना ज़रूरी है जिस क्रम में इमेज दी गई थीं। पूरी तकनीक बस इतनी है; नीचे जो कुछ है वह इसी नियम को किसी खास काम पर लागू करना है।

पहली इमेज आधार है — मुख्य सब्जेक्ट, या दृश्य, इनमें से जिससे तैयार तस्वीर ज़्यादातर बनी है। यह पहचान, पोज़, फ़्रेमिंग, रोशनी और वह सब तय करती है जिसे बदलने को आपने नहीं कहा। बाद की इमेज सोर्स हैं: वे हिस्से जो लाए जा रहे हैं। वाक्य ऐसे लिखिए कि क्रम से इमेज हाथ में लिए कोई अजनबी भी वह काम खुद कर सके।

काम करता है
पहली इमेज वाली महिला, दूसरी इमेज वाला लाल बुना हुआ स्वेटर
पहने, उसी पार्क में, वही पोज़ और वही दोपहर बाद की रोशनी,
उसका चेहरा और बाल अपरिवर्तित।

नाकाम रहता है
इन दोनों इमेज को जोड़ दो।   फोटो मर्ज करो।   इन्हें साथ रखो।

नाकाम रहने वाले रूप इसलिए नाकाम नहीं होते कि वे छोटे हैं, बल्कि इसलिए कि वे कभी बताते ही नहीं कि कौन सी तस्वीर व्यक्ति है और कौन सी स्वेटर। तीन आदतें इस नियम को भरोसेमंद बनाती हैं:

• क्रमसूचक भाषा साफ़-साफ़ इस्तेमाल कीजिए। "पहली इमेज से", "दूसरी इमेज से"। चार शब्द, और दुविधा खत्म।
• बताइए क्या वैसा ही रहेगा। "उसका चेहरा, बाल और पोज़ बिल्कुल वैसे ही रखिए।" अपरिवर्तित हिस्सों को नाम देना Shannon के हर इमेज ऑपरेशन में सबसे बड़ा क्वालिटी लीवर है, और यहाँ यह सबसे ज़्यादा मायने रखता है, क्योंकि कंपोज़िशन के पास दो या ज़्यादा चीज़ें होती हैं जिनसे वह भटक सकता है।
• गद्य लिखिए, टैग नहीं। Image Model निर्देशों को वैसे ही पढ़ता है जैसे कोई भाषा मॉडल वाक्य पढ़ता है, इसलिए पूरे वाक्य कॉमा से अलग किए कीवर्ड से बेहतर हैं। 30 से 80 शब्दों का लक्ष्य रखिए, और SDXL-युग का कचरा ("masterpiece, best quality, 8k") तथा (word:1.3) जैसी वेट सिंटैक्स छोड़ दीजिए।

जब किसी इमेज में एक से ज़्यादा चीज़ें हों, तो बताइए कि आपको उसमें से कौन सा हिस्सा चाहिए। अगर दूसरी इमेज किसी मॉडल के स्वेटर पहने हुए कैटलॉग शॉट की है, तो "दूसरी इमेज में महिला द्वारा पहना गया लाल बुना हुआ स्वेटर" कहने से साफ़ होता है कि आपको कपड़ा चाहिए, मॉडल नहीं। सिर्फ़ "दूसरी इमेज" कहकर छोड़ देंगे तो उसका चेहरा भी मिल सकता है।

काम के हिसाब से भूमिका टेम्पलेट

काम	पहली इमेज	दूसरी इमेज	निर्देश का ढाँचा
आउटफिट ट्रांसफर	व्यक्ति	कपड़ा	"पहली इमेज वाला [व्यक्ति], दूसरी इमेज वाला [कपड़ा] पहने, [क्या वैसा ही रहेगा]"
सीन में ऑब्जेक्ट	दृश्य	वस्तु	"पहली इमेज वाला [कमरा], जिसमें दूसरी इमेज वाली [वस्तु] [कहाँ] रखी हो, [रोशनी] से मेल खाती हुई"
व्यक्ति + व्यक्ति	व्यक्ति A और परिवेश	व्यक्ति B	"पहली इमेज वाला [पुरुष], दूसरी इमेज वाली [महिला] के बगल में खड़ा, [स्थिति, नज़र की दिशा]"
व्यक्ति पर प्रोडक्ट	मॉडल या दृश्य	प्रोडक्ट	"पहली इमेज वाली [मॉडल], दूसरी इमेज वाला [प्रोडक्ट] पकड़े हुए, [पकड़, लेबल की दिशा]"
स्टाइल ट्रांसफर	सब्जेक्ट	स्टाइल रेफरेंस	"पहली इमेज वाला [सब्जेक्ट], दूसरी इमेज की [स्टाइल की धुरियाँ] में बनाया गया, [सब्जेक्ट अपरिवर्तित]"

03वह गलती जो ज़्यादातर कोशिशें बिगाड़ देती है: अटैच करने के बजाय वर्णन करना

यही वह गलती है जिस पर हल्ला मचाना बनता है, क्योंकि यह अब तक की सबसे आम गलती है और क्योंकि देखने में लगता है कि काम हो गया। उपयोगकर्ता के पास दो तस्वीरें हैं — उनका क्लाइंट और क्लाइंट का प्रोडक्ट, या वे खुद और उनकी अपनी जैकेट। वे एक अटैच करते हैं और दूसरी टाइप कर देते हैं।

गलती
[एक महिला की एक फोटो अटैच करते हैं]
"इसे लाल बुना हुआ स्वेटर पहना दो, केबल निट, थोड़ा मोटा,
रोल्ड कॉलर वाला।"

जो लौटता है वह लाल बुना हुआ स्वेटर पहने एक महिला है। स्वेटर अच्छा है। लेकिन वह वही स्वेटर नहीं है। केबल पैटर्न गढ़ा हुआ है, रंगाई किसी और लाल की है, रिबिंग की गहराई गलत है, कॉलर उल्टी तरफ़ मुड़ता है, और वे छोटी-छोटी असमानताएँ जो असली कपड़े को पहचानने लायक बनाती हैं — कोई मरम्मत, कोई खिंचा धागा, कोहनी पर ढीलापन — गायब हैं, क्योंकि वाक्य में उनमें से कुछ भी नहीं था।

शब्द एक हानिपूर्ण माध्यम हैं और फोटोग्राफ़ नहीं। एक सावधानी से लिखा वाक्य किसी वस्तु के शायद एक दर्जन गुण ले जाता है; फोटोग्राफ़ हज़ारों ले जाता है, जिनमें वे सब भी हैं जिन्हें लिखने का ख़्याल आपको कभी नहीं आता और वे भी जिन्हें आप नाम नहीं दे सकते। अटैच करने के बजाय वर्णन करना वह सब फेंक देता है जो आपने सोचा ही नहीं था, और वही ज़्यादातर हिस्सा है। अटैच करना असली रूप को बचाता है, क्योंकि असली रूप वहाँ मौजूद है।

कसौटी आसान है। अगर तस्वीर का मतलब ही यह है कि वह वही एक है — वही खास कपड़ा, वही व्यक्ति, वही ठीक प्रोडक्ट, वही कमरा — तो उसे अटैच कीजिए। अगर आप उस चीज़ को कई चीज़ों की कतार में से पहचान सकते हैं और यह मायने रखता है कि नतीजा उसी से मेल खाए जिसे आप चुनते, तो वर्णन से काम नहीं चलेगा।

वर्णन करने का एक जायज़ मौका भी है: जब वह चीज़ अभी मौजूद ही न हो, या जब आपको आम संस्करण ही चाहिए। ऐसा स्वेटर डिज़ाइन करना जिसे किसी ने बुना ही नहीं, किसी अवधारणा का खाका खींचना — यह टेक्स्ट-टू-इमेज का काम है, और वहाँ वर्णन सही है क्योंकि कोई असली वस्तु है ही नहीं जिसकी पहचान आपको बचानी है। जिस पल कोई असली वस्तु काम में आती है, उसी पल उसका फोटोग्राफ़ भी आ जाता है।

इससे जुड़ी एक आधी गलती: दोनों इमेज अटैच करना और फिर भी दूसरी का विस्तार से वर्णन करना। विशेषण फोटोग्राफ़ से लड़ सकते हैं — असली कपड़ा बारीक बुनाई का हो और आप "मोटा" लिख दें, तो आपने एक विरोधाभास पैदा कर दिया। दूसरी इमेज का वर्णन उतना ही कीजिए जितने से यह पहचान में आ जाए कि आपको उसका कौन सा हिस्सा चाहिए।

04पहनावे और कपड़ों का ट्रांसफर

यह दो-इमेज वाला आदर्श काम है। व्यक्ति को पहले और कपड़े को दूसरे नंबर पर अटैच कीजिए। कपड़े की इमेज फ़्लैट-ले हो सकती है, हैंगर शॉट, कैटलॉग फोटो, या कोई और उसे पहने हुए — सब चलेंगे, बशर्ते आप बताएँ कि आपका मतलब उसके किस हिस्से से है।

आउटफिट ट्रांसफर
पहली इमेज वाली महिला, दूसरी इमेज वाला लाल बुना हुआ स्वेटर
पहने। उसका चेहरा, बाल, पोज़ और पार्क का बैकग्राउंड ठीक वैसे
ही रखिए, वही मुलायम बादलों वाली रोशनी के साथ। स्वेटर उसके
शरीर पर स्वाभाविक रूप से गिरना चाहिए, और मूल कपड़े का केबल
पैटर्न तथा कॉलर बरकरार रहने चाहिए।

नेगेटिव प्रॉम्प्ट: warped cable pattern, extra sleeves, distorted
hands, plastic-looking fabric, mismatched lighting

तीन चीज़ें काम करती हैं: भूमिकाएँ क्रम से नामित हैं, अपरिवर्तित हिस्से खुलकर गिनाए गए हैं (यही चेहरे को भटकने से रोकता है), और आख़िरी वाक्यांश मॉडल को बताता है कि कपड़े की अपनी बारीकियाँ ही असल बात हैं — इसके बिना कंपोज़िशन रंग और सिल्हूट तो रख लेते हैं पर बनावट चुपचाप चिकनी कर देते हैं।

• फ़िट एक भौतिक दावा है, तो उसे कीजिए। "उसके शरीर पर स्वाभाविक रूप से गिरे", "कमर पर फ़िट", "आस्तीनें कलाई तक" — वरना कपड़ा पहनने वाले के बजाय अपने सोर्स के अनुपात में आ सकता है।
• ओवरलैप सबसे मुश्किल मामला है। अगर बाँहें बँधी हैं या बैग का पट्टा छाती पर से गुज़र रहा है, तो बताइए उसका क्या होगा। वहाँ की दुविधा वही जानी-पहचानी पिघली-आस्तीन वाली खराबी पैदा करती है।
• ज़्यादा कपड़े यानी ज़्यादा इमेज। पहले व्यक्ति, फिर ऊपरी कपड़ा, फिर पतलून, फिर जूते — और उन्हें लगातार दूसरी, तीसरी और चौथी इमेज कहकर ही बुलाइए। बीच में "जूते वाली तस्वीर" पर मत उतर आइए।

05किसी वस्तु को दृश्य में रखना

यहाँ भूमिकाएँ उलट जाती हैं: दृश्य पहले आता है, क्योंकि तैयार तस्वीर ज़्यादातर दृश्य से ही बनी है, और वस्तु वह हिस्सा है जो लाया जा रहा है। इंटीरियर मॉकअप, ऐसे फ़र्नीचर से कमरा सजाना जो आपने खरीदा नहीं, किसी गाड़ी को सड़क पर रखना, गैलरी में मूर्ति रखना — हर बार यही ढाँचा।

सीन में ऑब्जेक्ट
पहली इमेज वाला लिविंग रूम, जिसमें दूसरी इमेज वाली हरी मखमली
आरामकुर्सी बाईं ओर खिड़की के पास रखी हो, कैमरे की तरफ़ हल्की
सी घूमी हुई और फ़्रेम में करीब कमर की ऊँचाई तक। कमरे की गर्म
दोपहर-बाद की रोशनी से मेल खाइए, कुर्सी के दाईं ओर कालीन पर
एक मुलायम परछाईं गिरती हुई। कमरे का बाकी हिस्सा और कैमरा
एंगल अपरिवर्तित रखिए।

नेगेटिव प्रॉम्प्ट: floating object, cut-out edges, duplicate
shadows, mismatched color temperature

यहाँ नाकामी पहचान की नहीं, भौतिकी की होती है। जो वस्तु अपनी ही रोशनी बनाए रखती है वह चिपकाई हुई लगती है, और देखने वाले उसे तुरंत पकड़ लेते हैं, भले कारण न बता पाएँ। अपने शब्द उन तीन चीज़ों पर खर्च कीजिए जो किसी अलग-थलग वस्तु की तस्वीर जान ही नहीं सकती: स्थान (फ़्रेम में कहाँ, किसके सापेक्ष), सेंटीमीटर के बजाय दृश्य के हिसाब से आकार ("करीब कमर की ऊँचाई तक", "दरवाज़े के हैंडल जितनी ऊँची"), और रोशनी तथा परछाईं — दिशा, गुण, और परछाईं कहाँ गिरेगी। यही आख़िरी चीज़ किसी कंपोज़िट को फोटोग्राफ़ में बदलती है।

06व्यक्ति A के बगल में व्यक्ति B

दो लोग जो कभी एक कमरे में थे ही नहीं: पीढ़ियों में फैली पारिवारिक तस्वीरें, ऐसा फ़ाउंडर पोर्ट्रेट जब सह-संस्थापक यात्रा पर था, दो कलाकारों वाला पोस्टर। यह काम करता है, और इसके लिए दो चीज़ें चाहिए जो एकल-सब्जेक्ट कामों में नहीं चाहिए होतीं।

दो लोग
पहली इमेज वाला पुरुष, दूसरी इमेज वाली महिला के बगल में खड़ा,
दोनों पहली इमेज वाली उसी पत्थर की छत पर। वह बाईं ओर खड़ा है,
वह उसके दाईं ओर, कंधे लगभग छूते हुए, दोनों एक ही आँख की
ऊँचाई पर कैमरे की ओर देखते हुए। दोनों के चेहरे, हेयरस्टाइल और
कपड़े उनकी अपनी तस्वीरों जैसे ही रखिए, और दोनों को बाईं ओर से
आती एक ही मुलायम शाम की रोशनी में रोशन कीजिए।

कैनवस: landscape
नेगेटिव प्रॉम्प्ट: mismatched skin tone, duplicated limbs, seam
line between subjects, uneven lighting

दो अतिरिक्त बातें: सापेक्ष ज्यामिति — कौन किस तरफ़ है, कितनी दूरी पर, किसकी नज़र कहाँ जाती है, और सापेक्ष ऊँचाई, क्योंकि अलग-अलग क्रॉप किए गए दो पोर्ट्रेट से मॉडल को यह जानने का कोई रास्ता नहीं मिलता कि एक व्यक्ति दूसरे से एक सिर ऊँचा है — और एक ही साझा रोशनी, साफ़ शब्दों में बताई गई, क्योंकि आप दो रोशनी-परिवेशों को मिला रहे हैं और एक को जीतना ही होगा।

यहीं नया कैनवस आस्पेक्ट चुनना अपनी कीमत वसूल करता है: पोर्ट्रेट ओरिएंटेशन वाले दो सोर्स मिलकर खराब पोर्ट्रेट ओरिएंटेशन वाली ग्रुप फोटो बनाते हैं, तो landscape या wide माँगिए। और एक बार यह ज़ाहिर बात कह देते हैं — किसी असली व्यक्ति को ऐसी इमेज में डालना जिसमें वह था ही नहीं, ताकतवर भी है और अपने आप निर्दोष भी नहीं। अधिकार या सहमति रखिए; हमारी ज़िम्मेदार उपयोग नीति इसका संक्षिप्त रूप है।

07व्यक्ति पर प्रोडक्ट, और अनसेंसर्ड प्रोडक्ट फोटोग्राफी

व्यावसायिक रूप से यही वह कंपोज़िशन है जो अपनी कीमत खुद निकाल लेती है। आपके पास सफ़ेद बैकग्राउंड पर एक प्रोडक्ट शॉट है और आपके पास एक मॉडल, एक हाथ, एक रसोई, एक वर्कबेंच है। इन्हें जोड़ने से आपको स्टूडियो में एक दिन बिताए बिना लाइफ़स्टाइल फोटोग्राफ़ मिल जाता है — और उसमें आपका असली प्रोडक्ट होता है, कोई गढ़ा हुआ मिलता-जुलता रूप नहीं, और यही पूरा फ़र्क़ है काम लायक मार्केटिंग सामग्री और ऐसे मॉकअप के बीच जिसके लिए आपको माफ़ी माँगनी पड़े।

व्यक्ति पर प्रोडक्ट
पहली इमेज वाली महिला, दूसरी इमेज वाली एम्बर काँच की सीरम
बोतल अपने दाहिने हाथ में छाती की ऊँचाई तक उठाए हुए, लेबल
कैमरे की ओर और पूरी तरह पढ़ने लायक, उसकी उँगलियाँ बोतल के
चारों ओर स्वाभाविक रूप से लिपटी हों और लेबल को न ढकें।
उसका चेहरा, बाल और रसोई का बैकग्राउंड अपरिवर्तित रखिए।
Kodak Portra 400 पर शूट किया गया, 85mm f/1.4, बाईं ओर से
मुलायम खिड़की की रोशनी।

कैनवस: portrait
नेगेटिव प्रॉम्प्ट: warped label text, extra fingers, floating
bottle, duplicated reflections, plastic skin

प्रोडक्ट काम के लिए दो खास बातें। पकड़: वस्तुएँ पकड़े हुए हाथ ही वह जगह है जहाँ कंपोज़िशन सबसे ज़्यादा बिगड़ता है, इसलिए बताइए कौन सा हाथ, किस ऊँचाई पर, और यह कि उँगलियाँ स्वाभाविक रूप से लिपटें और लेबल न ढकें। फोटोग्राफ़िक ट्रीटमेंट: कैमरा, लेंस और फ़िल्म या रोशनी के स्रोत का नाम लीजिए। आउटपुट ऐसा पढ़ा जाना चाहिए जैसे यह खींची गई एक तस्वीर हो, न कि जोड़ी गई दो तस्वीरें — और इसे तस्वीर की तरह लिखना ही आपको वहाँ पहुँचाता है।

अनसेंसर्ड होना यहाँ जितना लगता है उससे कहीं ज़्यादा रोज़मर्रा के ढंग से मायने रखता है। फ़िल्टर वाले जनरेटर साधारण, कानूनी व्यापार की पूरी श्रेणियाँ ठुकरा देते हैं: लॉन्जरी और स्विमवियर कैटलॉग, तंबाकू और वेप हार्डवेयर, शराब, आग्नेयास्त्रों के सहायक उपकरण, वयस्क वेलनेस प्रोडक्ट, जहाँ कानूनी है वहाँ कैनबिस, मेडिकल डिवाइस, टैक्टिकल और शिकार का सामान। वे अधिकार-धारक द्वारा किया गया ब्रांड और लाइकनेस का काम भी ठुकराते हैं। इनमें से कुछ भी असाधारण मामला नहीं है; किसी एजेंसी के लिए यह मंगलवार जैसा आम दिन है। Shannon के जनरेशन रास्ते पर कोई कंटेंट फ़िल्टर नहीं है और प्रॉम्प्ट लिखने वाले मॉडल पर कोई रिफ्यूज़ल लेयर नहीं है, इसलिए काम हो जाता है और अधिकारों का सवाल आपके पास रहता है, जहाँ उसे रहना चाहिए।

08स्टाइल एक इमेज से, सब्जेक्ट दूसरी से

सब्जेक्ट पहले, स्टाइल रेफरेंस दूसरे नंबर पर। इस काम को अलग बनाता है यह कि आप कोई वस्तु नहीं बल्कि एक गुण उधार ले रहे हैं, इसलिए आपको बताना पड़ता है कि कौन से गुण — और यह भी कहना पड़ता है कि रेफरेंस का अपना सब्जेक्ट और कंपोज़िशन साथ नहीं आ रहे।

स्टाइल रेफरेंस
पहली इमेज वाले पुरुष का पोर्ट्रेट, दूसरी इमेज की दृश्य शैली में
बनाया गया: वही फीका टील और गेरुआ पैलेट, दिखती हुई ड्राई-ब्रश
बनावट, और सपाट एकसमान रोशनी। उसका चेहरा, भाव और पोज़
पहचानने लायक और अपरिवर्तित रखिए। दूसरी इमेज का सब्जेक्ट,
बैकग्राउंड या कंपोज़िशन मत लाइए।

नेगेटिव प्रॉम्प्ट: second face, borrowed background, photographic
texture

स्टाइल की धुरियों का साफ़ नाम लीजिए, क्योंकि अकेला "दूसरी इमेज की स्टाइल में" कहना अधूरा है: पैलेट (या ठीक-ठीक रंग, किसी नामित वस्तु के साथ color #8B0000 की तरह लिखे हुए), ब्रशवर्क या ग्रेन, रोशनी का गुण, लाइन की मोटाई, अमूर्तता का स्तर, किनारों का बरताव। वे दो-तीन चुनिए जो उस लुक को परिभाषित करती हैं; छहों का नाम लेना उन्हें औसत कर देता है। और टकराने वाली दिशाएँ मत मिलाइए — "फोटोरियलिस्टिक" के साथ "वॉटरकलर" घालमेल पैदा करता है, मिश्रण नहीं। अगर आपको ऐसा फोटोग्राफ़ चाहिए जो सिर्फ़ पैलेट उधार ले, तो ठीक यही कहिए।

09नेगेटिव प्रॉम्प्ट और नया कैनवस आस्पेक्ट चुनना

दो क्षमताएँ जो जोड़ने और एडिट करने के लिए मौजूद हैं पर टेक्स्ट-टू-इमेज के लिए नहीं, और दोनों का इस्तेमाल कम होता है।

नेगेटिव प्रॉम्प्ट

इमेज जोड़ना नेगेटिव प्रॉम्प्ट सपोर्ट करता है। अनचाहे आर्टिफ़ैक्ट वहीं जाते हैं — और यह मायने रखता है कि वे वहाँ जाएँ, निर्देश में नहीं, क्योंकि मुख्य निर्देश में "no extra fingers" लिखना उसी साँस में उस चीज़ का नाम ले लेता है जिससे आप बचना चाहते हैं और उस सब का भी जो आप चाहते हैं। बहिष्करण को उसका अपना चैनल दीजिए। जो प्रविष्टियाँ लगातार अपनी जगह कमाती हैं:

• शरीर-रचना — extra fingers, duplicated limbs, malformed hands, second face।
• कंपोज़िटिंग के निशान — cut-out edges, visible seam line, floating object, duplicate shadows, halo around subject।
• रोशनी का बेमेल — mismatched color temperature, inconsistent shadow direction, uneven exposure between subjects।
• बनावट की नाकामी — plastic skin, smoothed fabric, warped label text, illegible logo।

इसे उन्हीं चंद चीज़ों तक सीमित रखिए जो आपकी इमेज के लिए मुमकिन हैं। तीस चीज़ें गिनाने वाला नेगेटिव प्रॉम्प्ट बिखरा हुआ निर्देश है, मज़बूत नहीं।

कैनवस आस्पेक्ट

एक इमेज एडिट करना सोर्स इमेज का आस्पेक्ट रेशियो अपने आप विरासत में लेता है — एक ही सोर्स है, और उसका आकार ही जवाब है। जोड़ने में ऐसा कोई डिफ़ॉल्ट नहीं है, इसलिए आप नया कैनवस आस्पेक्ट चुन सकते हैं, और अक्सर चुनना भी चाहिए, क्योंकि जो आकार एक सोर्स पर जँचता था वह कंपोज़िशन पर कम ही जँचता है।

आस्पेक्ट	किसके लिए सबसे अच्छा	कंपोज़िशन में आम इस्तेमाल
square	डिफ़ॉल्ट, सोशल फ़ीड	एक सब्जेक्ट के साथ एक ट्रांसफर किया गया तत्व
portrait	लोग, ऊँचे सब्जेक्ट	आउटफिट ट्रांसफर, एक मॉडल के हाथ में प्रोडक्ट
landscape	नज़ारे, समूह	अगल-बगल खड़े दो लोग, कमरे में रखी वस्तु
wide	सिनेमाई फ़्रेमिंग	ग्रुप शॉट, परिवेश वाले प्रोडक्ट दृश्य, बैनर
tall	पोस्टर, फ़ोन वॉलपेपर	पूरी लंबाई वाले आउटफिट शॉट, पोस्टर लेआउट

साफ़ तौर पर की गई माँग हमेशा जीतती है। कुछ न कहिए तो square मिलता है — जो ज़्यादातर दो-व्यक्ति और पूरी लंबाई वाले आउटफिट काम के लिए गलत आकार है, इसलिए एक शब्द खर्च करना बनता है।

10Shannon कौन सी इमेज इस्तेमाल करता है: बातचीत बनाम यह संदेश

कोई इमेज कंपोज़िशन में दो तरीकों से पहुँचती है, और यह जानना कि आप किस पर भरोसा कर रहे हैं, क्रम की ज़्यादातर गड़बड़ियाँ रोक देता है।

मौजूदा संदेश के साथ अटैच। सीधा रास्ता: जो संदेश निर्देश ले जा रहा है उसी में सब कुछ अटैच कीजिए, उसी क्रम में जिस क्रम में आप हवाला देने वाले हैं, और तब "पहली इमेज" तथा "दूसरी इमेज" का ठीक वही मतलब होगा जो दिखता है। डिफ़ॉल्ट रूप से यही कीजिए।

बातचीत में पहले से मौजूद। थ्रेड में पहले भेजी गई तस्वीरें उपलब्ध रहती हैं और उनका हवाला आम भाषा में दिया जा सकता है — "वह फोटो जो मैंने पहले भेजी थी", "पहले वाली स्वेटर की तस्वीर", "आपने जो दूसरा संस्करण बनाया था"। Shannon उस हवाले को थ्रेड के आधार पर हल करता है, और लंबे सत्र में यह सचमुच सुविधाजनक है: आप किसी नतीजे पर काम बढ़ा सकते हैं और फिर सब कुछ दोबारा अपलोड किए बिना कोई नया तत्व ला सकते हैं।

दोनों के लिए सुरक्षा-कवच एक ही है। पुष्टिकरण कार्ड कुछ भी रेंडर होने से पहले निर्देश दिखाता है, उस क्रम समेत जो उसने चुना। उसे पढ़िए। अगर भूमिकाएँ उलट गई हों — स्वेटर आधार बन गया, व्यक्ति सोर्स — तो कह दीजिए और एक भी पिक्सेल बनने या बिल होने से पहले ठीक हो जाएगा। फिर भी, जब थ्रेड लंबा हो और इमेज से भरा हो, तो जिनकी ज़रूरत है उन्हें दोबारा अटैच कीजिए; छह तस्वीरें पीछे, "दूसरी इमेज" किसी भी पढ़ने वाले के लिए दुविधापूर्ण है।

Shannon से किसी इमेज को सिर्फ़ देखने को कहना — उसका वर्णन करना, लेबल पढ़ना, यह बताना कि कपड़ा कौन सा है — साधारण विज़न काम है, जनरेशन नहीं। इसका कोई अतिरिक्त खर्च नहीं और कंपोज़ करने से पहले यह एक अच्छी जाँच है: अगर Shannon के वर्णन में वह बारीकी नहीं आती जिसकी आपको परवाह है, तो आपके निर्देश में उसका नाम होना चाहिए।

11अनसेंसर्ड, और इसका असल मतलब क्या है

जनरेशन के रास्ते पर कोई कंटेंट फ़िल्टर नहीं है और प्रॉम्प्ट लिखने वाले मॉडल पर कोई रिफ्यूज़ल लेयर नहीं है। कंपोज़िशन ही वह जगह है जहाँ फ़िल्टर वाले टूल सबसे साफ़ तौर पर नाकाम होते हैं, क्योंकि कोई इनकार-प्रणाली उन इमेज को जोड़ने में फ़र्क़ नहीं कर सकती जो आपकी हैं और उन इमेज को जोड़ने में जो आपके पास होनी ही नहीं चाहिए — तो वह दोनों रोक देती है।

जिन कामों को ये टूल आए दिन ठुकराते हैं वे कोई विचित्र काम नहीं हैं: आर्ट न्यूड और फ़िगर स्टडी, मेडिकल और फ़ोरेंसिक इलस्ट्रेशन, सिक्योरिटी रिसर्च इमेजरी, किताब के कवर और गेम आर्ट के लिए कथा-साहित्य में हिंसा, राजनीतिक व्यंग्य, और ऊपर गिनाई गई कानूनी प्रोडक्ट श्रेणियाँ। इनमें से हर एक जायज़ पेशेवर काम है, जिसे कोई कीवर्ड फ़िल्टर दुरुपयोग से अलग नहीं कर सकता।

अनसेंसर्ड होने का मतलब जवाबदेही से मुक्त होना नहीं है। आप असली वस्तुओं और अक्सर असली लोगों की तस्वीरें दे रहे हैं; अधिकार और सहमति आपको ही रखनी है, और नतीजे की ज़िम्मेदारी भी। Shannon Lab LLC न्यू मेक्सिको की कंपनी है जो एक प्रकाशित ज़िम्मेदार उपयोग नीति के तहत काम करती है — दूसरों की शक्ल-सूरत से जुड़ा काम शुरू करने से पहले पाँच मिनट देने लायक।

12शुरू करने से पहले जान लेने लायक सीमाएँ

कोई वीडियो जनरेशन नहीं है। Shannon इमेज को एनिमेट नहीं करता और इनमें से किसी भी ऑपरेशन से, किसी भी रूप में वीडियो नहीं बनाता — न एक इमेज से, न किसी कंपोज़िशन से, न किसी प्रयोगात्मक विकल्प के तौर पर। अगर आपका काम गति पर जाकर खत्म होता है, तो आख़िरी कदम के लिए यह टूल नहीं है। यह प्रोडक्ट का स्वरूप है, कोई रोडमैप का इशारा नहीं।

बाकी ईमानदार सीमाएँ, और सबके साथ उपाय:

• बारीक टेक्स्ट सबसे कमज़ोर इलाका है। छोटी लिखावट, पैकेजिंग पर घनी लिखी सामग्री और लंबे सीरियल नंबर अधूरे आ सकते हैं। प्रोडक्ट को ऐसे फ़्रेम कीजिए कि ज़रूरी टेक्स्ट बड़ा हो, नेगेटिव प्रॉम्प्ट में warped label text डालिए, और पूरे आकार में जाँचिए।
• बहुत ज़्यादा आकार का बेमेल मुश्किल है। 4000-पिक्सेल का प्रोडक्ट शॉट किसी कमरे के छोटे थंबनेल के साथ जोड़ने पर मॉडल के पास काम करने को बहुत कम बचता है। हर सोर्स की सबसे अच्छी प्रति इस्तेमाल कीजिए।
• ज़्यादा ओवरलैप ट्रांसफर की गुंजाइश घटाता है। जो कपड़ा मुड़ा हुआ फोटो हुआ है और जिसका पिछला हिस्सा कभी दिखा ही नहीं, उसका पिछला हिस्सा वफ़ादारी से गढ़ा नहीं जा सकता। अगर कंपोज़िशन में पीछे का हिस्सा दिखेगा, तो पीछे की तस्वीर भी दीजिए।
• ज़्यादा इमेज यानी उलझन की ज़्यादा गुंजाइश। अनुशासित क्रमसूचक नामकरण के साथ चार सोर्स संभाले जा सकते हैं, पर यहाँ लापरवाही की जगह नहीं है — काम को जितनी चाहिए उतनी ही इमेज लीजिए, उससे ज़्यादा नहीं।
• एक साथ दो बड़े बदलाव आपस में लड़ते हैं। पहले आउटफिट ट्रांसफर कीजिए, पुष्टि कीजिए, फिर बैकग्राउंड बदलिए। सिलसिलेवार एडिट लगभग हर बार एक ठुँसे हुए निर्देश से बेहतर रहते हैं, और हर कदम जाँचना सस्ता पड़ता है।

13अक्सर पूछे जाने वाले सवाल

---

इमेज जनरेशन, एडिटिंग और मल्टी-इमेज कंपोज़िशन Shannon चैट ऐप की सुविधाएँ हैं; /v1/chat/completions, /v1/messages और /v1/responses एंडपॉइंट टेक्स्ट और विज़न देते हैं, यानी वे इमेज पढ़ते हैं, बनाते नहीं। कोई वीडियो जनरेशन नहीं है। आस्पेक्ट विकल्प, नेगेटिव-प्रॉम्प्ट समर्थन और पुष्टिकरण व्यवहार 5 सितंबर 2026 तक के अनुसार हैं। संबंधित: अनसेंसर्ड AI इमेज जनरेशन · अनसेंसर्ड AI इमेज एडिटिंग · ज़िम्मेदार उपयोग · API दस्तावेज़ीकरण · रिसर्च सूची।