Óritskoðaði myndritillinn
Breyttu, endurstílaðu, endurlýstu, endurklæddu eða lagfærðu eina fyrirliggjandi mynd með því að skrifa eina setningu. Engar grímur, engar síur, engar neitanir — og ein aðferð sem skiptir meira máli en allar hinar til samans.
Í stuttu máli
Shannon breytir nákvæmlega einni fyrirliggjandi mynd eftir fyrirmælum á venjulegu máli — enginn pensill, engin gríma, ekkert val. Þau fyrirmæli verða að segja hverju er breytt OG hvað stendur, því líkanið endurteiknar allan rammann: allt sem þú nefnir ekki sem óbreytt má reka. Að nefna óbreyttu hlutana — „haltu andlitinu, stellingunni og fatnaðinum nákvæmlega eins“ — er stærsta gæðastillingin sem þú hefur. Myndvinnsluleiðin tekur við neikvæðum fyrirmælum (texti í mynd gerir það ekki); settu óæskilega myndgalla þangað í stað þess að skrifa „ekkert X“ í fyrirmælin. Úttakið erfir myndhlutfall upprunamyndarinnar sjálfkrafa. Það er engin myndbandsgerð og engin leið til að hreyfa mynd. Myndvinnslan keyrir á okkar eigin GPU-klasa í spjallforritinu, með engri efnissíu og engu neitunarlagi.
Flestir sem leita að óritskoðuðum myndritli hafa eina mynd og eitt vandamál: bakgrunnurinn er rangur, birtan er flöt, jakkinn er í röngum lit, ókunnugur maður stendur í rammanum, skönnunin er með brot í gegn — eða breytingin er fullkomlega lögleg og núverandi verkfæri neitar að snerta hana. Þessi grein snýst um að gera það vel: ekki um hvaða myndritill hefur flesta sleðana, heldur um þann eina vana sem skilur að breytingu sem hittir í mark og breytingu sem endurbyggir andlit viðfangsefnisins í kyrrþey á meðan þú horfðir í hina áttina.
01Hvað myndvinnsla eftir fyrirmælum er í raun
Klassísk gervigreindarmyndvinnsla biður þig um að vinna erfiða hlutann sjálfur: opna flöt, mála grímu yfir svæðið sem þú vilt breyta og slá inn setningu sem lýsir því sem á að vera innan hennar. Nákvæmt, hægt og gagnslaust um leið og breytingin þín hefur enga hreina útlínu — birtubreyting, fataskipti sem breyta útlínum líkamans, heildstæð litstilling.
Shannon vinnur á hinn veginn. Þú velur ekkert. Þú skrifar setningu um myndina, á hvaða tungumáli sem er, og svæðið er ráðið af orðunum þínum. Það gerir hann að hagnýtum valkosti við inpainting án ritskoðunar fyrir hvern þann sem vill niðurstöðuna frekar en valvinnuna — með einni vélrænni afleiðingu sem þú verður að skilja fyrst:
Breyting er endurteiknun á öllum rammanum, skilyrt af upprunamyndinni þinni — ekki bót sett á hluta hans. Myndlíkanið les frummyndina þína, les fyrirmælin þín og býr til nýja mynd sem á að vera frummyndin plús breytingin. Ekkert er vélrænt fryst. Hver myndeining er til endurskoðunar í hverri einustu breytingu.
Þess vegna kemur „rigningarblaut gata í Tókýó“ — óaðfinnanlegt í grímuverkfæri — til baka með lítillega annarri manneskju standandi í henni. Í grímuverkfæri sagði gríman að manneskjan væri friðhelg; hér verður setningin þín að gera það. Kosturinn: myndvinnsla eftir fyrirmælum gerir það sem grímur geta ekki — færir sólina og fær skuggana til að fylgja með, skiptir um flík og lætur efnið falla yfir fyrirliggjandi stellingu, endurstílar ljósmynd í blek og flata liti á meðan myndbyggingin helst. Þær breytingar hafa engin mörk til að mála; þær eru tengsl þvert á allan rammann.
02Festing: stærsta einstaka gæðastillingin
Festing þýðir að skrifa öll breytingarfyrirmæli sem tvo liði: breytingarliðinn (hvað á að vera öðruvísi, orðað jákvætt og áþreifanlega) og haldliðinn (hlutarnir sem verða að lifa af ósnertir, nefndir sem tiltekin nafnorð). Báðir bera þunga — breytingarliðurinn einn og sér er ósk. Ef þú tekur eitt með þér af þessari síðu: niðurstaðan þín ræðst fyrst og fremst af því hversu skýrt þú nefnir það sem stendur, ekki af því hversu líflega þú lýsir því sem breytist.
Þrjár leiðir sem ófestum fyrirmælum rekur
- Sjálfsmyndarreki. Andlitið kemur næstum rétt til baka — örlítið annað nef, kjálkalína sem hefur laumulega verið fegruð. Skaðlegasta bilunin, því hana er erfitt að sjá í síma og hún er augljós hverjum þeim sem þekkir manneskjuna.
- Endurstílun í leiðinni. Þú baðst um nýjan bakgrunn; þú fékkst líka nýja litstillingu, nýja linsu og peysu sem áður var rifflótt. Líkanið las fyrirmælin sem lýsingu á allri markmyndinni frekar en sem mismun frá upprunanum.
- Umfangsskrið úr lýsingarorðum. „Dramatískara“, „hreinna“, „fagmannlegra“ nefna engan hlut. Lýsingarorð án nafnorðs á við um allt, svo allt hreyfist.
Festingarorðaforðinn
Festingar virka sem áþreifanleg nafnorð. „Haltu því eins“ er veikt — líkanið getur ekki vitað hvaða samsemd þér er annt um. Veldu þrjú til fimm atriði sem skipta máli fyrir breytinguna þína og nefndu þau berum orðum.
| Það sem þú ert að breyta | Festingar sem borgar sig að nefna berum orðum |
|---|---|
| Bakgrunnur / umhverfi | andlit og andlitsdrættir, hárgreiðsla, stelling, hendur, fatnaður, myndavélarhorn, rammi, birta á viðfangsefninu |
| Birta / stemning | andlit, svipur, húðáferð, stelling, fatnaður, innihald bakgrunns, römmun |
| Fatnaður / klæðnaður | andlit, skegg eða hár, stelling, hendur, líkamshlutföll, bakgrunnur, birtustefna, litstilling |
| Stíll / miðill | myndbygging, stelling, hárlengd, form fatnaðar, fjöldi viðfangsefna, rammi |
| Fjarlæging hlutar / lagfæring | allt annað í rammanum — viðfangsefnið, byggingar í kring, korn, tónsvið, birtuskil, litur |
| Litur á einum hlut | allir aðrir litir í myndinni, auk áferðar og efnis hlutarins sem breytist |
Takið eftir síðustu línunni. Endurlitun fer úrskeiðis í kyrrþey, því „gerðu jakkann rauðan“ býður upp á jakka sem er endurbyggður frá grunni — nýtt snið, nýtt efni, nýjar fellingar. Fest: „endurlitaðu fyrirliggjandi jakka í djúprautt, haltu nákvæmlega sniði hans, saumum, efnisáferð og því hvernig hann fellur.“ Einn liður til viðbótar, stórkostlega betri niðurstaða.
03Unnin dæmi: veik fyrirmæli, hvers vegna þau reka, fest endurritun
Hvert par hér að neðan er sami ásetningur skrifaður tvisvar. Greiningin í miðjunni er það sem yfirfærist.
A. Að skipta um bakgrunn
Hvers vegna það rekur: þetta lýsir áfangamynd, ekki mismun. Ekkert við konuna er varið og ekkert heldur myndavélinni kyrri, svo líkanið rammar hana inn upp á nýtt og endurteiknar hana á meðan það byggir trúverðuga sviðsmynd.
Hvað breyttist: haldliðurinn festir sjálfsmynd, fatnað og römmun, og síðasta setningin segir hvernig samskeytin leysast — bakgrunnurinn beygir sig að birtunni á viðfangsefninu, ekki öfugt.
B. Endurlýsing
Hvers vegna það rekur: „betri“ er lýsingarorð án nafnorðs. Líkanið verður að finna upp skilgreiningu, og ódýrasta leiðin til að líta betur út í endurteiknun er sléttuð húð, hvítari tennur og mjórri kjálki. Þú baðst um birtu og fékkst andlitsfegrun.
Hvað breyttist: birtunni er lýst eðlisfræðilega — stefna, gæði, hitastig, dofnun. Húðáferðin er fest berum orðum, því endurlýsing er einmitt þegar líkanið freistast mest til að slétta hana burt.
C. Að endurklæða viðfangsefni
Hvers vegna það rekur: jakkaföt breyta útlínum líkamans, svo búkinn verður að endurteikna — og höfuðið ofan á honum fylgir yfirleitt með. Ófestar fatabreytingar eru næststærsta uppspretta sjálfsmyndarreka á eftir bakgrunnsskiptum.
Hvað breyttist: „sniðin að núverandi líkamsstöðu hans“ gerir flíkina undirskipaða stellingunni. Hendurnar eru festar sérstaklega, því hendur eru þar sem fatabreytingar hrynja mest áberandi.
D. Að endurstíla ljósmynd
Hvers vegna það rekur: stílorð eitt og sér afhendir allt — myndbyggingu, ramma, hár, fatnað, fjölda fólks — og „anime“ er þrjátíu ára saga ósamrýmanlegra hefða. Þú færð vandaða myndskreytingu af annarri sviðsmynd.
Hvað breyttist: stílbreytingar þurfa aðra festingu. Þú getur ekki fest áferð — áferðin er einmitt það sem verið er að skipta út — svo þú festir byggingu: myndbyggingu, stellingu, útlínur, ramma, fjölda viðfangsefna. Að biðja um að halda „ljósmyndaraunsærri húð“ undir sellúteiknun er mótsögn.
E. Að fjarlægja eitthvað
Hvers vegna það rekur: neitun setur hugtakið samt fyrir framan líkanið og segir ekkert um hvað fyllir rýmið sem losnar. Fjarlægingar þurfa jákvæða yfirlýsingu bæði um markmiðið og fyllinguna.
Hvað breyttist: markmiðið er nefnt eftir hlut, lit og staðsetningu; fyllingin er tilgreind, svo líkanið finnur ekki upp torg þar sem gangstétt á að vera; og „allt annað“ er stafað út í raunveruleg nafnorð.
F. Að lagfæra skemmda ljósmynd
Hvers vegna það rekur: „laga“ er lesið sem „bæta“, og að bæta gamla ljósmynd þýðir að færa hana til nútímans — hreinni húð, meiri birtuskil og andlit sem er ekki lengur alveg ömmu þinnar.
Hvað breyttist: skemmdirnar eru taldar upp, svo „laga“ hefur skilgreint umfang, og kornið og tónsviðið eru fest því þau láta myndina lesast sem ekta fyrir sinn tíma. Bönnin þrjú eru sjaldgæfa tilfellið þar sem neitun á rétt á sér — fyrirmæli um vinnsluaðferð, ekki um hluti.
Lögun góðra fyrirmæla
Stefndu á 25 til 60 orð, í heilum setningum frekar en kommuaðgreindum leitarorðamerkjum — myndlíkanið les fyrirmæli eins og mállíkan gerir, svo samfelldur texti slær merkjasúpu út. Slepptu drasli frá SDXL-tímanum (masterpiece, best quality, 8k) og vægisrithætti á borð við (word:1.3); þau gera ekkert hér. Gerðu eina breytingu í hverjum fyrirmælum — tvær ótengdar breytingar í einni setningu keppa um athygli og báðar koma hálfkláraðar til baka.
04Neikvæðu fyrirmælin — studd hér, ólíkt texta í mynd
Þetta ruglar fólk, svo við segjum það berum orðum:
| Leið | Upprunamyndir | Neikvæð fyrirmæli | Myndhlutfall | Form fyrirmæla |
|---|---|---|---|---|
| Texti í mynd | 0 | Ekki stutt | Valið (ferningur sjálfgefinn) | Lýsandi samfelldur texti |
| Breyta einni mynd | Nákvæmlega 1 | Stutt | Erft frá upprunanum | Fyrirmæli: breyting + hald |
| Sameina 2+ myndir | 2 eða fleiri | Stutt | Nýr flötur valanlegur | Texti með nefndum hlutverkum |
Texti í mynd tekur alls engin neikvæð fyrirmæli — þegar búið er til úr engu er aginn einmitt sá að lýsa aðeins því sem þú vilt (sjá óritskoðaða myndgerð). Myndvinnsla er önnur: þú átt þegar upprunamynd, og einkennandi bilanir endurteiknunar eru þekktar og hægt að nefna, svo neikvæð fyrirmæli hafa eitthvað áþreifanlegt að bæla.
Hvað á heima þar
Myndgallar, og ekkert annað. Þetta er gallalisti, ekki önnur fyrirmælarás:
- extra fingers, fused fingers, malformed hands — hvers kyns breyting sem endurteiknar manneskju.
- warped text, garbled lettering, misspelled signage — allt með skiltum, merkimiðum eða umbúðum í rammanum.
- duplicated limbs, duplicated railing, repeated windows — fjarlægingar og framlengingar á bakgrunni.
- smeared texture, blurry patch, halo around the subject, visible seam — bakgrunnsskipti og fjarlæging hluta.
- plastic skin, waxy skin, over-smoothed face, watermark, jpeg artifacts — endurlýsing, andlitsmyndabreytingar, almennt hreinlæti.
Hvað ekki
Ákvarðanir um innihald. Ef þú vilt hattinn burt eru fyrirmælin „fjarlægðu hattinn“ — ekki neikvæð fyrirmæli sem segja „hattur“. Neikvæðu fyrirmælin fjarlægja ekki með áreiðanlegum hætti hluti sem eru til í upprunamyndinni þinni; þau letja galla frá því að birtast í teikningunni. Innihald þar gefur þér það versta úr báðum heimum: hatturinn verður eftir, og sæti sem hefði getað bælt afmyndaðar hendur er farið.
Hinn helmingur reglunnar á við fyrirmælin þín: hættu að skrifa „ekkert X“ í þau. „Gata án bíla“ og „andlitsmynd án gleraugna“ setja bæði óæskilega hugtakið í setninguna og biðja líkanið að afneita því — verk sem tungumálið ræður vel við og myndskilyrðing illa. Segðu hvað eigi að vera þar í staðinn: „auð gata með hreinu malbiki“, „andlitsmynd með óhindruðum augum“. Eina undantekningin, eins og í dæmi F, eru fyrirmæli um vinnsluaðferð — „ekki skerpa“, „ekki endurlita“ — sem hafna aðgerð frekar en að nefna hlut.
Verkaskiptingin, í einni línu
Fyrirmælin: hverju er breytt, hvað stendur — orðað jákvætt. Neikvæðu fyrirmælin: þær leiðir sem teikning getur orðið afmynduð. Haltu þeim aðskildum og hvort tveggja batnar.
05Ein upprunamynd, og hvernig Shannon velur hana
Breyting vinnur á nákvæmlega einni upprunamynd: annaðhvort mynd sem er þegar í samtalinu — hengd við fyrr, eða búin til fyrir þig — eða mynd sem er hengd við skilaboðin sem þú ert að senda núna. Ekkert er sótt utan þráðarins, og breytingarleiðin sameinar aldrei tvær myndir í kyrrþey. Ef ásetningur þinn þarf þætti úr fleiri en einni mynd — fatnaðinn af mynd A á manneskjuna á mynd B — þá er það sameining, með annarri lögun fyrirmæla sem nefnir hlutverk hverrar myndar í réttri röð.
Framhaldsbeiðnir og nýjasta viðeigandi myndin
Þegar mynd er komin í samtalið virka stuttar framhaldsbeiðnir eins og þú myndir vona. „Gerðu hana dekkri.“ „Prófaðu núna við sólsetur.“ Þessar leysast gagnvart nýjustu viðeigandi mynd í þræðinum — venjulega niðurstöðunni sem þú fékkst rétt í þessu — svo röð lítilla fyrirmæla hegðar sér eins og stafli af breytingum. Þrjár afleiðingar:
- Ítraðu í einu skrefi í einu. Hver framhaldsbeiðni er önnur full endurteiknun, svo „gerðu hana dekkri og skiptu um kápu og færðu myndavélina neðar“ eru þrjár breytingar að slást um eina umferð. Sendu þrenn skilaboð; hættu við þá útgáfu sem þér líkaði.
- Fylgstu með kynslóðatapi. Lítil frávik hlaðast upp; við sjöttu breytingu í röð getur andlit verið komið langt frá frummyndinni þótt ekkert einstakt skref hafi litið rangt út. Þegar þú tekur eftir reki skaltu hætta að bæta ofan á — hengdu frummyndina við aftur og skrifaðu ein samsett fyrirmæli sem fanga allt sem þú hefur síðan lært að þú vildir.
- Í löngum þræði skaltu vera skýr. „Notaðu strandmyndina sem ég hengdi við fyrr, …“ eyðir tvíræðni þegar margar myndir eru í spilinu.
Staðfestingarspjaldið er síðasta tækifærið til að bæta við festingu
Þú biður um á venjulegu máli, á hvaða tungumáli sem þú talar. Shannon ákveður að verið sé að biðja um myndaaðgerð, skrifar lokafyrirmælin sjálft á ensku og sýnir þér þau á staðfestingarspjaldi áður en nokkuð er teiknað. Ekkert er búið til og ekkert rukkað fyrr en þú staðfestir. Lestu það spjald — það er þar sem þú grípur haldlið sem vantar áður en þú eyðir nokkru.
Tvær tengdar hegðanir: Shannon býr aldrei til mynd óumbeðið — kveðja, spurning eða mynd sem hengd er við í framhjáhlaupi kveikir ekki myndaaðgerð. Og að biðja Shannon einfaldlega um að líta á mynd — lýsa henni, lesa textann í henni, segja hvers vegna myndbyggingin gengur ekki upp — er venjuleg sjónvinna, ekki myndgerð, og kostar ekkert aukalega. „Hverju myndir þú breyta við þessa mynd?“ er ókeypis ráðgjöf; að framkvæma það er breytingin.
06Myndhlutfallið erfist, sjálfkrafa
Breytt mynd kemur til baka í sama myndhlutfalli og upprunamyndin. Þú velur það ekki og þarft þess ekki: 4:5 andlitsmynd helst 4:5, 16:9 rammi helst 16:9, óþjál skjámynd úr síma heldur sínum hlutföllum. Breyting sem rammaði myndina þína inn upp á nýtt í kyrrþey væri ekki breyting — hún væri skurður auk ágiskunar um hvað liggur utan upprunalegu markanna.
Það er raunverulegur munur frá hinum tveimur leiðunum. Texti í mynd biður þig um að velja úr square (sjálfgefið), portrait, landscape, wide (kvikmyndalegt) og tall (plaköt og veggfóður), og bein beiðni vinnur alltaf; sameining leyfir þér að velja nýjan flöt, því þar er engin ein upprunamynd til að erfa frá. Svo ef þú þarft aðra lögun er það ekki breyting — að gera 1:1 vörumynd að 16:9 borða þýðir að finna upp myndeiningar sem aldrei voru ljósmyndaðar. Gerðu það vísvitandi, með því að búa til eða sameina á nýjan flöt.
07Það er engin myndbandsgerð
Sagt berum orðum, því fólk spyr
Shannon býr ekki til myndband og hreyfir ekki myndir. Það er engin leið frá mynd í myndband, ekkert „láttu þessa mynd hreyfast“, engin lykkja, ekkert hreyfispjald. Þetta er ekki eiginleiki í forskoðun eða á leiðinni — hann er ekki til í vörunni, og ekkert á þessari síðu ætti að lesast sem vísbending um annað.
Það sem Shannon 3 gerir við myndir er nákvæmlega þrennt: býr til nýja mynd, breytir einni fyrirliggjandi mynd og sameinar tvær eða fleiri myndir í eina. Allt hér býr inni í öðru atriðinu af þessum þremur.
Vert að segja tvisvar, því „gervigreindarmyndritill“ og „gervigreindarmyndbandsgervill“ eru orðin nágrannar í hugum fólks, og verkfæri sem endurlýsir ljósmyndina þína með glöðu geði virðist eiga að vera einum takka frá því að hreyfa hana. Það er það ekki — og þú átt að vita það á fyrstu mínútunni frekar en þeirri tíundu.
08Hvers vegna óritskoðað skiptir meira máli fyrir myndvinnslu en myndgerð
Síaðir myndritlar bila öðruvísi en síaðir myndgervlar, og yfirleitt verr. Síaður myndgervill hafnar fyrirmælunum þínum; þú endurskrifar og reynir aftur. Síaður myndritill getur hafnað upprunamyndinni sjálfri, áður en hann les orð af fyrirmælunum þínum. Sendu inn klíníska sáramynd fyrir sjúkratilfellisskýrslu og henni er hafnað við inntak. Sendu inn sögulega stríðsljósmynd til að laga brot og riffillinn í rammanum bindur enda á samtalið. Lögleg vinna, afdráttarlaus neitun, engin endurritun sem hefði hjálpað.
Shannon keyrir myndaleiðina með engri efnissíu á úttakinu og engu neitunarlagi á líkaninu sem skrifar fyrirmælin. Það er það sem gerir þessi hversdagslegu verk möguleg:
- Listrænar nektarmyndir og módelvinna — lagfæring, endurlýsing og endurstílun fyrir listamenn og ljósmyndara sem vinna með fullorðnum fyrirsætum sem hafa veitt samþykki.
- Læknisfræðileg og réttarfræðileg myndskreyting — klínískt myndefni hreinsað upp fyrir kennsluefni, sjúkratilfellisskýrslur og endurgerðarvinnu sem almennir myndritlar hafna við fyrstu sýn.
- Myndefni fyrir öryggisrannsóknir — skjámyndir, ljósmyndir af líkamlegum öryggisbúnaði og vélbúnaðarskjölun fyrir vitundarþjálfun um veiðipóst og skýrslugerð rauðra teyma.
- Ofbeldi í skáldskap — hugmyndalist fyrir kvikmyndir, tölvuleiki og myndasögur þar sem sár eða vopn er sjálft viðfangsefnið.
- Pólitískar skopmyndir og ritstjórnarmyndskreyting — með nokkurra alda sögu að baki og nánast enga stoð í síuðum verkfærum.
- Vörumerkja- og ásýndarvinna rétthafans — þínar eigin vörumyndir, merkjauppstillingar og andlitsmyndir, og erfið fjölskyldusöfn, án þess að þrátta við flokkara um hvort þú megir það.
Óritskoðað þýðir ekki ábyrgðarlaust. Shannon er rekið af Shannon Lab LLC (Nýju-Mexíkó, Bandaríkjunum) samkvæmt birtri stefnu um ábyrga notkun, og þar liggja raunverulegu mörkin — þau sem snúa að lögum og skaða frekar en að óþægindum flokkara gagnvart sáramynd. Fjarvera sjálfvirkrar neitunar er yfirlýsing um verkfærið, ekki um ábyrgð þína á því sem þú býrð til.
09Hvar API-ið passar inn — og hvar ekki
Þetta er algeng rangbeygja hjá lesendum sem koma úr API-leit. Myndgerð og myndvinnsla eiga sér stað í Shannon-spjallforritinu, ekki í API-inu. Mállýskurnar þrjár á /v1 — /v1/chat/completions (í laginu hjá OpenAI), /v1/messages (í laginu hjá Anthropic) og /v1/responses, allar streymandi, allar á sömu líkönunum — þjóna texta og sjón. Sjón þýðir að líkönin lesa myndir sem þú sendir: lýsa þeim, umrita texta, greina graf. Það þýðir ekki að þau búi til eða breyti myndum.
Það skilur samt eftir gagnlegt mynstur: sjón ásamt óritskoðuðu textalíkani er öflugur aðstoðarmaður við að skrifa fyrirmæli. Sendu API-inu upprunamyndina þína, biddu það að lýsa því sem er í rammanum og semja fest fyrirmæli sem nefna breytinguna og festingarnar, og keyrðu svo þau fyrirmæli í spjallinu — það grípur festingarnar sem þú hefðir gleymt. Snið beiðna og svara eru í API-skjölunum.
10Algengar spurningar
Hvað er óritskoðaður myndritill?
Það er myndritill sem tekur við fyrirliggjandi mynd ásamt fyrirmælum á venjulegu máli og skilar breyttu myndinni, án efnissíu á úttakinu og án neitunarlags á líkaninu sem skrifar fyrirmælin. Hann keyrir á okkar eigin GPU-klasa inni í Shannon-spjallforritinu, svo vinna sem síaðir myndritlar hafna — lagfæring listrænna nektarmynda, læknisfræðileg og réttarfræðileg myndskreyting, myndefni fyrir öryggisrannsóknir, ofbeldi í skáldskap, pólitískar skopmyndir — er unnin í stað þess að vera hafnað.
Hvers vegna breytist andlitið þegar ég bað aðeins um að skipta um bakgrunn?
Vegna þess að breyting eftir fyrirmælum endurteiknar allan rammann skilyrt af upprunamyndinni þinni, ekki bara svæðið sem þú hafðir í huga — allt sem þú nefnir ekki sem óbreytt má reka. Lausnin er festing: bættu við haldlið á borð við „haltu andlitinu, hárgreiðslunni, stellingunni og fatnaðinum nákvæmlega eins, sama myndavélarhorn og sami rammi“. Að nefna óbreyttu hlutana er stærsta einstaka gæðastillingin sem þú hefur.
Styður myndvinnsla Shannon neikvæð fyrirmæli?
Já. Ólíkt texta í mynd, sem tekur alls engin, styðja bæði myndvinnsluleiðin og sameiningarleiðin þau. Notaðu þau fyrir óæskilega myndgalla — auka fingur, afmyndaðan texta, tvöfölduð handrið, útsmurða áferð, plasthúð, vatnsmerki — frekar en að skrifa „ekkert X“ í fyrirmælin. Ákvarðanir um innihald eiga heima í fyrirmælunum, orðaðar jákvætt; bæling myndgalla á heima í neikvæðu fyrirmælunum.
Getur Shannon hreyft myndina mína eða breytt henni í myndband?
Nei. Shannon býr ekki til myndband og hreyfir ekki myndir. Það er engin leið frá mynd í myndband og engin slík er í kynningu. Shannon 3 býr til nýja mynd, breytir einni fyrirliggjandi mynd eða sameinar tvær eða fleiri myndir í eina — þetta þrennt og ekkert umfram það.
Hversu margar upprunamyndir notar breyting?
Nákvæmlega eina: annaðhvort mynd sem þegar er í samtalinu eða mynd sem er hengd við núverandi skilaboð þín. Ef þættir verða að koma úr tveimur eða fleiri myndum — fatnaður af einni ljósmynd á manneskju af annarri — þá er það sameining en ekki breyting, og þú ættir að leggja fram raunverulegu myndirnar frekar en að lýsa þeirri seinni með orðum.
Þarf ég að teikna grímu eða nota inpainting?
Nei. Það er enginn pensill, ekkert lassó og ekkert grímulag. Þú lýsir breytingunni í setningu og svæðið er ráðið af orðalagi þínu, og þess vegna skipta nákvæm nafnorð máli: „silfurliti bíllinn sem lagt er hægra megin“ hittir miklu betur en „þetta þarna“. Það gerir Shannon að hagnýtum valkosti við inpainting án ritskoðunar fyrir fólk sem vill niðurstöðuna án valvinnunnar.
Get ég breytt myndum í gegnum Shannon API-ið?
Nei. Myndgerð og myndvinnsla eiga heima í Shannon-spjallforritinu. /v1 mállýskurnar — /v1/chat/completions, /v1/messages og /v1/responses — þjóna texta og sjón: þær lesa og greina myndir sem þú sendir en búa þær ekki til og breyta þeim ekki. Algengt verklag er að láta sjónina í API-inu semja festu fyrirmælin og keyra svo breytinguna í spjallinu.
Breyttu mynd án þess að þrátta við síu
Hengdu við ljósmynd, skrifaðu eina setningu, nefndu það sem stendur.
Byrjaðu að breyta Lestu API-skjölinMyndir eru teiknaðar á okkar eigin GPU-klasa · ekkert er teiknað eða rukkað fyrr en þú staðfestir spjaldið
Shannon AI er rekið af Shannon Lab LLC, Nýju-Mexíkó, Bandaríkjunum. Myndgerð, myndvinnsla og sameining mynda eru eiginleikar Shannon 3 í spjallforritinu; /v1 API-ið þjónar aðeins texta og sjón. Engin myndbandsgerð er til í vörunni. Myndvinnsla tekur við nákvæmlega einni upprunamynd og erfir myndhlutfall hennar. Notkun óritskoðuðu myndaleiðanna lýtur stefnu um ábyrga notkun.