AI պատկերի հրահանգների ուղեցույց

Մարդկանց մեծ մասը գալիս է SDXL-ի վրա սովորած հրահանգային սովորություններով. ստորակետերով բաժանված գոյականների շարք, որակի թոքենների նախաբան, փակագծերում մի քանի կշիռ և դրականի չափ երկար բացասական հրահանգ: Այդ սովորությունները ճիշտ էին այն մոդելների համար և հակաարդյունավետ են այստեղ: Սա այն կարճ տարբերակն է, ինչն իրականում աշխատում է — և քանի որ Shannon-ը գեներացիայի հրահանգը գրում է ձեզ համար և ցույց տալիս մինչև որևէ բանի ռենդերը, սա նույնքան էլ ուղեցույց է Shannon-ի առաջարկածը կարդալու և ուղղելու համար:

01Ինչու է արձակը գերազանցում պիտակներին. մոդելը կարդում է լեզվական մոդելի պես

Այն ավելի հին դիֆուզիոն մոդելները, որոնց համար գրվել է հրահանգային խորհուրդների մեծ մասը, օգտագործում էին տեքստային կոդավորիչ, որը գործնականում իրեն պահում էր որպես հասկացությունների պարկ. քերականությունը գրեթե նշանակություն չուներ, և հաղթող ռազմավարությունը համապատասխան գոյականներ կուտակելն ու դրանք կշիռներով շեղելն էր: Պիտակների ապուրը հենց այդ կոդավորիչի համար ճիշտ ձևի հրահանգ էր:

Shannon-ի Պատկերային մոդելն այդպես չի աշխատում: Այն հրահանգը կարդում է այնպես, ինչպես լեզվական մոդելը կարդում է տեքստ, ուստի շարահյուսությունը իմաստ է կրում: "Հովանոցն ուսին հենած պահելով"-ը մարդու, առարկայի և մարմնի մասի միջև հարաբերություն է. "հովանոց, ուս"-ը երկու բան է, որոնք պատահաբար առկա են: Նախդիրները տեղավորում են իրերը: Բայերը ստեղծում են դիրքեր: Ստորադաս նախադասությունները մանրամասնությունը կցում են ճիշտ գոյականին, փոխանակ թողնեն այն լողալ ամբողջ պատկերի վրայով:

Ահա նույն նկարը՝ խնդրված երկու ձևով:

woman, 30s, tokyo, rain, night, crosswalk, neon signs, umbrella,
wet asphalt, reflections, masterpiece, best quality, 8k, ultra
detailed, (bokeh:1.3), cinematic lighting, photorealistic

A woman in her early thirties waits at a rain-soaked Tokyo
crosswalk at night, holding a clear vinyl umbrella against her
shoulder and glancing down the street. Neon storefront signs
bleed red and cyan into the wet asphalt at her feet. Shot on
Kodak Portra 400, 85mm f/1.4, shallow depth of field, the
traffic signal behind her thrown out of focus.

Նայեք, թե ինչ չի կարող արտահայտել պիտակային տարբերակը: Այն երբեք չի ասում, որ հովանոցը պահված է, ուստի այն կարող է հայտնվել գետնին ընկած: Այն երբեք չի ասում, որ նեոնը արտացոլվում է ասֆալտի մեջ, միայն որ երկուսն էլ գոյություն ունեն, ուստի ստանում եք ցուցանակներ և թաց փողոց՝ առանց դրանց միջև որևէ օպտիկական կապի: Այն երբեք չի ասում, թե ուր է նայում կինը, ուստի նրա դիրքը մետաղադրամի նետում է: "Cinematic lighting"-ը տրամադրության պիտակ է, ոչ թե լույսի աղբյուր: Իսկ վերջին հինգ թոքենները աղմուկ են՝ կարդացվում են որպես լուսանկարչության մասին անգլերեն բառեր, ոչ թե որպես կառավարման բռնակներ:

Արձակ տարբերակն ավելի երկար չէ, որովհետև ծաղկուն է: Այն ավելի երկար է, որովհետև պատասխանում է այն հարցերին, որոնք պիտակային տարբերակը թողել էր բաց: Ամբողջ հնարքն այդքանն է:

02Որքան երկար պետք է լինի պատկերի հրահանգը

Նպատակադրվեք 30-ից 80 բառ: Շատ մի անցեք 100-ը: Սա ձեզ հասանելի ամենահեշտ որակի լծակն է, և միջակայքի երկու ծայրերն էլ կարևոր են:

Մոտավորապես 30 բառից ցածր կոմպոզիցիան, լույսը և կադրավորումը մնում են չնշված, ուստի մոդելն ընտրում է վիճակագրորեն ամենասովորականը: "Կին սուրճի սրճարանում" վավեր հրահանգ է, որը տալիս է մոռացվող պատկեր, որովհետև դուք պատվիրակել եք ամեն հետաքրքիր որոշում:

Մոտավորապես 100 բառից բարձր հայտնվում է այլ ձախողում. ուշ նախադասությունները մրցում են վաղների հետ պատկերի նույն հատվածների համար, և մանրամասնություն կուտակելու փոխարեն ստանում եք նոսրացում: Երրորդ լուսավորության նկարագրությունը չեղարկում է առաջինը, և առաջին ութ բառում հաստատված ձեր սյուժեն ամեն ավելացված նախադասությամբ ստանում է հարաբերականորեն ավելի քիչ ուշադրություն: Երկար հրահանգները կարդացվում են որպես մանրակրկիտ: Բայց չեն ռենդերվում որպես մանրակրկիտ:

Կարգապահությունը. գրեք այն հրահանգը, որն ուզում եք, ապա կրճատեք այն մինչև այն նախադասությունները, որոնց հեռացումը կփոխեր նկարը:

03Դասավորության կարգապահությունը. ամենակարևորն առաջինը

Քանի որ մոդելը կարդում է հաջորդաբար, դիրքը շեշտադրում է. առաջինը գալիսը խարսխում է պատկերը, վերջինը գալիսը կարգավորում է այն: Դասավորեք այն հերթականությամբ, որով մոդելին պետք են.

1. Սյուժե — ում կամ ինչի մասին է այս նկարը՝ կոնկրետ:
2. Գործողություն կամ դիրք — ինչ են անում, ինչպես են բռնված:
3. Ոճ կամ տրամադրություն — լուսանկար, յուղաներկ, տեխնիկական նկարազարդում և ինչ ռեգիստրում է:
4. Միջավայր և լուսավորություն — որտեղ է սա տեղի ունենում և ինչ լույս է ընկնում դրա վրա:
5. Տեխնիկական — կադրավորում, ոսպնյակ, դաշտի խորություն, գույների կոնկրետություն:

Ամենատարածված ինքնավնասումը տեխնիկական մասից սկսելն է: "Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper"-ով սկսելը մոդելին ասում է, որ տեսքն է սյուժեն, իսկ տղամարդը՝ մանրամասնություն: Ստանում եք հոյակապ, դատարկ կադր, որում կա մի փոքր անորոշ կերպար:

Cinematic wide shot, anamorphic lens flare, teal and orange
color grade, shallow depth of field, golden hour, of a man
reading a newspaper on a park bench.

A man in his sixties in a gray wool overcoat sits on a park
bench reading a folded broadsheet newspaper, one ankle crossed
over his knee. Late golden-hour sun rakes across him from the
left through bare plane trees. Photographed wide on a 35mm
anamorphic lens, shallow depth of field, warm highlights and
cool shadows.

Առաջին տարբերակի յուրաքանչյուր տարր պահպանվում է երկրորդում. ոչինչ չի հանվել: Մոդելը պարզապես այժմ գիտի, թե ինչի մասին է նկարը, նախքան իրեն կասեն, թե ինչպես նկարահանել այն — և միայն այդ վերադասավորումը սյուժեն պատահականից տեղափոխում է կենտրոն:

04Եղեք կոնկրետ սյուժեի հարցում

"Մի մարդ"-ը սյուժե չէ, այն տեղապահ է — և մոդելը տեղապահները լցնում է իր տեսած ամեն ինչի միջինով, ինչը հենց այն վայրն է, որտեղից գալիս է փայլուն, անտարիք, անդեմ տեսքը: Կոնկրետությունն արժենում է հինգ բառ և գնում է կոնկրետ մարդ արարած.

Նկատեք օրինաչափությունը. տարիք կամ դարաշրջան, մեկ կառուցվածքային հատկանիշ, մեկ տարբերակիչ անկատարություն: Հենց այդ երրորդ կետն է ստիպում, որ արդյունքը զգացվի որպես լուսանկարված, ոչ թե գեներացված: Կոտրված ատամ, մաշված քղանցք, ներկով ծածկված ցուցանակ — փոքր անհամաչափությունները հասանելի ամենաուժեղ հակապլաստիկ ազդանշանն են, և ձեր բառերի բյուջեում գրեթե ոչինչ չեն արժենում:

05Ֆոտոռեալիզմ. գրեք հարցումը որպես լուսանկար

Ֆոտոռեալիզմը լռելյայն ռեգիստրն է, եթե չեք խնդրում արվեստ, նկարազարդում կամ անիմե: Բայց "photorealistic" բառը քիչ բան է անում: Լուսանկար է տալիս լուսանկարելու գործողության նկարագրությունը. իրական խցիկ, իրական ոսպնյակ և իրական ժապավեն կամ լույսի աղբյուր:

Պատճառը պարզ է: "Kodak Portra 400" պիտակով յուրաքանչյուր պատկեր ստեղծվել է կոնկրետ գործընթացով՝ կոնկրետ հատիկի կառուցվածքով, լուսավոր հատվածների անկումով և մաշկի փոխանցմամբ, և ժապավենն անվանելը վերցնում է այդ ամենը: "8k ultra detailed"-ը երբևէ հայտնվել է միայն ֆոտոբանկերի սպամում, ուստի այն վերցնում է ֆոտոբանկերի սպամը: Մի քանի հուսալի բաղադրատոմս, որոնցից յուրաքանչյուրը նույն սյուժեի ակնհայտորեն տարբեր պատկեր է տալիս.

Համապատասխանեցրեք հիմնավորումը բաղադրատոմսին — մաշկի ծակոտիների մակարդակի հյուսվածքը ոչինչ չի նշանակում 24mm լայն կադրում, որտեղ դեմքը ութսուն պիքսել բարձրություն ունի — և ապա ավելացրեք այն: Հիմնավորող մանրամասնությունը հյուսվածքային ապացույցն է, որ ոսպնյակն իրոք գրանցել է սա: Տեսանելի մաշկի ծակոտիներ և նուրբ դեմքի մազեր: Կտավատե վերնաշապիկի հյուսվածքը: Փոշու մասնիկները լույսի սյան մեջ: Քերծվածք կաշվե կոշիկի վրա: Ցրված մազեր վառ ֆոնի վրա: Երկուսը կամ երեքը բավական են, և հենց դրանք են տարբերությունը մարդու պատկերման և մարդու լուսանկարի միջև:

06Շերտավոր տեսարաններ. առաջին պլան, միջին պլան, ֆոն

Երբ տեսարանն ունի խորություն, նկարագրեք երեք պլանները առանձին և հերթականությամբ: Սա ամենաարդյունավետ տեխնիկան է այն պատկերների համար, որոնք պետք է զգացվեն որպես վայրեր, ոչ թե ֆոներ, և գրեթե ոչ ոք դա չի անում: Առանց դրա ստանում եք հարթություն. հրահանգում հիշատակված ամեն ինչ ընկնում է մոտավորապես նույն հեռավորության վրա՝ մրցելով կադրի նույն միջին գոտու համար: Պլաններն անվանելը մոդելին տալիս է խորության բյուջե՝ ծախսելու համար:

In the foreground, a cracked concrete ledge with a half-empty
paper coffee cup and a scattering of cigarette ash, slightly out
of focus. In the midground, a bicycle courier in a yellow rain
jacket wheels her bike across a wet plaza, caught mid-stride. In
the background, a glass office tower dissolves into low fog.
Shot on a 50mm lens at f/2.8, flat overcast light.

Երկու ճշգրտում: Առաջին պլանում դրեք մի բան, որը միտումնավոր ֆոկուսից դուրս է — խորը տեսարանների իրական լուսանկարները գրեթե միշտ ունեն այդպիսի բան, և դրա բացակայությունը տարածված նշան է: Եվ ասեք, թե որ պլանն է զբաղեցնում սյուժեն. եթե հեծանվային սուրհանդակը նկարի իմաստն է, նա պատկանում է միջին պլանին, հակառակ դեպքում աշտարակն ու սուրճի բաժակը կկռվեն նրա հետ կադրի համար:

07Ճշգրիտ գույներ. hex կոդեր՝ կցված առարկաներին

Բրենդային աշխատանքի, զգեստի շարունակականության կամ ցանկացած դեպքի համար, երբ "կարմիրը" բավականաչափ կոնկրետ չէ, գրեք hex կոդը որպես color #RRGGBB և կցեք այն անվանված առարկայի.

...wearing a heavy wool peacoat, color #8B0000, over a cream
turtleneck, against a studio backdrop, color #1E3A5F.

...#8B0000, #1E3A5F, dark red and navy color palette, moody...

Երեք հիմնական կանոն: Օգտագործեք hex այն երկու-երեք գույների համար, որոնք իսկապես կարևոր են, և պարզ բառեր՝ մնացածի համար — վեց hex կոդով հրահանգը իր բյուջեի մեծ մասը ծախսում է ներկի նմուշների վրա: Կապեք կոդը եզրեր ունեցող առարկայի, երբեք ոչ "լուսավորությանը" կամ "տրամադրությանը": Եվ հիշեք, որ այն նշում է առարկայի գույնը, ոչ թե վերջնական պիքսելի արժեքը. #8B0000 վերարկուն ոսկե ժամի հետին լույսի տակ ռենդերվում է ավելի ջերմ, քան նմուշը՝ ճիշտ այնպես, ինչպես կլիներ կյանքում:

08Կողմերի հարաբերակցության ընտրություն

Հասանելի են հինգ հարաբերակցություն, և ճիշտը սովորաբար ենթադրվում է սյուժեով, բայց ձեր հստակ հարցումը միշտ հաղթում է — խնդրեք պաստառ և կստանաք tall՝ անկախ նրանից, թե ինչ է ենթադրում բովանդակությունը:

Սա սխալ ընտրելն ավելի վնասակար է, քան թվում է: Ամբողջ հասակով կանգնած կերպարը wide կադրում ձեզ չի տալիս փոքր կերպար մեծ կադրում — սովորաբար տալիս է կտրված կերպար, որովհետև մոդելը լցնում է լայնությունը, և գլուխը կամ ոտքերը դուրս են գալիս կադրից: Համապատասխանեցրեք կադրը սյուժեի գերիշխող առանցքին, և կոմպոզիցիոն բողոքների մեծ մասը կվերանա:

Երկու վարքագիծ, որ արժե հիշել. խմբագրումն ինքնաբերաբար պահպանում է ելակետային պատկերի կողմերի հարաբերակցությունը, ուստի խմբագրելով չեք կարող վերակադրավորել, մինչդեռ միավորումը թույլ է տալիս ընտրել նոր կտավ — հաճախ ամենամաքուր ձևն է փոխելու արդեն ունեցածի ձևը:

09Հականմուշներ. ինչը դադարեցնել

Որակի թոքեններ. "masterpiece, best quality, 8k, ultra detailed"

Սրանք համայնքի կողմից հայտնաբերված բռնակներ էին կոնկրետ ավելի հին ուսուցման բաշխման համար, որտեղ որոշ պիտակային արտահայտություններ փոխկապակցված էին որոշ պատկերային աղբյուրների հետ: Դրանք չեն փոխանցվում: Այստեղ դրանք կարդացվում են որպես սովորական անգլերեն բառեր, ոչինչ չեն ավելացնում և ուտում են բառերի բյուջեի մի մասը, որի սեղմ լինելու մասին ձեզ արդեն ասվել է: Փոխարինումն այն է, որ ասեք, թե որ մանրամասնությունն եք ուզում. ոչ թե "ultra detailed", այլ "վերարկուի գործվածքի տեսանելի հյուսվածք և ծնոտի երկայնքով նուրբ խոզանակ" — նույն մտադրությունը՝ արտահայտված այնպես, ինչպես մոդելը կարող է ռենդերել:

Կշիռների շարահյուսություն. (word:1.3), [word], {{word}}

Չի վերլուծվում: Փակագծերը, քառակուսի փակագծերը, երկու կետերը և թվերն ընկնում են որպես բառացի տեքստ և, եթե ինչ-որ բան, ապա դժվարացնում են շրջապատող նախադասության ընթերցումը: Եթե ուզում եք ավելի շատ շեշտադրում մի բանի վրա, օգտագործեք երկու լծակ, որոնք աշխատում են. տեղափոխեք այն ավելի վաղ հրահանգում և տվեք նրան ավելի շատ բառ: "A crimson silk scarf, its fringed ends lifting in the wind"-ը գերազանցում է "(red scarf:1.4)"-ին ամեն կարևոր չափանիշով:

Հակասող ցուցումներ

Անհամատեղելի հրահանգներ խառնելը դրանք չի խառնում. այն տալիս է անկայուն միջին, որը սովորաբար ոչ մեկը չի բավարարում: Հաճախակի հանցագործները.

• Միջոց — "photorealistic" գումարած "watercolor". "oil painting" գումարած "shot on 85mm": Ընտրեք մեկը և հետևեք դրան:
• Կադրավորում — "wide establishing shot" գումարած "extreme close-up on her eyes". "full body" գումարած "detailed facial pores":
• Լուսավորություն — "harsh midday sun" գումարած "soft golden hour glow". "low key, deep shadows" գումարած "bright and airy":
• Դարաշրջան — "1970s film aesthetic" գումարած "modern minimalist" գումարած "cyberpunk":
• Ոճերի կուտակում — չորս արվեստագետ կամ չորս ժանր միաժամանակ: Երկու հարակից հղում կարող են աշխատել. չորսը չեզոքացնում են իրար՝ դառնալով ընդհանրական:
• Տարածում — "rustic, weathered, ancient, timeworn wooden door"-ը մեկ գաղափար է, գրված չորս անգամ, և ամեն կրկնություն նոսրացնում է հրահանգի մնացածը:

10Տեքստից-պատկեր ռեժիմում բացասական հրահանգ չկա

Սա այն հականմուշն է, որն ամենաուժեղն է բռնում փորձառու օգտատերերին, որովհետև ավելի հին համակարգերում բացասական հրահանգը արհեստի կեսն էր:

Գեներացիայի համար կանոնը բացարձակ է և մի փոքր հակասական. հրահանգի մեջ "no text, no watermark, no extra fingers" գրելը այդ բաներն ավելի հավանական է դարձնում, ոչ թե պակաս: Մոդելը "no text"-ը կարդում է որպես նախադասություն, որը պարունակում է text հասկացությունը. ժխտումը թույլ ազդանշան է, գոյականը՝ ուժեղ: Դուք փաստացի տեքստ եք խնդրել: Փոխարենը միշտ նշեք դրական ձևը.

Խմբագրման և միավորման համար բացասական հրահանգը գոյություն ունի, և դուք պետք է օգտագործեք այն — բայց արտեֆակտների, ոչ թե բովանդակության համար: Լավ նյութ. ջրանիշ, տեքստային շերտադրում, կրկնապատկված վերջույթներ, ծռված ձեռքեր, գերսրման լուսապսակներ, JPEG բլոկավորում, կարի գծեր կոմպոզիտի եզրի երկայնքով: Վատ նյութ. այն ամենը, ինչ վերաբերում է նկարի բովանդակությանը, որի տեղը հրահանգում է:

11Կարդալ այն հրահանգը, որ Shannon-ը գրում է ձեզ համար

Ահա այն, ինչ այս ուղեցույցը դարձնում է անմիջապես կիրառելի, ոչ թե տեսական: Դուք պարտավոր չեք ինքներդ գրել գեներացիայի հրահանգը: Դուք հարցնում եք պարզ լեզվով, ցանկացած լեզվով. Shannon-ը ճանաչում է, որ պատկեր է պահանջվում, կազմում է անգլերեն գեներացիայի հրահանգը և ցույց տալիս ձեզ հաստատման քարտի վրա մինչև որևէ բանի ռենդերը: Ոչինչ չի գեներացվում և ոչինչ չի գանձվում, մինչև չհաստատեք:

Ուստի ամենաշատ շահույթ բերող հմտությունը զրոյից հրահանգ գրելը չէ — այլ քարտի վրայինը կարդալը: Անցեք այս ցանկով.

1. Սյուժեն կոնկրե՞տ է: Եթե քարտում գրված է "մի մարդ" կամ "մի կին", դուք գտել եք հասանելի ամենամեծ բարելավումը: Տվեք տարիք, կազմվածք, հատկանիշ:
2. Սյուժեն առաջի՞նն է: Եթե հրահանգը սկսվում է ոճով կամ խցիկով, խնդրեք, որ սկսվի սյուժեով:
3. Միջակայքո՞ւմ է: 30 բառից ցածր՝ խնդրեք ավելի կոնկրետություն լույսի և միջավայրի մասին: 100-ից բարձր՝ խնդրեք կրճատել:
4. Կա՞ լույսի աղբյուր: Ոչ թե տրամադրության բառ — իրական լույս. պատուհան, փողոցային լապտեր, բռնկում, ամպամած երկինք, softbox:
5. Կա՞ն հակասություններ: Ստուգեք՝ նույն հրահանգում կա՞ երկու միջոց, երկու կադրավորում կամ երկու լուսավորության պայման:
6. Կա՞ն թաքցված ժխտումներ: Եթե քարտը պարունակում է "without", "no" կամ "avoid", դա տեքստից-պատկեր հրահանգ է, որը խնդրում է հենց իր անվանած բանը:
7. Հարաբերակցությունը ճի՞շտ է սյուժեի համար: Ամբողջ հասակով կերպարը wide-ում դասական անհամապատասխանությունն է:

Ուղղումները խոսակցական են. "դարձրու նրան երեսունն անց՝ մեկ հոնքի միջով սպիով, նկարիր Portra-ով 85mm-ով և օգտագործիր portrait" կատարյալ լավ հրահանգ է: Ստանում եք նոր քարտ և հաստատում այն: Կրկնելու համար տուգանք չկա, որովհետև դեռ ոչինչ չի ռենդերվել:

Եվ Shannon-ը չի գեներացնում առանց հրավերի: Ողջույնը, հարցը կամ քննարկման համար կցված լուսանկարը ռենդեր չեն գործարկում: Shannon-ից խնդրելը նայել պատկերին — նկարագրել, կարդալ, վերլուծել այն — սովորական տեսողական աշխատանք է, ոչ թե գեներացիա, և լրացուցիչ ոչինչ չի արժենում:

12Ինչպես է արհեստը փոխվում խմբագրման և միավորման դեպքում

Վերևի կանոնները գրված են գեներացիայի համար: Երկու հարակից ռեժիմ փոխում է հրահանգի ձևը:

Մեկ պատկերի խմբագրում

Խմբագրման հրահանգը ցուցում է, ոչ թե նկարագրություն. նշեք, թե ինչն է փոխվում և ինչը մնում է: Անփոփոխ մասերն անվանելը արտադրանքի ամենամեծ որակի լծակն է — "Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is" պահում է ամբողջականությունը, մինչդեռ նույն հարցումն առանց այդ մասի լուռ վերանկարում է նրա դեմքը: Եղեք կոնկրետ խարսխի հարցում. պահեք դեմքը, դիրքը, մազերը և հագուստը նույնությամբ: Օգտագործվում է ճիշտ մեկ ելակետային պատկեր, և արդյունքը պահպանում է դրա կողմերի հարաբերակցությունը:

Երկու կամ ավելի պատկերի միավորում

Երբ տարրերը գալիս են մեկից ավելի նկարից — հագուստի փոխանցում, առարկան տեսարանում, երկու մարդ մեկ կադրում, ապրանքը մարդու վրա, մի պատկերի ոճը մյուսի սյուժեով — հրահանգը պետք է անվանի յուրաքանչյուր պատկերի դերը հերթականությամբ. "The woman from the first image wearing the red knitted sweater from the second image, standing in the same park." Առաջին պատկերը հիմնական սյուժեն կամ տեսարանն է. հետագա պատկերները տալիս են ներմուծվող մասերը: Մի սեղմեք բազմապատկերային հարցումը մեկ ելակետի գումարած տեքստային նկարագրության — հենց իրական պատկերների միավորումն է պահպանում այդ բաների իրական տեսքը:

13Առանց ցենզուրայի հրահանգներ. ասեք այն, ինչ նկատի ունեք

Գեներացիայի ուղու վրա բովանդակության զտիչ չկա, և հրահանգը գրող մոդելի վրա մերժման շերտ չկա: Դա արտադրանքի ամբողջ իմաստն է. զտված գեներատորները պարբերաբար մերժում են օրինական աշխատանքը — մերկ մարմնի արվեստ, բժշկական և դատաբժշկական նկարազարդում, անվտանգության հետազոտության պատկերներ, բռնություն գեղարվեստական ստեղծագործության մեջ, քաղաքական երգիծանք, իրավատիրոջ բրենդի և կերպարի աշխատանք: Զտված հարթակներում հրահանգային արհեստի կեսը շրջասությունների ինժեներիա է, իսկ շրջասությունը ճշգրիտ պատկերի թշնամին է:

Ուստի քարտում ստուգելու ևս մեկ բան կա. որ այն նկարագրում է իրական սյուժեն պարզ բառերով, ոչ թե այն զգուշավոր բառապաշարով, որը մարդիկ սովորում են զտված գործիքներից: Վերքի դատաբժշկական նկարազարդումը պետք է ասի, թե ինչ վերք է: Զգուշավոր լեզուն ամենուր տալիս է ավելի վատ պատկեր, որովհետև մոդելը ռենդերում է այն, ինչ ասում են բառերը:

Կարողությունը և դատողությունը տարբեր բաներ են: Shannon Lab LLC-ն սա շահագործում է հրապարակված Պատասխանատու օգտագործման քաղաքականության ներքո. առանց զտիչի գեներացիան մասնագիտական գործիք է, և համաձայնությունը, իրավունքները և օրենքը շարունակում են գործել այն ամենի նկատմամբ, ինչ ստեղծում եք:

14Որտեղ է տեղավորվում API-ն

Մեկ ճշգրտում API-ի որոնումից եկած ընթերցողների համար. պատկերի գեներացիան, խմբագրումը և միավորումը գտնվում են Shannon չաթ հավելվածում, ոչ թե /v1 API-ում: API-ն սպասարկում է տեքստ և տեսողություն — այն կարող է կարդալ, նկարագրել և վերլուծել ձեր ուղարկած պատկերները երեք բարբառներում էլ (/v1/chat/completions, /v1/messages, /v1/responses, բոլորը՝ հոսքային) — բայց չի ստեղծում դրանք: Եթե կառուցում եք հոսք, որին պետք է հասկանալ պատկերները, API-ի փաստաթղթերը սկսելու տեղն են: Եթե ուզում եք պատկերներ ստեղծել, դա չաթ հավելվածն է, և այս ուղեցույցի ամեն ինչ վերաբերում է այնտեղին: Պատկերները ռենդերվում են մեր սեփական GPU կլաստերի վրա:

15Հաճախ տրվող հարցեր

Առնչվող ընթերցանություն՝ Առանց ցենզուրայի AI պատկերի գեներացիա · Առանց ցենզուրայի AI պատկերի խմբագրում · Պատասխանատու օգտագործման քաղաքականություն · API-ի փաստաթղթեր · Shannon-ի բոլոր հետազոտությունները: Այստեղի ցուցումները քաղված են Shannon-ի Պատկերային մոդելի մեր սեփական փորձարկումներից. ավելի վաղ դիֆուզիոն համակարգերի համար գրված խորհուրդները սովորաբար չեն փոխանցվում: