AI სურათების პრომპტების სახელმძღვანელო

ადამიანების უმეტესობა მოდის SDXL-ზე ნასწავლი პრომპტინგის ჩვევებით: მძიმეებით გამოყოფილი არსებითი სახელების სტრიქონი, ხარისხის ტოკენების პრეამბულა, რამდენიმე ფრჩხილიანი წონა და ნეგატიური პრომპტი, პოზიტიურის ტოლი. ეს ჩვევები იმ მოდელებისთვის სწორი იყო და აქ საწინააღმდეგო შედეგს იძლევა. აი, მოკლე ვერსია იმისა, რაც ნამდვილად მუშაობს — და რადგან Shannon გენერაციის პრომპტს თქვენ მაგივრად წერს და მას გენერაციამდე გაჩვენებთ, ეს ასევეა სახელმძღვანელო იმისა, თუ როგორ წაიკითხოთ და გაასწოროთ ის, რასაც Shannon გთავაზობთ.

01რატომ სჯობს პროზა თეგებს: მოდელი ენობრივი მოდელივით კითხულობს

ძველი დიფუზიური მოდელები, რომლებისთვისაც პრომპტინგის რჩევების უმეტესობა დაიწერა, იყენებდნენ ტექსტის კოდირებელს, რომელიც პრაქტიკაში ცნებების ტომარასავით იქცეოდა: გრამატიკას თითქმის არ ჰქონდა მნიშვნელობა და გამარჯვებული სტრატეგია იყო რელევანტური არსებითი სახელების დაგროვება და წონებით მათი მიკერძოება. თეგების წვნიანი სწორედ იმ კოდირებლისთვის იყო პრომპტის სწორი ფორმა.

Shannon-ის სურათის მოდელი ასე არ მუშაობს. ის პრომპტს ისე კითხულობს, როგორც ენობრივი მოდელი კითხულობს ტექსტს, ამიტომ სინტაქსი აზრს ატარებს. „Holding an umbrella against her shoulder“ არის ურთიერთობა ადამიანს, საგანსა და სხეულის ნაწილს შორის; „umbrella, shoulder“ კი ორი რამაა, რომლებიც უბრალოდ იქ არიან. წინდებულები საგნებს ათავსებენ. ზმნები პოზებს ქმნიან. წინადადების ნაწილები დეტალს სწორ არსებით სახელს აბამენ, იმის ნაცვლად, რომ მთელ სურათზე იტივტივოს.

აი, ერთი და იგივე სურათი ორივე ხერხით მოთხოვნილი.

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.

დააკვირდით, რის თქმა არ შეუძლია თეგებიან ვერსიას. ის არასოდეს ამბობს, რომ ქოლგა უჭირავს, ამიტომ ის შეიძლება მიწაზე დაგდებული აღმოჩნდეს. ის არასოდეს ამბობს, რომ ნეონი აირეკლება ასფალტში, არამედ მხოლოდ იმას, რომ ორივე არსებობს — ასე რომ იღებთ აბრებსა და სველ ქუჩას მათ შორის ოპტიკური კავშირის გარეშე. ის არასოდეს ამბობს, საით იყურება ქალი, ამიტომ მისი პოზა მონეტის აგდებაა. „Cinematic lighting“ განწყობის იარლიყია და არა სინათლის წყარო. ბოლო ხუთი ტოკენი კი ხმაურია, წაკითხული როგორც ფოტოგრაფიაზე ინგლისური სიტყვები და არა როგორც მართვის სახელურები.

პროზის ვერსია იმიტომ არ არის გრძელი, რომ ლამაზმეტყველია. ის იმიტომაა გრძელი, რომ პასუხობს კითხვებს, რომლებიც თეგებიანმა ვერსიამ ღიად დატოვა. სულ ეს არის ხრიკი.

02რამდენად გრძელი უნდა იყოს სურათის პრომპტი?

იმიზნეთ 30-დან 80 სიტყვამდე. ბევრად ნუ გასცდებით 100-ს. ეს არის ხარისხის ყველაზე მარტივი ბერკეტი, რაც გაქვთ, და დიაპაზონის ორივე ბოლოს აქვს მნიშვნელობა.

დაახლოებით 30 სიტყვაზე ქვემოთ კომპოზიცია, სინათლე და კადრირება განუსაზღვრელია, ამიტომ მოდელი ირჩევს იმას, რაც სტატისტიკურად ყველაზე ჩვეულებრივია. „A woman in a coffee shop“ სრულიად ვალიდური პრომპტია, რომელიც დაუმახსოვრებელ სურათს იძლევა, რადგან ყოველი საინტერესო გადაწყვეტილება სხვას გადააბარეთ.

დაახლოებით 100 სიტყვის ზემოთ სხვა ჩავარდნა ჩნდება: გვიანდელი წინადადებები ადრეულებს ეჯიბრებიან სურათის ერთსა და იმავე უბნებზე და დეტალების დაგროვების ნაცვლად განზავებას იღებთ. მესამე განათების აღწერა პირველს აუქმებს, ხოლო სუბიექტი, რომელიც პირველ რვა სიტყვაში დაამკვიდრეთ, ყოველ დამატებულ წინადადებასთან ერთად შედარებით ნაკლებ ყურადღებას იღებს. გრძელი პრომპტები საფუძვლიანად იკითხება. ისინი საფუძვლიანად არ იხატება.

დისციპლინა: დაწერეთ პრომპტი, რომელიც გინდათ, შემდეგ კი დაჭერით იმ წინადადებებამდე, რომელთა წაშლაც სურათს შეცვლიდა.

03თანმიმდევრობის დისციპლინა: ყველაზე მნიშვნელოვანი პირველად

რადგან მოდელი თანმიმდევრულად კითხულობს, პოზიცია აქცენტია: რაც პირველად მოდის, სურათს ამაგრებს, რაც ბოლოს — მას არეგულირებს. დაალაგეთ ისე, როგორც მოდელს სჭირდება:

1. სუბიექტი — ვისი ან რისი სურათია ეს, კონკრეტულად.
2. მოქმედება ან პოზა — რას აკეთებს, როგორ დგას.
3. სტილი ან განწყობა — ფოტო, ზეთის ნახატი, ტექნიკური ილუსტრაცია და მისი რეგისტრი.
4. გარემო და განათება — სად ხდება ეს და რა სინათლე ეცემა მას.
5. ტექნიკური — კადრირება, ობიექტივი, სიღრმის ველი, ფერის დეტალები.

ყველაზე ხშირი თვითდაზიანება ტექნიკური ნაწილით დაწყებაა. თუ პრომპტი იწყება ასე: „Cinematic wide shot, anamorphic lens flare, teal and orange grade, of a man reading a newspaper“, თქვენ მოდელს ეუბნებით, რომ სუბიექტი იერსახეა, კაცი კი დეტალი. შედეგად იღებთ მშვენიერ, ცარიელ კადრს, სადაც პატარა, გაურკვეველი ფიგურაა.

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.

პირველი ვერსიის ყოველი ელემენტი მეორეშიც შენარჩუნებულია; არაფერი ამოღებულა. მოდელმა უბრალოდ ახლა იცის, რის შესახებაა სურათი, სანამ გაიგებს, როგორ გადაიღოს ის — და მარტო ეს გადალაგება სუბიექტს მეორეხარისხოვნიდან ცენტრალურში გადაიყვანს.

04იყავით კონკრეტული სუბიექტთან

„A person“ სუბიექტი არ არის, ეს ცარიელი ადგილია — ხოლო მოდელი ცარიელ ადგილებს ავსებს იმ ყველაფრის საშუალოთი, რაც უნახავს, და სწორედ აქედან მოდის ის პრიალა, უასაკო, უსახური იერი. კონკრეტულობა ხუთ სიტყვად ჯდება და კონკრეტულ ადამიანს ყიდულობს:

შეამჩნიეთ ნიმუში: ასაკი ან ეპოქა, ერთი სტრუქტურული ნიშანი, ერთი გამორჩეული ნაკლი. სწორედ მესამე პუნქტი ხდის შედეგს გადაღებულის და არა დაგენერირებულის შეგრძნებას. მოტეხილი კბილი, გაცვეთილი კალთა, გადაღებილი აბრა — მცირე ასიმეტრიები ყველაზე ძლიერი ანტიპლასტმასის სიგნალია და თქვენს სიტყვების ბიუჯეტში თითქმის არაფერი ჯდება.

05ფოტორეალიზმი: დაწერეთ მოთხოვნა როგორც ფოტო

ფოტორეალიზმი ნაგულისხმევი რეგისტრია, თუ არტს, ილუსტრაციას ან ანიმეს არ მოითხოვთ. მაგრამ სიტყვა „photorealistic“ თითქმის არაფერს აკეთებს. ფოტოს წარმოქმნის თავად ფოტოგრაფიის აქტის აღწერა: რეალური კამერა, რეალური ობიექტივი და რეალური ფირი ან სინათლის წყარო.

მიზეზი მარტივია. ყოველი სურათი, რომელსაც წარწერა „Kodak Portra 400“ ჰქონდა, კონკრეტული პროცესით შეიქმნა კონკრეტული მარცვლოვნებით, სინათლის დაცხრომითა და კანის გადმოცემით, ხოლო ფირის დასახელება ამ ყველაფერს იხმობს. „8k ultra detailed“ კი მხოლოდ სტოკ-საიტების სპამზე ჩნდებოდა, ამიტომ სტოკ-საიტების სპამს იხმობს. აი, რამდენიმე საიმედო რეცეპტი, თითოეული ერთი და იმავე სუბიექტის მკვეთრად განსხვავებულ სურათს იძლევა:

მოარგეთ დამამიწებელი დეტალები რეცეპტს — ფორების დონის კანის ტექსტურას აზრი არ აქვს 24mm ფართო კადრში, სადაც სახე ოთხმოცი პიქსელის სიმაღლისაა — და შემდეგ დაამატეთ ისინი. დამამიწებელი დეტალი არის ტექსტურული მტკიცებულება იმისა, რომ ეს ნამდვილად ობიექტივმა ჩაწერა. კანის ხილული ფორები და თხელი სახის თმა. სელის პერანგის ნაქსოვი. მტვრის ნაწილაკები სინათლის სვეტში. ნაკაწრი ტყავის ჩექმაზე. ღიად გაშლილი თმის ღერები ნათელ ფონზე. ორი ან სამი საკმარისია და სწორედ ეს არის განსხვავება ადამიანის რენდერსა და ადამიანის ფოტოს შორის.

06ფენოვანი სცენები: წინა, შუა და უკანა პლანი

როცა სცენას სიღრმე აქვს, აღწერეთ სამივე პლანი ცალკე და თანმიმდევრობით. ეს ყველაზე ეფექტური ტექნიკაა იმ სურათებისთვის, რომლებმაც ადგილის და არა ფონის შეგრძნება უნდა შექმნას, და თითქმის არავინ იყენებს მას. მის გარეშე იღებთ სიბრტყეს: ყველაფერი, რასაც პრომპტი ახსენებს, დაახლოებით ერთსა და იმავე მანძილზე ხვდება და კადრის ერთსა და იმავე შუა ზოლს ეჯიბრება. პლანების დასახელება მოდელს სიღრმის ბიუჯეტს აძლევს დასახარჯად.

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.

ორი დახვეწა. წინა პლანზე მოათავსეთ რაღაც, რაც განზრახ ფოკუსგარეშეა — ღრმა სცენების რეალურ ფოტოებს თითქმის ყოველთვის აქვთ ასეთი და მისი არარსებობა ხშირი გამცემი ნიშანია. და თქვით, რომელ პლანს იკავებს სუბიექტი: თუ კურიერი სურათის არსია, მისი ადგილი შუა პლანია, თორემ კოშკი და ყავის ჭიქა კადრს წაართმევენ.

07ზუსტი ფერები: hex-კოდები, ობიექტებზე მიბმული

ბრენდის სამუშაოსთვის, კოსტიუმის უწყვეტობისთვის ან იქ, სადაც „წითელი“ საკმარისად კონკრეტული არ არის, დაწერეთ hex-კოდი როგორც color #RRGGBB და მიაბით ის დასახელებულ ობიექტს:

...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...

სამი ცხოვრებისეული წესი. გამოიყენეთ hex იმ ორ-სამ ფერზე, რომელსაც ნამდვილად აქვს მნიშვნელობა, დანარჩენზე კი ჩვეულებრივი სიტყვები — პრომპტი ექვსი hex-კოდით ბიუჯეტის უმეტეს ნაწილს საღებავის ნიმუშებზე ხარჯავს. მიაბით კოდი კიდეების მქონე ობიექტს და არასოდეს „განათებას“ ან „განწყობას“. და გახსოვდეთ, რომ ის ობიექტის ფერს განსაზღვრავს და არა საბოლოო პიქსელის მნიშვნელობას: #8B0000 პალტო ოქროს საათის უკანა განათებაში ნიმუშზე თბილად გამოვა, ზუსტად ისე, როგორც ცხოვრებაში.

08გვერდების თანაფარდობის არჩევა

ხელმისაწვდომია ხუთი თანაფარდობა და სწორი ჩვეულებრივ თავად სუბიექტიდან იკითხება, მაგრამ თქვენი პირდაპირი მოთხოვნა ყოველთვის იმარჯვებს — მოითხოვეთ ფონი და მიიღებთ tall-ს, მიუხედავად იმისა, რას გვთავაზობს შიგთავსი.

ამაში შეცდომა უფრო მეტ ზიანს აყენებს, ვიდრე ჩანს. სრული ტანით მდგომი ფიგურა wide კადრში პატარა ფიგურას დიდ კადრში კი არ გაძლევთ — ჩვეულებრივ ის მოჭრილს გაძლევთ, რადგან მოდელი სიგანეს ავსებს და თავი ან ფეხები კადრს ტოვებს. მოარგეთ კადრი სუბიექტის დომინანტურ ღერძს და კომპოზიციაზე პრეტენზიების უმეტესობა გაქრება.

ორი ქცევა, რომელიც ღირს გახსოვდეთ: რედაქტირება ავტომატურად ინარჩუნებს საწყისი სურათის თანაფარდობას, ამიტომ რედაქტირებით კადრს ვერ შეცვლით, ხოლო გაერთიანება გაძლევთ ახალი ტილოს არჩევის საშუალებას — ეს ხშირად ყველაზე სუფთა გზაა უკვე არსებული რამის ფორმის შესაცვლელად.

09ანტიშაბლონები: რა უნდა შეწყვიტოთ

ხარისხის ტოკენები: „masterpiece, best quality, 8k, ultra detailed“

ესენი საზოგადოების მიერ აღმოჩენილი სახელურები იყო კონკრეტული ძველი სასწავლო განაწილებისთვის, სადაც წარწერების გარკვეული ფრაზები სურათების გარკვეულ წყაროებს უკავშირდებოდა. ისინი არ გადმოდის. აქ ისინი ჩვეულებრივ ინგლისურ სიტყვებად იკითხება, არაფერს მატებს და სიტყვების ბიუჯეტის ნაწილს ჭამს, რომელიც, როგორც უკვე გითხარით, მჭიდროა. ჩანაცვლება ისაა, რომ თქვათ, რომელი დეტალი გინდათ: არა „ultra detailed“, არამედ „visible weave in the coat fabric and fine stubble along the jaw“ — იგივე განზრახვა, გამოხატული ისე, რომ მოდელმა დახატოს.

წონის სინტაქსი: (word:1.3), [word], {{word}}

არ იკითხება. ფრჩხილები, კვადრატული ფრჩხილები, ორწერტილები და რიცხვები ბუკვალურ ტექსტად ეცემა და, თუ რამე, მიმდებარე წინადადებას უფრო ძნელად საკითხავს ხდის. თუ რაიმეზე მეტი აქცენტი გინდათ, გამოიყენეთ ორი ბერკეტი, რომელიც მართლაც მუშაობს: გადაიტანეთ ის უფრო ადრე პრომპტში და მეტი სიტყვა დაუთმეთ. „A crimson silk scarf, its fringed ends lifting in the wind“ ყველა მნიშვნელოვანი საზომით სჯობს ვარიანტს „(red scarf:1.4)“.

ურთიერთსაწინააღმდეგო მითითებები

შეუთავსებელი ინსტრუქციების არევა მათ არ ურევს; ის არასტაბილურ საშუალოს იძლევა, რომელიც ჩვეულებრივ ვერცერთს აკმაყოფილებს. ხშირი დამრღვევები:

• მედიუმი — „photorealistic“ პლუს „watercolor“; „oil painting“ პლუს „shot on 85mm“. აირჩიეთ ერთი და მიჰყევით.
• კადრირება — „wide establishing shot“ პლუს „extreme close-up on her eyes“; „full body“ პლუს „detailed facial pores“.
• განათება — „harsh midday sun“ პლუს „soft golden hour glow“; „low key, deep shadows“ პლუს „bright and airy“.
• ეპოქა — „1970s film aesthetic“ პლუს „modern minimalist“ პლუს „cyberpunk“.
• სტილების დაგროვება — ოთხი მხატვარი ან ოთხი ჟანრი ერთდროულად. ორი მონათესავე რეფერენსი შეიძლება მუშაობდეს; ოთხი ერთმანეთს აბათილებს და ზოგადში გადადის.
• გაფანტვა — „rustic, weathered, ancient, timeworn wooden door“ ერთი აზრია ოთხჯერ დაწერილი, ხოლო ყოველი გამეორება პრომპტის დანარჩენს ანზავებს.

10ტექსტიდან სურათში ნეგატიური პრომპტი არ არსებობს

ეს ის ანტიშაბლონია, რომელიც გამოცდილ მომხმარებლებს ყველაზე მძიმედ ეცემა, რადგან ძველ სტეკებზე ნეგატიური პრომპტი ხელოსნობის ნახევარი იყო.

გენერაციისთვის წესი აბსოლუტური და ოდნავ არაინტუიციურია: პრომპტში „no text, no watermark, no extra fingers“-ის ჩაწერა ამ ყველაფერს უფრო სავარაუდოს ხდის და არა ნაკლებს. მოდელი კითხულობს „no text“-ს როგორც წინადადებას, რომელიც შეიცავს ცნებას text; უარყოფა სუსტი სიგნალია, არსებითი სახელი კი ძლიერი. თქვენ ფაქტობრივად ტექსტი მოითხოვეთ. ამის ნაცვლად ყოველთვის დადებითი ფორმა თქვით:

რედაქტირებისა და გაერთიანებისთვის ნეგატიური პრომპტი არსებობს და უნდა გამოიყენოთ კიდეც — ოღონდ არტეფაქტებისთვის და არა შიგთავსისთვის. კარგი მასალა: წყლის ნიშანი, ტექსტის ფენა, გაორმაგებული კიდურები, დამახინჯებული ხელები, ზედმეტი გამკვეთრების შარავანდედი, JPEG-ბლოკები, ნაკერის ხაზები კომპოზიტის კიდეზე. ცუდი მასალა: ყველაფერი იმაზე, რის შესახებაცაა სურათი — ამის ადგილი ინსტრუქციაშია.

11წაიკითხეთ პრომპტი, რომელსაც Shannon თქვენ მაგივრად წერს

აი, რაც ამ სახელმძღვანელოს მაშინვე გამოსადეგს და არა თეორიულს ხდის. თქვენ არ გიწევთ გენერაციის პრომპტის თავად დაწერა. თქვენ ითხოვთ ჩვეულებრივი ენით, ნებისმიერ ენაზე; Shannon ცნობს, რომ სურათი ითხოვება, ადგენს ინგლისურენოვან გენერაციის პრომპტს და გაჩვენებთ მას დამადასტურებელ ბარათზე, სანამ რამე დაიხატება. სანამ არ დაადასტურებთ, არაფერი გენერირდება და არაფერი ჩამოგეჭრებათ.

ამიტომ ყველაზე მომგებიანი უნარი პრომპტების ნულიდან წერა კი არ არის — ის ბარათზე არსებულის წაკითხვაა. გაირბინეთ ეს სია:

1. კონკრეტულია სუბიექტი? თუ ბარათზე წერია „a person“ ან „a woman“, თქვენ იპოვეთ ყველაზე დიდი შესაძლო გაუმჯობესება. მიეცით მას ასაკი, აღნაგობა, ნიშანი.
2. სუბიექტი პირველია? თუ პრომპტი სტილით ან კამერით იწყება, სთხოვეთ, სუბიექტით დაიწყოს.
3. დიაპაზონშია? 30 სიტყვაზე ნაკლების შემთხვევაში სთხოვეთ მეტი კონკრეტიკა სინათლესა და გარემოზე. 100-ზე მეტის შემთხვევაში სთხოვეთ დაჭრა.
4. არის სინათლის წყარო? არა განწყობის სიტყვა — არამედ ნამდვილი სინათლე: ფანჯარა, ქუჩის ფარანი, ფოტოაფეთქება, მოღრუბლული ცა, სოფტბოქსი.
5. არის კონფლიქტები? მოძებნეთ ერთსა და იმავე პრომპტში ორი მედიუმი, ორი კადრირება ან ორი განათების პირობა.
6. არის შემოპარებული უარყოფები? თუ ბარათი შეიცავს „without“, „no“ ან „avoid“, ეს ტექსტიდან სურათის პრომპტია, რომელიც სწორედ იმას ითხოვს, რასაც ასახელებს.
7. სწორია თანაფარდობა სუბიექტისთვის? სრული ტანით ფიგურა wide-ში კლასიკური შეუსაბამობაა.

შესწორებები სასაუბროა: „გახადე ის ოცდაათი წლის დასაწყისში, წარბზე ნაიარევით, გადაიღე Portra-ზე 85mm-ით და გამოიყენე portrait“ სრულიად კარგი ინსტრუქციაა. თქვენ ახალ ბარათს იღებთ და მას ადასტურებთ. იტერაციისთვის ჯარიმა არ არსებობს, რადგან ჯერ არაფერი დახატულა.

და Shannon დაუპატიჟებლად არ გენერირებს. მისალმება, კითხვა ან განსახილველად მიმაგრებული ფოტო გენერაციას არ იწვევს. Shannon-ისთვის სურათის დათვალიერების თხოვნა — აღწერე, წაიკითხე, გააანალიზე — ჩვეულებრივი ხედვის სამუშაოა და არა გენერაცია, და დამატებით არაფერი ღირს.

12როგორ იცვლება ხელოსნობა რედაქტირებისა და გაერთიანებისთვის

ზემოთ მოცემული წესები გენერაციისთვისაა დაწერილი. ორი მომიჯნავე რეჟიმი პრომპტის ფორმას ცვლის.

ერთი სურათის რედაქტირება

რედაქტირების პრომპტი არის ინსტრუქცია და არა აღწერა: თქვით, რა იცვლება და რა რჩება. უცვლელი ნაწილების დასახელება პროდუქტში ხარისხის ყველაზე დიდი ბერკეტია — „Change the background to a rainy night city street with neon reflections, keep the woman exactly as she is“ ერთიანობას ინარჩუნებს იქ, სადაც იგივე მოთხოვნა ამ ნაწილის გარეშე ჩუმად სახეს გადაუხატავს. იყავით კონკრეტული დამაგრებაზე: შეინარჩუნე სახე, პოზა, თმა და ტანსაცმელი იდენტურად. გამოიყენება ზუსტად ერთი საწყისი სურათი, ხოლო შედეგი მის თანაფარდობას ინარჩუნებს.

ორი ან მეტი სურათის გაერთიანება

ყოველთვის, როცა ელემენტები ერთზე მეტი სურათიდან მოდის — ტანსაცმლის გადატანა, ობიექტი სცენაში, ორი ადამიანი ერთ კადრში, პროდუქტი ადამიანზე, ერთი სურათის სტილი მეორის სუბიექტთან — პრომპტმა თითოეული სურათის როლი თანმიმდევრობით უნდა დაასახელოს: „The woman from the first image wearing the red knitted sweater from the second image, standing in the same park.“ პირველი სურათი მთავარი სუბიექტი ან სცენაა; მომდევნო სურათები შემოსატან ნაწილებს იძლევა. არ დაიყვანოთ მრავალსურათიანი მოთხოვნა ერთ წყაროზე პლუს ტექსტურ აღწერაზე — ნამდვილი სურათების გაერთიანება სწორედ ის არის, რაც ინარჩუნებს იმას, როგორ გამოიყურება ეს საგნები სინამდვილეში.

13უცენზურო პრომპტინგი: თქვით ის, რასაც გულისხმობთ

გენერაციის გზაზე კონტენტ-ფილტრი არ არის და პრომპტის დამწერ მოდელს უარის ფენა არ აქვს. სწორედ ეს არის პროდუქტის მთელი არსი: ფილტრიანი გენერატორები რეგულარულად უარობენ ლეგიტიმურ სამუშაოს — მხატვრულ ნიუდებს, სამედიცინო და სასამართლო-სამედიცინო ილუსტრაციას, უსაფრთხოების კვლევის გამოსახულებებს, ძალადობას მხატვრულ ნაწარმოებში, პოლიტიკურ სატირას, ბრენდისა და გარეგნობის სამუშაოს უფლების მფლობელის მიერ. ფილტრიან პლატფორმებზე პრომპტინგის ხელოსნობის ნახევარი ევფემიზმების ინჟინერიაა, ხოლო ევფემიზმი ზუსტი სურათის მტერია.

ამიტომ ბარათზე კიდევ ერთი შესამოწმებელი რამ არის: რომ ის რეალურ სუბიექტს ჩვეულებრივი სიტყვებით აღწერს და არა იმ შერბილებული ლექსიკით, რომელსაც ხალხი ფილტრიანი ინსტრუმენტებისგან სწავლობს. ჭრილობის სასამართლო-სამედიცინო ილუსტრაციამ უნდა თქვას, რა ჭრილობაა ეს. შერბილებული ენა ყველგან უარეს სურათს იძლევა, რადგან მოდელი იმას ხატავს, რასაც სიტყვები ამბობს.

შესაძლებლობა და განსჯა ცალკე რამეებია. Shannon Lab LLC ამას ატარებს გამოქვეყნებული პასუხისმგებლიანი გამოყენების პოლიტიკის ფარგლებში: უფილტრო გენერაცია პროფესიული ინსტრუმენტია, ხოლო თანხმობა, უფლებები და კანონი კვლავ ვრცელდება იმაზე, რასაც ქმნით.

14სად ჯდება API

ერთი სიზუსტე მკითხველებისთვის, რომლებიც API-ის ძიებიდან მოდიან: სურათების გენერაცია, რედაქტირება და გაერთიანება Shannon-ის ჩატ-აპლიკაციაშია და არა /v1 API-ზე. API ემსახურება ტექსტსა და ხედვას — მას შეუძლია წაიკითხოს, აღწეროს და გააანალიზოს სურათები, რომლებსაც უგზავნით, სამივე დიალექტზე (/v1/chat/completions, /v1/messages, /v1/responses, ყველა სტრიმინგით) — მაგრამ ის მათ არ ქმნის. თუ აშენებთ პროცესს, რომელსაც სურათების გაგება სჭირდება, API-ის დოკუმენტაცია სწორი დასაწყისია. თუ სურათების შექმნა გინდათ, ეს ჩატ-აპლიკაციაა და ამ სახელმძღვანელოში ყველაფერი იქ მოქმედებს. სურათები იხატება ჩვენსავე GPU კლასტერზე.

15ხშირად დასმული კითხვები

დაკავშირებული მასალა: უცენზურო AI სურათების გენერაცია · უცენზურო AI სურათების რედაქტირება · პასუხისმგებლიანი გამოყენების პოლიტიკა · API-ის დოკუმენტაცია · Shannon-ის ყველა კვლევა. აქ მოცემული რჩევები ეფუძნება Shannon-ის სურათის მოდელის ჩვენსავე ტესტირებას; ადრეული დიფუზიური სტეკებისთვის დაწერილი რჩევები, როგორც წესი, არ გადმოდის.