Cenzúrázatlan AI ruhacsere
Hogyan egyesíthet két vagy több képet eggyé a Shannonon — ruhaátvitel, tárgy a jelenetben, ember ember mellett, termék emberen —, és az az egyetlen szabály, amitől mindez működik.
Röviden
Csatolja a képeket, és írja le az eredményt úgy, hogy sorban megnevezi, mivel járul hozzá az egyes képek. Az első kép a fő alany vagy a jelenet; a későbbi képek adják a behozott részeket. „Az első képen látható nő a második képen látható piros kötött pulóverben, ugyanabban a parkban állva.” Ne zsugorítson egy kétképes feladatot egy képre plusz a másik szöveges leírására — a leírt ruhadarabból általános ruhadarab lesz; a valódi marad a valódi. Az egyesítés támogatja a negatív promptot, és lehetővé teszi új vászonarány választását. Nincs tartalomszűrő és nincs elutasítási réteg — és videógenerálás sincs.
Az emberek által valójában igényelt képes munka nagy része nem az, hogy „csinálj nekem egy képet valamiről”. Hanem az, hogy „add rá ezt a kabátot erre az emberre”, „tedd be ezt a széket ebbe a szobába”, „fényképezd le ezt a terméket abban a kézben”. Mindegyikhez több fényképből származó anyag kell, és mindegyik ugyanúgy bukik el: az egyik képet csatolják, a másikat szavakkal leírják, és visszajön valami hihető, ami nem az a dolog, ami az Öné. A megoldás kisebb, mint gondolná, és mindenütt működik.
01Mi az a „képek egyesítése”, és hol történik
A Shannon 3 három különböző dolgot csinál képekkel: generál egy új képet egy leírásból, szerkeszt egyetlen meglévő képet, és egyesít két vagy több képet egyetlen új képpé. Ezeknek eltérőek a szabályai, és a rossz választás az első hely, ahol a minőség elvész.
Az egyesítést akkor használja, amikor a kész képhez több fényképből származó anyag kell: öltözék- és ruhaátvitel, tárgy behelyezése egy jelenetbe, A személy B személy mellett, valódi termék egy valódi modell kezében, egyik kép stílusa a másik kép alanyára alkalmazva. Ha azon kapja magát, hogy egyszerre két képre szeretne mutatni, ez az a művelet.
Mindez a Shannon chatalkalmazásában történik, hétköznapi beszélgetésben. Nincs a /v1 API-n — az API szöveget és képfeldolgozást szolgál ki, vagyis olvassa a beküldött képeket, nem pedig újakat állít elő. Ha API-keresésből érkezett, ez az őszinte válasz; az API-dokumentációban megtalálja, mit szolgálnak ki a végpontok. A képek a saját GPU-fürtünkön renderelődnek.
Ön hétköznapi nyelven kér, azon a nyelven, amelyet beszél. A Shannon kitalálja, hogy képet kérnek, maga megírja a generálási utasítást angolul, és megmutatja Önnek egy megerősítő kártyán, mielőtt bármi renderelődne. Semmi nem készül el és semmit nem számlázunk, amíg meg nem erősíti — a többképes munkánál pedig épp ezen a kártyán ellenőrzi, hogy a szerepek és a sorrend úgy jöttek-e ki, ahogyan gondolta. A Shannon soha nem generál hívatlanul: egy köszönés, egy kérdés vagy egy csak úgy odacsatolt fotó nem indít renderelést.
02A szabály: nevezze meg sorban minden kép szerepét
Az utasításnak meg kell mondania, mivel járul hozzá az egyes képek, méghozzá abban a sorrendben, ahogyan a képeket megadta. Ez az egész technika; minden, ami alább következik, ugyanennek a szabálynak egy konkrét feladatra alkalmazott változata.
Az első kép az alap — a fő alany vagy a jelenet, aszerint, hogy a kész kép többségében miből áll. Ez határozza meg az identitást, a pózt, a képkeretezést, a világítást és mindent, aminek a megváltoztatását nem kérte. A későbbi képek a források: a behozott részek. Úgy írja meg a mondatot, hogy egy idegen, aki sorrendben a kezében tartja a képeket, kézzel is végre tudná hajtani a feladatot.
Működik
The woman from the first image wearing the red knitted sweater
from the second image, standing in the same park, same pose and
same afternoon light, her face and hair unchanged.
Elbukik
Combine these two images. Merge the photos. Put them together.
A bukó változatok nem azért buknak el, mert rövidek, hanem mert soha nem mondják meg, melyik kép az ember és melyik a pulóver. Három szokás teszi megbízhatóvá a szabályt:
- Használjon kifejezett sorszámokat. „Az első képről”, „a második képről”. Három szó, és a kétértelműség eltűnt.
- Mondja meg, mi marad ugyanaz. „Tartsd meg az arcát, a haját és a pózát változatlanul.” A változatlan részek megnevezése a legnagyobb minőségi emelő a Shannon minden képes műveletében, és itt számít a leginkább, mert egy összeállításnak két vagy több dolga is van, amelytől elkalandozhat.
- Folyó szöveget írjon, ne címkéket. Az Image Model úgy olvassa az utasításokat, ahogy egy nyelvi modell olvas egy mondatot, tehát a teljes mondatok verik a vesszővel elválasztott kulcsszavakat. Célozzon 30–80 szót, és hagyja el az SDXL-korszak kacatját („masterpiece, best quality, 8k”) és a súlyozási szintaxist, például
(word:1.3).
Ha egy képen több dolog is van, nevezze meg, melyik részét szeretné belőle. Ha a második kép egy katalógusfotó egy modellről, aki a pulóvert viseli, akkor „a második képen látható nő által viselt piros kötött pulóver” azt mondja, hogy a ruhadarabot szeretné, nem a modellt. Ha csak annyit ír, hogy „a második kép”, akkor a nő arcát is megkaphatja.
Szerepsablonok feladat szerint
| Feladat | Első kép | Második kép | Az utasítás alakja |
|---|---|---|---|
| Ruhaátvitel | A személy | A ruhadarab | „Az első képen látható [személy] a második képen látható [ruhadarab]-ban, [ami változatlan marad]” |
| Tárgy a jelenetben | A jelenet | A tárgy | „Az első képen látható [szoba] a második képen látható [tárggyal], [ide] helyezve, a [fényhez] illesztve” |
| Ember + ember | A személy és a helyszín | B személy | „Az első képen látható [férfi] a második képen látható [nő] mellett állva, [pozíciók, tekintetirányok]” |
| Termék emberen | A modell vagy a jelenet | A termék | „Az első képen látható [modell] a második képen látható [terméket] tartva, [fogás, címke iránya]” |
| Stílusátvitel | Az alany | A stílusreferencia | „Az első képen látható [alany] a második kép [stílustengelyei] szerint megjelenítve, [az alany változatlan]” |
03A hiba, ami a legtöbb próbálkozást tönkreteszi: leírás csatolás helyett
Ez az a hiba, amiért érdemes hűhót csapni, mert messze ez a leggyakoribb, és mert úgy néz ki, mintha működött volna. A felhasználónak van két fényképe — az ügyfele és az ügyfele terméke, vagy ő maga és egy kabát, ami az övé. Az egyiket csatolja, a másikat begépeli.
A hiba
[csatol egy fotót egy nőről]
"Put a red knitted sweater on her, cable knit, kind of chunky,
with a rolled collar."
Ami visszajön, az egy nő piros kötött pulóverben. Jó pulóver. De nem az a pulóver. A fonatminta kitalált, a festék más árnyalatú piros, a bordázat mélysége hibás, a gallér rossz irányba hajlik, és a kis aszimmetriák, amelyektől egy valódi ruhadarab felismerhető — egy javítás, egy felszaladt szem, a könyöknél megnyúlt anyag — eltűntek, mert a mondatban semmi nem tartalmazta őket.
A szöveg veszteséges csatorna, a fénykép nem. Egy gondos mondat talán egy tucat tulajdonságát hordozza egy tárgynak; a fénykép több ezret, köztük mindazokat, amelyeket soha nem gondolna leírni, és azokat is, amelyeket nem tud megnevezni. A csatolás helyett leírás eldob mindent, amire nem gondolt, ami a nagyobbik rész. A csatolás megőrzi a valódi megjelenést, mert a valódi megjelenés jelen van.
A próba egyszerű. Ha a kép lényege az, hogy az az egy — az a konkrét ruhadarab, az a személy, az a pontos termék, az a szoba —, akkor csatolja. Ha ki tudná választani a tárgyat egy felsorakoztatásból, és számít, hogy az eredmény pont azzal egyezzen, amit kiválasztana, akkor egy leírás nem lesz elég.
Az egysoros változat
A leírt ruhadarabból általános ruhadarab lesz. A valódi marad a valódi. Ugyanez igaz a második arcra, a termékre, a székre és a szobára: a csatolás megőrzi az identitást, a leírás lecseréli egy átlagra.
Van jogos eset a leírásra: amikor a dolog még nem létezik, vagy amikor épp egy általános változatot szeretne. Olyan pulóver megtervezése, amelyet még senki nem kötött meg, egy koncepció felvázolása — ez szöveg-kép generálási munka, és a leírás helyénvaló, mert nincs olyan valódi tárgy, amelynek az identitását őrizni kellene. Abban a pillanatban, ahogy egy valódi tárgy belép a feladatba, belép a fényképe is.
Egy kapcsolódó félhiba: mindkét képet csatolja, majd mégis részletesen leírja a másodikat. A melléknevek harcolhatnak a fényképpel — ha azt írja, „vastag kötésű”, miközben a valódi ruhadarab finom fonalú, ellentmondást vitt bele. A második képet csak annyira írja le, amennyi az azonosításához kell, hogy melyik részét szeretné.
04Öltözék- és ruhaátvitel
A kanonikus kétképes feladat. Csatolja először a személyt és másodszor a ruhadarabot. A ruhadarab képe lehet lefektetett terítés, vállfás felvétel, katalógusfotó, vagy valaki más, aki viseli — mind működik, amíg megmondja, melyik részére gondol.
Ruhaátvitel
The woman from the first image wearing the red knitted sweater
from the second image. Keep her face, hair, pose and the park
background exactly as they are, with the same soft overcast light.
The sweater should hang naturally on her frame, with the cable
pattern and collar of the original garment intact.
Negative prompt: warped cable pattern, extra sleeves, distorted
hands, plastic-looking fabric, mismatched lighting
Három dolog végzi a munkát: a szerepek sorrendben meg vannak nevezve, a változatlan részek hangosan fel vannak sorolva (ez akadályozza meg az arc elcsúszását), és az utolsó tagmondat megmondja a modellnek, hogy a ruhadarab saját részletei a lényeg — enélkül az összeállítások hajlamosak megtartani a színt és a sziluettet, miközben csendben elsimítják a textúrát.
- Az illeszkedés fizikai állítás, tehát fogalmazza is meg. „Természetesen omlik a testére”, „a derekánál testhezálló”, „az ujjai a csuklónál végződnek” — különben a ruhadarab a forrásképi arányaival érkezhet meg, nem a viselőjéével.
- A takarás a nehéz eset. Ha a karok keresztbe vannak téve, vagy egy táskapánt keresztezi a mellkast, mondja meg, mi történik vele. Az itteni kétértelműség hozza a klasszikus megolvadt-ujj műterméket.
- Több ruhadarab több képet jelent. Először a személy, aztán a felső, aztán a nadrág, aztán a cipő — és következetesen második, harmadik és negyedik képként hivatkozzon rájuk. Ne váltson félúton „a cipős képre”.
05Tárgy behelyezése egy jelenetbe
Itt a szerepek megfordulnak: a jelenet megy előre, mert a kész kép többségében a jelenetből áll, a tárgy pedig a behozott rész. Belsőépítészeti makettek, egy szoba berendezése bútorral, amelyet még nem vett meg, egy jármű letétele egy útra, egy szobor elhelyezése egy galériában — mindig ugyanaz az alak.
Tárgy a jelenetben
The living room from the first image with the green velvet
armchair from the second image placed beside the window on the
left, angled slightly toward the camera and standing about waist
height in frame. Match the room's warm late-afternoon light, with
a soft shadow falling to the right of the chair onto the rug.
Keep the rest of the room and the camera angle unchanged.
Negative prompt: floating object, cut-out edges, duplicate
shadows, mismatched color temperature
Itt a hibamód nem az identitás, hanem a fizika. Az a tárgy, amely megtartja a saját megvilágítását, ráragasztottnak látszik, és a nézők azonnal kiszúrják, még ha nem is tudják megmondani, miért. A szavait arra a három dologra fordítsa, amit egy elszigetelt tárgyról készült fénykép nem tudhat: elhelyezés (hol a képben, mihez képest), méretarány a jelenethez viszonyítva, nem centiméterben („nagyjából derékmagasságig ér”, „olyan magas, mint a kilincs”), valamint fény és árnyék — irány, minőség, és hová esik az árnyék. Ez utóbbi az, ami egy montázst fényképpé alakít.
06A személy B személy mellett
Két ember, akik soha nem voltak egy szobában: generációkon átívelő családi fotók, alapítói portré, amikor a társalapító épp úton volt, plakát két előadóval. Működik, és két olyan dolog kell hozzá, ami az egyalanyos feladatokhoz nem.
Két ember
The man from the first image standing beside the woman from the
second image, both on the same stone terrace from the first image.
He stands on the left, she stands on his right, shoulders almost
touching, both facing the camera at the same eye level. Keep both
faces, hairstyles and clothing exactly as in their own photographs,
and light both with the same soft evening light from the left.
Canvas: landscape
Negative prompt: mismatched skin tone, duplicated limbs, seam
line between subjects, uneven lighting
A két extra: a relatív geometria — ki melyik oldalon áll, milyen távol egymástól, kinek merre néz a tekintete, és a relatív magasság, hiszen két különbözően vágott portréból a modell sehogy sem tudhatja, hogy az egyik ember egy fejjel magasabb —, valamint egyetlen közös fény, kifejezetten megfogalmazva, mert két megvilágítási környezetet olvaszt össze, és az egyiknek győznie kell.
Itt fizeti ki magát az új vászonarány választása is: két álló tájolású forrásból rossz álló tájolású csoportkép lesz, tehát kérjen landscape vagy wide arányt. És mondjuk ki egyszer a nyilvánvalót — egy valódi embert olyan képbe tenni, amelyen nem volt rajta, erős dolog, és nem automatikusan ártalmatlan. Legyen meg hozzá a jog vagy a beleegyezés; a felelős használati irányelvünk a rövid változat.
07Termék emberen, és cenzúrázatlan termékfotózás
Üzletileg ez az az összeállítás, amely kifizeti önmagát. Van egy fehér háttér előtti termékfotója, és van egy modellje, egy keze, egy konyhája, egy munkapadja. Ezek egyesítéséből életmódfotót kap egy stúdiónap nélkül — és a valódi termékével benne, nem egy generált közelítéssel, ami pontosan a különbség a használható marketinganyag és egy makett között, amiért mentegetőznie kell.
Termék emberen
The woman from the first image holding the amber glass serum
bottle from the second image in her right hand, raised to chest
height, the label facing the camera and fully legible, her fingers
wrapped naturally around the bottle without covering the label.
Keep her face, hair and the kitchen background unchanged. Shot on
Kodak Portra 400, 85mm f/1.4, soft window light from the left.
Canvas: portrait
Negative prompt: warped label text, extra fingers, floating
bottle, duplicated reflections, plastic skin
Két kiegészítés, amely kifejezetten a termékmunkára jellemző. A fogás: a tárgyat tartó kezeknél megy félre a leggyakrabban az összeállítás, ezért mondja meg, melyik kéz, milyen magasan, és hogy az ujjak természetesen fogják körbe anélkül, hogy eltakarnák a címkét. Fotográfiai kezelés: nevezzen meg egy kamerát, egy objektívet és egy filmet vagy fényforrást. A kimenetnek olyan fényképként kell olvasódnia, amelyet elkészítettek, nem két összeragasztott fényképként — és épp az visz el idáig, ha fényképként írja le.
A cenzúrázatlanság itt hétköznapibb módon számít, mint amilyennek hangzik. A szűrt generátorok a hétköznapi, jogszerű kereskedelem egész kategóriáit utasítják el: fehérnemű- és fürdőruha-katalógusokat, dohány- és vape-hardvert, alkoholt, lőfegyver-kiegészítőket, felnőtt wellnesstermékeket, kannabiszt ott, ahol legális, orvostechnikai eszközöket, taktikai és vadászfelszerelést. Elutasítják a jogtulajdonos által végzett márka- és arcképmunkát is. Ezek közül egyik sem szélsőséges eset; ez egy átlagos keddi nap egy ügynökségnél. A Shannonnak nincs tartalomszűrője a generálási úton, és nincs elutasítási rétege a promptot megíró modellen, tehát a munka átmegy, a jogi kérdés pedig Önnél marad, ahová tartozik.
08Stílus az egyik képről, alany a másikról
Előbb az alany, aztán a stílusreferencia. Ezt a feladatot az teszi mássá, hogy egy minőséget kölcsönöz, nem egy tárgyat, tehát meg kell neveznie, mely minőségeket — és ki kell mondania, hogy a referencia saját alanya és kompozíciója nem jön vele.
Stílusreferencia
The portrait of the man from the first image rendered in the
visual style of the second image: the same muted teal and ochre
palette, visible dry-brush texture, and flat even lighting. Keep
his face, expression and pose recognizable and unchanged. Do not
carry over the subject, background or composition of the second
image.
Negative prompt: second face, borrowed background, photographic
texture
Nevezze meg kifejezetten a stílustengelyeket, mert az „a második kép stílusában” önmagában alulmeghatározott: paletta (vagy pontos színek, egy megnevezett tárgyhoz kapcsolva color #8B0000 formában), ecsetkezelés vagy szemcsézettség, fényminőség, vonalvastagság, absztrakciós szint, élkezelés. Válassza ki azt a kettőt-hármat, amely meghatározza a látványt; mind a hat megnevezése kiátlagolja őket. És ne keverjen egymásnak ellentmondó irányokat — a „fotorealisztikus” plusz „akvarell” zagyvaságot ad, nem keveréket. Ha olyan fényképet szeretne, amely csak egy palettát kölcsönöz, mondja pontosan ezt.
09Negatív promptok és az új vászonarány választása
Két képesség, amely az egyesítésnél és a szerkesztésnél létezik, a szöveg-kép generálásnál nem — és mindkettőt alulhasználják.
A negatív prompt
A képek egyesítése támogatja a negatív promptot. A nem kívánt műtermékek oda valók — és számít, hogy oda kerüljenek, ne az utasításba, mert ha a fő utasításba írja, hogy „ne legyenek extra ujjak”, egy lélegzetvétellel nevezi meg azt, amit el akar kerülni, és mindazt, amit szeretne. A kizárásokat tegye a saját csatornájukba. Azok a tételek, amelyek következetesen kiérdemlik a helyüket:
- Anatómia — extra ujjak, megkettőzött végtagok, torz kezek, második arc.
- Montázsárulkodók — kivágott szélek, látható varratvonal, lebegő tárgy, kettős árnyékok, glória az alany körül.
- Fényeltérés — nem egyező színhőmérséklet, következetlen árnyékirány, egyenetlen expozíció az alanyok között.
- Textúrahibák — műanyagos bőr, elsimított anyag, torz címkeszöveg, olvashatatlan logó.
Maradjon annál a néhánynál, amely az Ön képénél valószínű. Egy harminc tételt felsoroló negatív prompt szétkent utasítás, nem erős.
A vászonarány
Egyetlen kép szerkesztése automatikusan örökli a forráskép képarányát — egy forrás van, és annak alakja a válasz. Az egyesítésnek nincs ilyen alapértelmezése, tehát választhat új vászonarányt, és gyakran érdemes is, mert az az alak, amely az egyik forrásnak megfelelt, ritkán felel meg az összeállításnak.
| Arány | Mire a legjobb | Jellemző összeállítási használat |
|---|---|---|
| square | Alapértelmezett, közösségi feedek | Egyetlen alany egy átvitt elemmel |
| portrait | Emberek, magas alanyok | Ruhaátvitel, egy modell által tartott termék |
| landscape | Tájak, csoportok | Két ember egymás mellett, tárgy egy szobában elhelyezve |
| wide | Mozis képkeretezés | Csoportképek, környezeti termékjelenetek, bannerek |
| tall | Plakátok, telefon-háttérképek | Egész alakos öltözékfotók, plakátelrendezések |
A kifejezett kérés mindig nyer. Ha nem mond semmit, négyzeteset kap — ez a rossz alak a legtöbb kétszereplős és egész alakos öltözékmunkához, tehát megér egy szót.
10Melyik képeket használja a Shannon: a beszélgetés vagy ez az üzenet
Kétféleképpen kerülhet be egy kép egy összeállításba, és ha tudja, melyikre támaszkodik, a sorrendi keveredések nagy része elkerülhető.
Az aktuális üzenethez csatolva. A közvetlen út: csatoljon mindent ahhoz az üzenethez, amely az utasítást hordozza, abban a sorrendben, ahogyan hivatkozni fog rá, és az „első kép” és a „második kép” pontosan azt jelenti, aminek látszik. Alapból ezt válassza.
Már a beszélgetésben van. A szálban korábban küldött képek elérhetők maradnak, és hétköznapi nyelven lehet rájuk hivatkozni — „a korábban küldött fotó”, „a korábbi pulóveres kép”, „a második változat, amit készítettél”. A Shannon feloldja a hivatkozást a szál alapján, ami egy hosszú munkamenet során valóban kényelmes: iterálhat egy eredményen, majd behozhat egy új elemet anélkül, hogy mindent újra feltöltene.
Mindkettőre ugyanaz a biztosíték. A megerősítő kártya megmutatja az utasítást, mielőtt bármi renderelődne, beleértve a választott sorrendet is. Olvassa el. Ha a szerepek fordítva jöttek ki — a pulóver az alap, a személy a forrás —, szóljon, és javítva lesz, még mielőtt egyetlen képpont is elkészülne vagy számlázásra kerülne. Mindazonáltal, ha egy szál hosszú és tele van képekkel, csatolja újra azokat, amelyekre szüksége van; hat képpel korábbról „a második kép” bármely olvasónak kétértelmű.
Ha csak arra kéri a Shannont, hogy nézzen meg egy képet — írja le, olvassa el a címkét, mondja meg, milyen anyag —, az hétköznapi képfeldolgozási munka, nem generálás. Nem kerül semmi többletbe, és jó ellenőrzés az összeállítás előtt: ha a Shannon leírása nem említi azt a részletet, amely Önnek fontos, akkor az utasításának meg kell neveznie.
11Cenzúrázatlan — és hogy ez valójában mit jelent
A generálási úton nincs tartalomszűrő, és nincs elutasítási réteg azon a modellen, amely a promptot megírja. Az összeállítás az a terület, ahol a szűrt eszközök a leglátványosabban buknak el, mert egy elutasítási rendszer nem tudja megkülönböztetni az Ön tulajdonában lévő képek egyesítését azoktól, amelyeknek nem kellene a birtokában lenniük — ezért mindkettőt blokkolja.
Az a munka, amelyet ezek az eszközök rendszeresen elutasítanak, nem egzotikus: aktművészet és aktrajzolás, orvosi és igazságügyi illusztráció, biztonsági kutatáshoz készült képek, szépirodalmi erőszak könyvborítókhoz és játékgrafikához, politikai szatíra, valamint a fentebb felsorolt legális termékkategóriák. Mindegyik jogszerű szakmai munka, amelyet egy kulcsszószűrő nem tud megkülönböztetni a visszaéléstől.
A cenzúrázatlan nem jelent elszámoltathatatlant. Ön valódi tárgyakról és gyakran valódi emberekről készült fényképeket ad meg; a jogok és a beleegyezés az Ön kezében vannak, és így az eredményért való felelősség is. A Shannon Lab LLC egy új-mexikói cég, amely nyilvános felelős használati irányelv alapján működik — érdemes rászánni öt percet, mielőtt mások arcképét érintő munkába kezd.
12Korlátok, amelyeket érdemes ismerni, mielőtt belekezd
Videógenerálás nincs. A Shannon nem animál képeket és nem állít elő videót, semmilyen formában, ezen műveletek egyikéből sem — sem egyetlen képből, sem összeállításból, sem kísérleti opcióként. Ha a feladata mozgásban végződik, ez nem az az eszköz az utolsó lépéshez. Ez az, ami a termék, nem pedig utalás egy ütemtervre.
További őszinte határok, mindegyikhez megkerülő úttal:
- Az apró szöveg a leggyengébb terület. Az apróbetűs rész, a sűrű csomagolásszöveg és a hosszú sorozatszámok tökéletlenül jöhetnek ki. Úgy keretezze a terméket, hogy a fontos szöveg nagy legyen, tegye a warped label text tételt a negatív promptba, és ellenőrizze teljes méretben.
- A szélsőséges méretarány-eltérés nehéz. Egy 4000 képpontos termékfotó egy szoba apró bélyegképével egyesítve keveset ad a modellnek, amivel dolgozhat. Használja mindegyik forrás legjobb példányát.
- Az erős takarás korlátozza, mi vihető át. Egy összehajtva fényképezett ruhadarabnak, amelynek a háta soha nem látszik, nem lehet hűen kitalálni a hátát. Ha az összeállításban látszik a hátulja, adja meg a hátulját is.
- Több kép több teret ad a zavarnak. Négy forrás fegyelmezett sorszámozással kezelhető, de itt nem érdemes lazának lenni — használja annyit, amennyit a feladat igényel, és ne többet.
- Két nagy változtatás egyszerre versenyez egymással. Vigye át az öltözéket, erősítse meg, aztán változtassa meg a hátteret. A lépésenkénti szerkesztés szinte mindig veri az egyetlen túlterhelt utasítást, és minden lépést olcsó ellenőrizni.
13Gyakori kérdések
Hogyan egyesíthetek két képet eggyé AI-jal?
Csatolja mindkét képet a Shannon chatben, és írja le az eredményt úgy, hogy sorban megnevezi, mivel járul hozzá az egyes képek. Az első kép a fő alany vagy a jelenet; a későbbi képek adják a behozott részeket. Például: az első képen látható nő a második képen látható piros kötött pulóverben, ugyanabban a parkban állva. A Shannon maga írja meg a végleges angol utasítást, megmutatja Önnek egy megerősítő kártyán, és semmi nem renderelődik, amíg meg nem erősíti.
Miért néz ki rosszul az öltözék, ha leírom a ruhadarabot ahelyett, hogy csatolnám?
Mert egy mondat egy fénykép veszteséges leírása. Ha azt írja, hogy „piros kötött pulóver”, egy hihető piros kötött pulóvert kap, nem az Önét — a fonatminta, a bordázat, a festék, az esés, a varrások helye és a kopás mind kitalált. A második kép csatolása megőrzi a valódi ruhadarab valódi megjelenését. Ha a kép lényege az, hogy pontosan az a darab, személy vagy termék, akkor csatolja, ne leírja.
Támogat a többképes összeállítás negatív promptot és új képarányt?
Mindkettőre igen. A képek egyesítése támogatja a negatív promptot, tehát a nem kívánt műtermékek — extra ujjak, megkettőzött végtagok, torz logószöveg vagy látható varratok — oda valók, nem az utasításba. Új vászonarányt is választhat: square, portrait, landscape, wide vagy tall. Ez eltér az egyetlen kép szerkesztésétől, amely automatikusan örökli a forráskép képarányát.
Használhatja a Shannon a beszélgetésben már meglévő képeket, vagy csak azokat, amelyeket most csatolok?
Mindkettőt. Csatolhatja a képeket az aktuális üzenethez, vagy hivatkozhat a szálban már meglévő képekre — „a korábban küldött fotó”, „a korábbi pulóveres kép”. A Shannon feloldja ezeket a hivatkozásokat, és a megerősítő kártya megmutatja a választott sorrendet, így a sorrendet még azelőtt javíthatja, hogy bármi renderelődne. A legmegbízhatóbb módszer, ha mindent egyetlen üzenetben csatol, abban a sorrendben, ahogyan hivatkozni fog rájuk.
Tud a Shannon videót csinálni az egyesített képből?
Nem. A Shannon nem generál videót és nem animál képeket. Új képeket generál, egyetlen meglévő képet szerkeszt, és két vagy több képet egyesít eggyé. A képes munka a Shannon chatalkalmazásában történik; a /v1 API szöveget és képfeldolgozást szolgál ki, vagyis olvassa a képeket, nem pedig előállítja őket.
Tényleg szűretlen a cenzúrázatlan képösszeállítás?
A generálási úton nincs tartalomszűrő, és nincs elutasítási réteg azon a modellen, amely a promptot megírja. A szűrt generátorok rendszeresen elutasítanak jogszerű összeállítási munkát — fehérnemű- és fürdőruha-katalógusokat, aktművészetet, orvosi és igazságügyi illusztrációt, szabályozott fogyasztási cikkeket, biztonsági kutatáshoz készült képeket, politikai szatírát, valamint a jogtulajdonos által végzett márka- és arcképmunkát. A Shannon nem. A forrásképekhez fűződő jogok és a felelősség az Öné; lásd a felelős használati irányelvünket.
Ebben az útmutatóban nem szerepelnek benchmarkszámok, mert nincs őszinte nyilvános benchmark arra, hogy „ugyanaz a pulóver maradt-e a pulóver”. Minden fenti tartalom valós használatból származó gyakorlati útmutatás. Ahol egy képesség hiányzik — videó, képgenerálás az API-n —, azt kimondjuk, nem hagyjuk nyitva.
Egyesítse a képeit
Csatolja őket, nevezze meg sorban a szerepüket, erősítse meg az utasítást, rendereljen. Nincs elutasítási réteg.
Shannon Chat megnyitása API-dokumentációShannon Lab LLC · Új-Mexikó, USA · a képek a saját GPU-fürtünkön renderelődnek
A képgenerálás, a képszerkesztés és a többképes összeállítás a Shannon chatalkalmazás funkciói; a /v1/chat/completions, /v1/messages és /v1/responses végpontok szöveget és képfeldolgozást szolgálnak ki, vagyis olvassák a képeket, nem pedig generálják őket. Videógenerálás nincs. Az arányopciók, a negatív prompt támogatása és a megerősítési viselkedés 2026. szeptember 5-i állapot szerint érvényesek. Kapcsolódó: cenzúrázatlan AI képgenerálás · cenzúrázatlan AI képszerkesztés · felelős használat · API-dokumentáció · kutatási index.